Điều khiển mô hình nội (IMC) thích nghi với mô hình nhận dạng on-line

- 1 1.2 Nguyên lý điều khiển mô hình nội.
- 40 2.1.2 Lớp mô hình thích hợp.
- Phƣơng thức mô tả sai lệch giữa mô hình MT và đối tƣợng thực T.
- 54 2.3 Nhận dạng tham số mô hình.
- 56 2.3.1 Phát biểu bài toán nhận dạng mô hình ARMA.
- 56 2.3.2 Nhận dạng bị động tham số mô hình ARMA.
- 65 2.4 Ví dụ : Xây dựng và ƣớc lƣợng mô hình quá trình sử dụng System Identification Toolbox trong Matlab.
- 69 2.4.2 Mô tả của mô hình quá trình sử dụng đối tƣợng IDPROC.
- 70 2.4.3 Tạo đối tƣợng IDPROC (sử dụng mô hình Simulink.
- 70 2.4.4 Xác định tham số của mô hình IDPROC.
- 72 2.4.5 Thời gian tính toán và đáp ứng tần số của mô hình IDPROC.
- 73 2.4.6 Mô hình hóa hệ thống điều khiển trong vòng kín.
- 85 CHƢƠNG 3 ỨNG DỤNG NGUYÊN LÝ MÔ HÌNH NỘI VÀ NHẬN DẠNG HỆ THỐNG ĐỂ ĐIỀU KHIỂN THÍCH NGHI HỆ THỐNG.
- Gaircia và Morari đã phát triển mô hình nội [10].
- Morari và Zafiriou tổng kết mô hình nội ở phạm vi rộng hơn trong vấn đề điều khiển [16].
- Xuất phát từ mô hình nội có nhiều ƣu điểm so với thiết kế các hệ thống điều khiển.
- Sự ổn định trong mô hình nội chỉ phụ thuộc vào bộ điều khiển và nhánh định danh.
- Hiển nhiên nếu sử dụng bộ điều khiển cân bằng mô hình: 1()()pQsGs (1.1) Thì hệ điều khiển hở trong hình 1.1 sẽ có hàm truyền.
- ()pGs= mô hình quá trình ()Qs= bộ điều khiển mô hình nội.
- Đầu vào điểu khiển U(s) đƣợc đƣa vào cả quá trình và mô hình của nó.
- (1.2) Nếu d(s) bằng không thì giá trị ()Dschính là đại lƣợng đặc trƣng cho sai lệch giữa quá trình và mô hình của nó.
- Khi mà mô hình và quá trình là đồng nhất.
- (1.3) Bằng phép biến đổi ta thu đƣợc tín hiệu đƣa vào đối tƣợng và mô hình quá trình nhƣ sau.
- Cấu trúc bộ điều khiển IMC ghép bộ lọc thông thấp ()fGs Cuối cùng suy ra bộ điều khiển mô hình nội (nhƣ hình 1.5 dƣới đây) là.
- 14 Cuối cùng là xác định bộ điều khiển mô hình nội ()IMCGstheo (1.12).
- Mô hình tham chiếu ()Gs sẽ bằng G(s) và bộ điều khiển IMC sẽ đƣợc thiết kế cho hệ thống mới này nhƣ đã đƣợc đề cập ở phần trƣớc.
- Ý tƣởng điều khiển mới là cố gắng để loại bỏ mô hình quá trình ()pGs bằng ()pGs ()Ks ()cGs ()Gs ()Ys.
- Nói cách khác, các thông số của mô hình quá trình có thể có nhiều giá trị và điều này có thể ảnh hƣởng đến đáp ứng cuối cùng của hệ thống.
- Cho mô hình quá trình dạng 52()1 20speGss.
- Mô hình tuyn tính Hình 1.20: Lƣợc đồ mô hình tuyến tính hệ thống phản ứng hóa học Với .
- Không có sai lệch mô hình (G1 nhƣ G2) G1p s s+1)^2.
- Khác điều khiển vòng hở, cấu trúc IMC có bù nhiễu và mô hình thay đổi.
- Kết quả tổng hợp điều khiển phụ thuộc rất nhiều vào mô hình mô tả đối tƣợng.
- Mô hình càng chính xác, hiệu suất công việc càng cao.
- Hình 2.1: Điều khiển theo nguyên tắc phản hồi đầu ra Việc xây dựng mô hình cho đối tƣợng đƣợc gọi mô hình hóa.
- Nhƣ vậy, khái niệm nhận dạng hệ thống điều khiển đƣợc hiểu là sự bổ sung cho việc mô hình hóa đối tƣợng mà ở đó lƣợng thông tin ban đầu về đối Bộ điều khiển Đối tƣợng ()rt e(t) u(t) y(t.
- 2) Mô hình tìm đƣợc phải có sai số với đối tƣợng là nhỏ nhất.
- Đó là : (1) Lớp mô hình thích hợp: chẳng hạn lớp mô hình tuyến tính không có cấu trúc (không biết bậc của mô hình) hoặc có cấu trúc, lớp mô hình lƣỡng tuyến tính.
- (3) Phƣơng thức mô tả sai lệch giữa mô hình và đối tƣợng thực.
- Ta chỉ quan tâm tới bài toán nhận dạng lớp những mô hình tuyến tính gần đúng của đối tƣợng.
- Một mô hình gọi là tuyến tính nếu ánh xạ MTmô tả quan hệ giữa r tín hiệu vào 12.
- của mô hình thỏa mãn .
- Tính chất trên của mô hình tuyến tính, trong điều khiển còn đƣợc gọi là nguyên lý xếp chồng.
- Các loại mô hình tuyến tính đƣợc sử dụng nhiều nhất khi nhận dạng đối tƣợng SISO không có nhiễu tác động.
- Hình 2.2: Mô hình đối tƣợng SISO không có nhiễu tác động Do đặc thù nhƣ vậy, dạng bài toán nhận dạng này đƣợc xếp vào bài toán nhận dạng mô hình không tham số (nonparametric identification.
- ,...,annK a a b bbcũng nhƣ bậc của mô hình (nếu không biết trƣớc).
- Các dạng bài toán này gọi là nhận dạng mô hình có tham số (parametric identification).
- ()()()kgthtyty 43 Hình 2.3: Mô hình đối tƣợng SISO có nhiễu tác động - Hàm truyền đạt G(z), đƣợc hiểu là tỷ số giữa ảnh  của dãy giá trị đáp ứng {y }k, {y }=y(kT )kavới ảnh của dãy giá trị kích thích {}ku.
- Khi l = 0, mô hình (2.3) trên đƣợc gọi là ARMA.
- Nhận dạng có nhiệm vụ thông qua việc quan sát những tín hiệu vào ra để xác định tham số của mô hình.
- Bởi vậy bài toán này thuộc lớp bài toán nhận dạng mô hình có tham số.
- Thứ hai, mô hình hóa tín hiệu nhiễu.
- )W( )N z H s z trong đó W(z) là ảnh  của tín hiệu ồn trắng và H(z) là mô hình của nhiễu.
- 3) Mô hình Box – Jenkin: 11111.
- Trong bài toán nhận dạng, sai lệch giữa đối tƣợng thực T và mô hình MT thƣờng đƣợc biểu diễn qua: 1) Sai lệch đầu ra.
- Cho mô hình ARMA có phƣơng trình bbaannnnb z b zYzG z KUza z a z.
- ...abnnabK a bab trên cơ sở quan sát, đo tín hiệu vào u(t) và ra y(t) sao cho sai lệch giữa mô hình và đối tƣợng là nhỏ nhất.
- Loại nhận dạng bị động (possive): Đặc biệt khi 0bn  mô hình (2.36) trở thành aannY z KGzUza z a z.
- (2.39) và đƣợc gọi là mô hình AR của đối tƣợng.
- Ngƣợc lại khi 0an  thì mô hình (2.37) trở thành 11.
- (2.42) Của mô hình MA là: 1()bnn n k n kky K u b u.
- mô hình ARMA Bây giờ xét bài toán tổng quát hơn cho việc nhận dạng tham số mô hình ARMA.
- ,...,abnnK a a b bcủa mô hình (2.37) sao cho sai lệch giữa mô hình và đối tƣợng là nhỏ nhất.
- Hình 2.6: Nhận dạng bị động tham số mô hình ARMA Để giải quyết bài toán vừa nêu có hai cách.
- Chuyển bài toán về dạng chủ động và sử dụng các thuật toán nhận dạng chủ động tham số mô hình ARMA đã biết.
- Để đơn giản, chuyển mô hình (2.37) về dạng, {ky } {ku } ()Bz Đối tƣợng ARMA ()Az - Nhiễu  ku  ky  ke bbaannnnb b z b zBzGzAza z a z.
- (2.45) Mô hình (2.45) trên chỉ đúng nếu nhƣ.
- (2.49) Và chính là công thức xác định các tham số của mô hình ARMA.
- 3) Tính vector pcủa tham số mô hình (2.48).
- iên Xét bài toán nhận dạng bị động tham số mô hình ARMA với các tín hiệu vào/ra là những hàm ngẫu nhiên.
- 2) Xét mô hình ()()BzKAz của tín hiệu đầu vào nhƣ một khâu mắc nối tiếp ngay sau đối tƣợng ()()BzKAz cần nhận dạng (hình 2.4), thì tín hiệu đầu vào ()ytcủa ()()BzKAzsẽ đồng thời là tín hiệu ra của đối tƣợng khi đối tƣợng đƣợc chủ động kích thích bằng tín hiệu ồn trắng ()ut.
- 0,1,...,ky k N và mô hình ()()BzKAz theo công thức.
- tức là tín hiệu vào u(t) và đối tƣợng có cùng mô hình AR.
- b) Thuật toán AR_MA nếu 0cann hay mô hình tín hiệu vào u(t) là AR còn mô hình đối tƣợng là MA.
- c) Thuật toán AR_ARMA nếu 0cn tức là tín hiệu vào u(t) có mô hình AR còn đối tƣợng có mô hình ARMA.
- nói cách khác tín hiệu vào u(t) có mô hình MA còn đối tƣợng là AR.
- tức là cả tín hiệu vào u(t) và đối tƣợng đều đƣợc mô tả bởi mô hình MA.
- tức là tín hiệu vào u(t) và đối tƣợng đều mô tả bởi mô hình MA.
- tức là tín hiệu vào u(t) có mô hình ARMA còn mô hình đối tƣợng là AR.
- h) Thuật toán ARMA_MA cho trƣờng hợp tín hiệu vào u(t) có mô hình ARMA còn đối tƣợng có mô hình MA (0an.
- i) Thuật toán ARMA_ARMA cho trƣờng hợp cả tín hiệu vào u(t) và đối tƣợng cũng có mô hình ARMA.
- ,abnna a a b b b Kcủa mô hình đối tƣợng từ dãy  ky nhờ hàm ARMA.
- Đối tƣợng DPROC xác định mô hình quá trình bằng cách sử dụng ký hiệu P(cho mô hình quá trình), D (cho thời gian trễ), Z (cho điểm không) và I (cho tích phân).
- Mô hình quá trình với hàm truyền dTszppTsG s Kp es T s T s.
- mô hình này cũng không đƣợc xác định dựa vào dữ liệu.
- Mô hình quá trình với hàm truyền: ()dTsKpG s es với ;dKp NaN T NaN.
- mô hình cũng không đƣợc xác định dựa vào dữ liệu.
- mô hình không đƣợc xác định dựa vào dữ liệu 72.
- Ví dụ, chúng ta xem xét bài toán ƣớc tính các tham số của mô hình hệ thống Simulink (phần mầu đỏ) sử dụng dữ liệu mô phỏng.
- 76 m2 kết quả mô hình quá trình với hàm truyền: 1()1dTspKpG s eTs.
- So sánh bốn mô hình m0(đúng), m1 (thu đƣợc từ đầu vào zoh), m2 (thu đƣợc cho đầo vào liên tục với zoh giả định), m3 (đạt đƣợc với đầu vào tƣơng tự, nhƣng với foh giả định).
- Để ước tính việc sử dụng mô hình: m2 = pem(dat2,'p2zdi','td',{'max',5},'cov','none') compare(dat2v,m2,m0.
- kết quả hàm truyền của mô hình quá trình dTszppTsG s Kp es T s T s.
- Hàm truyền mô hình quá trình dTszppTsG s Kp es T s T s.
- Mô hình này không đƣợc ƣớc tính đối với dữ liệu.
- Mô hình này có giá trị tham số “xấu” hơn nhiều.
- Hàm truyền của mô hình quá trình dTszppTsG s Kp es T s T s.
- Hình 2.20: Đồ thị đáp ứng của hệ thống Nhƣ vậy, mô hình đơn giản có thể ƣớc tính đầu ra hệ thống khá tốt.
- Kết quả đầu ra của nhận dạng là toàn bộ các tham số của đối tƣợng điều khiển, các tham số này sẽ đƣợc sử dụng để chỉnh định và thiết kế lại mô hình đối tƣợng và bộ điều khiển IMC.
- Mô hình của đối tƣợng ()Gs này sẽ đƣợc sử dụng để thiết kế bộ điều khiển IMC nhƣ phần 1.5 của chƣơng 1

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