Điều khiển dự báo cho hệ mimo trên cơ sở hệ logic mờ

- Các khối chức năng của bộ điều khiển dự báo theo mô hình.
- Khối “Mô hình .
- MÔ HÌNH MỜ DỰ BÁO .
- Xây dựng mô hình mờ dự báo cho hệ phi tuyến.
- Tính toán, chỉnh định các thông số cho mô hình mờ .
- Xây dựng mô hình mờ dự báo cho đối tượng MIMO .
- Xác định cấu trúc của mô hình mờ.
- Xác định các tham số thích hợp chô mô hình mờ.
- Thực thi thuật toán xây dựng mô hình mờ dự báo .
- Xây dựng bộ điều khiển cho mô hình mờ dự báo.
- Thực thi bộ điều khiển GA .
- Kết quả TÀI LIỆU THAM KHẢO PHỤ LỤC 3MỞ ĐẦU Phương pháp điều khiển dự báo ra đời cách đây khoảng 2 thập kỷ và đã có nhiều ứng dụng thành công trong công nghiệp.
- Hiện nay, điều khiển dự báo là chiến lược điều khiển được sử dụng phổ biến nhất trong việc điều khiển quá trình.
- Bộ điều khiển dự báo dùng một mô hình để đoán trước đáp ứng tương lai của đối tượng điều khiển tại các thời điểm rời rạc trong phạm vi dự báo nhất định.
- Dựa vào đáp ứng của dự báo này, một thuật toán tối ưu hoá được sử dụng để tính toán chuỗi tín hiệu điều khiển tương lại trong phạm vi điều khiển sao cho sai lệch giữa đáp ứng dự báo bởi mô hình và tín hiệu chuẩn cho trước là tối thiểu.
- 2) Giải một bài toán tối ưu phi tuyến để tính toán chuỗi tín hiệu điều khiển trong phạm vi điều khiển, thường là bài toán tối ưu không lồi có nhiều cực trị cục bộ.
- Tất cả các bào toán tối ưu hoá phi tuyến đều là thuật toán lặp đòi hỏi số lượng phép tính rất lớn, điều này làm hạn chế khả năng áp dụng chiến lược điều khiển dự báo vào các hệ tốc độ cao.
- Các nghiên cứu thiết kế bộ điều khiển dự báo cho hệ phi tuyến hiện này chủ yếu tập trung vào việc giải quyết hai khó khăn vừa nêu trên.
- Nhiều thuật toán tối ưu hoá khác nhau được áp dụng để tìm tín hiệu điều khiển dự báo tối ưu cho hệ phi tuyến, mỗi thuật toán có những ưu điểm cũng như khuyết điểm riêng.
- Phương pháp đơn giản nhất là tìm lời giải tối ưu cho từng mô hình tuyến tính cục bộ, tín hiệu điều khiển hệ thống được tính bằng trung bình có trọng số của các lời giải cục bộ theo hệ qui tắc mờ.
- Phương pháp này có khuyết điểm là tín hiệu điều khiển suy ra từ các lời giải tối ưu cục bộ chưa chắc đã là lời giải tối ưu cho hệ phi tuyến.
- Để khắc phục những khó khăn trên, bài luận văn xin đề xuất phương án điều khiển dự báo hệ phi tuyến dựa vào mô hình mờ Tagaki-Sugeno và thuật toán tối ưu hoá là giải thuật di truyền (Genetic Algorithm).
- Quá trình nghiên cứu và mô phỏng cho thấy, thuật toán này hội tụ khá nhanh nên phương pháp 5điều khiển dự báo này được đề xuất áp dụng để điều khiển thời gian thực các quá trình trong công nghiệp.
- 6CHƯƠNG I TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO TỰA THEO MÔ HÌNH 1.1 Giới thiệu chung.
- Ngoài ra, MPC cũng có thể điều khiển các quá trình có tín hiệu điều khiển bị chặn, có các điều khiển ràng buộc.
- Thành công của các ứng dụng điều khiển dự báo không chỉ có trong công nghiệp chế biến 7mà còn trong rất nhiều quá trình đa dạng khác, từ điều khiển robot cho tới gây mê lâm sàng.
- 2) Có thể được sử dụng để điều khiển nhiều quá trình từ đơn giản đến phức tạp.
- 3) Thích hợp để điều khiển các hệ MIMO.
- 5) Dễ dàng thực hiện luật điều khiển tuyến tính cho bộ điều khiển trong trường hợp không hạn chế đầu vào/ra.
- 81.2 Khái niệm điều khiển dự báo tựa theo mô hình.
- MPC là bộ điều khiển làm việc trên nguyên tắc so sánh tín hiệu ra dự báo của đối tượng với tín hiệu đặt đã biết nhắm đưa ra các quyết định điều khiển để hệ thống có thể phản ứng trước khi những thay đổi bắt đầu xảy ra và do đó tránh được ảnh hưởng của trễ lên đáp ứng của đối tượng.
- Bài toán tối ưu này dựa trên cơ sở mô hình đối tượng và các giá trị đo quá trình.
- Tư tưởng chính của bộ điều khiển dự báo theo mô hình là: 1) Sử dụng một mô hình toán học để dự báo đàu ra của đối tượng/quá trình.
- 2) Luật điều khiển phụ thuộc vào những hành vi được dự báo.
- 3) Chuỗi tín hiệu điều khiển tương lai trong giới hạn điều khiển sẽ được tính toán thông qua việc tối ưu hoá một phiếm hàm mục tiêu.
- 4) Sử dụng sách lược lùi xa: tức là tại mỗi thời điểm chỉ tín hiệu điều khiển đầu tiên trong chuỗi tín hiệu tính toán được sử dụng, sau đó giới hạn dự báo lại được dịch đi một bước về phía tương lai.
- 91.3 Lưu đồ thuật toán của bộ điều khiển dự báo thêm mô hình.
- Chỉ có tác động điều khiển tối ưu hiện tại được đưa tới đối tượng điều khiển.
- Bộ điều khiển gồm hai đầu vào là tín hiệu đặt r và tín hiệu đo đầu ra y.
- Sơ đồ khối hệ thống điều khiển dự báo 1.4.1.
- Một ưu điểm của điều khiển dự báo là nếu tín hiệu chủ đạo ở tương lai đã biết trước, hệ thống có thể phản ứng trước khi những thay đổi bắt đầu xảy ra, do đó tránh được ảnh hưởng của trễ lên đáp ứng của đối tượng/quá trình.
- Trong nhiều ứng dụng, tín hiệu chủ đạo tương lai r(t+k) là biết trước, như điều khiển robot, động cơ servo hoặc điều khiển mẻ.
- Thuật toán MPC thường sử dụng một quỹ đạo quy chiếu w(t+k) làm tín hiệu để điều khiển đầu ra của đối tượng bám theo nó.
- Khối “Mô hình”.
- Là mô hình dự báo của đối tượng cần điều khiển khi nhận đầu vào là chuỗi giá trị đầu ra đo được ở thời điểm hiện tại và các thời điểm trước đó.
- Đầu ra của mô hình này là dãy tín hiệu ra dự báo tại các thời điểm tương lai trong giới hạn dự báo đã biết.
- Mô hình đối tượng/quá trình đóng vai trò quyết định trong bộ điều khiển.
- Đây cũng chính là hạn chế của mô hình đáp ứng xung.
- Ngược lại, nó rất trực quan và phản ánh rõ ảnh hưởng của mỗi biến điều khiển lên một đầu ra xác định.
- Mô hình mờ Hệ thống suy luận mờ (Fuzzy Inference System) là một công cụ xấp xỉ rất mạnh.
- Chính vì những ưu điểm trên mà chúng ta sẽ dử dụng mô hình mờ làm mô hình cho đối tượng điều khiển trong bài luận văn này để có kết quả nhận dạng nhanh và chính xác hơn với đối tượng MIMO.
- Ứng với mỗi loại mô hình đầu ra dự báo được tính toán như sau: Đối với mô hình Mamdani ˆ(\)(\)LlLlbtktyt k ttktµϕµϕ.
- (1.13) Đối với mô hình Takagi – Sugeno ˆ(\)LlLltkt tkttktyt k tθϕ µ ϕµϕ.
- Khối này xây dựng hàm mục tiêu cần tối thiểu hoá từ các giá trị dự báo của đầu ra và tín hiệu điều khiển như sau: [][]1221ˆ.
- HC là giới hạn điều khiển.
- ()jδ và ()jλ là chuỗi các trọng số điều chỉnh, tạo sự linh hoạt trong việc lựa chọn thuật toán điều khiển.
- Khối này thực hiện thuật toán tối ưu hoá phiếm hàm mục tiêu để thu được chuỗi tín hiệu điều khiển tối ưu trong giới hạn điều khiển từ 1 đến CH.
- Sau đó, chỉ tín hiệu điều khiển đầu tiên )(ku trong chuỗi tín hiệu tính toán được đưa tới điều khiển dối tượng thực.
- MÔ HÌNH MỜ DỰ BÁO 2.1.
- Lý thuyết về tập mờ có thể được sử dụng trong việc mô hình hoá hệ thống.
- Trong điều khiển dự báo thì mô hình mờ Takagi-Sugeno (TS hoặc TSK) được nghiên cứu và sử dụng rộng rãi hơn cả.
- Mô hình như vậy được gọi là mô hình dự báo: 1)ˆ() (tyt f Z−= (2.2) Trong đó ˆ()yt là đầu ra dự báo.
- Như ta đã biết một mô hình mờ có thể coi như một tập các tham số.
- Từ đó ta có một mô hình tổng quát mới như sau: )ˆ.
- Ta sẽ sử dụng mô hình mờ Takagi-Sugeno để mô hình hoá đối tượng phi tuyến.
- Tính toán, chỉnh định các thông số cho mô hình mờ.
- (2.29) Ứng dụng để chỉnh định thông số cho mô hình mờ Takagi- Sugeno RiRigx xxfx==mmq=åå .
- Trong lĩnh vực tối ưu hoá, thuật toán di truyền được phát triển nhanh chóng và ứng dụng trong nhiều lĩnh vực khác nhau như tối ưu hàm, xử lý ảnh, bài toán hành trình người bán hàng, nhận dạng hệ thống và điều khiển.
- Mục đích của bài toán điều khiển theo mô hình dự báo xác định được chuỗi tín hiệu điều khiển trong phạm vi điều khiển.
- Ở đây, mỗi cá thể trong quần thể sẽ biểu diễn một chuỗi tín hiệu điều khiển: Trong đó, popN là số lượng nhiễm săc thể trong quần thể.
- CH là phạm vi điều khiển.
- Tức là: mỗi phần tử trong chuỗi tín hiệu điều khiển hoặc biến thiến tín hiệu điều khiển được mã hoá bằng một chuỗi nhị phân có độ dài là n bits.
- Kết quả nhận dạng của mô hình 1.
- 53Kết quả ứng với mô hình mờ 2 như sau: Hình 4.5.
- Kết quả nhận dạng của mô hình 2.
- Nhận xét: Giá trị dự báo của mô hình mờ xây dựng bám rất sát giá trị tín hiệu thực.
- Mô hình mờ dự báo.
- Mô hình mờ dự báo của đối tượng ứng với đầu ra y1.
- Hệ luật của mô hình mờ ứng với đầu ra y1.
- Mô hình mờ dự báo của đối tượng ứng với đầu ra y2.
- Hệ luật của mô hình ứng với đầu ra y2.
- 604.3 Xây dựng bộ điều khiển cho mô hình mờ dự báo.
- newgen=selectmin(gen, myfis1, myfis2, lamda, TDLy, TDLu, range_du1, range_du2, Hp, ref1, ref2, y1, y2, u1, u2, t) Trong đó: gen: là quần thể lúc trước được tái sinh myfis: là mô hình mờ dự báo của đối tượng điều khiển lamda: là trọng số của phiếm hàm mục tiêu TDLy, TDLu: là đường dây trễ y, đường dây trễ u range_du1: là dải biến thiên tín hiệu vào Hp: là giới hạn dự báo 61ref: là tín hiệu đặt y, u: tín hiệu ra, tín hiệu vào t: thời gian newgen: quần thể mới được tái sinh 4.3.4.
- Thực thi bộ điều khiển GA.
- Bộ điều khiển GA được xây dựng bởi hàm sau u=mpc_GA(myfis,myfis2,lamda,TDLy,TDLu,model,Ts,Hp,num_bit,num_chro,num_gen,Amp,K_fb,Tmax) Trong đó myfis1, myfis2: là mô hình mờ dự báo của đối tượng điều khiển lamda: là trọng số của phiếm hàm mục tiêu 62TDLy, TDLu: là đường dây trễ y và đường dây trễ u model: là đối tượng điều khiển Ts: là chu kỳ trích mẫu Hp: là giới hạn dự báo num_bit: là số bít mã hoá num_chro: là số nhiễm sắc thể trong quần thể num_gen: là số thế hệ tiến hoá Amp: biên độ tín hiệu đặt K_fb: hệ số khuếch đại mạch phản hồi Tmax: thời gian mô phỏng 4.3.7.
- Đáp ứng của hệ khi các tham số bộ điều khiển GA là: lamda=0.01, Hp=3, num_bit=10.
- num_chro=60, num_gen=3 63Kết quả điều khiển với đầu ra y1 (không có nhiễu) Hình 4.14.
- Kết quả điều khiển với đầu ra y2 (không có nhiễu) Hình 4.15.
- 68* Nhận xét: Khi tăng giới hạn dự báo, thời gian tính toán tăng lên nhưng đáp ứng của hệ đã được cải thiện rõ rệt, chất lượng tín điều khiển bám tín hiệu đặt tốt, y2 hầu như không có quá điều chỉnh.
- Trong trường hợp cần tối ưu về năng lượng, ta tăng trọng số lamda nhằm thu được tín hiệu điều khiển trơn hơn.
- Có thể thấy chất lượng tín hiệu điều khiển đã được cải thiện đáng kể ở trường hợp y2.
- Phương pháp MPC sử dụng mô hình mờ dự báo và thuật toán tối ưu phiếm hàm mục tiêu là Giải thuật di truyền cho kết quả điều khiển rất tốt.
- Phương pháp này được đề xuất ứng dụng để điều khiển thực tế trong các quá trình công nghiệp.
- Luận văn được hoàn thành đã trình bầy lý thuyết của phương pháp điều khiển dự báo tựa mô hình đối tượng (Model Predictive Control) hướng vào lớp đối tượng nhiều vào/nhiều ra (MIMO.
- Bộ điều khiển được xây dựng dựa trên mô hình mờ Takagi-Sugeno và phương pháp tối ưu hoá giải thuật di truyền.
- Vì vậy, luận văn còn có thể được xây dựng thêm với đối tượng phi tuyến, và nâng cao chất lượng cho bộ điều khiển khi ảnh hưởng của nhiễu phức tạp hơn.
- So sánh chất lượng giữa bộ điều khiển MPC và các bộ điều khiển khác và cho các đối tượng thực khác nhau.
- N.D.Phước, P.X.Minh, Lý thuyết điều khiển mờ, NXB Khoa học kỹ thuật, 2000.
- Phần nhận dạng đối tượng điều khiển.
- Thuật toán thực hiện trong Matlab như sau ứng với mô hình mờ số 1 cho đầu ra y1: function myfis=RUN1(model,Ts,num_input,range_u,step)

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt