Có những cấu trúc khác nhau mà có thể mang đến cho một hệ thống điều khiển khả năng phản ứng với những thay đổi trong các tham số của nó hoặc với sự thay đổi các đặc tính của nhiễu. Một hệ thống hồi tiếp thông thường cũng có mục tiêu là làm giảm độ nhạy cảm của các dạng thay đổi này. Tuy nhiên, khi những sự thay đổi là lớn, thậm chí một hệ thống hồi tiếp hệ số khuếch đại hằng số thiết kế chuẩn sẽ không hoạt động một cách như mong muốn. Khi đó một cấu trúc bộ điều khiển phức tạp hơn được yêu cầu và các thuộc tính thích nghi đã biết phải được đưa ra. Một hệ thống thích nghi có thể được định nghĩa như sau:
“ Một hệ thống thích nghi là một hệ thống mà trong đó thêm vào cấu trúc (hồi tiếp) cơ bản, các phép đo tường minh được thực hiện để bù tự động cho những thay đổi về các điều kiện hoạt động, cho những thay đổi về động học quá trình hoặc cho những thay đổi về nhiễu, để duy trì một hoạt động tối ưu của hệ thống”.
Nhiều định nghĩa khác đã được đưa ra trong tài liệu; hầu hết chúng chỉ miêu tả một lớp điển hình của các hệ thống thích nghi.
Định nghĩa được đưa ra ở đây … một cấu trúc hồi tiếp thông thường đầu tiên phản ứng đối với sự thay đổi của nhiễu và tham số. Ở một cấp độ thứ hai một cơ
Luận văn thạc sĩ kỹ thuật -35- Chuyên ngành tự động hóa
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
chế thích nghi hiệu chỉnh các hệ số khuếch đại của bộ điều khiển sơ cấp, thay đổi cấu trúc của nó, và tạo ra các tín hiệu bổ sung … Trong một hệ thống thích nghi như vậy những thiết lập mà được hiệu chỉnh bởi người sử dụng ở cấp độ thứ hai.
Dựa trên định nghĩa thì sự thay đổi tự động từ một chế độ hoạt động này sang một chế độ khác được xem như là một đặc trưng thích nghi. Việc sử dụng kiến thức về ảnh hưởng của một biến bên ngoài đối với hoạt động của một hệ thống cũng là một đặc trưng thích nghi. Dạng thích nghi này có thể được nhận thấy theo hai cách khác nhau: hoặc thông qua việc đo lường những nhiễu riêng và tạo ra các tín hiệu để bù chúng (điều khiển feedforward), hoặc thông qua việc hiệu chỉnh các hệ số khuếch đại của bộ điều khiển hồi tiếp theo một chương trình dựa trên kiến thức về ảnh hưởng của các biến lên tham số hệ thống (gain scheduling). Khả năng khác là sử dụng một ngân hàng các bộ điều khiển và lựa chọn bộ điều khiển tốt nhất theo một cách tương tự với gain scheduling. Đây được gọi là sự chuyển chế độ. Sự mới mẻ ở ý tưởng này là một phương pháp tiếp cận đa mô hình. Đầu ra của tất cả các mô hình trong ngân hàng của các mô hình được so sánh với đầu ra của đối tượng được điều khiển. Một bộ điều khiển có thể được thiết kế và thực hiện dựa trên mô hình mà đầu ra của nó tương đồng nhất với đầu ra của đối tượng. Trong thực tế không thể áp dụng điều khiển feedfoward hoặc gain scheduling đối với nhiều biến khác nhau.
Một vài dạng của hệ thống thích nghi, hiểu một cách chính xác, đã được phát triển để cho phép hệ thống được tối ưu hóa mà không cần quan tâm đến nguyên nhân của những sự thay đổi động học đối tượng. Thông thường khái niệm điều khiển thích nghi được giới hạn theo những dạng hệ thống thích nghi này. Không có sự phân biệt rõ ràng giữa điều khiển thích nghi và learning control. Khái niệm learning control thường được sử dụng cho những hệ thống phức tạp hơn ở đó chứa đựng nhiều bộ nhớ và cho những bài toán mà không thể giải quyết được bằng phương pháp của các bộ điều khiển tiêu chuẩn, dựa trên hàm truyền, bởi vì chúng yêu cầu hình thức khác của sự biểu diễn kiến thức, ví dụ, cấu trúc mạng nơron. Bài viết này đề cập đến một dạng đặc biệt của điều khiển thích nghi, đó là Điều khiển Thích nghi Mô hình Mẫu.
Luận văn thạc sĩ kỹ thuật -36- Chuyên ngành tự động hóa
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
Các hệ thống điều khiển thích nghi có thể được phân loại theo nhiều cách khác nhau. Một trong những cách phân loại đó là dựa trên sự khác nhau giữa:
- Những hệ thống với sự điều chỉnh trực tiếp của các tham số của bộ điều khiển, không cần nhận dạng rõ ràng các tham số của đối tượng (điều khiển thích nghi trực tiếp)
- Những hệ thống với sự điều chỉnh gián tiếp của các tham số bộ điều khiển, không cần nhận dạng rõ ràng các tham số của đối tượng (điều khiển thích nghi gián tiếp)
Các hệ thống điều khiển thích nghi mô hình mẫu, hầu hết đều sử dụng MRAC hoặc MRAS, chủ yếu được áp dụng cho điều khiển thích nghi trực tiếp. Tuy nhiên, dưới đây sẽ chứng minh ứng dụng của MRAS để nhận dạng hệ thống.
Triết lý cơ bản đối với ứng dụng của MRAS là hiệu suất mong muốn của hệ thống được đưa ra bởi một mô hình toán học, mô hình mẫu. Khi hoạt động của mạch khác với hoạt động “lý tưởng”, mà được xác định bởi mô hình mẫu, đối tượng sẽ được thay đổi, hoặc bằng hiệu chỉnh các tham số của bộ điều khiển (hình 2.5) hoặc bằng tạo ra một tính hiệu đầu vào bổ sung cho đối tượng (hình 2.6). Những thay đổi này được chuyển thành một bài toán tối ưu, đó là tối giản hóa tiêu chuẩn:
ở đó
e = ym - yp
Thay vì việc chỉ tối tối thiểu hóa sai số giữa tín hiệu đầu ra của đối tượng và mô hình mẫu, tất cả các biến trạng thái cùa đối tượng và mô hình mẫu có thể được tính toán. Khi các biến trạng thái của đối tượng được kí hiệu là (xp) và các biến trạng thái của mô hình mẫu là (xm), vector sai số (e) có thể được định nghĩa:
e = xm - xp (2.5) Trong trường hợp đó bài toán tối ưu hóa có thể được biến đổi thành tối giản hóa tiêu chuẩn:
T 2 0 C = e dt (2.3) (2.4) (2.6)
Luận văn thạc sĩ kỹ thuật -37- Chuyên ngành tự động hóa
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
ở đó P là một ma trận xác định dương
Hình 2.5. Hệ thích nghi tham số
Hình 2.6. Hệ thích nghi tín hiệu
Những sự xem xét dưới đây có thể đóng một vai trò trong việc lựa chọn giữa sự thích nghi của các tham số và thích nghi tín hiệu. Một đặc tính quan trọng của các hệ thống với thích nghi tham số là những hệ thống này có bộ nhớ. Ngay khi các tham số của đối tượng được hiệu chỉnh tới giá trị chính xác, và không có một sự thay đổi mới nào, vòng thích nghi trên thực tế là không cần thiết nữa: đối tượng và mô hình mẫu thể hiện như nhau. Nhìn chung bộ nhớ không xuất hiện trong những hệ thống với thích nghi tín hiệu. Vì vậy, vòng thích nghi vẫn cần thiết trong tất cả
Luận văn thạc sĩ kỹ thuật -38- Chuyên ngành tự động hóa
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn
các trường hợp, để tạo ra một tín hiệu đầu vào chính xác. Do đó, các hệ thống thích nghi tín hiệu phải phản ứng nhanh hơn để thay đổi động học đối tượng so với các hệ thống thích nghi tham số bởi vì không có kiến thức từ quá khứ được sử dụng. Trong những hệ thống mà ở đó các tham số thay đổi liên tục trên một phạm vi rộng thì đây là một ưu điểm. Tuy nhiên, trong một môi trường ngẫu nhiên, tức là trong những hệ thống với nhiều nhiễu, việc này có thể là một nhược điểm. Hệ số khuếch đại lớn trong vòng thích nghi cũng có thể dẫn tới nhiều nhiễu trong tín hiệu đầu vào.
Khi các tham số của đối tượng thay đổi chậm hoặc không thường xuyên, các hệ thống với thích nghi tham số sẽ mang đến một hiệu suất tốt hơn nhờ vào bộ nhớ của chúng. Đồng thời cũng có những thuật toán thích nghi kết hợp ưu điểm của cả hai phương pháp này. Ở nội dung tiếp theo chúng ta sẽ chủ yếu tập trung vào các hệ thống thích nghi tham số, mặc dù sự kế hợp của thích nghi tham số và tín hiệu cũng được đề cập đến.
Một cách khác để quan sát hệ thống được trình bày dưới đây. “Vòng điều khiển hồi tiếp tiêu chuẩn” được xem như là hệ thống điều khiển sơ cấp tác động mà phải loại bỏ nhiễu “thông thường”. Những thay đổi lớn hơn của các tham số hoặc nhiễu lớn hơn được giải quyết bởi hệ thống điều khiển (thích nghi) cấp hai tác động chậm hơn (Hình 2.7).
Luận văn thạc sĩ kỹ thuật -39- Chuyên ngành tự động hóa
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn