Post on 26-Sep-2020
Moân hoïcMoân hoïc
HEÄ THOÁNG ÑIEÀU KHIEÅN THOÂNG MINHHEÄ THOÁNG ÑIEÀU KHIEÅN THOÂNG MINH
Giaûng vieân: TS. Huyønh Thaùi HoaøngB ä â Ñi à Khi å Tö Ñ äBoä moân Ñieàu Khieån Töï Ñoäng
Khoa Ñieän – Ñieän TöûÑaïi hoïc Baùch Khoa TP.HCM
Email: hthoang@hcmut edu vnEmail: hthoang@hcmut.edu.vnHomepage: http://www4.hcmut.edu.vn/~hthoang
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 1
Chöông 4Chöông 4
ĐIỀU KHIỂN DỰA VÀO MÔ HÌNH ĐIỀU KHIỂN DỰA VÀO MÔ HÌNH
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 2
Giới hiệ
Noäi dung chöông 3Noäi dung chöông 3
Giới thiệuNhắc lại về mô hình của hệ phi tuyếnĐiều khiển dùng mô hình ngượcĐiều khiển dùng mô hình ngượcĐiều khiển mô hình nộiĐiều khiển theo mô hình chuẩnều ể eo ô c uĐiều khiển dự báo dựa vào mô hình
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 3
Giới thiệuGiới thiệu
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 4
Giới thiệuGiới thiệu
Điề khiể d à ô hì h là h há điề khiể t đóĐiều khiển dựa vào mô hình là phương pháp điều khiển trong đó có sử dụng tường minh mô hình của đối tượng để tính toán tín hiệu điều khiển. Các phương pháp điều khiển dựa vào mô hình phổ biến:
Điều khiển dùng mô hình ngược (Inverse Control).ề ểĐiều khiển mô hình nội (Internal Model Control).
Điều khiển theo mô hình chuẩn (Model Reference Control).Điề khiể d bá (P di ti C t l)Điều khiển dự báo (Predictive Control)
Các phương pháp điều khiển dựa vào mô hình phi tuyến đã áp dụng thành công vào nhiều lĩnh vực, nhưng lĩnh vực áp dụng chủ ụ g g ự , g ự p ụ gyếu là các quá trình công nghệ hóa học (thí dụ như trong công nghiệp hóa dầu, chế biến thực phẩm, nước giải khát...).
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 5
Nhận dạng mô hình hệ phi tuyếnNhận dạng mô hình hệ phi tuyến
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 6
Vòng lặp nhận dạng hệ thốngVòng lặp nhận dạng hệ thống
Thí nghieäm thuThí nghieäm thu thaäp döõ lieäu
caùc
qui
göõ, …
Xöû lyù sô
heä th
oáng:
ceåu
ngo
ân ng
Xö ly sô boä döõ lieäu
Choïn caáu truùc
t trö
ôùc v
eà h
caùc
phaùt
bie moâ hình
Choïn tieâu chuaån öôùc löông
oâng
tin b
ieát
aät v
aät ly
ù, c öôc löôïng
Öôùc löôïng thoâng soá
Thoâ lu
Khoâng toát ⇒ laëp laïiKhoâng toát ⇒ xeùt laïi
Ñaùnh giaù moâ hình
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 7
Toát ⇒ chaáp nhaän moâ hìnhg ï
thoâng tin bieát tröôùc
Cấu trúc mô hình phi tuyếnCấu trúc mô hình phi tuyến
Đối tĐối tượng:
)()](,),1(),(,),1([)( 0 kvnkykynkukufky yu +−−−−= KK
Dữ liệu: { })(),(;);2(),2();1(),1( NuNyuyuyZ N K=ệ { }
Mô hình: Bộ dự báoV hồi i
)),((),(ˆ θϕθ kfky =
),(ˆ θky)(k Vector hồi qui
Vector tham số)(kϕ
θ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 8
Phân loại mô hình phi tuyếnPhân loại mô hình phi tuyến
Phâ l i th á hầ tử hồi iPhân loại theo các phần tử hồi qui:
Phân loại theo bộ cấu trúc hàm phi tuyến:Mô hì h ờ M d i SMô hình mờ: Mamdani, SugenoMô hình mạng thần kinh: MLP, RBFMô hình lai mạng thần kinh mờ: ANFIS
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 9
Mô hình lai mạng thần kinh mờ: ANFIS
Sơ đồ khối bộ dự báo mờSơ đồ khối bộ dự báo mờ
Qui tắc mờ mô tả đặc tính động học của đối tượng phi tuyến:
Bộ dự báo: ∑ ∏= =
=r
ij
n
i
n
jijijjAi kky
1 1
),),((.),(ˆϕ
γβϕμαθ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 10
Vector tham số: Tnnnnn rrr
],...,,,...,,,...,[ 11111 ϕϕγγββαα=θ
Sơ đồ khối bộ dự báo dùng mạng thần kinhSơ đồ khối bộ dự báo dùng mạng thần kinh
⎟⎟⎞
⎜⎜⎛
== ∑∑∑ϕ
ϕnll
kvgwkzwky )()()(ˆ θBộ dự báo: ⎟⎟⎠
⎜⎜⎝
== ∑∑∑===
ϕj
jijii
iii
i kvgwkzwky111
)()(),( θ
[ ]Tlll wwvvvv 11111=θ
Bộ dự báo:
Vector tham số:
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 11
[ ]llrlr wwvvvv ,...,,,,,,,, 11111 KKKθVector tham số:
Ước lượng tham sốƯớc lượng tham số
v(k)
Đối tượngu(k) y(k)
),( θkε
Mô hình),(ˆ θky
Tiêu chuẩnước lượng
Tối ưu hóaước lượng
Tiêu chuẩn ước lượng:NN
[ ]∑∑==
−==N
k
N
k
NN kyky
Nk
NZV
1
2
1
2 ),(ˆ)(1)(1),( θθ ε
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 12
Thuật toán tối ưu hóa: thuật toán Newton, giải thuật di truyền,…
Điều khiển dùng mô hình ngượcĐiều khiển dùng mô hình ngược
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 13
Điều khiển ngược trực tiếp (Direct Inverse Control)Điều khiển ngược trực tiếp (Direct Inverse Control)
Nguyên tắc điều khiển ngược trực tiếp
Phương pháp điều khiển vòng hở trong đó bộ điều khiển là mô hình
Nguyên tắc điều khiển ngược trực tiếp
Phương pháp điều khiển vòng hở, trong đó bộ điều khiển là mô hình ngược của đối tượng. Đối tượng:
Luật điều khiển:
))1(),...,(),1(),...,(()1( +−+−=+ mkukunkykyfky
Thực tế rất khó rút ra mô hình ngược giải tích của đối tượng, nhất là
))1(),...,1(),1(),...,(),1(()( 1 +−−+−+= − mkukunkrkrkrfku
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 14
Thực tế rất khó rút ra mô hình ngược giải tích của đối tượng, nhất là trong trường hợp đối tượng phi tuyến
Mô hình ngượcMô hình ngược
ể ố
Mô hình ngược
Sử dụng FM/NN để nhận dạng đặc tính động học ngược của đối tượng:
))1()1()1()()1((ˆ)(ˆ 1 kkkkkfk θ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 15
))1(),...,1(),1(),...,(),1((),(ˆ 1 +−−+−+= − mkukunkykykyfku θ
Ước lượng thông số mô hình ngượcƯớc lượng thông số mô hình ngược
Sơ đồ ước lượng tham số mô hình ngược offline
Ước lượng offline:Thu thập N mẫu dữ liệu vào ra của đối tượngTiêu chuẩn ước lượng tham số:
min)](ˆ)([)( 2 →−=∑N
kukuJ θθ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 16
min)],()([)(1
→∑=k
kukuJ θθ
Ước lượng thông số mô hình ngượcƯớc lượng thông số mô hình ngược
Sơ đồ ước lượng tham số mô hình ngược online
Ước lượng online:
Sơ đồ ước lượng tham số mô hình ngược online
ợ gThông số mô hình ngược được cập nhật trực tuyến sao cho sai lệch giữa tín hiệu ra của đối tượng và tín hiệu đặt là tối thiểu
ẩ ốTiêu chuẩn ước lượng tham số:
min)]()([)( 2 →−=∑ kykrJ θ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 17
)()()( ∑k
y
Điều khiển dùng mô hình ngược trực tiếpĐiều khiển dùng mô hình ngược trực tiếp
Mô hình ngược sau khi nhận dạng sẽ được sử dụng để điều khiển đối tượng
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 18
tượng
Thí dụ: Điều khiển hệ bồn chứa dùng mô hình ngược trực tiếpThí dụ: Điều khiển hệ bồn chứa dùng mô hình ngược trực tiếp
Phương trình vi phân mô tả đặc tính động học hệ bồn chứa:
( ))(2)(1)( hCkh& ( ))(2)()(
)( tghaCtkuhA
th D−=
minmax)( AhAAhA +−
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 19
minmax
minmax)( Ahh
hA +=
Nhận dạng đặc tính động học hệ bồn đơnNhận dạng đặc tính động học hệ bồn đơn
Mô hì h th ậ ủ hệ bồ đ ó thể biể diễ hMô hình thuận của hệ bồn đơn có thể biểu diễn như sau:))(),(()1( kukhfkh =+
Mô hình ngược:
ầ ể ồ
))(),1((ˆ)(ˆ 1 khkhfku += −
Sử dụng mạng thần kinh để nhận dạng mô hình ngược của hệ bồn chứa. Cấu trúc mạng thần kinh:
Tín hiệu vào: )(),1( khkh +ệTín hiệu ra:Số tế bào thần kinh ở lớp ẩn là 6.
k h h l ẩ l h i id
)(),()(ˆ ku
Hàm kích hoạt ở lớp ẩn là hàm sigmoid; Hàm kích hoạt ở lớp ra là hàm tuyến tính.
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 20
Dữ liệu vào ra hệ bồn đơnDữ liệu vào ra hệ bồn đơn
Si l t k i t t t d t
9
12Single tank input - output data
3
6u(t)
0
40
20
30
0
h(t)
0 200 400 600 800 10000
10
h
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 21
0 200 400 600 800 1000Time
Sơ đồ điều khiển hệ bồn đơn dùng mô hình ngượcSơ đồ điều khiển hệ bồn đơn dùng mô hình ngược
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 22
Kết quả điều khiển hệ bồn đơn dùng mô hình ngượcKết quả điều khiển hệ bồn đơn dùng mô hình ngược
40r(t)
30
( )h(t)
20
0
10
0 100 200 300 4000
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 23
Nhận xétNhận xét
Ph há điề khiể dù ô hì h hỉ ó hể á dPhương pháp điều khiển dùng mô hình ngược chỉ có thể áp dụng khi đối tượng cần điều khiển là ổn định với pha cực tiểu.Nếu mô hình ngược không nhận dạng đúng đặc tính động họcNếu mô hình ngược không nhận dạng đúng đặc tính động học ngược của đối tượng thì kết quả điều khiển sẽ có sai số. Giải pháp để loại trừ ảnh hưởng của sai số mô hình:
dùng sơ đồ điều khiển thuận (Feed Forward Control) hoặc điều khiển mô hình nội (Internal Model Control).
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 24
Điều khiển thuận (Feed Forward Control)Điều khiển thuận (Feed Forward Control)
Sơ đồ điều khiển thuận
Trong trường hợp mô hình NN/FM không thể nhận dạng hoàn
Sơ đồ điều khiển thuận
g g ợp g ậ ạ gtoàn chính xác đặc tính động học ngược của đối tượng thể sử dụngthêm bộ điều khiển PID kinh điển để triệt tiêu sai số do mô hình
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 25
Thí dụ điều khiển thuận hệ bồn đơnThí dụ điều khiển thuận hệ bồn đơn
Mô hình ngược: mạng NN (đã trình bày ở thí dụ trước)
Bộ điề khiể PI sG 01.010)( +
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 26
Bộ điều khiển PI:s
sGPID 10)( +=
Kết quả điều khiểnKết quả điều khiển
40
20
30
r(t)h(t)
0 100 200 300 4000
10
0 00 00 300 00
40
Điều khiển ngược (Inverse Control)
20
30
r(t)h(t)
0 100 200 300 4000
10
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 27
Điều khiển thuận (Feed forward Control)
Điều khiển mô hình nộiĐiều khiển mô hình nội
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 28
Điều khiển mô hình nội tuyến tínhĐiều khiển mô hình nội tuyến tính
Đối tượngĐối tượng
Mô hình ngượcMô hình ngược
Sơ đồ điều khiển mô hình nội tuyến tính
Mô hình thuận
Tín hiệu ra của hệ thống:
ộ y
)()()()()( sGsNsGsRsY NR +=
)()()( GGY)(ˆ)()()(1
)()()()()(
0)( sGsGsGsGsGsG
sRsYsG
PCPC
PC
sNR −+
===
)(ˆ)(1)()( sGsGsYG PC−
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 29
)(ˆ)()()(1)()(
)()()(
0)( sGsGsGsGsNssG
PCPC
PC
sRN −+
===
Điều khiển mô hình nội phi tuyếnĐiều khiển mô hình nội phi tuyến
Sơ đồ điều khiển mô hình nội tuyến tính
Nếu đối tượng ổn định, mô hình ngược ổn định và mô hình ngược chính xác bằng nghịch đảo đặc tính động học mô hình thuận thì tín
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 30
g g ghiệu ra đúng bằng tín hiệu vào, bất chấp nhiễu.
Thí dụ điều khiển mô hình nội hệ bồn đơnThí dụ điều khiển mô hình nội hệ bồn đơn
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 31
Dữ liệu vào ra hệ bồn đơnDữ liệu vào ra hệ bồn đơn
Si l t k i t t t d t
9
12Single tank input - output data
3
6u(t)
0
40
20
30
0
h(t)
0 200 400 600 800 10000
10
h
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 32
0 200 400 600 800 1000Time
Nhận dạng đặc tính động học hệ bồn đơnNhận dạng đặc tính động học hệ bồn đơn
Mô hình thuận của hệ bồn đơn có thể biểu diễn như sau:Mô hình thuận của hệ bồn đơn có thể biểu diễn như sau:))(),(()1( kukhfkh =+
Mô hình ngược:
Cấ t ú thầ ki h hậ d ô hì h
))(),1((ˆ)(ˆ 1 khkhfku += −
Cấu trúc mạng thần kinh nhận dạng mô hình ngượcTín hiệu vào: Tín hiệu ra:Số tế bào thần kinh ở lớp ẩn là 6.
)1(),1( −− kukh )(ˆ khp
Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính.
Cấ ú hầ ki h hậ d ô hì hCấu trúc mạng thần kinh nhận dạng mô hình ngượcTín hiệu vào: Tín hiệu ra:Số tế bào thần kinh ở lớp ẩn là 6
)(),1( khkh + )(ˆ ku
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 33
Số tế bào thần kinh ở lớp ẩn là 6.Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính.
Kết quả điều khiểnKết quả điều khiển
4040( )
20
30
r(t)h(t)
20
30
r(t)h(t)
0 100 200 300 4000
10
0 100 200 300 4000
10
ề ể
40
Điều khiển ngượcĐiều khiển mô hình nội
20
30
r(t)h(t)
0 100 200 300 4000
10
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 34
Điều khiển thuận
Điều khiển theo mô hình chuẩnĐiều khiển theo mô hình chuẩn
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 35
Nguyên tắc điều khiển theo mô hình chuẩnNguyên tắc điều khiển theo mô hình chuẩn
Tiêu chuẩn huấn luyện bộ điều khiển:
ể
min)]()([)( 2 →−=∑k
m kykyJ θ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 36
Mô hình NN/FL: dùng để ước lượng khi tìm cực trịθ∂∂ /)(ky )(θJ
Thí dụ: Điều khiển cánh tay máy theo mô hình chuẩnThí dụ: Điều khiển cánh tay máy theo mô hình chuẩn
h ì h i h đ í h đ h h áPhương trình vi phân mô tả đặc tính động học hệ tay máy:
)()(sin10)(2)( tuttt =++ φφφ &&&
9)()( Φ ssG m
Điều khiển cánh tay máy bám tín hiệu đặt theo mô hình chuẩn:
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 37
96)()()( 2 ++==
sssRsG m
m
Sơ đồ mô phỏng điều khiển cánh tay máy theo mô hình chuẩnSơ đồ mô phỏng điều khiển cánh tay máy theo mô hình chuẩn
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 38
Cấu trúc các mạng thần kinhCấu trúc các mạng thần kinh
Cấu trúc mạng thần kinh nhận dạng đặc tính động học tay máy:Cấu trúc mạng thần kinh nhận dạng đặc tính động học tay máy:Tín hiệu vào:φ(k−1), φ(k−2), u(k−1), u(k−2)Tín hiệu ra: )(ˆ kφTín hiệu ra: Số tế bào thần kinh ở lớp ẩn là 10
)(kφ
Cấu trúc mạng thần kinh thực hiện chức năng điều khiển:Tín hiệu vào: φ(k−1), φ(k−2), r(k−1), r(k−2), u(k−1)Tín hiệu ra: u(k)Số tế bào thần kinh ở lớp ẩn là 13.
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 39
Dữ liệu huấn luyện mạng thần kinh nhận dạng mô hình tay máyDữ liệu huấn luyện mạng thần kinh nhận dạng mô hình tay máy
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 40
Dữ liệu huấn luyện mạng thần kinh điều khiển theo mô hình chuẩnDữ liệu huấn luyện mạng thần kinh điều khiển theo mô hình chuẩn
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 41
Kết quả điều khiển cánh tay máy theo mô hình chuẩnKết quả điều khiển cánh tay máy theo mô hình chuẩn
Chú ý: Chất lượng điều khiển phụ thuộc rất nhiều vào kết quả huấn
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 42
Chú ý: Chất lượng điều khiển phụ thuộc rất nhiều vào kết quả huấn luyện các mạng thần kinh.
Điều khiển dự báo dựa vào mô hìnhĐiều khiển dự báo dựa vào mô hình
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 43
Sơ đồ khối hệ thống điều khiển dự báoSơ đồ khối hệ thống điều khiển dự báo
Mô hình để dự báo đáp ứng của đối tượng trong tương laiMô hình để dự báo đáp ứng của đối tượng trong tương laiThuật toán tối ưu hóa: tính toán chuổi tín hiệu điều khiển tương lai bằng cách tối thiểu hóa một hàm mục tiêu.
ấ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 44
Dời phạm vi dự báo theo thời gian sau mỗi chu kỳ lấy mẫu
Nguyên tắc điều khiển dự báoNguyên tắc điều khiển dự báo
Dù ộ ô hì h để d bá đá ứ ủ đối i á hờiDùng một mô hình để dự báo đáp ứng của đối tượng tại các thời điểm rời rạc trong tương lai trong một phạm vi dự báo (prediction horizon) nhất định.) ịTính toán chuổi tín hiệu điều khiển tương lai trong phạm vi điều khiển (control horizon) bằng cách tối thiểu hóa một hàm mục tiêu. Hà tiê thườ dù là ê ầ là h tí hiệ dự bá đáHàm mục tiêu thường dùng là yêu cầu làm cho tín hiệu dự báo đáp ứng của đối tượng phải càng gần quỹ đạo đáp ứng mong muốn càng tốt, trong điều kiện ràng buộc cho trước.Dời phạm vi dự báo theo thời gian, sao cho tại mỗi thời điểm lấy mẫu quá trình tối ưu hóa được lặp lại với tín hiệu đo vừa thu được, và chỉ có tác động điều khiển đầu tiên trong chuổi tác động điềuvà chỉ có tác động điều khiển đầu tiên trong chuổi tác động điều khiển đã tính toán được xuất ra để điều khiển đối tượng.
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 45
Nguyên tắc điều khiển dự báoNguyên tắc điều khiển dự báo
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 46
Trình tự thiết kế hệ thống điều khiển dự báoTrình tự thiết kế hệ thống điều khiển dự báo
Nhậ d ô hì h ủ đối (dù NN h ặ FM)Nhận dạng mô hình của đối tượng (dùng NN hoặc FM)Chọn phạm vi dự báo HP
Chọn phạm vi điều khiển H (H ≤ H )Chọn phạm vi điều khiển HC, (HC ≤ HP)Chọn hàm mục tiêu:
∑∑ ++++CP HH
ikuikyikwJ 22 )]1([)](ˆ)([)( ρσu ∑∑==
−+++−+=i
ii
i ikuikyikwJ1
2
1
2 )]1([)]()([)( ρσu
∑∑ −+−+++−+=CP H
i
H
i ikuikuikyikwJ 22 )]1()([)](ˆ)([)( ρσu ∑∑==
−+−+++−+=i
ii
i ikuikuikyikwJ11
)]1()([)]()([)( ρσu
[ ]TCHkukuku )1()1()( −++= Ku
Chọn thuật toán tối ưu hóa: thuật toán Newton giải thuật di truyền
)()1()()( ikrkwikw +−+=+ αα
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 47
Chọn thuật toán tối ưu hóa: thuật toán Newton, giải thuật di truyền
Thuật toán Newton trong điều khiển dự báoThuật toán Newton trong điều khiển dự báo
Hà iê ∑∑CP HH
22ˆHàm mục tiêu:
Thuật toán Newton:
∑∑==
−+++−+=i
ii
i ikuikyikwJ1
2
1
2 )]1([)](ˆ)([)( ρσu
[ ] )ˆ()ˆ(ˆˆ )(1)()()1( jjjj JJ uuuu ′′′= −+Thuật toán Newton: [ ] )()( )()()()( jjjj JJ uuuu −=
)(1
)()()( ˆ),,(diag2)()ˆ,(2)ˆ( jH
Hjj
kj
C
P
ikikJ uuu ρρεψσ K+++−=′ ∑ 11
),,(g)(),()( Hi
k Cρρψ∑=
)ˆ,(ˆ)()( )()( jj ikyikwik u+−+=+ε
)(ˆ
)( )(ˆ)ˆ,(j
ikyik j
uuuu
=⎥⎦⎤
⎢⎣⎡
∂+∂
=+ψ
+⎥⎦
⎤⎢⎣
⎡+
∂+∂
−++=′′ ∑=
PH
i
jj
jTjk
j ikikikikJ1
)()(
)()()( )()ˆ,()ˆ,()ˆ,(2)ˆ( εψψψσu
uuuu
)(di2
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 48
),,(diag2 1 CHρρ K+
Thuật toán LevenbergThuật toán Levenberg--Marquardt trong điều khiển dự báoMarquardt trong điều khiển dự báo
Hà iê ∑∑CP HH
22ˆHàm mục tiêu:
Thuật toán Levenberg Marquardt:
∑∑==
−+++−+=i
ii
i ikuikyikwJ1
2
1
2 )]1([)](ˆ)([)( ρσu
Thuật toán Levenberg-Marquardt:[ ] )ˆ()ˆ(ˆˆ )(1)()()1( jjjj JJ uuuu ′′′−= −+
)(1
1
)()()( ˆ),,(diag2)()ˆ,(2)ˆ( jH
H
i
jjk
jC
P
ikikJ uuu ρρεψσ K+++−=′ ∑=
)ˆ,(ˆ)()( )()( jj ikyikwik u+−+=+ε
)( )(ˆ)ˆ( ikyik ju ⎥⎤
⎢⎡ +∂
+ψ)(ˆ
)( )(),(j
yik j
uuuu
=⎥⎦⎢⎣ ∂
=+ψ
[ ] IikikJ jH
HjTj
kj
P)(
20)()()( )(diag2)ˆ()ˆ(2)ˆ( μρρρψψσ ++++=′′ ∑ uuu
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 49
[ ] IikikJ jH
i
jjk
jC
)(20
1
)()()( ),,,(diag2),(),(2)( μρρρψψσ ++++= ∑=
Kuuu
Điều khiển dự báo mô hình nộiĐiều khiển dự báo mô hình nội
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 50
Thí dụ: Điều khiển dự báo hệ bồn phản ứng dùng mô hình NNThí dụ: Điều khiển dự báo hệ bồn phản ứng dùng mô hình NN
h( ) độ hất lỏh(t): độ cao mực chất lỏngCb(t): nồng độ sản phẩm ở đầu ra của quá trìnhw1(t): lưu lượng vào bồn của dòng sản phẩm có
nồng độ cao C =24 9nồng độ cao Cb1=24.9w2(t) = 0.1: lưu lượng vào bồn của dòng sản
phẩm có nồng độ thấp Cb2=0.1k1=1; k2=1
Đặc tính động học của hệ thống mô tả bởi các phương trình sau:
)(20)()()( htdh
1 ; 2
)(2.0)()()(21 thtwtw
dt−+=
212
21
1 ))(1()(
)()())((
)()())(()(
tCktCk
thtwtCC
thtwtCC
dttdC b
bbbbb −−+−= 2
2 ))(1()()( tCkththdt b+
Bài toán đặt ra là điều khiển nồng độ sản phẩm ở đầu ra theo giá trịđặt bằ á h điề hỉ h l l à ( )
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 51
đặt bằng cách điều chỉnh lưu lượng vào w1(t)
Sơ đồ mô phỏng điều khiển dự báo hệ bồn phản ứngSơ đồ mô phỏng điều khiển dự báo hệ bồn phản ứng
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 52
Thiết kế bộ điều khiển dự báoThiết kế bộ điều khiển dự báo
Cấu trúc mạng thần kinh nhận dạng đặc tính động học hệ bồn phảnCấu trúc mạng thần kinh nhận dạng đặc tính động học hệ bồn phản ứng:
Tín hiệu vào: w1(k−1), w1(k−2), Cb(k−1), Cb(k−2)ệ 1( ), 1( ), b( ), b( )Tín hiệu ra: Số tế bào thần kinh ở lớp ẩn là 7
)(ˆ kCb
Các tùy chọn của thuật toán điều khiển dự báo: Phạm vi điều khiển: 2=HPhạm vi điều khiển:Phạm vi dự báo:Trọng số hàm mục tiêu:
2=CH7=PH
1=σ 05.0=ρọ g ụThuật toán tối ưu hóa: suy giảm độ dốc
ρ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 53
Dữ liệu huấn luyện mạng thần kinh nhận dạng mô hình hệ bồn phản ứngDữ liệu huấn luyện mạng thần kinh nhận dạng mô hình hệ bồn phản ứng
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 54
Kết quả điều khiển dự báo hệ bồn phản ứng dùng mạng thần kinhKết quả điều khiển dự báo hệ bồn phản ứng dùng mạng thần kinh
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 55
Thí dụ: Điều khiển dự báo hệ bồn kép dùng mô hình mờThí dụ: Điều khiển dự báo hệ bồn kép dùng mô hình mờ
Đặc tính động học của hệ thống mô tả bởi các phương trình sau:
( )1 ( )|)()(|2))()(sgn()()(
1)( 2112111
1 ththgaCththtkuhA
th D −−−=&
( ))(|)()(|))()((1)( hhhhhh& ( ))(2|)()(|2))()(sgn()(
1)( 222112122
2 tghaCththgaCththhA
th DD −−−=
iminmax)( AhAAhA iii +
−=
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 56
minmax
)( Ahh
hA iii +=
Sơ đồ mô phỏng điều khiển dự báo hệ bồn képSơ đồ mô phỏng điều khiển dự báo hệ bồn kép
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 57
Cấu trúc mô hình mờ TakagiCấu trúc mô hình mờ Takagi--Sugeno nhận dạng đặc tính động học hệ bồn képSugeno nhận dạng đặc tính động học hệ bồn kép
Hệ qui tắc mờ:Hệ qui tắc mờ:
Hàm liên thuộc của các tập mờ:
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 58
Biểu thức bộ dự báoBiểu thức bộ dự báo
Bộ dự báo mờ:Bộ dự báo mờ:
[ ])2()1()2()1(),),1((),(ˆ 43211817_ −+−+−+−−= tututytytyty thapRat θθθθθθμθ
[ ][ ]
[ ])2()1()2()1(),,),1((
)2()1()2()1(),,),1((
1211109201918
8765191817
_
−+−+−+−−+
−+−+−+−−+
tututytyty
tututytyty
TB
Thap
p
θθθθθθθμ
θθθθθθθμ
[ ])2()1()2()1(),),1(( 161514132019 −+−+−+−−+ tututytytyCao θθθθθθμ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 59
Sơ đồ thu thập dữ liệuSơ đồ thu thập dữ liệu
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 60
Dữ liệu vào ra hệ bồn képDữ liệu vào ra hệ bồn kép
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 61
Kết quả nhận dạng mô hình TakagiKết quả nhận dạng mô hình Takagi--SugenoSugeno
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 62
Thiết kế bộ điều khiển dự báoThiết kế bộ điều khiển dự báo
Mô hình dự báo đáp ứng của hệ bồn kép: mô hình mờ Takagi SugenoMô hình dự báo đáp ứng của hệ bồn kép: mô hình mờ Takagi-Sugeno
Các tùy chọn của thuật toán điều khiển dự báo: Phạm vi điều khiển:Phạm vi dự báo:T ố hà tiê
3=CH10=PH
1 400ρTrọng số hàm mục tiêu:Thuật toán tối ưu hóa: Levenberg-Marquadt
1=σ 400=ρ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 63
Kết quả điều khiển dự báo hệ kép dùng mô hình mờ TakagiKết quả điều khiển dự báo hệ kép dùng mô hình mờ Takagi--SugenoSugeno
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 64