Chương trình nhận dạng đối tượng sử dụng mạng nơ-ron đã được viết đúng. Chương trình này sẽ được sử dụng để nhận dạng hệ thống nâng từ với bộ tín hiệu mẫu được lấy từ hệ thống nâng từ thực ở chương 4.
2.4. Ứng dụng mạng nơ-ron điều khiển hệ thống nâng từ theo mô hình mẫu mẫu
Chúng tôi sẽ dùng một mạng nơ-ron làm bộ điều khiển theo mô hình mẫụ Mô hình mẫu được chọn là một hệ thống động học tuyến tính bậc haị Hệ thống này có hàm truyền như sau:
Từ mô hình mẫu này chúng tôi sẽ viết một chương trình trong Matlab /Simulink để tạo ra tín hiệu mẫụ Đầu tiên chúng tôi sẽ viết chương trình M- file ở phụ lục 3 để tạo ra một tín hiêu vào mẫu có dạng là một chuỗi các tín hiệu bước nhảy có biên độ và độ dài ngẫu nhiên.
Tín hiệu mẫu này sẽ được đưa vào đầu vào của mô hình mẫu để có đầu ra mẫụ Sơ đồ hệ thống phát tín hiệu ra mẫu như hình 2.8.
Hình 2.8. Sơ đồ hệ thống phát tín hiệu ra mẫu
Tín hiệu vào ra mẫu sẽ được lưu lần lượt vào các biến là R2 và T2. Sau khi có tín hiệu mẫu, chúng tôi sẽ lựa chọn cấu trúc mạng nơ-ron cho bộ điều khiển. Với đối tượng là hệ thống nâng từ chúng tôi chọn mạng nơ-ron cho bộ điều khiển có cấu trúc giống như mạng nơ-ron cho đối tượng. Mạng này bao gồm hai lớp, lớp 1 có 6 nơ-ron và có thêm một đầu vào thứ 2 từ đầu ra của đối tượng. Mạng này kết hợp với mạng nơ-ron của đối tượng tạo thành một mạng kín có 4 lớp như hình 2.12. Mạng kín này có 4 lớp, trong đó hai lớp đầu là bộ điều khiển và 2 lớp sau là mạng nơ-ron của đối tượng đã được huấn luyện ở phần 2.3. Trong quá trình huấn luyện mạng này chỉ có mạng của bộ điều khiển (hai lớp đầu) được cập nhật, còn hai lớp sau là được giữ cố định. Tập mẫu dùng để huấn luyện mạng kín gồm R2 và T2.
Việc huấn luyện trực tiếp mạng kín là không thể huấn luyện được. Do đó chúng ta phải làm tương tự như phần nhận dạng đối tượng ở phần trên. Đầu tiên là cắt đường phản hồi từ đầu ra của mạng trở về lớp 1 và coi đó là đầu vào thứ 2 ta được mạng hở như hình 2.9, và lấy tín hiệu ra mẫu làm đầu vào mẫu thứ 2. Giai đoạn đầu tiên là huấn luyện mạng hở và giai đoạn thứ hai là
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnụedụvn
2.4.1. Huấn luyện mạng hở
Sau khi huấn luyện mạng hở ta thu được các kết quả như hình 2.10 và 2.11.
Hình 2.9. Cấu trúc mạng bộ điều khiển đối tượng (mạng hở)
Ở hình 2.9 cấu trúc mạng hở gồm 4 lớp, trong đó 2 lớp đầu là của bộ điều khiển, 2 lớp sau là mạng nơ-ron của đối tượng đã được huấn luyện ở phần 2.3.
Trong đó:
- W: là ma trận trọng số - b: là véc tơ bias
- 6: Là số nơ ron của lớp 1 (lớp 3)
- Khối : trễ 1 và 2 nhịp – nếu đầu vào khối này là thì đầu ra
sẽ là và .
1:2
Hình 2.10. Đầu ra mạng, đầu ra mẫu và sai số.
Trong hình 2.10, Network output: đường màu đỏ là tín hiệu ra của mạng đối tượng, Target: đường màu xanh là tín hiệu ra mẫụ Ta nhận thấy là tín hiệu ra của mạng bám theo tín hiệu ra mẫụ Error: là sai số.
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnụedụvn
Hình 2.11. MSE của mạng hở.
MSE là sai lệch bình quân phương MSE là sai lệch bình phương trung bình: 2 1 1 (y t ) N k k k MSE N
Với yk là đầu ra của mạng tương ứng với đầu vào mẫu thứ k và tklà đầu ra mẫu tương ứng với đầu vào mẫu thứ k. Trong hình 2.11 sau 4 lần học thì sai lệch giảm dần.
4.2. Huấn luyện mạng kín
Sau khi huấn luyện mạng kín ta thu được kết quả như hình 2.13 và hình 2.14.
Hình 2.12. Cấu trúc mạng bộ điều khiển đối tượng (mạng kín)
Mạng kín này có 4 lớp, trong đó hai lớp đầu là bộ điều khiển và 2 lớp sau là mạng nơ-ron của đối tượng đã được huấn luyện ở phần 2.3. Trong quá trình huấn luyện mạng này chỉ có mạng của bộ điều khiển (hai lớp đầu) được cập nhật, còn hai lớp sau là được giữ cố định.
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnụedụvn
Trong hình 2.13, Network output: đường màu đỏ là tín hiệu ra của mạng đối tượng, Target: đường màu xanh là tín hiệu ra mẫụ Ta nhận thấy là tín hiệu ra của mạng bám theo tín hiệu ra mẫụ Error: là sai số.
Hình 2.14. MSE của mạng kín.
MSE là sai lệch bình quân phương MSE là sai lệch bình phương trung bình: 2 1 1 (y t ) N k k k MSE N
Với yk là đầu ra của mạng tương ứng với đầu vào mẫu thứ k và tklà đầu ra mẫu tương ứng với đầu vào mẫu thứ k. Trong hình 2.14 sau 2 lần học thì sai lệch giảm dần.
2.4.3. Nhận xét
- Tín hiệu ra của mạng nơ-ron đối tượng bám được theo tín hiệu ra của mô hình mẫụ Do đó chúng ta có thể sử dụng được bộ điều khiển là mạng nơ-
ron đã được huấn luyện ở trên làm bộ điều khiển cho mô hình hệ thống nâng từ.
- Chương trình huấn luyện mạng nơ-ron của bộ điều khiển đã được viết đúng. Chương trình này có thể dùng để thiết kế bộ điều khiển nơ-ron ron cho hệ thống nâng từ thực theo mô hình mẫụ
2.5. Kết luận
Trong chương hai, chúng tôi đã nêu được tổng quan về hệ thống nâng từ, đưa ra mô hình toán học của hệ thống nâng từ. Để thử nghiệm xem mạng nơ- ron có thể nhận dạng và điều khiển được hệ thống nâng từ hay không thì chúng tôi dùng một mô hình toán của hệ thống nâng từ này để huấn luyện, từ đó xác định được là có thể sử dụng được bộ điều khiển là mạng nơ-ron đã được huấn luyện ở phần này làm bộ điều khiển cho hệ thống nâng từ thực.
Chúng tôi đã viết được chương trình huấn luyện mạng nơ-ron cho đối tượng và mạng nơ-ron cho bộ điều khiển. Các chương trình này sẽ được sử dụng để nhận dạng và huấn luyện bộ điều khiển theo mô hình mẫu cho hệ thống nâng từ.
Ở chương tiếp theo chúng tôi sẽ trình bày quá trình thiết kế, chế tạo mô hình hệ thống nâng từ thực và sử dụng hệ thống vi xử lý arduino 328 kết nối với máy tính.
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnụedụvn
CHƢƠNG III
THIẾT KẾ, CHẾ TẠO HỆ THỐNG NÂNG TỪ 3.1. Thiết kế và chế tạo hệ thống nâng từ trong phòng thí nghiệm
Để có tín hiệu thực phục vụ cho quá trình nhận dạng bằng mạng nơ-ron chúng tôi đã thiết kế và chế tạo một mô hình thí nghiệm hệ thống nâng từ như hình 3.1.
Hình 3.1. Hệ thống thí nghiệm cho hệ thống nâng từ Card điều khiển aduino
Mạch cầu Cánh tay đòn Thiết bị đo được gắn cố định Cuộn dây Phần động download by : skknchat@gmail.com
3.2. Mô hình thí nghiệm hệ thống nâng từ
Cấu trúc mô hình bàn thí nghiệm hệ thống nâng từ được biểu diễn ở hình 3.2 với bốn phần cơ bản gồm:
- Máy tính xách tay: Corei5, Ram 4G – Phần mềm matlab 2013ạ - Card điều khiển Arduinọ
- Mạch cầụ - Thiết bị đo góc
- Cánh tay đòn: dùng để chuyển từ chuyển động thẳng của phần động trong quá trình làm việc của hệ thống sang chuyển động quay và chúng tôi dùng thiết bị đo góc để đo góc quaỵ Thực tế đo được là khi quay được một vòng quay 1 rad thì đo được vị trí là 13,5 mm.
- Cuộn dây có số vòng là 1000 vòng, tiết diện dây là ϕ = 0,4mm, điện áp hoạt động 0 ÷ 12 VDC.
- Do trong quá trình thiết kế gặp khó khăn nên chúng tôi chế tạo phần động là các nam châm vĩnh cửu dạng cúc có tiết diện là ϕ = 10 mm và một thanh sắt có tiết diện là ϕ = 10 mm ghép lại thành.
Hình 3.2. Sơ đồ khối mô hình thí nghiệm Mạch cầu Thiết bị đo góc, cánh tay đòn, cuộn dây,phần động Computer, Matlab Card
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnụedụvn
3.2.1. Thiết bị đo góc
Thiết bị đo góc dùng để đo góc được gắn với cánh tay đòn. Chuyển đổi từ vị trí góc nhờ tín hiệu này để xác định vị trí của thanh nam châm.
Hình 3.3: Thiết bị đo góc
Tín hiệu ra của thiết bị đo góc là dạng xung. Thiết bị đo góc có những thông số sau:
- Có 2 kênh ra A và B cùng tần số nhưng lệch pha 900. - Mỗi kênh gồm có 334 xung.
- Điện áp định mức: 5V - Dòng tiêu thụ: 20 mA - Chuẩn Jack 2.0
3.2.2. Card điều khiển arduino
Card Arduino là một bo mạch vi xử lý có 20 ngõ vào ra có thể tương tác và điều khiển nhiều thiết bị.
Hình 3.4: Card Arduino
Card Arduino 328 có 14 chân đầu vào/đầu ra (trong đó có 6 chân có thể được sử dụng như là đầu ra PWM), 6 đầu vào tương tự, 16 MHz tinh thể dao động, kết nối USB, một jack cắm điện, một tiêu đề ICSP, và một nút reset. Về mặt kỹ thuật, Arduino là một thiết bị lập trình logic, card Arduino 328 được kết nối với 1 mạch cầu vì động cơ điều khiển cánh tay máy quay 2 chiều). Card Arduino 328 được kết nối với máy tính bằng cáp USB, chúng tôi dùng mô phỏng Simulink trên Matlab để giao tiếp với Arduino để điều khiển mô hình.
Chúng tôi sẽ sử dụng Card arduino này để thu thập giá trị khoảng cách giữa thanh nam châm và nam châm điện, đồng thời phát tín hiệu điện áp đưa ra để điều khiển hệ thống nâng từ giữ ở một vị trí cân bằng. Để kiểm tra xem hệ thống nâng từ trong phòng thí nghiệm này có thể sử dụng được hay không chúng tôi sẽ thiết kế bộ điều khiển PID cho hệ thống này và tiến hành điều khiển thời gian thực.
3.3. Thiết kế bộ điều khiển PI cho hệ thống nâng từ thực 3.3.1. Sơ đồ hệ thống điều khiển sử dụng bộ điều khiển PI 3.3.1. Sơ đồ hệ thống điều khiển sử dụng bộ điều khiển PI
Hệ thống điều khiển thời gian thực được thực hiện trong Simulink/Matlab. Hệ thống bao gồm các khối: cài đặt arduino, khối thời gian thực, khối đọc tín hiệu từ encorder về, khối đưa tín hiệu ra điều khiển điện áp cuộn dây, khối PI và các khối khuếch đại khác.
Bộ điều khiển PI được thiết kế dựa trên cơ sở tiến hành thử nghiệm nhiều lần: đầu tiên là lựa chọn tham số cho luật P, sau đó là luật Ị Lúc đầu chọn tham số của luật P và I rất nhỏ, sau đó tăng dần cho tới khi hệ thống đạt được chất lượng tốt nhất có thể.
Việc điều khiển thời gian thực sử dụng Simulink rất thuận tiện. Chúng ta chỉ việc kết nối các khối với nhau, cài đặt tham số cho các khối và chạy chương trình điều khiển là được. Sơ đồ hệ thống điều khiển được thể hiện trong hình 3.5.
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnụedụvn
Hình 3.5: Sơ đồ bộ điều khiển PI điều khiển hệ thống nâng từ thực trong Matlab
3.3.2. Kết quả điều khiển sử dụng bộ điều khiển PI
Với sơ đồ bộ điều khiển PI điều khiển hệ thống nâng từ thực trong matlab như hình 3.5, ta thu được kết quả như sau:
Đường màu xanh là vị trí của lõi, đường màu đỏ là giá trị đặt. Tại một số thời điểm cụ thể, sau khi hệ thống đạt giá trị xác lập, chúng tôi tác động vào phần lõi, làm cho nó chuyển dịch ra khỏi vị trí xác lập, sau đó thôi không tác động nữạ Kết quả là phần lõi vẫn chuyển động về vị trí mong muốn.
Hình 3.6: Kết quả điều khiển PI
* Nhận xét:
Theo như kết quả ta thấy đường màu đỏ ứng với giá trị đặt bằng 1, đường màu xanh biểu diễn giá trị điều khiển hệ thống nâng từ thực sử dụng bộ điều khiển PỊ Trong quá trình điều khiển bằng PI thì số lần dao động khá nhiều và sau thời gian 8 giây hệ thống mới đạt trạng thái cân bằng.
3.4. Kết luận
Trong chương ba, chúng tôi đã chế tạo hệ thống nâng từ thực, trong quá trình chế tạo do cảm biến đo khoảng cách, vị trí giá thành cao nên chúng tôi sử dụng cánh tay đòn thay cho cảm biến để giảm thiểu chi phí trong quá trình chế tạo nhưng vẫn đảm bảo được yêu cầu mà bài toán đề rạ Mục đích của bài toán là điều khiển hệ thống nâng từ sao cho phần động của hệ thống được giữ
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnụedụvn
điều khiển PI và tiến hành điều khiển thời gian thực. Kết quả cho thấy hệ làm việc ổn định xung quanh điểm làm việc, tuy nhiên quá trình quá độ còn có dao động lớn và thời gian xác lập dàị Các kết quả này được sử dụng là cơ sở để so sánh chất lượng của bộ điều khiển nơ-ron ở phần chương saụ
Trong chương tiếp theo chúng tôi sẽ ứng dụng mạng nơ-ron nhận dạng và điều khiển hệ thống nâng từ thực.
CHƢƠNG IV
ỨNG DỤNG MẠNG NƠ-RON NHẬN DẠNG VÀ ĐIỀU KHIỂN HỆ THỐNG NÂNG TỪ
Trong chương này, chúng tôi sẽ ứng dụng mạng nơ-ron vào nhận dạng và điều khiển hệ thống nâng từ thực được chế tạo như ở phần chương 3.
Để nhận dạng được đối tượng bằng mạng nơ-ron chúng ta cần có một tập mẫu để huấn luyện mạng. Chúng tôi sử dụng hệ vi xử lý arduino 328 để kết nối giữa máy tính và hệ thống nâng từ. Card arduino này sẽ thu thập giá trị khoảng cách giữa thanh nam châm và nam châm điện , đồng thời phát tín hiệu điện áp đưa ra để điều khiển hệ thống nâng từ. Bộ dữ liệu mẫu sẽ được lưu lại trong một tệp dạng *.mat.
Chúng tôi sẽ phát một tín hiệu điện áp có độ dài 20 giây và chu kỳ lấy mẫu là 0,01 giâỵ
4.1. Ứng dụng mạng nơ ron nhận dạng và điều khiển hệ thống nâng từ thực thực
Để nhận dạng hệ thống nâng từ thực, chúng tôi chọn mạng nơ ron có cấu trúc như hình 4.4 với 6 nơ ron ở lớp thứ nhất. Quá trình huấn luyện mạng có 2 giai đoạn:
Giai đoạn thứ nhất huấn luyện vòng hở. Ở giai đoạn này mạng nơ ron sẽ bị cắt đường phản hồi từ đầu ra của mạng trở về lớp 1. Đầu vào thứ 2 của mạng lúc này sẽ là tín hiệu ra mẫụ
Giai đoạn thứ 2 sẽ huấn luyện mạng kín. Sau khi huấn luyện mạng hở sẽ nối đầu ra của mạng hở với đầu vào thứ 2 của mạng sẽ được mạng kín. Để huấn luyện mạng kín chúng tôi sẽ chia tập dữ liệu mẫu ban đầu (có độ dài là N mẫu) thành các chuỗi nhỏ, mỗi chuỗi có độ dài là C mẫụ Đầu tiên chúng tôi sẽ huấn luyện mạng với các chuỗi có độ dài là C = 4, nếu thành công sẽ tăng lên thành C = 5, cứ tiếp tục cho đến khi C = N.
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnụedụvn
4.1.1. Huấn luyện mạng hở
Khi huấn luyện mạng hở thì cấu trúc mạng có dạng như hình 4.1
Hình 4.1: Cấu trúc mạng hở nhận dạng đối tượng
Sau khi huấn luyện mạng nơ-ron với số lớp 1 là n=6, ta thu được các kết quả như hình vẽ 4.2 và 4.3. Trong đó, Network Output, Target và Error lần