1.5. KHÁI QUÁT CÁC CÔNG TRÌNH NGHIÊN CỨU VỀ NHẬN DẠNG VÀ
1.5.2. Khái quát về chỉnh định PID trong NMNĐ
Cũng theo [44], trong giai đoạn từ 2000-2005, cùng với sự phát triển trong lĩnh vực công nghệ thông tin, số lượng các phương pháp điều chỉnh PID đã tăng từ 258 lên 408. Từ năm 2005 đến nay, các nghiên cứu tập trung phát triển các phương pháp có kết hợp ứng dụng những thành tựu trong lĩnh vực công nghệ thông tin và kế thừa nguyên tắc của các phương pháp cổ điển. Về khả năng ứng dụng thương mại, nhiều nghiên cứu đã xác nhận có tới 90% tổng số các bộ điều khiển được cài đặt trong các mạch vịng điều khiển cơng nghiệp là bộ điều khiển PID. Tuy nhiên, thực tế đáng báo động là chỉ có 20% trong số các mạch vịng được chỉnh định chính xác, 30% được chỉnh định khơng phù hợp do lựa chọn sai phương pháp tổng hợp, 30% khác có hiệu suất làm việc kém do khơng biết các đặc tính phi tuyến của đối tượng và 20% cịn lại lựa chọn chỉnh định khơng đầy đủ về chu kỳ lấy mẫu hoặc lọc tín hiệu kém. Một số bộ điều khiển không giúp hệ thống làm việc đạt chất lượng cần thiết. Ngoài ra, chúng chỉ làm việc trong mạch vòng hở (nhân viên vận hành tắt chế độ tự động). . Dẫn tới, 30% bộ điều khiển hoạt động ở chế độ thủ công, cần sự điều chỉnh và giám sát liên tục của đội ngũ kỹ thuật viên, 25% ứng dụng PID sử dụng các hệ số do nhà sản xuất đặt trước mà không cập nhật giá trị của chúng đối với quy trình cụ thể [44].
Trong số các bộ điều khiển được chỉnh định, có sự khác nhau về phương án mơ hình hóa và nhận dạng đối tượng, theo thống kê trên Hình 1.14.
Hình 1.14. Tỉ lệ chỉnh định theo các dạng mơ hình đối tượng [44]
Các phương pháp điều chỉnh bộ điều khiển PID theo đối tượng [44]:
- 37% các bộ điều khiển được chỉnh định thơng qua việc mơ hình hóa đối tượng về dạng qn tính bậc nhất có trễ. Đây là phương pháp xấp xỉ đặc tính động học của đối tượng sử dụng phổ biến nhất trong các ngành công nghiệp.
- 18% các bộ điều khiển được chỉnh định theo mơ hình đối tượng dạng q tính bậc 2 có trễ.
- 9% các bộ điều khiển được chỉnh định theo mơ hình đối tượng dạng tích phân
Qn tình bậc nhất có trễ 37% Qn tính bậc hai có trễ 18% Tích phân có trễ 9% Tích phân qn tính bậc nhất có trễ 9% Khơng dùng mơ hình 12% Mơ hình dạng khác 15%
- 12% các bộ điều khiển được chỉnh định mà khơng dùng mơ hình đối tượng. - 15% là các phương pháp mơ hình khác.
1.5.2.1. Nhóm các cơng trình chỉnh định truyền thống
Khi đã nhận dạng được mơ hình đối tượng cần điều khiển, dưới dạng hàm truyền Laplace, đặc tính quá độ, đặc tính tần số, phương trình trạng thái…, nhiệm vụ của việc chỉnh định bộ điều khiển là tìm ra các tham số của bộ điều khiển tối ưu, đảm bảo hệ thống vận hành ổn định, bền vững và đáp ứng đầu ra của hệ thống đạt các chỉ số như mong muốn [4][8][9][24][34][43]. Một số nhóm giải pháp phổ biến gồm có:
Phương pháp dựa trên đặc tính q độ
Điển hình là phương pháp Ziegler-Nichols 1, tham số bộ điều khiển P/PI/PID được tính theo theo cơng thức kinh nghiệm, thơng qua kẻ vẽ từ đặc tính q độ.
Phương pháp biên ổn định
Điển hình là phương pháp Ziegler-Nichols 2 và phương pháp phản hồi rơ le của Astrom-Hagglund.
Phương pháp xác định tham số bộ điều khiển từ đáp ứng bước của đối tượng, dựa trên cơ sở mơ hình qn tính bậc nhất có trễ hoặc mơ hình tích phân có trễ. Các luật chỉnh định được Ziegler-Nichols 2 đưa ra dưới dạng công thức, với các hệ số thực nghiệm để đạt hệ số tắt dần khoảng 0,75.
Ưu điểm của nhóm phương pháp Ziegler-Nichols 2 là đơn giản, kết quả chỉnh định tạm chấp nhận được. Tuy nhiên, phương pháp có một số nhược điểm chính:
- Phương pháp chưa xét tới độ dự trữ ổn định của hệ thống;
- Phải tiến hành thí nghiệm nhiều lần q trình xác định các tham số;
- Trong q trình thí nghiệm, đầu ra của hệ thống dao động với biên độ khó kiểm sốt và có nguy cơ làm mất ổn định hệ thống;
- Hệ thống được chỉnh định thường có dao động mạnh, độ quá điều chỉnh khá lớn và kéo dài đáp ứng của hệ thống với nhiễu quá trình;
- Hệ số tắt dần đáp ứng đầu ra hệ thống không cao.
Phương pháp dựa trên mơ hình mẫu
Điển hình có phương pháp mơ hình nội, gọi tắt là IMC (Internal Model Control), do Morari và các cộng sự phát triển đã được ứng dụng rộng rãi trong thực tế. Bản chất của phương pháp IMC là thiết lập mơ hình q trình song song với đối tượng, thiết lập bộ điều khiển với chỉ tiêu bám lượng đặt và kháng nhiễu. Sau đó ta đưa về dạng PID chuẩn [9]. Ngồi ra cịn có phương pháp tổng hợp trực tiếp.
Phương án miền nghiệm
Tác giả đánh giá độ dự trữ ổn định trên cơ sở phân bổ các nghiệm của phương trình đặc tính hệ thống. Hệ thống cần đảm bảo độ dự trữ ổn định và dao động đầu ra đạt hệ số tắt dần đủ lớn cho trước. Hệ số tắt dần của dao động đầu ra hệ thống được xây dựng trên khái niệm độ dự trữ ổn định cứngmd. Dubnikova E.G. xây dựng thuật tốn trên tiêu chuẩn Nyquist, khi đặc tính hệ hở khơng đi qua điểm (-1j,0) thì hệ thống vịng kín giữ ngun sự hội tụ [24]. Phương pháp của Dubnikova E.G được coi là
phương pháp truyền thống trong lĩnh vực tự động hóa nhiệt. Phương pháp cho phép xác định tốt tham số bộ điều khiển vòng đơn cũng như hệ điều khiển tầng. Hạn chế lớn nhất của phương pháp Dubnikova E.G trong việc xây dựng tham số bộ điều khiển tối ưu là cần công cụ hỗ trợ vẽ đường biên dự trữ ổn định [24].
Phương pháp dựa trên đặc tính tần số
Nhóm phương pháp này đánh giá độ dự trữ ổn định của hệ thống điều khiển theo đặc tính tần số của hệ thống. Rotach V.Y. thể hiện mối liên hệ: đường cong đặc tính biên độ của vịng kín hệ điều khiển tương tự đặc tính biên độ liên kết dao động, giá trị tương đối của đỉnh cộng hưởng, chỉ số tần số dao động M. Phương pháp xây dựng trên quan điểm dự trữ ổn định theo chỉ số biên độ M. Hệ số tắt dần đạt từ 0,85- 0,95.
Chỉ số tần số dao động M không thể coi là tối ưu, tác giả đề xuất với giá trị 1,55 và 2,38. Phương pháp này cho phép tổng hợp bộ điều khiển khi đối tượng được mơ hình hóa dưới dạng đặc tính tần số, khơng nhất thiết phải có mơ hình hàm truyền nhưng phải có mơ hình đặc tính tần số. Phương pháp xây dựng tham số bộ điều khiển này cần thực hiện một số lần lặp đi lặp lại nhất định, cho kết quả khả quan từ điểm dự trữ ổn định. Tuy nhiên, phương pháp gặp hạn chế với hệ điều khiển tầng và chưa thể áp dụng cho các bộ điều khiển PD, PDD, PIDD [24,43].
Tác giả Mạnh N.V. cũng đề xuất phương án xây dựng bộ điều khiển bền vững trên quan điểm chỉ số dao động mềm và đặc tính mềm hệ hở của đối tượng [8,9]. Bộ điều chỉnh bền vững nhận được [8,9,35-37]: ( ) 1 1 ( )( ) ( ) c pPT c A s G s G s s sB s − = = (1.21)
Công thức (1.21) của Mạnh N.V. có xét tới độ dự trữ ổn định của hệ thống, khả năng khử nhiễu quá trình tốt, áp dụng với các đối tượng có trễ vận tải và hệ thống điều khiển tầng trong công nghiệp hiệu quả [4,8,9]. Phương pháp của Mạnh N.V. áp dụng khi có mơ hình hàm truyền đối tượng tối đa là bậc hai ở đa thức mẫu, trường hợp hàm truyền có dạng bậc cao cần thực hiện xây dựng lại hàm truyền đối tượng tương đương thơng qua thuật tốn tối ưu “vượt khe”.
Phương pháp tính tốn gần đúng
Bộ điều khiển siêu tối ưu gần đúng được GS. Pikina Galina Alekseeva và TS. Burtsev Yuliana Sergeeva tổng hợp trên theo công thức [43]:
( ) ( ) ( ) 0 1 1 , 1 opt p s c W s T s e W s − = + − , (1.22) trong đó, 0
W − hàm truyền phân thức đối tượng;
c
Tham số bộ điều khiển được tính tốn, xác định dựa trên hàm mục tiêu là tích phân sai lệch điều khiển là nhỏ nhất, để tìm ra bộ tham số PID gần đúng. Việc tổng hợp bộ điều khiển của Pikina G.A gặp khó khăn khi xác định hệ số mềm hóa và áp dụng xây dựng bộ điều khiển mạch hai vòng cascade truyền thống. Phương pháp cần hỗ trợ lớn từ cơng nghệ tính tốn và cần nhận dạng được hàm truyền đối tượng. Ngoài ra việc giải hàm mục tiêu khơng phải khi nào cũng tìm được nghiệm PID.
Các phương pháp chỉnh định tham số bộ điều khiển nêu trên hiệu quả khi xét riêng từng mạch vòng điều khiển đơn lẻ, khi hệ thống là đa thông số và nhiều mạch vịng có tác động xen kênh như hệ thống điều khiển lị hơi thì phương pháp này khó có thể sử dụng có hiệu quả. Đặc biệt, chỉnh định tham số các bộ điều khiển sẽ gặp nhiều vấn đề khi đối tượng có thơng số thay đổi trong quá trình làm việc như: nhiệt trị, phẩm chất than thay đổi dẫn tới đối tượng nhiệt thay đổi. Khi đó, tham số bộ điều khiển sẽ không phát huy hiệu quả cao nhất [24,35-37].
1.5.2.2. Hiệu chỉnh theo các phương pháp nâng cao [9][45-53]
Theo [9], nhóm phương pháp chỉnh định nâng cao điển hình như sau: - Bộ PID tự động điều chỉnh (Auto-tuning PID) [9, 45,48,52].
- Gain-scheduling PID [46,48,50]. - Điều khiển dự báo MPC [47,48,50,51].
Phương pháp điều khiển PID (PID controller) tự chỉnh được sử dụng để xử lý vấn đề tác động tương hỗ giữa các thơng số q trình trong tổ máy nhiệt điện (FFPP- Fuel fossil power plant) cũng như sự tác động qua lại lẫn nhau giữa các vòng điều chỉnh. Nguyên lý làm việc được minh họa trên Hình 1.15.
Hình 1.15. Nguyên lý PID tự điều chỉnh [48]
Tại [45], Phùng Tiến Duy và cộng sự nghiên cứu phương pháp “Tự chỉnh thông số PID sử dụng phản hồi âm lặp kết hợp với khâu rơ-le” để chỉnh định tự động thông số của bộ điều khiển PID lò nhiệt.
Tại [52] Aeenmehr A. cũng đã dùng nguyên lý PID tự điều chỉnh gán cực để điều khiển nhiệt độ hơi quá nhiệt trong nhà máy điện, nhằm đối phó với các khoảng thời gian chết.
Phương pháp Gain-scheduling PID theo nguyên lý minh họa tại Hình 1.16 sẽ sử dụng nhiều bộ điều khiển PID để điều khiển một q trình cơng nghệ, mỗi bộ điều khiển sẽ được chỉnh định tại một điểm làm việc đặc trưng nào đó của hệ thống [9].
Hình 1.16. Ngun lý Gain-scheduling PID [48]
Tham số bộ điều khiển sẽ được thay đổi bám theo sự thay đổi của thơng số q trình trong tồn dải làm việc. Thơng thường thơng số q trình được lựa chọn là cơng suất phát của tổ máy, vì khi có sự thay đổi rõ ràng trong thông số này sẽ kéo theo sự thay đổi của tất cả thơng số q trình của tổ máy hoặc thơng số cung cấp nhiên liệu than [9,49].
Phương pháp dự báo MPC
Kiểm sốt bằng dự báo mơ hình (MPC) đã được phổ biến rộng rãi trong những năm gần đây. MPC đề cập đến phương pháp tiếp cận kiểm sốt sử dụng một mơ hình quy trình rõ ràng để dự đốn phản ứng trong tương lai của một nhà máy và tính tốn kiểm sốt đầu vào thơng qua việc giảm thiểu hàm mục tiêu.
Với phương pháp này cần thiết xây dựng được các mơ hình mẫu MPC minh họa trên Hình 1.17.
Hình 1.17. Nguyên lý multi-model MPC[48]
Tang Z. sử dụng mơ hình MPC để điều khiển nhiệt độ hơi quá nhiệt [54]. Kết quả cho thấy mơ hình DoAMPC (dual-optimized adaptive model predictive control)