- Tính sai lệch: e(k)=r(k)y(k)
2.Tổng quan về điều khiển dự báo
Mục tiêu nôi dung này là cung cấp các kiến thức cơ bản nhất được sử dụng trong điều khiển dự báo, trong đó tập trung sâu vào lý thuyết điều khiển dự báo trên cơ sở mạng Nơron nhân tạo và kiểm chứng nó trên Matlab và Simulink.
Đầu tiên, ta cần biết mô hình điều khiển dự báo được viết tắt dưới dạng rút gọn của thuật ngữ quốc tế MPC – Model based Predictive Control.
Một cách hình tượng hóa, MPC phản ảnh thói quen của con người nhờ vào sự lựa chọn hành động điều khiển để đưa ra một kết quả dự đoán tốt nhất có thể trong phạm vi giới hạn điều khiển. Để có được sự lựa chọn này, chúng ta cần sử dụng mô hình của quá trình. Khi dự báo được, chúng ta sẽ cập nhật những hành động mới. Do đó, luật điều khiển dự báo sẽ bao gồm các thành phần chính sau :
1. Luật điều khiển phụ thuộc vào thói quen dự báo.
2. Kết quả dự báo được ước lượng tính qua một mô hình quá trình.
3. Đầu vào được xác định bằng cách tối ưu hóa một vài thông số của kết quả dự báo.
Các thành phần chính của MPC :
- Sự độc lập của đáp ứng trong dự báo : hầu hết các luật điều khiển (như PID) đều không đề cập tới toàn bộ sự kiện tương lai của đáp ứng điều khiển. Trong một số trường hợp nó chỉ đóng góp bởi vòng động học kín. Nhưng MPC, ở một chiều hướng khác, lại dự báo đặc tính tương lai trong một phạm vi giới hạn. Bởi vậy có thể giảm thiểu được các kết quả không mong muốn trong tương lai.
- Dự báo dựa trên mô hình: với mục đích dự báo các đặc tính tương lai của quá trình, ta phải có một mô hình mô tả quá trình hoạt động như thế nào. Đặc biệt,
được kết quả tính toán chính xác. Công thức số học nên càng đơn giản càng tốt để tiết kiệm. Theo kinh nghiệm thì lựa chọn thực tế ít ảnh hưởng tới chất lượng vòng kín. Do đó mà yêu cầu chính là hàm chi phí chỉ phụ thuộc và điều khiển tương lai và là hàm chi phí thấp hàm ý chất lượng vòng kín tốt. Dĩ nhiên lựa chọn của hàm chi phí ảnh hưởng tới sự phức tạp của tối ưu hóa.
- Giới hạn: MPC hoạt động trên nguyên tắc dự báo đáp ứng trong phạm vi giới hạn về thời gian tương lai, vì vậy tại mỗi thời điểm hiện tại nó lại dự báo một khoảng thời gian sau đó. Mỗi khi thông tin mới có được, đáp ứng vào lại được tự động xử lý. Vậy “ Giới hạn bao nhiêu thì đủ?”. Bằng trực giác, có thể nói rằng giới hạn nên lớn hơn thời gian sắp đặt và phải chứa các đặc tính động học quan trọng.
- Tối ưu hóa: Để điều khiển quá trình chính xác, chúng ta cần một mô hình chính xác. Việc đó sẽ giúp gia tăng được giới hạn dự báo và có được các đáp ứng tốt hơn. Đó chính là tư tưởng của tối ưu hóa.
- Điều chỉnh: Điều chỉnh sẽ tốt hơn nếu ta có mối quan hệ mật thiết với các thông số. Nếu như có hàm chi phí chính xác, ổn định thì sẽ tối ưu hóa được hàm chi phí và chất lượng tốt. Khi được chỉ dẫn tốt, MPC sẽ luôn điều khiển ổn định hoặc chí ít cũng là bình thường. Bởi vậy tầm quan trong ở đây là:
- Điều chỉnh: Điều chỉnh sẽ tốt hơn nếu ta có mối quan hệ mật thiết với các thông số. Nếu như có hàm chi phí chính xác, ổn định thì sẽ tối ưu hóa được hàm chi phí và chất lượng tốt. Khi được chỉ dẫn tốt, MPC sẽ luôn điều khiển ổn định hoặc chí ít cũng là bình thường. Bởi vậy tầm quan trong ở đây là: làm thế nào để cân bằng giữa chất lượng giữa các vòng khác nhau và giữa các đáp ứng vào với tốc độ đáp ứng? Trước kia thường sử dụng ma trận trọng số để đặt tầm quan trọng lên chất lượng trong các vòng khác nhau. Tuy nhiên, điều đó vẫn còn nhiều bàn cãi rằng ta có thể cấu trúc trọng số một cách hệ thống từ quan điểm tài chính và nhân công. Trong thực tế điều chỉnh được yêu cầu cho tới khi cân bằng đạt được, tuy nhiên rất khó để tổng quá hóa việc điều chỉnh vì mỗi một
- Thiết kế điều khiển một cách hệ thống cho hệ MIMO: MPC có thể làm việc một cách hệ thống với hệ MIMO. Việc thiết kế bộ PID cho hệ MIMO có tính tương tác cao là rất khó khăn. Mặc dug giải pháp được phát triển qua sự kết hợp giữa kinh nghiệm và thời gian, tuy nhiên vẫn có thể làm chệch hướng. Sự khó khăn của PID với hệ MIMO liên quan chặt chẽ tới mô hình, thiết kế PID sử dụng ít mối liên hệ thông tin với đối tượng nên khó có thể là việc khi tương tác giữa các thành phần trong mô hình đối tượng cao. MPC khắc phục được những khuyết điểm đó của PID.