Hình 4.4 Sư đồ khối mơ hình tay máy song song PAM
* Z A • * t * —
Bâng 4.1 Thơng sơ các thict bị mơ hình tay máy song song PAM
TT Thiết bị Thông số
1 Festo MAS 20
- Chiều dài sợi PAM: 22 cm - Áp lực: 0-8 bar
- Kha năng co giãn cực đại: 5.5 cm 2 Rotary
encoder
- Encoder tương đoi ROD 426 của cóng ty Heidenhain Companỵ
- Độ phân giãi: 2500 xung/vỏng quay - Nguồn cấp: 5Vi 10%
3 Van li lệ EV- 2500-008
- Nguồn cáp: 0-24 V
- Điện áp điều khiển: 0-10 V
- Tầm áp suất hoạt động: 0-0.49 Mpa - Độ phân giải: 0.5% F.S
Mơ hình lay máy song song PAM là hệ phi luyến MIMO với 2 ngõ vào là điện áp cấp cho 2 van EV-2500 dể diều khiển 2 sợi PAM MAS-20. 2 ngõ ra là giá trị góc quay của lay máỵ Bàng 4.2 mơ là các thơng số vật lý của mơ hình tay máy song song PAM .
Bâng 4.2 Thông số vật lý lay máy song song PAM
Thông sô Giá trị Dơn vị
Kích (hước thanh 1 15 em
Kích (hước (hanh 2 20 em
Khống cách giửa 2 khớp quay 20 em
Dường kính bánh răng 3 em
Khoáng cách dịch chuyển tối đa cùa PAM 5.5 em
Điện áp điểu khién 0-10 V
4.2 Bộ diều khiển thích nghi PID-ĨNN
4.2.1 Giói thiệu
Hệ thống phi tuyến với các yếu tố bất định và nhiều động rất khó điều khiến chính xác hệ thống. Có nhiều hướng tiếp cận dã dược phát triển đẻ thiết ke bộ điều khiến. Chảng hạn như phương pháp lịch trình độ lựi [381 dã luyến tính hóa đối tượng quanh diem làm việc và thiết ke các bộ điều khiển luyến tính khác nhau tại các điểm làm việc nàỵ Phương pháp này khá dơn giản và thường hiệu quà, nhưng trong một so úng dụng mơ hình ước lượng tuyến tính khơng đám bảo điều khiển chính xấc hộ thống. Một trong những kỹ thuật diều khiển nâng cao dược sử dụng đè khắc phục nhược diêm cùa phương pháp hoạch định độ lợi đó là dựa trên mó hình động học ngược hệ thống, |39[. Trong các nghiên cứu này, hai vịng hoi liếp dã dược sử dụng dó là: (i) vịng hoi tiêp trong sừ dụng mơ hình động học ngược cùa hệ thống de loại trừ lính phi tuyến của đối tượng; (ii) vịng hồi tiếp ngồi sử dụng bộ điều khiển tuyến lính de hỗ trợ diều khiến chính xác đổi lưựng trong trường hợp mơ hình ngược khơng phù hợp.
Tuy nhiên, mồ hình ngược giải tích của hệ thống phi tuyến thường khơng xác định dược. Do đó, các nghiên cứu [25-271 dã de xuất sừ dụng mạng nơ rơn de nhận dạng mơ hình ngược và điều khiến đối tượng. Việc sử dụng mạng nơ rơn làm giảm tính phức tạp cùa phương pháp giãi tích và cái thiện sự chính xác cua mơ hình ngược. Mơ hình ngược sau khi nhận dạng có the được sữ dụng trực tiếp đe điều khiên đối tượng, mơ tả ờ hình 4.5.
Hình 4.5 Điều khiến ngược live tiếp dựa vào mơ hình nơ rơn
Trong trường hợp mơ hình nơ rơn ngược khơng nhận dạng chính xác đặc lính động học ngược của đối tượng hoặc đặc lính động học của hệ thống bị thay đổi trong quá trình làm việc thì kết quà diều khiển sẽ khơng cịn chính xác nữa vì các trọng số mơ hình nơ rơn ngược khơng được hiệu chinh trong q trình điều khiển dối tượng.
Đê khăc phục nhược diem nàỵ việc hiệu chinh thích nghi các trọng sơ của mơ hình nơ rơn ngược càn được quan tâm. Theo hướng nghiên cứu này, vân đê thiết kè bộ diêu khiển thích nghi dựa trên mơ hình nơ rơn ngược MDE-NNARX cùa đối tượng can được quan tâm nghiên cứụ
4.2.2 Diều khiên thích nghi (lựa vào mơ hình nơ rơn ngược 4.2.2 . Ị Giới thiệu
Vấn đề cập nhập trụng số của mơ hình nơ rơn ngược trong q trình điêu khiên đối tượng dược quan lâm nghiên cứu khá nhiềụ Nghiên cứu [40] dã dề xuất cập nhập online bộ điều khiên bang cách cực tiêu sai sơ giữa tín hiệu ra mong mn và tín hiệu ra của hệ thống, hình 4.6.
Hình 4.6 Sơ đồ khối bộ điều khièn thích nghi trực tiếp Hàm chi phí được định nghĩa như sau:
£ = 2^, = 2^~^! (4I)
Các trọng số mơ hình ngược ĨNN được cập nhập online, trong đóẤ > 0 là toe độ học:
Aw= w(/n?w)— — (4.2)
ờw
Trong dó: = = (4.3)
íhr dvp dw ờuK/i
Dựa vào phương trình (4.3), chúng ta thay rang bộ diều khiên thích nghi trực tiếp chi thực thi được trong trường hợp đối tượng diều khiền được biết để mà Jacobian động hục của đoi tượng, nghĩa là dy/dul!M được xác định. Tuy nhiên, phương pháp điều khiển này sẽ khơng dảm bao on định vì mơ hình dộng học cùa đoi lượng không luôn luôn ổn dịnh, thực le dối tượng điều khiên thường không xác định được. Trong trường hợp này, Jacobian động học cùa dối lượng có the dược xác dịnh dựa Irán mơ hình nhận dạng dùng mạng nơ rịn, [41]. Bộ điều khiển thích nghi gián tiếp sữ dụng 2 mơ hình nơ rơn: I mơ hình nơ rơn được dùng để nhận dạng, I mơ hình nơ rơn được dùng để điều khiển, hình 4.7.
Theo các nghiên cứu [41], [42], bộ điều khiến ngược thích nghi gián tiếp thực sự khơng tin cậy khi diều khiển các hệ phi luyến M1MO phức tạp bởi vì mơ hình nơ rón dùng de điều khiển và mơ hình nơ rơn khi nhận dạng có thể có tốc độ hội tụ khác nhau, từ đó mơ hình nơ rơn nhận dạng có thể cung cấp thơng tin sai về Jacobian động học của đoi tượng. Đe khẳc phục các nhược điềm về tính ổn định và sai số do động học Jacobian gây ra, bộ điều khiển học FEL (Feedback Error Learning) đã được quan tâm nghiên cứụ
4.2.3 Hộ điều khiển FEL
Bộ diều khiến FEL được đề xuất lần đầu bời Kawato [43] có cấu trúc dược mơ tà như ờ hình 4.8. Trong sơ đồ điều khiển này, bộ điều khiến học FEL bao gồm 2 thành phần: - Bộ diều khiển thuận, ký hiệu FFC được thiết kế dựa trên mơ hình ngược cùa đối
lượng. Tuy nhiên, trong thực tế mồ hình ngược giải tích cùa đối lượng thường khơng xác định được. Kawato [43] đã sử dụng mạng nơ rôn truyền thẳng đa lớp MLP đe nhận dạng mơ hình ngược đổi tượng. Tín hiệu ra cùa bộ điều khiển thuận sè được ghép nối với bộ điều khiển phản hồi CFC.
- Bộ điều khiên phân hồi CFC: tín hiệu ra cũa bộ điều khiến CFC được xem như là sai so học và dược sử dụng để huấn luyện bộ điều khiến thuận. Hơn nữa, bộ điều khiến CFC cịn đóng vai trị bù tín hiệu điều khiển do nhiễu tác động lên đối lượng.
Hình 4.8 Sơ dồ khối bộ điều khicn FEL
Trong điều khiển FEL, bộ điều khiển CFC có vai trị đảm bảo ổn dinh tiệm cận lồn cục cùa tồn bọ hệ thống. Thơng thường bộ điều khiến CFC thường sừ dụng là bộ điều khiển PĐ hoặc PID.
Bộ điều khiển FEL dã được áp dụng thành công trong nhiều ứng dụng như [44]-[481 và dặc biệt khi mơ hình dộng học dối lượng rất khó đe mơ hình hóạ Phiên bân đẩu lien VC bộ điều khiển FEL của Kawato cho chất lượng diều khiển khá thú vị. Nhưng các đặc diem ben dưới làm cho bộ điều khiển FEL có một số hạn che nhất định. Chảng hạn như:
- Khả năng xấp xi chính xác của mạng nơ rôn MLP.
- Khả năng hội tụ chậm và dễ dàng rơi vào điểm cực trị cục bộ cúa thuật toán lan truyền ngược BP trong nhận dạng và điều khiển.
Để khắc phục các nhược điềm của bộ điều khiển FEL, các nghiên cứu khác nhau đã đề xuất một số phương án như:
- Kawato và các cộng sự [49], Er và các cộng sự [50| dã đề xuất thêm tín hiệu sai sổ giừa tín hiệu đặt và tín hiệu mơ hình thực vào ngõ vào của bộ xấp xi ngược dùng mạng nơ rơn. Kei q thực nghiệm dã chứng tị chất lượng tốt hơn của phương án đề xuất so với bộ điểu khiển nguyên bán FEL.
- Thay đổi cấu trúc mơ hình xap xi dùng mạng nơ rơn MLP bẳng các mơ hình xấp xì khác như dùng mơ hình mờ loại 2 [44J, [51]; dùng mơ hình mờ loại I [52], [53]; dùng mơ hình CMAC [541, [55]; dùng mơ hình BSN (B-Splinc Network) [56]; dùng các thuật tốn phỏng sinh học [57] để tăng khả năng xấp xi và lính thích nghi cúa mơ hình trong q trình điều khiển.
Theo hướng nghiên cứu này, tác già đề xuất xây dựng bộ diều khiển tích hợp dựa vào mơ hình nơ rơn ngược dự báo và bộ diet! khiên PID, với tên gọi PID-INN. Bộ điều khiên tích hợp PID-INN về cơ bán dựa trên nguyên (ắc thiết kể bộ diều khicn FEL và có một số thay đổi về cấu trúc mơ hình xấp xí ngược, tín hiệu ngõ vào mơ hình xấp xị Chi tiết về bộ diều khiển PĨD-ĨNN dược trình bày như bên dướị
4.2.4 fíộ diều khiên tích họp PID-INN
Bộ điều khiển lích hợp P1D-ÍNN có sơ đồ khối trình bày ờ hình 4.9. Trong đó, bộ điều khiển thuận dựa trên mơ hình ngược dự báo MDE-1NN được ghép nối với bộ diều khiến P1D. Sau dó, tín hiệu ra cùa bộ điều khicn PID được xem như là sai so học và được sử dụng đế chinh định các trọng số cúa mơ hình ngược dự báo MDE-INN.
Hình 4.9 Sơ đồ khối bộ điều khiến tích hợp PID-INN
4.2.4 . Ị Nhận dạng mơ hình ngược dự báo cua hệ phi tuyển
Thực tế với các hệ thống phi tuyến rất khó đề rút ra được mơ hình ngược giãi tích cùa đối tượng. Giải pháp được đề xuất là sừ dụng mơ hình dự báo NNARX đê nhận dạng dặc tính động học ngược cùa đối tượng. Mơ hình dự báo NNARX nhận dạng mơ hình ngược của đối lượng phi tuyến có cấu trúc như hình 4.10. Các trọng số của mơ hình dự báo NNARX được tối ưu bời thuật tốn tối ưu MDẸ Chi tiết q trình xác định mơ hình dự báo xcm lại ở chương 3.
Hình 4.10 Mơ hình ngược dự báo 1NN cúa hệ phi tuyến
4.2.4.2 Cập nhập trọng xâ cùa hộ diêu khiên thuận
Mơ hình ngược dự báo MDE-ĨNN sau khi nhận dạng offline được sử dụng đe khởi tạo các trọng số cùa bộ điều khicn thuận. Luật điều khiên đôi tượng phi tun được mơ tà bởi phương trình như sau:
Trong đó, tín hiệu điều khiển Hwđược xác định dựa trên sai số e giữa tín hiệu ra mong muốn và tín hiệu ra mơ hình thực như sau:
(') = V, (') + k. ị e, (íj dĩ+k, (4.5)
0 at
Tín hiệu ra tzÍW cùa mơ hình ngược MDE-INN được cập nhập trong suốt q trình điều khiển bởi thuật tốn lan ưuyền ngược BP sau mỗi chu kỳ điều khicn đề cực tiếu hàm sai số E = )■’ = ỳ(w - )■’. Các trọng số của mơ hình ngược INN được cập nhập, trong đó 2 > 0 là tốc độ học: Avv = w(nt'H') - w{oỉd) — (4.6) dw Trong đó: (4-7) (hv ƠIV ứw
Trình tự các bước xác định quá trình cập nhập các trọng số mơ hình ngược INN xem chi tiết ớ phụ lục Ạ Quá trình học chi kết thúc khi sai số E = 0 —> unn = 0, lúc này bộ điều khiến thuận dựa vào mơ hình INN đóng vai trị chính trong điều khiển đối tượng.
4.2.4.3 Phân tích ồn định của bộ điều khiển
Bộ điều khiên PID-INN về cơ bân dựa trên nguyên tắc thiết kế bộ điều khicn FEL. Trong điều khicn EEL. bộ điều khiển PID có vai trị đảm bảo ổn định tiệm cận toàn cục của toàn bộ hệ thống. Các phân lích ồn định của bộ điều khiển hục FEL được Ihão luận ở các nghiên cứu (58]—[60] tập trung vào hộ tuyến tính. Dựa vào tiêu chuẩn ổn định Lyapunov, các nghiên cứu này cung cap cách lựa chọn các tham số bộ điều khiến phản hồi PID để hệ thống đảm bảo ốn định và đã đề xuất mối liên hệ > k là điều kiện can thiết để hệ thống ồn định tiệm cận cho lớp hệ thống SISỌ Với các hộ phi tuyến, việc lựa chọn các tham số bộ diều khicn PID đế hộ thống ổn định có thể sứ dụng các phương pháp thực nghiệm như thừ sai, Zicglcr-Nichols, |44|, [511- Trong đó, các tham số cùa bộ điều khiên PID được lựa chọn để đảm bão hệ thống ổn định. Tóm lại, tính ơn định và hiệu q cùa bộ điểu khiên PID-INN phụ thuộc trực tiếp vào việc chụn lựa các tham so bộ điều khiến PID. Tùy vào từng hệ phi tuyến mà ta có các phương pháp khác nhau để thiết kể bộ điều khiến PID.
4.3 Áp dụng điều khiển góc quay tay máy PAM
4.3.ỉ Giới thiệu
Bộ điều khiển (ích hợp PĨD-INN dựa trên mơ hình nư rơn ngirợc dự báo MDE-1NN và bộ điều khiển PID được nghiên cứu áp dụng điều khiển chính xác vị (rí góc quay lay máy song song PAM . Trong đó, bộ điều khiến PID được sir dụng đe triệt lieu sai số do mơ hình. Mơ hình MDE-INN được sử dụng đề nhận dạng offline động học ngược hệ tay máy song song PAM . Qua quá trình nhận dạng offline, bộ diều khiến PID-INN có (he học trước đặc tính phi luyến cùa hệ PAM và sau dó mơ hình ngược dự báo MDE ỈNN được ước lượng online để điều khiển chính xác vị trí góc quay tay máỵ Sơ đồ khối bộ điều khiển tích hựp P1D-INN dựa vào mơ hình ngược 1NN và bộ diều khiền có phân hồi P1D cho hệ tay máy song song PAM được mơ tà ờ hình 4.11.
Hình 4.11 Sư đồ khối bộ diều khiến tích hợp PID-INN hệ tay máy PAM
Các trọng số cùa mơ hình ngược dự báo INN được cập nhập online bởi thuật toán lan truyền ngược BP sau mồi chu kỳ điều khiển. Luật điều khiển dược mơ lá bới phương trình như sau:
u\ ~ IỈ» + UNNI .
(4.8)
Trong dó, tín hiệu điều khiên cúa bộ PID được xác định dựa trên sai số giừa tín hiệu ra mong muốn và tín hiệu ra mơ hình thực, e , = 0lr</ - 0, và e>3 = 0ỈMf — như sau:
(') = v>. (')+kị e,. —7“-
(4.9)
(') = k.e„(') + *,ịe„
Tín hiệu ra cùa inồ hình ngược INN dược cập nhập trong suốt q trình điều khiển bởi thuật tốn lan truyền ngược aBP sau mồi chu kỳ diều khiển dể cực tiểu hàm sai sổ
4— «u
Cảc tr<?nỉ số cùa mơ hình ngược 1NN được cập nhập, trong dó À. > 0 là tốc độ học: - ỜE Aiv = iv(/ỉứw) - w(f)ld) = -Ằ,-— (4.10) Trong đó: 3E= 9E (4||) dw dulw 8IV = -(«, - MfWI);^=- = -(«, -w,.WÍ) (4.12) Dựa vào các biểu thức (4.10) và (4.12), chi tiết các bước xác định luật cập nhập trọng số mơ hình ngược INN tham khảo ờ phụ lục Ạ
43.2 Mơ hình ngược dự háo
Trước tiên, lập dừ liệu bao gồm tín hiệu vào là điện áp đóng mờ van đe cung cấp khí điều khiển sợi cơ nhân lạo PAM và tín hiệu ra là góc quay cùa tay máy được thu thập từ mơ hình thực nghiệm mơ lả ờ hình 4.4. Trong đó, tt/Á) và u2(k) là tín hiệu điện áp cấp cho van diều khiển sợi PAM 1 và PAM 2; Ớ,(Ẩ:) và ớ,(£) là góc quay lay máỵ Tập dừ liệu với điện áp đầu vào có biên độ thay dổi lừ 0-7 V mơ tã ờ hình 4.12 sẽ được sứ dụng đề ước lượng (a) và đánh giá (b) mơ hình ngược dự báo MDE-INN.
(b) (a) 1000 2000 3000 4000 5000 0r---- ỉ -0.5 t 0 1000 2000 3000 4000 5000 1' ĩẵ ■ 0 1000 2000 3000 4000 5000 2 /VỈ Ui -p 0 1000 2000 3000 4000 5000 0 1000 2000 3000 4000 5000 0 1000 2000 3000 4000 5000 time (samples) lime (samples)
cấu trúc mơ hình ngược dự báo MDE-INN được đề xuất đề dự báo trước 1 bước đặc lính động học ngược của tay máy song song PAM , được mơ tã ở hình 4.13.
Hình 4.13 Mơ hình ngược dự báo MDE-1NN của hệ tay máy PAM
Trong đó, các trọng số mơ hình dự báo được tối ưu bời thuật tốn hục MDẸ số nơ rơn lớp ẩn SI = 15. kích thước quần thể NP = 120, sổ the hệ huấn luyện GEN = 700. hệ số