Chương III của luận án đã thu được các kết quả sau:
- Trên cơ sở phân tích hệ thống và những yêu cầu đặt ra đối với hệ thống tự động bám sát từ xa các đối tượng di động sử dụng quang điện tử đã nêu bật được sự cần thiết phải xây dựng các luật điều khiển, trong đó kết hợp được thuật toán điều khiển tối ưu tác động nhanh với các thuật toán điều khiển thích nghi bền vững.
- Đã xây dựng được thuật toán điều khiển tối ưu tác động nhanh cho hệ thống bám trong đó tác động điều khiển u là một hàm của trạng tháix x1, 2.
- Đã xây dựng được phương pháp tổng hợp hệ thống kết hợp điều khiển tối ưu tác động nhanh với điều khiển mode trượt, đảm bảo cho hệ thống vừa có tính tác động nhanh tốt, vừa có được các ưu việt của chế độ trượt như tính bền vững, tính kháng nhiễu tốt, nhờ vậy đáp ứng được cùng một lúc nhiều chỉ tiêu chất lượng cao cho hệ thống.
KẾT LUẬN
Với sự phát triển mạnh mẽ của công nghệ chế tạo và điều khiển trong quân sự, nhiều thành tựu của khoa học, công nghệ được ứng dụng để chế tạo các loại mục tiêu bay, nhằm nâng cao đặc tính chiến kỹ thuật và khả năng sống còn của chúng làm cho việc theo dõi, định vị chính xác mục tiêu ngày càng khó khăn, phức tạp. Để đáp ứng được nhiệm vụ, các hệ thống định vị ứng dụng trong quân sự phải được nâng cao chất lượng như có độ chính xác cao, tác động nhanh, có tính kháng nhiễu, có tính bền vững. Việc xây dựng các phương pháp phân tích và tổng hợp hệ thống đảm bảo cho hệ thống có chất lượng tốt ngay cả khi đối tượng có tham số thay đổi và chịu tác động của nhiễu bên ngoài là một đòi hỏi cấp thiết của thực tiễn.
Từ mô hình toán học mô tả đầy đủ động học của đối tượng điều khiển trong hệ thống tự động bám sát các đối tượng di động, luận án đã chỉ rõ sự tồn tại của các yếu tố phi tuyến bất định, của nhiễu. Từ đó đã khẳng định sự cần thiết phải nhận dạng, bù trừ yếu tố phi tuyến và nhiễu.
Luận án đã nghiên cứu và giải quyết các bài toán liên quan đến phân tích, tổng hợp hệ thống nhằm đáp ứng được tối đa các yêu cầu nêu trên.
Luận án đã thu được các kết qu và c những đ ng g p mới sau đây:
- Đã xây dựng được phương pháp nhận dạng thành phần phi tuyến bất định và nhiễu trên cơ sở sử dụng công cụ của điều khiển thích nghi và mạng nơ ron nhân tạo RBF. Đã chứng minh được định lý về điều kiện đủ, đảm bảo quá trình nhận dạng hội tụ đối với một lớp hệ thống phi tuyến bất định có tác động của nhiễu bên ngoài.
- Đã tổng hợp được hệ điều khiển thích nghi trên cơ sở luật PID kết hợp với bộ nhận dạng phi tuyến bất định và nhiễu, sử dụng mạng nơ ron RBF.
Kết qu này có ý nghĩa rất thiết thực trong việc c i tiến nâng cao chất ượng cho các hệ thống hiện có mà không ph i thay đổi nhiều về hệ thống.
- Đã tổng hợp được hệ thống điều khiển trên cơ sở kết hợp điều khiển thích nghi, bền vững sử dụng mạng nơron và điều khiển mode trượt với điều khiển tác động nhanh cho một lớp hệ thống tự động bám. Với các yêu cầu về chất lượng điều khiển rất cao như: Tác động nhanh, có tính kháng nhiễu tốt, có độ chính xác và tính bền vững cao.
Các phương pháp tổng hợp hệ thống được đề xuất trên đây cho phép cải tiến, thiết kế, chế tạo mới hệ thống tự động bám sát mục tiêu vừa đảm bảo được tối ưu tác động nhanh, vừa có tính bền vững và tính kháng nhiễu, đáp ứng được các yêu cầu bám sát các mục tiêu hiện đại trong các điều kiện chiến tranh công nghệ cao, đồng thời có thể được áp dụng để tổng hợp và thiết kế các hệ thống điều khiển chất lượng cao cho một lớp rất rộng các đối tượng phi tuyến bất định dưới tác động của nhiễu bên ngoài.
Hướng nghiên cứu tiếp theo của luận án:
- Nghiên cứu các phương pháp nâng cao khả năng bám sát mục tiêu trong điều kiện phức tạp.
- Phát triển các phương pháp tổng hợp hệ thống đảm bảo đồng thời nhiều chỉ tiêu chất lượng cho các lớp đối tượng khác.
- Ứng dụng các kết quả đã đạt được vào thực tế cho các tổ hợp vũ khí trang bị trong quân đội.
DANH M C CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ
1. Cao Tiến Huỳnh, Nguyễn Vũ, Nguyễn Trung Kiên, Ngô Trí Nam Cường, Về một phương pháp tổng hợp hệ điều khiển thích nghi cho một ớp đối tượng phi tuyến dưới tác động của nhi u bên ngoài, Tạp chí Nghiên cứu khoa học và công nghệ quân sự, số 17 tháng 02/2012, tr 06-15.
2. Nguyễn Trung Kiên, Nâng cao kh năng bám sát mục tiêu cho hệ thống tự động bám khi mất tín hiệu vào, Tạp chí Nghiên cứu khoa học và công nghệ quân sự, số 22 tháng 12/2012, tr 23-28.
3. Nguyễn Trung Kiên, Lê Trần Thắng, Lê Ngọc Quyết, Về một phương pháp tổng hợp hệ điều khiển thích nghi tự động định vị mục tiêu sử dụng quang điện tử, Tạp chí Nghiên cứu khoa học và công nghệ quân sự, Đặc san TĐH tháng 04/2014, tr 110-118.
4. Nguyễn Trung Kiên, Phùng Chí Kiên, Nguyễn Quốc Khánh, ng dụng thu t toán mô t đặc trưng vùng ma tr n hiệp phương sai phục vụ bám nh trong các hệ thống điều khiển ho ực, Tạp chí Nghiên cứu khoa học và công nghệ quân sự, Đặc san TĐH tháng 04/2014, tr 128-136. 5. Cao Tiến Huỳnh, Nguyễn Vũ, Nguyễn Trung Kiên, Tích hợp điều khiển
mode trượt với điều khiển tối ưu tác động nhanh cho một ớp hệ thống tự động bám, Tạp chí Nghiên cứu khoa học và công nghệ quân sự, Đặc san TĐH tháng 04/2014, tr 240-247.
TÀI LIỆU THAM KHẢO Tiếng Việt:
[1]. Bùi Công Cường, Nguyễn Doãn Phước, Hệ mờ mạng nơron & ứng dụng, Nxb Khoa học và kỹ thuật, 2006.
[2]. Huỳnh Thái Hoàng, Các thu t toán tối ưu bền vững để nh n dạng và điều khiển thích nghi hệ thống động, 2005.
[3]. Cao Tiến Huỳnh, Điều khiển rời rạc thích nghi cho các đối tượng có tr , Tuyển tập các báo cáo khoa học hội nghị toàn quốc lần thứ 5 về tự động hoá, 2002, tr.181- 186.
[4]. Cao Tiến Huỳnh, Tổng hợp hệ điều khiển thích nghi cho các đối tượng có tr ,
tuyển tập các báo cáo khoa học, hội nghị toàn quốc lần thứ 1 về tự động hoá, 1994, tr.194-200.
[5]. Chu Văn Hỷ, “Điều khiển thích nghi phi tuyến trên cơ sở mạng Nơron RBF”
Tuyển tập Báo cáo khoa học Hội nghị toàn quốc về Tự động hoá lần thứ 3 (VICA3), Hà nội 4/1998, tr.228-241.
[6]. Nguyễn Doãn Phước, Phân tích và điều khiển hệ phi tuyến, NXB Bách Khoa- Hà Nội, 2012.
[7]. Viện TĐHKTQS/Viện KH-CNQS, Tài iệu kỹ thu t tổng hợp Đại đội PPK - 37mm 2n tác chiến ngày và đêm, 2005.
Tiếng Anh:
[8].Aerotech.Inc, Rotary-motors catalog, http://www.aerotech.com/product-catalog/ motors/rotary-motors/bm-series.aspx?p=%2fproduct-catalog%2fmotors.aspx
[9]. Aggawal J. K. and Nandhakuwar N., On the computation of motion from sequences of image – A review, Proc. of the IEEE, Vol. 76, N08, August 1988. [10]. Astrom K.J. & Hagglund T., Automatic tuning PID controllers, Instrument Society of Americal, 1988.
[11]. Awcock G.W. & Thomas R., Applied image Processing, McGraw–Hill. Inc, 1996.
[12]. Bhanu B. and Burger.W., A qualitative approache to dynamic scence understanding CVGIP: Image understanding, Vol. 54, N02, Sept. 1991, pp. 184 ÷ 205.
[13]. Bhanu B., Dynamic – scence and motion analysis using passive sensors, IEEE Expert, Feb. 1992, pp. 45 ÷ 64.
[14]. Cao Tien Huynh, Raul R.P., Nguyen Van Duc, Carlo F.P., Compensation de distintas clases de alinealidades, Control Cibernetica y Automatizacion, N0 4, 1985, pp.47 ÷ 50.
[15]. Chatlatanagulchai W. and Peter H. Meckl., Model – Free observer backstepping control design for nonlinear systems in stric – feedback form,
Proceeding of American Control Conference. Boston, 2004, pp. 3035 ÷ 3040.
[16]. Chellappa R. and Sawchuk A.A., Digital image Processing and analysis, Vol.2: Digital image analysis. IEEE Computer Society Press, 1985.
[17]. Chiman Kwan, Framk L.Lewis, Darren M. Dawson., Robot Neural – Network control of Rigid – Link Electrically Driven Robots. IEEE Trans. on Neural Networks, Vol.9, N04, July 1998.
[18]. Christopher E., Sarah K., Sliding Mode Control: Theory and Applications,
Taylor & Francis, UK, 1998.
[19]. Dorf R.C. and Bishop R.H., Modern control systems , 8th ed., Addison- Wesley, Reading, MA, 1998.
[20]. Ertugrul M, Kaynax O., Neuro sliding mode control of robotic manipulators. Mechatronics, Vol .10, N01, 2000, pp. 239 ÷ 263.
[21]. Fabri S., Kadirkatanathan V., Dynamic Structure neural networks for stable adaptive control of nonlinear systems, IEEE Transaction on Neural Networks., 1996, 7 (5), pp. 1151 ÷ 1167.
[22]. Fang J.Q. and Hunag T.S., Some experiments on estimating the 3–D motion parameters of rigid body from two consecutive frames, IEEE Trans. On PAMI, sept. 1984, pp. 545 ÷ 554.
[23]. Forsyth D.A., Ponce J., Computer vision a modern approach, published by Pearson Education, publishing as Prentice Hall, 2003, pp. 671 ÷ 769.
[24]. Funahashi K.I., On the approximate realization of continuos mapping by neural networks, Neural Networks, N02, 1989, pp. 183 ÷ 192.
[25]. Furaxov V. D., Stability of the motion, Nauka, Moscow 1977.
[26]. Gang Tao., Adaptive control design and analysis, University of Virginia, 2003.
[27]. Ge S.S., Hang C.C. and Zhang T., Stable adaptive neural network control,
Kluwer Academic Publisher, 2002.
[28]. Ge S.S, Wang C. & T.H.Lee, Adaptive backstepping control of a class of Chaotic systems, International Journal of Bifurcation and Chaos. N010 (5), 2000, pp. 1149 ÷ 1156.
[29]. Gomn J. B., Yu D. L., Selecting radial basic function networks centers with recursive orthogonal least squares training, IEEE Transactions on Neural Networks, Vol. 11, Issue 2, 2000, pp. 306 ÷ 314.
[30]. Gonzalez R. C. and Wintz P., Digital image Processing, Addision – Wesley, 1987.
[31]. Hang C.C, Astrom, K.J, Ho W.K., Refinements of the Ziegler-Nichols tuning fomular, IEE Proceeding S-D, 138(2), 1991, pp.111 ÷ 118.
[32]. Hornik K., Stinchcombe M. & White H., Multillayer feedforward networks are universal appoximator, Neural Networks 2, 1989, pp. 359 ÷ 365.
[33]. Huang S.N., Tan K.K., Lee T.H, A combined PID/adaptive controller for a class of nonlinear system, Automatica N037, 2001, pp. 611 ÷ 618.
[34]. Jun Yan & Michael Ryan, Fuzzy logic based digital Image processing,
Flexible Automation and Information Management, 1992, pp. 821÷ 832.
[35]. Jun Yan, Lawlor R. & Ryan M., Image motion detection and analysis using fuzzy logic, Proc. of 2nd IEEE Int. Conf. on Automation Robotics and computer Vision, Singapore, Sept. 1992.
[36]. Junhong N. & Derek L., Fuzzy - Neural Control - Principles, Algorithms and Applications, Prentice Hall, Europe 1995.
[37]. Kanellakopoulos I., Kokotovic P.V., Morse A.S., Systematic design of adaptive controllers for feedback linearizable systems, IEEE Trans. On Automatic Control, Vol.36, 1991, pp. 1241 ÷ 1253.
[38]. Krstic M, Kanellakopoulos I, Kokotovic P, Nonlinear and adaptive control design, John Wiley & Sons, Inc,N.Y.,1995
[39]. Krstic M., Nonlinear Backstepping Design and Applications: Adaptive, Robust, and Optimal, Tutorial Workshop, Singapore, 2002.
[40]. Kuo B.C., Automatic control systems, 7th ed, Prentice-Hall, Engle-wood Cliffs, NJ 1995.
[41]. Kwan C, Lewis F.L., Robust backstepping control of nonliear systems using neural networks, Proceeding of European control conference, Rome, 1995, pp. 2772 ÷ 2777.
[42]. Kwan C., Lewis F.L., Dawson D.M, Robust neural network control of rigid- link electrically driven robots, IEEE Transaction on Neural network, N09, 1998, pp. 581 ÷ 588.
[43]. Lewis F.L., Liu K., Selmic R.R. and Wang L.X, Adaptive fuzzy logic compensation of actuator dead-zone. Journal of Robotic systems, Vol. 14, N0 6, 1997, pp. 501 ÷ 511.
[44]. Lewis F.L., Yesildirek A.A., Liu K, Multilayer neural net robot controller with guaranteed tracking performance, IEEE Transactions on neural networks. N07, 1996, pp. 388 ÷ 398.
[45]. Li H, Yang H. S, Fast and reliable image enhancement using fuzzy relaxation technique, Proc. of the 4th Int. Conf. Patt. Recog., UK, 1988, pp. 577 ÷ 586.
[46]. Li - Xi Wang, A Course in Fuzzy Systems and Control, Prentice - Hall, Inc.,1995.
[47]. Mejia, V., Eun-Young Kang, Automatic moving object detection using motion and color features and bi-modal Gaussian approximation, System, Man, and Cybernetic (SMC), IEEE International Conference on, 2011, pp 2922 ÷ 2927. [48]. Morin P, Samson C, Application of Backstepping Techniques to the Time- varying exponential Stabilization of Chained Form Systems, European Journal of Control, Volume 3, Issue, 1997, pp.15 ÷ 36.
[49]. Murphy C.A. & Pal S. K., Fuzzy thresholding mathematical framework, bound functions and weighted moving average technique”. – Pattern Recognitions Letters. Vol.11, 1990, pp. 197 ÷ 206.
[50]. Narenda K.S., Parthasarathy K., Identification and control of dynamical systems using neural networks, IEEE Trans. On Neural network, Vol.l, 1990, pp. 4 ÷ 27.
[51] . Neil E. Cotter, “The Stone - Weierstrass Theorem and Its Application to Neural Networks,” IEEE Transaction on Neural Networks. Vol. 1, No. 4. 1990, pp. 290 ÷ 295.
[52]. Nelson R. C., Qualitative detection of motion by a moving observer, J. Computer Vision, Vol 7, N01. 1991, pp.33 ÷ 46.
[53]. Nguyen Xuan Quynh, Do Khac Duc, An adaptive controller for a class of nonlinear systems with unknown parameters appearing nonlinearly, Tuyển tập các báo cáo khoa học, hội nghị toàn quốc lần thứ 4 về tự động hoá, 2000, pp. 384 ÷ 389. [54] Ortega J. M., Matrix Theory, Plenum Press. New York,1987
[55]. Pal S. K. and Ghosh A., Index of area coverage of fuzzy Image subsets and object extraction, Pattern Recognition Letters. Vol. 11, 1990, pp. 831 ÷ 841.
[56]. Panchapakesan C., Ralph D. & Palanisami M., Effects of moving the centers in an RBF networks, Proceedings of the 1998 IEEE World congress on computational Intelligence Neural Networks. Vol. 2, 1998, pp. 1256 ÷ 1269.
[58]. Porikli F. and Tuzel O., Covariance tracking using model update based on lie algebra, Technical Report TR2005-127, Mitsubishi Electric Research Laboratories, June 2006.
[59]. Recker D., Adaptive control of systems containing Piecewise linear nonlinearities, Ph.D. thesis, University of Illinois, Urbana, 1993.
[60]. Recker D., Kokotovic P.V., Rhode D. and Winkelman J., Adaptive nonlinear control of systems containing a dead-zone., Proceeding of the 30th IEEE conference on Dicision and Control, Brighton, England, 1991, pp. 2111 ÷ 21115.
[61]. Reynold Chu S., Rahmat Shoureshi and Manoel Tenorio, Neural Networks for System Identification, IEEE Trans. Control System Magazine, April.,1990.
[62]. Rivera D.E, Morari M., Skogestad, Internal Model Control for PID controller design, Industrial Enginneering chemmist Process Design Development, 1986, 25(10), pp.252 ÷ 265.
[63]. Roach J. W. and Aggarwal J. K., Determising The movement of objects from a sequence of image, IEEE Trans. On PAMI, Nov. 1990, pp. 554 ÷ 562.
[64]. Seidl D.R., Lam S.L., Putman J.A. and Lorenz R.D, Neural network compensation of gear backlash hysteresis in position-controlled mechanism, IEEE Transaction on Industry Applications. Vol. 31, N0 6, 1995, pp. 1475 ÷ 1483.
[65]. Selmic R.R. and Lewis F.L., Dead-zone compensation in motion control systems using neural networks, IEEE Transaction on Automatic Control, Vol. AC- 45, N0 4, 2000, pp. 602 ÷ 613.
[66]. Seyed Ehsan Shafiei., Mohammad Reza soltanpour., Neural network sliding- mode PID controller design for ellectrically drive robot manipulations,
International Journal of Innovative computing, Information and control, Vol.7, N02, 2011, pp. 511 ÷ 523.
[67]. Soiling E. D., Feedback stabilizaton of nonlinear systems, 1992.
[68]. Spooner J.T., Passino K.M., Stable adaptive control using fuzzy systems and neural networks, IEEE Trans. In Fuzzy Systems. Vol.4, 1996, pp. 339 ÷ 359.
[69]. Su C-Y., Stepanenko Y., Adaptive Control of a class of Nonlinear Systems with Fuzzy Logic, IEEE Trans. On Fuzzy Systems, Vol.2, N.4, 1994, pp. 285 ÷ 294. [70]. Suzana U, Rico S., Neural-network estimation of the variable plants for adaptive sliding-mode controller, Journal of mechanical engineering. Vol.58, N02, 2012, pp. 93 ÷ 101.
[71]. Taylor D., Composite control of direct – drive robots, – Proc. of IEEE Conf. Decision and control, 1989, pp. 1670 ÷ 1675.
[72]. Thompson W.B. and Pong J .C., Detecting moving object, J. Computer Vision, Vol.4, 1990. pp. 39 ÷ 57.
[73]. Tsai R. Y. and SHunag T., Estimating three dimensional motion parameters of a rigid plannar patch, IEEE Trans. on ASSP. Dec. 1991, pp. 1147 ÷ 1152.
[74]. Tuzel O, Porikli F., and Meer P, Region covariance: A fast descriptor for detection and classication, Technical Report TR2005-111, Mitsubishi Electric Research Laboratories, May 2006.
[75]. Utkin V.I., Sliding modes in control and optimization, Springer-verlag, Berlin, 1992.
[76]. Vicente Parra-Vega, Suguru Arimoto., Dynamic sliding PID control for tracking of Robot Manipulators. Theory and Experiments, IEEE Transaction on Robotics and Automation. Vol.19, N0 6, 2003, pp. 967 ÷ 976.
[77]. Zhang T., Ge S.S, Hang CC., Adaptive neural network control for stric –