- Sản lƣợng hơ iD (Năng suất lò): Sản lƣợng hơi là lƣợng hơi sản xuất ra trong một đơn vị thời gian Tính bằng T/giờ, kg/giờ hay kg/giây.
4.4. Kết quả mô phỏng:
Sau khi xây dựng đƣợc hệ thống điều khiển, ta chuyển các thông số của mô hình vào bộ điều khiển và tiến hành huấn luyện mạng. Sau 200 kỳ huấn luyện sai số giữa đầu ra của mô hình đối tƣợng và đầu ra của mô hình mạng nơron là 10-6.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Các kết quả huấn luyện đƣợc chỉ ra trên các hình 4.6 đến hình 4.9. Trong đó: Hình 4.6 là tập dữ liệu vào - ra của đối tƣợng khi nhận dạng, hình 4.7 là tập dữ liệu huấn luyện vào - ra của đối tƣợng, dữ liệu huấn luyện đầu ra của mô hình mạng nơ ron và sai số giữa 2 mô hình sau 200 kỳ huấn luyện, hình 4.8, hình 4.9 là các tập dữ liệu kiểm tra và dữ liệu chấp nhận ( cũng bao gồm dữ liệu vào - ra của đối tƣợng, dữ liệu đầu ra của mô hình mạng và sai số).
Hình 4.6: Dữ liệu vào/ra của đối tƣợng khi nhận dạng
Hình 4.7: Dữ liệu huấn luyện vào/ra của đối tƣợng,dữ liệu huấn luyện đầu
ra của mạng và sai số
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Khi đã huấn luyện và xây dựng đƣợc mô hình nhận dạng đối tƣợng, ta sử dụng mô hình này để điều khiển hệ thống với với các chế độ làm việc khác nhau, kết quả mô phỏng đƣợc chỉ ra trên các hình 4.10 và hình 4.11, trong đó: hình 4.10 là đặc tính động của hệ thống khi có nhiễu ngẫu nhiên ở đầu vào của đối tƣợng, hình 4.11 là đặc tính động của hệ thống khi có nhiễu ngẫu nhiên ở đầu vào của đối tƣợng và có trễ
0 50 100 150 200 250 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 0 50 100 150 0 0.2 0.4 0.6 0.8 1 1.2 4.5. Nhận xét kết quả
Từ các kết quả mô phỏng ở trên, ta có thể rút ra một số nhận xét sau:
Hình 4.11: Tín hiệu ra của hệ thống có 1 nhiễu đầu vào và có trễ Hình 4.10: Tín hiệu ra của hệ thống có 1 nhiễu đầu vào
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Khi sử dụng mạng nơron để xây dựng mô hình đối tƣợng trong hệ thống điều khiển dự báo cho độ chính xác rất cao (sai số bằng 10-6 qua 200 kỳ huấn luyện), do đó chất lƣợng của hệ điều khiển dự báo cũng tăng lên.
Phƣơng pháp điều khiển dự báo theo mô hình có thể áp dụng để điều khiển mức nƣớc bao hơi trong các hệ thống lò hơi với chất lƣợng tƣơng đối tốt, hệ thống vẫn làm việc ổn định khi có nhiễu đầu vào thông qua quan sát đặc tĩnh động trên hình 4.10, việc thiết kế và chỉnh định các thông số của bộ điều khiển cũng tƣơng đối đơn giản còn khi có nhiễu và có trễ thì điều khiển khó khăn hơn (hình 4.11) và khi có nhiều nhiễu tác động ở các vùng khác nhau thì việc điều khiển là rất phức tạp và trong thời gian ngắn nên tác giả chƣa giải quyết đƣợc, đó cũng là hƣớng để các đề tài sau tiếp tục nghiên cứu.
Bên cạnh những ƣu điểm trên, khi xây dựng bộ điều khiển dự báo thƣờng gặp những khó khăn nhƣ: Xây dựng bộ dữ liệu nhận dạng từ hệ thống thực phản ánh đƣợc toàn bộ tính chất của hệ thống; Giải bài toán tối ƣu hóa phải cần đến sự hỗ trợ của máy tính mạnh, tốc độ cao đây chính là cản trở lớn nhất khi áp dụng thuật toán điều khiển các hệ thống nhỏ. Để chạy nhận dạng cũng nhƣ mô phỏng đƣợc phải mất thời gian tƣơng đối lâu.
