Nội dung toàn chƣơng 2 tác giả đã đề cập đến các vấn đề sau:
Mô tả cấu trúc và mô tả toán học của hệ thống thí nghiệm Bóng – Tay đòn.
Trình bày cấu trúc thực tế của các qui luật điều khiển. Sơ đồ thực nghiệm hệ Bóng – Tay đòn
Các kết quả thu đƣợc từ chƣơng này làm cơ sở để tính toán các thông số của các bộ điều khiển kinh điển, điều khiển mờ. Sau đó tiến hành thực nghiệm để kiểm tra các thuật toán điều khiển, các nội dung này sẽ đƣợc trình bày ở chƣơng 3.
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
Chƣơng 3
THIẾT KẾ ĐIỀU KHIỂN HỆ BÓNG - TAY ĐÕN 3.1. Điều khiển hệ Bóng - Tay đòn bằng bộ điều khiển kinh điển
Sơ đồ cấu trúc hệ Bóng - Tay đòn với các thông số đƣợc chỉ ra ở chƣơng 2 (Hình 2.13)
Để tính toán các bộ điều khiển G1 và G2 ta có thể sử dụng các phƣơng pháp khác nhau nhƣ phƣơng pháp modul tối ƣu, modul đối xứng, … Trong luận văn này tác giả sử dụng phƣơng pháp chọn - thử, đây là phƣơng pháp đƣợc dùng khá phổ biến hiện nay. Sau quá trình chọn - thử, ta thu đƣợc thông số của các bộ điều khiển nhƣ sau:
- Bộ điều khiển G1 điều khiển theo qui luật tỉ lệ, vi, tích phân, có các tham số: Kp = 25; Ki = 0,008; Kd = 0,68
- Bộ điều khiển G2 điều khiển theo qui luật tỉ lệ, tích phân, có các tham số: Kp = 70; Ki = 0,2.
Sử dụng phần mềm Matlab-Simulink, ta có sơ đồ mô phỏng đƣợc chỉ ra trên hình 3.2. Kết quả mô phỏng với các giá trị đặt khác nhau đƣợc chỉ ra trên hình 3.3 và 3.4. Trong đó: Hình 3.3 là đáp ứng động khi sử dụng bộ điều khiển PID kinh điển, với kích thích là hàm 1(t) trong trƣờng hợp không có nhiễu tác động vào quả bóng; Hình 3.4 là đáp ứng quá độ có kể đến nhiễu.
Hình 3.1: Sơ đồ cấu trúc hệ B&B
0,0277 0,73 G2(s) G1(s) 297 s(s+37,5) 4,8 s2 Góc trục Vị trí bóng X Đặt - -
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 4.8 s 2 297 s +37.5s2 Out1
Tin hieu dat
PID PID2 PID PID1 .73 .0277
Hình 3.2: Sơ đồ mô phỏng hệ BÓNG - TAY ĐÒN với bộ điều khiển kinh điển 0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 1.2 Thoi gian (s) V i tr i
Hình 3.3: Đáp ứng động của hệ thống khi không có nhiễu
0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 1.2 Thoi gian (s) V i tr i
Hình 3.4: Đáp ứng động của hệ thống khi có nhiễu tác động
ĐƢ quá độ TH đặt
ĐƢ quá độ TH đặt
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 1.2 Thoi gian (s) V i tr i dat Khong nhieu Co nhieu
Hình 3.5: So sánh đáp ứng động của hệ thống khi có nhiễu và không nhiễu * Nhận xét:
Từ các kết quả mô phỏng trên ta thấy khi sử dụng các bộ điều khiển kinh điển để điều khiển hệ BÓNG - TAY ĐÒN thì đáp ứng của hệ thống khá tốt nếu không có nhiễu. Cụ thể là đấp ứng động của hệ thống trên hình 3.3 rất tốt khi tín hiệu đáp ứng bám sát với tín hiệu đặt. Song khi có nhiễu lớn và ngẫu nhiên tác động vào quả bóng thì vị trí quả bóng dao động khá nhiều. Đáp ứng động của trƣờng hợp trình bày trên hình 3.4 với đặc tính nhấp nhô, dao động quanh các giá trị đặt.
Để khắc phục hiện tƣợng này cần phải có giải pháp để bộ điều khiển có thể thay đổi thông số của chúng một cách linh hoạt. Có rất nhiều phƣơng pháp khác nhau có thể sử dụng để khắc phục nhƣợc điểm này, nhƣ sử dụng bộ điều khiển mờ, điều khiển thích nghi, điều khiển mờ kết hợp với mạng nơron,… Trong luận văn này tác giả đề xuất sử dụng bộ điều khiển Mờ thích nghi.
Không nhiễu có nhiễu
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
3.2. Thiết kế bộ điều khiển thích nghi mờ cho hệ Bóng - Tay đòn 3.2.1. Cấu trúc bộ điều khiển thích nghi mờ 3.2.1. Cấu trúc bộ điều khiển thích nghi mờ
Nhƣ đã đề cập ở trên, hệ thống Bóng – Tay đòn có 2 mạch vòng điều khiển, mạch vòng trong điều khiển độ nghiêng của tay đòn, mạch vòng ngoài điều khiển vị trí của quả bóng. Qua mô phỏng ta thấy mạch vòng ngoài rất nhạy cảm với nhiễu tác động vào bóng, mạch vòng trong ít nhạy cảm hơn. Vì vậy, để đơn giản ta giữ nguyên bộ điều khiển PI ở mạch vòng trong, thay bộ điều khiển G1 ở mạch vòng ngoài bằng bộ điều khiển thích nghi mờ theo mô hình mẫu song song. Sơ đồ khối của hệ thống đƣợc chỉ ra trên hình 3.6.
Hình 3.6: Sơ đồ khối bộ điều khiển thích nghi mờ theo mô hình mẫu
Trong sơ đồ tín hiệu đầu ra của tín hiệu đƣợc so sánh với đầu ra của mô hình mẫu, sai lệch y y0 đƣợc đƣa tới cơ cấu thích nghi để hiệu chỉnh hệ số khuếch đại của bộ điều khiển mờ. Qui luật hiệu chỉnh hệ số K theo [5] là:
2 dK
dt K (3.1)
Với γ là hằng số tùy chọn nói lên tốc độ hội tụ của thuật toán thích nghi. Nếu chọn γ lớn, tốc độ hội tụ sẽ nhanh, song có thể làm hệ mất ổn định, nếu chọn γ nhỏ quá, tốc độ hội tụ chậm. Vì vậy cần phải chọn giá trị γ sao cho phù hợp.
Biểu thức (3.1) ta thấy luật chỉnh định thích nghi không bao hàm mô hình đối tƣợng, nên không nhất thiết phải chọn mô hình mẫu có cùng bậc với
UC Mô hình mẫu Gm FLC cơ bản Cơ cấu thích nghi Đối tƣợng G + - e FLC u y ym + K -
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
mô hình đối tƣợng, mà có thể chọn bậc tùy ý. Trong luận văn, chọn mô hình mẫu là bậc nhất có hàm số truyền là: m m m a 1 Y b s+1 0,1s+1 (3.2)
Bộ điều khiển mờ cơ bản có hàm liên thuộc đầu vào, đầu ra nhƣ hình 3.7a,b,c. Quan hệ vào-ra đƣợc chỉ ra trên hình 3.8.
Hình 3.7a,b,c: Hàm liên thuộc đầu vào và đầu ra của bộ điều khiển mờ
a) b)
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
Hình 3.8: Quan hệ vào-ra của bộ điều khiển mờ cơ bản
3.2.2. Kết quả mô phỏng
Sau khi thiết kế xong bộ điều khiển mờ thích nghi, kết nối vào đối tƣợng ta có sơ đồ mô phỏng nhƣ hình 3.9 và kết quả mô phỏng đƣợc chỉ ra trên các hình 3.10 và hình 3.11 và hình 3.12. Trong đó: Hình 3.10 là đặc tính động sử dụng bộ điều khiển mờ thích nghi khi không có nhiễu; Hình 3.11 là đặc tính động sử dụng bộ điều khiển mờ thích nghi khi có nhiễu; Hình 3.12 là kết quả so sánh đặc tính động khi sử dụng bộ điều khiển PID kinh điển và khi sử dụng bộ điều khiển mờ thích nghi.
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ y y0 In1 Out1 Plant a b.s+1 Mo hinh .26 Kd 1 s Integrator -K- Gama FLC co ban du/dt Out1 Dat
Hình 3.9: Sơ đồ mô phỏng bộ điều khiển mờ thích nghi
0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 1.2 Thoi gian (s) V i tr i
Hình 3.10: Đặc tính động của hệ thống với bộ điều khiển mờ thích nghi khi không có nhiễu
y y0
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 1.2 Thoi gian (s) V i tr i
Hình 3.11: Đặc tính động của hệ thống với bộ điều khiển mờ thích nghi khi có nhiễu 0 1 2 3 4 5 6 7 8 9 10 0 0.2 0.4 0.6 0.8 1 1.2 Thoi gian (s) V i tr i
Hình 3.12: Đặc tính động của hệ thống khi sử dụng PID kinh điển và khi sử dụng bộ điều khiển mờ thích nghi có nhiễu
* Nhận xét:
Từ các kết quả mô phỏng ta thấy khi không có nhiễu tác động vào hệ Bóng - Tay đòn thì đặc tính động của hệ thống khi sử dụng PID kinh điển và bộ điều khiển mờ thích nghi không khác nhau nhiều. Khi có nhiễu tác động, đáp ứng động của hệ điều khiển thích nghi mờ tốt hơn.
y y0
FLC PID
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
3.3. Kết quả thực nghiệm
Hình 3.13: Sơ đồ điều khiển hệ BÓNG - TAY ĐÒN bằng bộ điều khiển mờ
Sơ đồ thí nghiệm nhƣ hình 3.13. Trong thí nghiệm này, ta thay bộ điều khiển G1 bằng bộ điều khiển mờ thích nghi. Nhƣ vậy mạch vòng trong vẫn sử dụng phƣơng pháp điều khiển kinh điển còn mạch vòng ngoài là điều khiển mờ thích nghi. Để kết nối bộ điều khiển mờ vào hệ thống ta dùng CARD chuyển đổi NI USB 6008 và dùng phần mền MATLAB điều khiển thực. Đặc tính động của hệ thống ứng với vị trí đặt cố định đƣợc chỉ ra trên hình 3.13, đặc tính điều chỉnh đƣợc chỉ ra trên hình 3.14. 10 20 30 40 50 t(s) -1 -0.8 -0.6 -0.4 -0.2 0 0.2 Vị trí
Hình 3.13: Đặc tính động của hệ thống khi sử dụng bộ điều khiển mờ thích nghi ở vòng ngoài với giá trị đặt không đổi
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
Hình 3.14. Đặc tính điều chỉnh hệ bóng – tay đòn khi sử dụng bộ điều khiển mờ thích nghi vòng ngoài với giá trị đặt thay đổi
* Nhận xét:
Tiến hành chạy mô phỏng với các giá trị đặt cố định và thay đổi, kết quả mô phỏng đƣợc chỉ ra trên Đặc tính động của hệ thống khi sử dụng bộ điều khiển mờ thích nghi ở vòng ngoài với giá trị đặt không đổi và Đặc tính điều chỉnh hệ bóng - khi sử dụng bộ điều khiển mờ thích nghi vòng ngoài với giá trị đặt thay đổi ta thấy:
Khi không có nhiễu tác động vào hệ Bóng - Tay đòn thì đặc tính động của hệ thống khi sử dụng PID kinh điển và bộ điều khiển mờ thích nghi không khác nhau nhiều.
Khi có nhiễu tác động so với bộ điều khiển PID thì đáp ứng của hệ khi sử dụng bộ điều khiển thích nghi mờ khá ổn định, dao động ít hơn và bám sát hơn với giá trị đặt.
0 50 100 150 t(s) - 1 -0.5 0 0.5 Vị trí
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
3.4. Kết luận chƣơng 3
Nội dung toàn chƣơng 3 tác giả đã giải quyết các vấn đề sau:
Trình bày kết quả thiết kế, mô phỏng và thực nghiệm việc điều khiển hệ bóng tay đòn bằng bộ PID kinh điển.
Trình bày kết quả thiết kế, mô phỏng và thực nghiệm việc điều khiển hệ bóng tay đòn bằng bộ điều khiển mờ thích nghi theo mô hình mẫu song song.
Các kết quả thu đƣợc từ đặc tính động và đặc tính điều chỉnh cho thấy việc sử dụng điều khiển mờ thích nghi có thể nâng cao chất lƣợng điều khiển và khả năng kháng nhiễu cho hệ bóng – tay đòn. Đồng thời cũng khẳng định tính khả thi của bộ điều khiển đề xuất.
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
KẾT LUẬN CHUNG
Điều khiển thích nghi nói chung và thích nghi mờ nói riêng đã có nhiều áp dụng thành công trong lĩnh vực điều khiển. Với luận văn "Nghiên cứu ứng dụng điều khiển thích nghi cho Bóng - Tay đòn”, tác giả đã thực hiện đƣợc một số nội dung và thu đƣợc một số kết quả sau:
Tìm hiểu tổng quan về lý thuyết điều khiển tự động, đi sâu phân tích hệ điều khiển mờ, điều khiển thích nghi và điều khiển tích nghi mờ làm cơ sở cho việc tính toán, thiết kế bộ điều khiển cho đối tƣợng cụ thể.
Tìm hiểu hệ Bóng - Tay đòn tại phòng thí nghiệm Khoa Điện tử - --- `Trƣờng Đại học kỹ thuật công nghiệp; xây dựng mô hình toán cho hệ thống.
Tổng hợp bộ điều khiển PID kinh điển cho mạch vòng điều khiển góc nghiêng (mạch vòng trong) và mạch vòng điều khiển vị trí (mạch vòng ngoài) của hệ Bóng - Tay đòn.
Tổng hợp bộ điều khiển mờ thích nghi theo mô hình mẫu song song cho mạch vòng ngoài của hệ Bóng - Tay đòn.
Mô hình hóa và mô phỏng hệ thống trên phần mềm Matlab-Simulink so sánh các kết quả khi có nhiễu và không có nhiễu ứng với hai bộ điều khiển PID kinh điển và điều khiển mờ thích nghi.
Bƣớc đầu thực hiện thí nghiệm bộ điều khiển đề xuất trên hệ thống thực.
Kiến nghị: Tiếp tục nghiên cứu đề xuất các giải pháp mới nhằm nâng cao tính kháng nhiễu cho hệ Bóng - Tay đòn .
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
TÀI LIỆU THAM KHẢO
[1] Nguyễn Nhƣ Hiển, Lại Khắc Lãi (2006), Hệ mờ và mạng nơ ron
trong kỹ thuật điều khiển, NXB Khoa học tự nhiên và Công nghệ
[2] Bùi Công Cƣờng, Nguyễn Doãn Phƣớc (2006), Hệ mờ mạng nơ ron
và ứng dụng, NXB Khoa học và Kỹ thuật
[3] Phan Xuân Minh, Nguyễn Doãn Phƣớc (2006), Lý thuyết điều khiển mờ, NXB Khoa học và Kỹ thuật
[4] Nguyễn Trọng Thuần (2000), Điều khiển logic và ứng dụng, NXB
Khoa học và Kỹ thuật
[5] Nguyễn Doãn Phƣớc, Phan Xuân Minh, Hán Thành Trung (2003),
Lý thuyết điều khiển phi tuyến, NXB Khoa học và Kỹ thuật
[6] Nguyễn Phùng Quang (2004), Matlab và Simulink, NXB Khoa học
và Kỹ thuật
[7] C. Altrock and B. Krause, "Fuzzy Logic and Neurofuzzy Technologies in Embedded Automotive Applications", Proceedings of Fuzzy Logic '93, pp. A113-1 - A113-9.
[8] R. Lea, Y. Jani, and H. Berenji, "Fuzzy Logic Controller with Reinforcement Learning for Proximity Operations and Docking", Fifth IEEE International Symposium on Intelligent Control, 1990.
[9] W. Pedrycz, "Fuzzy Sets and Neurocomputations: Knowledge Representation and Processing in Intellingent Controllers", Fifth IEEE International Symposium on Intelligent Control, 1990, pp. 626 - 630.
[10] K. P. Archer and S. Wang, "Fuzzy Set Representation of Neural Network Classification Boundaries", IEEE Transactions on Systems, Man, and Cybernetics, (July/August, 1991), pp. 735-742.
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
[11] A. Blanco and M. Delgado, "A Direct Fuzzy Inference Procedure By Neural Networks", Fuzzy Sets and Systems, (September 1993), pp. 133- 141.
[12] J. M. Keller and D. J. Hunt, "Incorporating Fuzzy Membership Functions into the Perceptron Algorithm", IEEE Transactions on Pattern Analysis and Machine Intelligence, (November, 1985), pp. 693-699.
[13] W. Pedrycz, "Fuzzy Neural Networks and Neurocomputations",
Fuzzy Sets and Systems, Vol. 56, (May 1993), pp. 1-28.
[14] Berenji, Hamid R. and Khedkar, Pratap. "Learning and Tuning Fuzzy Logic Controllers Through Reinforcements" IEEE Transactions on Neural Networks Vol. 3. pp. 724 - 740, 1992.
[15] J. M. Keller, R. R. Yager, and H. Tahani, "Neural Network Implementation of Fuzzy Logic" Fuzzy Sets and Systems (Vol 45), pp. 1-12, 1992.
[16] J. M. Keller, H. Tahani, "Backpropagation Neural Networks for Fuzzy Logic" Information Sciences Vol 62, pp. 205-221, 1992.