Ví dụ minh họa:

Một phần của tài liệu Chương 3: Điều khiển thích nghi pdf (Trang 142 - 152)

110 ENGINE THROTTLE POSITION (%) vs DISTANCE (m)

3.6.4. Ví dụ minh họa:

Ví d 3.23:

Sử dụng cơng cụ Simulink của MATLAB 7.0 để xây dựng mơ hình và thuật tốn điều khiển thích nghi hệ bồn nước nối tiếp cĩ thơng số các van thay đổi

Mơ hình thc ca h bn cha nước ni tiếp

ðặt vn đề:

Mục tiêu của thuật tốn là điều khiển độ cao mực nước ở bồn 2 theo tín hiệu đặt. Về bản chất, hệ mơ hình bồn chứa nước nối tiếp là hệ SISO:

Ngõ vào: điện áp điều khiển máy bơm [u(t)]

Gii pháp:

Sử dụng 2 mạng DFNN để nhận dạng on-line mơ hình ngược từng bồn nước

Mạng DFNN nhận dạng mơ hình ngược bồn 1: mạng điều khiển

Mạng DFNN nhận dạng mơ hình ngược bồn 2: mạng dự báo

Mơ hình Simulink ca h bn nước ni tiếp vi các nhiu đo lường ngõ ra

Hệ phương trình tốn liên tục của hệ bồn nước nối tiếp:

Quy trình nhn dng và điu khin

Bước 1: Nhn dng on-line mơ hình ngược

Trong đĩ: T là chu kỳ lấy mẫu dữ liệu. Tổng quát và đơn giản hĩa hệ trên ta cĩ:

Từ phương trình (2) ta cĩ:

Phương trình trên cĩ thể viết lại bằng cách sử dụng một hàm phi tuyến g{.}: Ta thấy quan hệ giữa ngõ vào u và ngõ ra h2 là một quan h cĩ trễ (trễ 1 chu kỳ lấy mẫu). Mơ hình cĩ tr là mt mơ hình khơng tn ti mơ hình ngược (mơ hình bất khảđảo – noninvertible model).

Vì thế, ta sẽ khắc phục bằng cách tách đối tượng ra làm 2 bồn riêng biệt. Khi đĩ, quan hệ vào ra của mỗi bồn là một quan hệ khơng cĩ trễ:

ðể nhận dạng mơ hình ngược của mỗi bồn nước thì phương trình viết lại là:

Trong đĩ: 1(.)

1−

f và 1(.)

2−

f là cấu trúc mạng DFNN nhận dạng mơ hình ngược của bồn 1 và bồn 2 tương ứng.

Do hệ bồn chứa nước là hệ đáp ứng tương đối chậm nên u cĩ thể được chọn là dãy xung vuơng biên độ ngẫu nhiên với chu kỳ đủ lớn 0Vu ≤12V

Lưu đồ nhn dng mơ hình ngược h bn cha nước ni tiếp

Mơ hình ngược 2 bồn được tiến hành nhận dạng trong điều kiện cĩ nhiễu đo lường ở cả h1 và h2 (là sự dao động của mặt nước khi lấy mẫu). Chu kỳ lấy mẫu nhận dạng là 2s, tương ứng với 1500 mẫu dữ liệu. Tiết diện các van khi nhận dạng là a1 = 2 cm2 và a2 = 0.5 cm2. Kết quả của quá trình nhận dạng:

S phát sinh nơ-ron lut và sai s ngõ ra quá trình nhn dng

Bước 2: ðiu khin thích nghi hệđộng

ðối với các đối tượng cĩ khâu trễ, tuy khơng đo lường trực tiếp được nhưng ngõ vào cĩ thể dự báo được. Mơ hình ngược của bồn được viết lại như sau:

Khi thay các tín hiệu ngõ ra tương lai h2(k+2) và h2(k+1) bằng các tín hiệu ngõ ra mong muốn (tín hiệu đặt) r(k+2) và r(k+1), cĩ thể dự báo được độ cao mực nước bồn 2 tại thời điểm tiếp theo trong tương lai là:

Tín hiệu điều khiển tại thời điểm hiện tại:

Bên cạnh quá trình điều khiển (sử dụng mơ hình ngược), quá trình nhận dạng thơng số on-line của 2 mạng vẫn phải được tiếp tục tiến hành song song để tạo khả năng thích nghi cho quá trình điều khiển.

Ta tiến hành khảo sát các trường hợp điều khiển khi thơng số van thay đổi:

ðiu khin khơng thích nghi khi thơng s các van thay đổi

giá trị mới là a1 = 1 cm2 và a2 = 0.8 cm2 từ giây thứ 1001 đến khi kết thúc quá trình điều khiển (3000s)..

Quá trình điều khiển khơng thích nghi với tín hiệu đặt cĩ dạng vuơng, sin

Nhn xét:

Ban đầu, khi đặc tính động học đối tượng khơng thay đổi, đối tượng được điều khiển rất chính xác.Tuy nhiên, khi đặc tính động học đối tượng bắt đầu thay đổi, do khơng cĩ sự thích nghi, bộ điều khiển được huấn luyện ở bước 1 tỏ ra khơng cịn phù hợp với đặc tính động học ngược mới của đối tượng và quá trình điều khiển xuất hiện sai số điều khiển tương đối lớn.

ðiu khin thích nghi khi thơng s các van thay đổi

Quá trình điều khiển tương tự như trường hợp trên. Tuy nhiên, thuật tốn điều khiển thực thi luơn cả giai đoạn điều khiển và giai đoạn thích nghi.

Quá trình điều khiển thích nghi với tín hiệu đặt cĩ dạng vuơng, sin

Nhn xét:

Bộ điều khiển thích nghi mơ hình ngược cĩ thể điều khiển chính xác đối tượng ngay cả khi thơng số đối tượng thay đổi và với mọi dạng tín hiệu đặt. Tại thời điểm đặc tính động học đối tượng thay đổi, sai số điều khiển cĩ thể tương đối lớn do quá trình huấn luyện chưa kịp thích nghi. Tuy nhiên, chỉ sau một thời gian ngắn huấn luyện on-line, bộ điều khiển mơ hình ngược đã cĩ thể thích nghi được với đặc tính động học ngược mới của đối tượng.

Vai trị ca bộđiu khin ph PD kinh đin:

Ta sẽ xem xét sự ảnh hưởng của bộ điều khiển phụ PD trong cả 2 quá trình: điu khin thích nghi và điu khin khơng thích nghi.

Quá trình điều khiển khơng thích nghi cĩ và khơng cĩ bộ điều khiển phụ PD

Nhn xét:

Trong cả 2 trường hợp, ta thấy khi khơng cĩ bộ điều khiển phụ PD hỗ trợ, quá trình thích nghi tỏ ra chậm hơn. Thật ra, tốc độ thích nghi là như nhau. Tuy nhiên, khi bộ điều khiển mơ hình ngược chưa kịp thích nghi với đặc tính động học mới thì bộ điều khiển phụ PD đã hỗ trợ rất nhiều trong việc điều khiển đối tượng, hạn chế phần lớn sai số điều khiển.

Như vậy, bộ điều khiển phụ PD đã giúp cho việc ổn định hĩa và nâng cao chất lượng điều khiển của hệ thống.

Một phần của tài liệu Chương 3: Điều khiển thích nghi pdf (Trang 142 - 152)

Tải bản đầy đủ (PDF)

(154 trang)