Hiện nay có nhiều giải pháp điều khiển số động cơ một chiều, nhưng nổi bật nhất là sử dụng chip xử lý tín hiệu số - Digital Signal Processor (DSP), việc thực thi thuật toán trên kit DSP cũng có những đặc điểm nổi bật:
- DSP có khả năng thực hiện đa tác vụ từ điều khiển đến xử lý tín hiệu
- Để đạt được hiệu suất tối đa cho FPGA cần nhiều thời gian và kiến thức để tối ưu, trong khi đó tốc độ xử lý của kit DSP chỉ phụ thuộc chủ yếu vào xung nhịp của chip, do đó có thể đạt được hiệu suất cao hơn trong thời gian ngắn
- DSP sử dụng ngôn ngữ lập trình C, ASM tương đối phổ dụng, không đòi hỏi hiểu biết ngôn ngữ mô phỏng phần cứng như FPGA, khi cần thay đổi, lập trình lại,
chip DSP cũng tỏ ra mềm dẻo hơn do chỉ cần chỉnh sửa code, trong khi đó với FPGA gặp khó khăn hơn do phải tái cấu trúc lại các cổng logic.
Dựa trên những phân tích trên, cùng với thực tế quá trình làm luận văn trong thời gian ngắn, tập trung vào mục tiêu nghiên cứu, không đòi hỏi tối ưu điện năng tiêu thụ, ta chọn giải pháp thực thi trên chip DSP, cụ thể là kit DSP TMS320F28069 của Texas Instrument.
TMS320F28069 DSP là giải pháp tất cả trong một cho việc lập trình trên nền DSP, cụ thể ở đây là lập trình trên chip TMS320F28069 của Texas Instrument. Các thành phần của kit bao gồm: bảng mạch sử dụng thiết kế chuẩn cho chip C28xTM
của TI, đĩa phần mềm chứa driver và phần mềm Code Composer Studio (CCS) để lập trình và giao tiếp với chip DSP. Hình ảnh tổng quan về kit như hình dưới:
Hình 1.10: Vi mạch TMS320F28069 – Texas Instruments
Họ vi điều khiển F2806x Piccolo ™ cung cấp công suất của lõi C28x ™ và bộ gia tốc luật điều khiển (CLA) kết hợp với thiết bị ngoại vi điều khiển tích hợp cao trong các thiết bị số lượng chân cắm thấp. Họ này là tương thích mã với mã dựa trên C28x trước đó, cũng như cung cấp mức độ cao của tích hợp tương tự.
Một bộ điều chỉnh điện áp nội bộ cho phép hoạt động theo đường đơn. Các cải tiến đã được thực hiện cho modul HRPWM cho phép điều khiển hai sườn (điều chế tần số). Các bộ so sánh tương tự với các giá trị đặt 10-bit nội tại đã được thêm vào
và có thể được chuyển trực tiếp để điều khiển các đầu ra PWM. Bộ ADC chuyển đổi từ dải cố định 0-3.3V. Giao diện ADC đã được tối ưu cho độ vượt trước/ độ trễ thấp.
Bảng 1.1: Tính năng TMS320F28069
CPU 32 bit hiệu suất cao
-. Chu kỳ: 12.5 ns (f = 80MHz) - Các phép MAC 16x16 và 32x32 - MAC kép 16x16
- Cấu trúc Bus Harvard
- Xử lý và đáp ứng ngắt nhanh - Mô hình lập trình bộ nhớ hợp nhất - Lập trình C/C++ và Assembly
Bộ xử lý dấu phẩy động - 32 bit
Bộ gia tốc luật điều khiển lập trình
(CLA) - 32 bit Bộ nhớ tích hợp - 256KB bộ nhớ Flash - 100KB RAM - 2KB OTP ROM 6 kênh DMA Ba bộ Timers 32 bit
8 modules ePWM - Tổng 16 kênh PWM (8 HRPWM – khả
năng)
- Timer 16bit trên mỗi modul
Bộ ADC 12 bit - 3 MSPS
- 16 kênh
Cổng ngoại vi -.. Hai cổng giao tiếp nối tiếp (SCI)
-.. Hai modul giao tiếp ngoại vi nối tiếp (SPI)
-.. Một bus (I2C)
- Một bus cổng nối tiếp đệm đa kênh (McBSP)
- Một mạng (eCAN)
Sơ đồ cấu tạo của mạch được miêu tả ở hình vẽ dưới:
- Trung tâm của bảng mạch là chip xử lý tín hiệu TMS320F28069, chạy ở xung nhịp 80MHz. TMS320 là tên chung cho một loạt các bộ xử lý số đến từ Texas Instrument. Dòng chip TMS320F28069 của TI là dòng vi xử lý tốc độ cao, sử dụng kiến trúc đặc biệt để đáp ứng các tác vụ xử lý tín hiệu. Dựa trên kiến trúc Harvard, TMS320F28069 được coi là dòng chip xử lý tín hiệu mạnh nhất của TI hiện nay.
- Bộ biến đổi tín hiệu ADC sử dụng để biến đổi tương tự - số và ngược lại. - Các cổng kết nối tín hiệu vào ra: AIO Mux, GPIO Mux, DMA
Hình 1.13: Các khối ngoại vi
Kết luận Chương 1
Như vậy trong chương 1 tác giả đã nghiên cứu về động cơ một chiều và hệ thống điều khiển số động cơ một chiều, trong chương 2 tác giả sẽ tiến hành tìm hiểu về các phương pháp nhận dạng trong hệ thống điều khiển số tốc độ động cơ một chiều
CHƯƠNG 2.
TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP NHẬN DẠNG TRONG HỆ THỐNG ĐIỀU KHIỂN SỐ TỐC ĐỘ ĐỘNG CƠ MỘT CHIỀU 2.1. Những khái niệm cơ bản về nhận dạng
2.1.1. Tại sao phải nhận dạng
- Nhận dạng mô hình hệ thống biểu diễn mối quan hệ giữa lượng vào và lượng ra bằng đường cong hồi quy thực nghiệm.
+ Một mô hình hệ thống khi ta chưa biết thông số và cấu trúc của nó gọi là hộp đen, như hình vẽ sau:
Hình 2.1: Hệ thống chưa biết cấu trúc (hộp đen)
Trong đó: Biến vào (lượng vào): x1, x2, ..., xn
Biến ra (lượng ra): y1, y2, ..., yn
Nhiễu tác động:
Để nhận dạng mô hình trên ta thường sử dụng phương pháp quy hoạch thực nghiệm để tìm đường cong hồi quy thực nghiệm (tức ta biết thông số và cấu trúc mô hình).
+ Bài toán này được ứng dụng trong các hệ thống đo lường tổng hợp tín hiệu để điều khiển hoặc làm cơ sở để xác định hàm truyền của đối tượng điều khiển bằng phương pháp bị động (là phương pháp khi nhận dạng mô hình hệ thống ta phải đo cả tín hiệu vào và tín hiệu ra), với việc sử dụng thuật toán Cholesky.
- Nhận dạng mô hình hàm truyền của đối tượng điều khiển trực tiếp bằng phương pháp mô hình hoá (mô hình lý thuyết và mô hình thực nghiệm).
xn x1 x2 y1 y2 yn
+ Bài toán này được sử dụng rộng rãi trong kỹ thuật điều khiển để tổng hợp và thiết kế bộ điều khiển cho hệ thống điều khiển tự động.
+ Xét một bài toán điều khiển theo nguyên tắc phản hồi âm như hình vẽ:
Hình 2.2. Sơ đồ cấu trúc hệ thống
Từ sơ đồ cấu trúc hàm truyền của hệ thống ta thấy:
Để điều khiển được đối tượng thì việc xác định bộ điều khiển là rất quan trọng. Trong khi đó việc xác định bộ điều khiển lại phụ thuộc hoàn toàn vào sự hiểu biết về đối tượng (hay phụ thuộc vào mô hình mô tả toán học của đối tượng). Ta không thể điều khiển đối tượng khi không hiểu biết hay hiểu sai lệch về nó, điều đó chắc chắn sẽ làm hệ thống không thể đạt chất lượng yêu cầu. Mô hình càng chính xác với mô hình thực thì hiệu suất công việc điều khiển càng cao.
Từ những nhận xét trên ta hoàn toàn có thể nói rằng: Nhận dạng đối tượng là cần thiết và rất quan trọng trong lĩnh vực điều khiển tự động.
- Việc xây dựng mô hình đối tượng điều khiển (để xác định bộ điều khiển chính xác) được gọi là mô hình hóa. Người ta chia phương pháp mô hình hóa ra làm 2 loại:
+ Phương pháp mô hình hóa dựa trên cở sở lý thuyết. + Phương pháp mô hình hóa bằng thực nghiệm.
Phương pháp lý thuyết là dựa trên mối quan hệ vật lý bên trong của đối tượng cũng như mối quan hệ của đối tượng với bên ngoài theo một quy luật hay phương trình toán học nào đó. Từ mối quan hệ đó ta có thể xây dựng được mô hình đối tượng một cách dễ dàng. Bộ Đ/K ĐTĐK MHĐT y(t) u(t) e(t) (t)
Phương pháp thực nghiệm sử dụng để hoàn thiện nốt việc xây dựng mô hình nếu như bằng phương pháp lý thuyết các mối quan hệ chưa đủ để xác định được mô hình đối tượng một cách hoàn chỉnh, ta chỉ biết được thông tin ban đầu về dạng mô hình
2.1.2. Khái niệm nhận dạng trong hệ thống điều khiển.
Nhận dạng hệ thống điều khiển thực chất là phương pháp thực nghiệm nhằm xác định cấu trúc và tham số mô hình của hệ thống điều khiển (đối tượng điều khiển). Hay được hiểu đó là sự bổ sung cho việc mô hình hóa đối tượng dựa trên cơ sở lý thuyết mà lượng thông tin ban đầu về đối tượng chưa đầy đủ để xác định được mô hình đối tượng hoàn chỉnh.
2.2. Phân loại bài toán nhận dạng 2.2.1. Phân loại theo tín hiệu vào/ra 2.2.1. Phân loại theo tín hiệu vào/ra
- Bài toán với tín hiệu vào/ra ở dạng liên tục. - Bài toán với tín hiệu vào/ra ở dạng rời rạc. - Bài toán với tín hiệu vào/ra ở dạng ngẫu nhiên.
2.2.2. Phân loại theo điều kiện tiến hành nhận dạng
- Nhận dạng chủ động
Tín hiệu đặt vào thực nghiệm (nhận dạng) có thể được đưa vào quá trình thực nghiệm một cách chủ động, nghĩa là có thể lựa chọn một tín hiệu đặt vào đối tượng một cách sao cho phù hợp nhất và khi đó chỉ phải đo tín hiệu ra mà không phải đo tín hiệu đưa vào đối tượng (làm giảm bớt sai số khi đo).
- Nhận dạng bị động
Khi nhận dạng ta phải đo cả tín hiệu vào và tín hiệu ra, không thể lựa chọn tín hiệu đặt vào đối tượng. Đối tượng nhận dạng không thể tách khỏi hệ thống mà quá trình nhận dạng phải thực hiện song song cùng với quá trình làm việc của toàn bộ hệ thống.
2.2.3. Phân loại theo lớp mô hình thích hợp
Một hệ thống điều khiển có thể được mô tả bởi một lớp mô hình thích hợp (lớp mô hình là mô hình với các thông số có giá trị bất kỳ), có hai loại:
- Lớp mô hình tuyến tính. - Lớp mô hình phi tuyến.
Trong giáo trình ta sẽ chỉ quan tâm tới bài toán nhận dạng với lớp những mô hình tuyến tính.
2.2.4. Phân loại theo sai số giữa mô hình và mô hình thực
- Sai lệch đầu ra:
Đây là cách biểu diễn trực quan dễ chấp nhận song hạn chế do tính phức tạp của mô hình sai lệch và sự phi tuyến giữa các tham số cần nhận dạng với đại lượng sai lệch e(t).
Hình 2.3: Sai lệch đầu ra
+ Ứng dụng trong các bài toán nhận dạng có mô hình tĩnh, bài toán xác định điểm lấy mẫu của chuỗi Voltera, bài toán quan sát điểm trạng thái...
- Sai lệch tổng quát:
Là loại sai lệch rất được ưa dùng trong các bài toán nhận dạng tham số với mô hình tuyến tính động. Vì loại sai lệch này biểu diễn được quan hệ tuyến tính giữa tham số cần xác định và các giá trị đo được.
Đối tượng T Mô hình TM Nhiễu n(t) u(t) e(t) yM(t) y(t) Đối tượng T Nhiễu U(s) Y(s)
Hình 2.4: Sai lệch tổng quát
A(s), B(s) là 2 đa thức của mô hình tham số kiểu: n 0 n m 0 m b +...+b s B(s,b) G(s) = = A(s,a) a +...+a s (2.1) Với: 0 0 1 1 m n a b a b a = ; b = ... ... a b
e(t) biểu diễn thông qua ảnh Laplace của nó là E(s).
E(s) = U(s).B(s,b) - Y(s).A(s,a) (2.2)
- Sai lệch đầu vào:
Hình 2.5: Sai lệch đầu vào
+ Thường dùng trong lớp bài toán nhận dạng không có nhiễu đầu ra.
+ Ta cần phải xác định mô hình ngược TM-1 thay vì TM nên có thể những hạn chế, ít được sử dụng. Đối tượng T Mô hình ngược TM-1 Nhiễu u(t) y(t) e(t) (-)
2.2.5. Lớp mô hình thích hợp của đối tượng điều khiển
- Lớp mô hình thích hợp là tập tất cả các mô hình có cùng cấu trúc thỏa mãn yêu cầu về lượng thông tin ban đầu về đối tượng điều khiển mà phương pháp lý thuyết đã đặt ra. Lượng thông tin ban đầu này cho ta dạng mô hình mà không thể xây dung được mô hình hoàn chỉnh.
Ví dụ: Tất cả các mô hình dạng 1 2 G(s) = (1+T s)(1+T s) K (với K, T1, T2 R) đều có thể là mô hình của động cơ một chiều.
- Có hai loại mô hình:
+ Lớp mô hình tuyến tính. + Lớp mô hình phi tuyến.
Trong nội dung học ta chỉ quan tâm tới các bài toán nhận dạng với lớp mô hình tuyến tính bởi vì:
+ Mô hình đơn giản, ít chi phí. Các tham số mô hình tuyến tính dễ xác định nhờ nhận dạng mà không cần phải đi từ những phương trình lý hóa phức tạp.
+ Tập các phương pháp nhận dạng phong phú, không tốn nhiều thời gian thực nghiệm.
+ Cấu trúc đơn giản của mô hình cho phép dễ dàng theo dõi kết quả điều khiển đối tượng và chỉnh định lại mô hình
2.3. Các phương pháp nhận dạng [11]
2.3.1. Nhận dạng mô hình hệ thống bằng phương pháp quy hoạch thực nghiệm 2.3.1.1. Các khái niệm cơ bản về nhận dạng bằng quy hoạch thực nghiệm 2.3.1.1. Các khái niệm cơ bản về nhận dạng bằng quy hoạch thực nghiệm
- Bài toán đặt ra: Đối tượng cần điều khiển (mọi đối tượng trong đo lường) mà ta chưa biết cả thông số và cấu trúc.
Yêu cầu: Xác định đường cong mô tả mối quan hệ giữa lượng vào và lượng ra với một sai số cho phép nào đó.
+ Áp dụng các phương pháp toán học: Phương pháp bình phương cực tiểu, hoặc lý thuyết quy hoạch toán học v.v... để lập các phương án thí nghiệm nhằm thu được những số liệu cần thiết nhất về một hệ thống nào đó.
+ Xử lý các số liệu đó để xây dựng một mô hình thống kê của hệ thống trong đó có sự đánh giá về độ tin cậy của các kết quả.
- Một hệ thống mà ta chưa biết cấu trúc thì được gọi là hộp đen, thường được mô tả như hình 2.1
Các đại lượng tham gia vào hệ thống như sau:
* Biến vào (Input)
Là các biến điều khiển (độc lập) ký hiệu là x1, x2, . . . , xk. Giá trị là các nhân tố điều khiển.
+ Véc tơ nhân tố x = ( x1, x2, . . . ,xk) thuộc X thuộc RK
Trong đó:
X: Gọi là miền điều khiển hay miền thí nghiệm.
Mỗi vectơ xi =( xi1, xi2, . . . ,xik) thuộc X gọi là một điểm thí nghiệm (1 kích thích). Nếu thực hiện một bộ n điểm thí nghiệm ta sẽ có một ma trận thí nghiệm X, với dòng thứ i của X là điểm thí nghiệm xi = (xi1, xi2, . . . ,xik).
11 12 1 21 22 2 1 2 ( ) k k n n nk n k x x x x x x X x x x
* Biến ngẫu nhiên (nhiễu) hoặc véc tơ ngẫu nhiên
Là biến không điều khiển được.
Trong kỹ thuật thường giả thiết các tín hiệu ngẫu nhiên có: Kỳ vọng toán học: E() = 0
Phương sai: D() = 2
Là biến phụ thuộc hay còn gọi là biến không bị điều khiển: ký hiệu là y. Trường hợp tổng quát, ta xét vectơ biến ra: y = (y1, y2, . . ., yn) nhưng ta thường xét các đầu ra không có liên kết chéo với nhau (tức là đầu ra này không là đầu vào của đầu ra kia), vì vậy ta riêng rẽ từng thành phần của vectơ y rồi tổng hợp lại. Vậy ta chỉ cần xét một biến ra y là đủ.
+ Biến ra y phụ thuộc vào biến vào, vào trạng thái của đối tượng và còn biến ngẫu nhiên . Tuy nhiên chỉ đóng vai trò nhiễu làm sai lệch một chút.
Nên ta có thể viết:
y = (x1, x2, . . ., xn) + = (x) + (2.1)
+ Mỗi điểm kích thích đầu vào: xi = (xi1, xi2 . . . xik) cho ta một phản ứng yi ở đầu ra:
y = (xi) + = (x1, x2, ..., xn) + i (2.2)
Trong đó i là biến ngẫu nhiên tham gia vào thí nghiệm thứ i (và có thay đổi theo i). Ta vẫn giả thiết E(i) = 0 (i = 1n).
+ Nếu ta thử nghiệm nhiều thí nghiệm trong không gian k chiều ở đầu vào với ma trận thí nghiệm: 11 1 21 2 1 1 1 1 k k n nk x x x x X x x
thì sẽ được kết quả ở đầu ra
1 2 n y y Y y
Với Y là ma trận cột ngẫu nhiên (vì có chứa các thành phần i).
2.3.1.2. Nhận dạng mô hình thống kê bằng phương pháp bình phương cực tiểu. * Xác định số lượng thí nghiệm của k biến số * Xác định số lượng thí nghiệm của k biến số