Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
63
3.3.1. Bộ điều khiển feedback.
a. Sơ đồ mụ phỏng :
Hỡnh 3.31: Sơ đồ mụ phỏng hệ thống khi chỉ cú FeedBack. b.Kết quả mụ phỏng:
Learning feed-forward control
-0.05 0 0.05 0.1 Reference [m] -0.05 0 0.05 0.1 ProcessOutput [m] 0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m]
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
64
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn 65 3.3.2. LFFC khi cú ViscouNeural. a. Sơ đồ mụ phỏng : Hỡnh 3.33: Sơ đồ mụ phỏng b, So sỏnh kết quả mụ phỏng.
Hỡnh 3.34: So sỏnh kết quả mụ phỏng lực Viscou tạo ra và lực Viscou thật. a, Lực Viscou được tạo ra
a,
b,
Learning feed-forward control
-0.6 -0.4 -0.2 0 0.2 0.4
Estimated viscous f orce [N]
50 55 60 65 70 time {s} -0.6 -0.4 -0.2 0 0.2 0.4 0.6
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
66 b, Lực Viscou thật
Vai trũ của bự lực Viscou được thể hiện rừ ràng bằng cỏch so sỏnh kết quả mụ phỏng như được chỉ ra trong Hỡnh 3.35a và Hỡnh 3.35b. Khi BSN Viscou được sử dụng, tớn hiệu error được giảm đỏng kể.
Hỡnh 3.35: So sỏnh kết quả mụ phỏng error trước và sau khi cú bự lực Viscou. a, Khi chỉ cú Feedback
b, Khi cú thờm bự lực Viscou
3.3.3. LFFC khi cú CoulombNeural và ViscouNeural.
a. Sơ đồ mụ phỏng :
Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m]
Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m] a, b,
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
67
Hỡnh 3.36: Sơ đồ mụ phỏng b. So sỏnh kết qủa mụ phỏng:
Hỡnh 3.37: So sỏnh kết quả mụ phỏng lực Coulomb được tạo ra và lực Coulomb thật.
a, Lực Coulomb thực
b, Lực Coulomb được tạo ra
Vai trũ của CoulombNeural được thể hiện rừ ràng bằng cỏch so sỏnh kết quả mụ phỏng của tớn hiệu error như được chỉ ra trong Hỡnh 3.38a và Hỡnh 3.38b.
Hỡnh 3.38: So sỏnh kết quả mụ phỏng tớn hiệu error trước và sau khi cú bự lực Coulomb.
a, Khi chỉ cú Feedback và NeuralViscou 0
Learning feed-forward control
-0.25 -0.15 -0.05 0.05
0.15 True coulomb f orce [N]
16 17 18 19 20 21 22 time {s} -2 -1 0 1
2 Estimated coulomb f orce [N] {N}
0. 4 0.2 0 -0.2 0 -0.4 -0.4 -0.2 0 0.2 0.4 a, b,
Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m]
Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m]
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
68
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
69
3.3.4. LFFC khi cú CoulombNeural, ViscouNeural, CoggingNeural.
a. Sơ đồ mụ phỏng :
Hỡnh 3.39: Sơ đồ mụ phỏng b. So sỏnh kết quỏ mụ phỏng:
Hỡnh 3.40: So sỏnh kết quả mụ phỏng tớn hiệu lực Cogging được tạo ra và lực Cogging thật.
a, Lực Cogging thật
b, Lực Cogging được tạo ra
Learning feed-forward control
-0.3 -0.2 -0.1 0 0.1 0.2
True cogging f orce [N]
93 94 95 96 97 98 99 100 time {s} -0.2 -0.1 0 0.1
0.2 Estimated cogging f orce [N]
a,
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
70
Vai trũ của CoggingNeural được thể hiện rừ ràng bằng cỏch so sỏnh kết quả mụ phỏng của tớn hiệu error như được chỉ ra trong Hỡnh 3.41a và Hỡnh 3.41b.
Hỡnh 3.41: So sỏnh kết quả mụ phỏng tớn hiệu error trước và sau khi cú bự lực Cogging.
a, Khi chỉ cú Feedback và ViscouNeural, CoulombNeural. b, Khi cú thờm tớn hiệu bự lực Cogging.
3.3.5. LFFC khi cú CoulombNeural, ViscouNeural, CoggingNeural, InertialNeural. InertialNeural.
a. Sơ đồ mụ phỏng :
Hỡnh 3.42: Sơ đồ mụ phỏng Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m]
Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m] a, b,
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
71 b. So sỏnh kết quỏ mụ phỏng:
Hỡnh 3.43: So sỏnh kết quả mụ phỏng lực Inertia được tạo ra và lực Inertia
thật.
a, Lực Inertia được tạo ra.
b, Lực Inertia thật.
Vai trũ của InertiaNeural được thể hiện rừ ràng bằng cỏch so sỏnh kết quả mụ phỏng của tớn hiệu error như được chỉ ra trong Hỡnh 3.43a và Hỡnh 3.43b.
Hỡnh 3.44: So sỏnh kết quả mụ phỏng tớn hiệu error trước và sau khi cú bự lực Inertia.
a, Khi chỉ cú Feedback và ViscouNeural, CoulombNeural, CoggingNeural b, Khi cú thờm tớn hiệu bự lực Inertia.
Learning feed-forward control
-0.6 -0.4 -0.2 0 0.2
0.4 Estimated inertia f orce [N]
10 15 20 25 30 time {s} -0.4 -0.2 0 0.2 0.4
0.6 True inertia f orce [N] {m/s}
a,
b,
Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m]
Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m]
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
72
So sỏnh kết quả mụ phỏng tớn hiệu error khi bộ điều khiển chỉ cú Feedback và khi cú LFFC tham gia.
Hỡnh 3.45: So sỏnh kết quả mụ phỏng tớn hiệu error khi bộ điều khiển chỉ cú Feedback và khi cú LFFC tham gia
a, Khi chỉ cú Feedback
b, Khi cú thờm tớn hiệu bự lực Viscou, lực Coulomb, lực Cogging lực Inertia
Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m]
Learning feed-forward control
0 10 20 30 40 50 60 70 80 90 100 time {s} -0.001 -0.0005 0 0.0005 0.001 PositionError [m] a, b,
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
71
Chương 4: KẾT LUẬN
Trong Chương 1, đưa ra khỏi niệm của LFFC, đú là một bộ điều khiển học cú phản hồi sai số trong đú phần truyền thẳng là một mạng B-Spline (BSN). Vấn đề quan trọng là phải thiết kế phần truyền thẳng của LFFC sao cho quỏ trỡnh học là hội tụ và cựng với đú là phải làm sao cho bậc của hệ thống phải được giữ ở mức tối thiểu. Đõy là hai chủ đề chớnh được đề cập đến trong luận văn.
Trong Chương 2 và 3, đề cập đến bộ điều khiển LFFC phụ thuộc thời gian, là bộ điều khiển mà thời gian chuyển động theo chu kỳ là đầu vào duy nhất của BSN. Trong trường hợp này, LFFC tương tự như điều khiển học lặp lại và điều khiển lặp lại. Do vậy, em đưa ra ý tưởng sử dụng cỏc kết quả hội tụ của điều khiển học lặp lại và điều khiển lặp lại trong quỏ trỡnh thiết lập LFFC.
Trong điều khiển học lặp lại và điều khiển lặp lại phần truyền thẳng được thiết kế như một vũng lặp cú nhớ. Thay vỡ luyện phần truyền thẳng bởi đầu ra của bộ điều khiển phản hồi, tớn hiệu học cú thể nhận được bằng cỏch lọc sai số bỏm nhờ một bộ lọc cú khả năng học. Bộ lọc này được thiết kế dựa trờn một mụ hỡnh gần đỳng của hệ thống bị điều khiển. Phõn tớch về độ ổn định cho thấy rằng cỏc yếu tố động học tần số cao khụng mụ hỡnh húa được sẽ làm cho tớn hiệu truyền thẳng của điều khiển học lặp lại và RC khụng hội tụ. Quỏ trỡnh hội tụ cú thể đạt được bằng việc điều chỉnh vũng lặp cú nhớ theo cỏch thức sao cho cỏc thành phần tần số làm cho mụ hỡnh của hệ thống bị điều khiển (kộo theo bộ lọc cú khả năng học) trở nờn khụng chớnh xỏc sẽ bị loại bỏ.
LFFC phụ thuộc thời gian cú thể được xem như là một loại điều khiển học lặp lại / điều khiển lặp lại trong đú quỏ trỡnh học được ổn định húa nhờ thay thế vũng lặp cú nhớ bởi một BSN và phần điều khiển phản hồi được sử dụng như là một bộ lọc cú học. Cỏc thành phần tần số trong quan hệ vào ra của một BSN phụ thuộc vào độ rộng của miền xỏc định của B-Spline. Chọn độ rộng lớn sẽ ảnh hưởng đến tớn hiệu truyền thẳng tần số thấp, trong khi đú độ rộng nhỏ sẽ tỏc động đến tớn hiệu truyền thẳng tần số cao. Do vậy, cỏc kết quả thu được từ điều khiển
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
72
học lặp lại và điều khiển lặp lại cho ta thấy rằng quỏ trỡnh học cú thể được ổn định bằng cỏch chọn độ rộng của miền xỏc định của B-spline sao cho BSN khụng thể xấp xỉ thành phần tần số cao của tớn hiệu học. Nhờ cỏc giả định nghiờm ngặt (một trong số đú là hệ thống điều khiển phải là SISO LTI-Hệ thống tuyến tớnh bất biến một đầu vào một đầu ra) , chỳng ta cú thể mụ tả một cỏch định lượng : chỳng ta đưa ra cỏc điều kiện ổn định cho độ rộng tối thiểu của miền xỏc định của cỏc B-Spline, dmin, và cho tỷ lệ học tối đa. Cỏc yếu tố ổn định này được kiểm chứng nhờ cỏc quỏ trỡnh mụ phỏng. Trong luận văn này, LFFC phụ thuộc thời gian được ỏp dụng cho LiMMS. Do LiMMS là hệ thống phi tuyến, nú khụng thỏa món giả thiết cho việc phõn tớch sự ổn định. Bất chấp điều này, cỏc kết quả trong quỏ trỡnh mụ phỏng cho thấy giỏ trị dmin là chớnh xỏc và tỷ lệ học tối đa cũng ổn định.
Đối với cỏc chuyển động đặt trước ngẫu nhiờn, LFFC phụ thời gian khụng thể ỏp dụng được. Thay vào đú phải sử dụng hệ thống LFFC phụ thuộc quỹ đạo, cú nghĩa là tớn hiệu đặt trước cựng với đạo hàm hoặc tớch phõn của nú được sử dụng như là cỏc đầu vào của phần truyền thẳng.
Chỳng ta khụng thể đưa ra cỏc điều kiện ổn định cho quỏ trỡnh thiết kế cỏc tham số của một BSN trong LFFC phụ thuộc quỹ đạo. Trong một số trường hợp (vớ dụ như khi vận tốc đặt trước là khụng đổi), cỏc điều kiện ổn định của LFFC phụ thuộc thời gian cú thể được chuyển thành cỏc điều kiện ổn định cho LFFC phụ thuộc quỹ đạo. Về bản chất cú thể núi rằng miền xỏc định của cỏc B-Spline (đa chiều) pahỉ chứ tối thiểu dmin [s] của chuyển động đặt trước. Thiết kế một phõn bố B-Spline thỏa món điều kiện này là rất khú và sẽ dần đến độ rộng B- Spline lớn, điều này làm cho vấn đề trở nờn khụng hấp dẫn.
Do vậy, một cỏch tiếp cận khỏc được xem xột. Chỳng ta giả sử chọn một phõn bố B-Spline mà khụng quan tõm đến cỏc điều kiện ổn định và thờm một tiờu chuẩn ổn định húa vào LFFC để làm cho quỏ trỡnh học hội tụ. Một trong những sự lựa chọn để thực hiện vấn để này là tối thiểu húa hàm lượng giỏ nhờ cơ chế
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
73
học. Đõy là một kỹ thuật nổi tiếng trong mụ hỡnh mạng mờ nơron và được gọi là kỹ thuật tối giản. Tuy nhiờn, thực tế cho thấy rất khú để chọn cỏc tham số của cơ chế học tối giản sao cho LFFC hội tụ. Do đú, một sự lựa chọn khỏc được đưa ra, lại bắt nguồn từ điều khiển học lặp lại. Việc tối giản được thực hiện nhờ việc lọc tớn hiệu học của LFFC thay vỡ thay đổi cơ chế học. í tưởng chủ đạo là quỏ trỡnh học hội tụ khi tớn hiệu học được đảm bảo sao cho tất cả cỏc thành phần tần số cao trờn dmin
-1
[Hz] bị loại bỏ. Điều này (vớ dụ) cú thể đạt được nhờ kỹ thuật lọc với một BSN phụ thuộc thời gian phự hợp. Cỏc kết quả mụ phỏng xỏc nhận rằng bằng cỏch thờm một bộ lọc như vậy, sự hội tụ của LFFC phụ thuộc quỹ đạo cú thể đạt được. Tuy nhiờn, vẫn chưa cú cỏc phõn tớch khoa học nhằm giải thớch được cỏc kết quả quan sỏt.
Cỏc đầu vào đặc biệt nào sẽ được lựa chọn trong trường hợp một LFFC phụ thuộc quỹ đạo được xõy dựng dựa trờn cơ sở biểu diễn khụng gian trạng thỏi (chớnh xỏc về cấu trỳc) của một hệ động học. chỳng ta đó chỉ ra rằng một đối tượng chỉ cú thể được điều khiển nhờ một LFFC phụ thuộc quỹ đạo khi biểu diễn khụng gian trang thỏi thảo món một số điều kiện. Do vậy, LiMMS cú thể được điều khiển bởi LFFC phụ thuộc quỹ đạo.
Khi cỏc đầu vào của BSN được chọn thẳng dựa trờn cơ sở của mụ hỡnh đối tượng sẽ cho ta một BSN đa chiều. Điều này dẫn đến vấn đề liờn quan đến bậc của hệ thống. Mụ hỡnh mờ nơron cho thấy vấn đề này cú thể được giải quyết bằng cỏch chia BSN đa chiều thành vài BSN cú số chiều nhỏ hơn. Điều này được thực hiện dựa trờn một cơ sở được gọi là biểu diễn phõn ly cỏc biến của một hàm số. Cỏc kết quả lựa chọ BSN được biết đến như là một cấu trỳc mạng suy biến. Cựng với vấn đề này, một LFFC phụ thuộc quỹ đạo được gọi là suy biến khi nú bao gồm nhiều khõu truyền thẳng thay vỡ một. Một cỏch thứ 2 (kộm hiệu quả hơn) nhằm giảm thiểu bậc cảu hệ thống là chọn cỏc phõn bố B-Spline với càng ớt B-Spline càng tốt. Cú một vài phương phỏp được xem xột khi thiết kế một LFFC suy biến.
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn
74
Luyện một LFFC suy biến khụng pahỉ là quỏ trỡnh truyền thẳng. Khi tất cả cỏc BSN được luyện đồng thời, khụng cú gỡ đảm bảo rằng mỗi BSN sẽ học được đỳng tớn hiệu truyền thẳng của nú. Do vậy, chỳng ta đưa ra một phương phỏp luyện một LFFC hiệu quả, cú nghĩa là bằng cỏch chọn một chuỗi cỏc chuyển động luyện mạng nhờ đú cỏc BSN được luyện một cỏch chớnh xỏc. Tuy nhiờn, phương phỏp này trong thực tế được gọi là phương phỏp luyện mạng cú chiến lược vẫn khỏ chủ quan, dựa trờn kinh nghiệm.
Cỏc thủ tục thiết kế cho LFFC được tớnh toỏn và ỏp dụng trong cỏc thớ nghiệm thực tế cho điều khiển LiMMS. Trong đú, LiMMS được điều khiển bởi một LFFC phụ thuộc thời gian cũng như bởi một LFFC. Trong một loạt cỏc thớ nghiệm ban đầu sử dụng LFFC phụ thuộc thời gian, cỏc điều kiện ổn định được kiểm chứng. Kết quả của cỏc thớ nghiệm này tương tự như kết quả trong phần mụ phỏng điều này cú nghĩa là giỏ trị của dmin là chớnh xỏc trong khi tỷ lệ học cực đại khỏ ổn định. Tiếp đú, phõn bố B-Spline của LFFC phụ thuộc thời gian được tối ưu. Cuối cựng một LFFC suy biến được thiết kế và kiểm chứng. Phần truyền thẳng bao gồm 3 BSN bự quỏn tớnh, ma sỏt và cogging. Sau khi tiến hành cỏc thớ nghiệm luyện mạng cú chiến lược, LFFC suy biến đạt được một sai số bỏm nhỏ đối với một dải lớn cỏc chuyển động tham chiếu. Tuy nhiờn, đối với cỏc chuyển động lặp lại thỡ LFFC phụ thuộc thời gian là ưu việt hơn cả.
Số húa bởi Trung tõm Học liệu – Đại học Thỏi Nguyờn http://www.lrc-tnu.edu.vn 1
Chương 1: GIỚI THIỆU 1.1. Tổng quan về Learning control (LC).
Một trong số cỏc cụng cụ cạnh tranh mà cỏc hóng sản xuất tuỳ ý sử dụng đú là chất lượng của sản phẩm. Đặc biệt là trong cỏc thị trường cú liờn quan đến cỏc sản