Tải bản đầy đủ

Nghiên cứu ứng dụng lý thuyết điều khiển hiện đại xây dựng mô hình trong điều khiển dự báo phi tuyến

i

BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC THÁI NGUYÊN

LÊ THỊ HUYỀN LINH

NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT ĐIỀU KHIỂN HIỆN ĐẠI
XÂY DỰNG MÔ HÌNH TRONG ĐIỀU KHIỂN DỰ BÁO PHI TUYỄN
LUẬN ÁN TIẾN SĨ KĨ THUẬT
Chuyên ngành: Kỹ thuật điều khiển và Tự động hóa

THÁI NGUYÊN 2015
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


ii

LỜI CAM ĐOAN

Tôi tên là Lê thị Huyền Linh, tôi xin cam đoan đây là công trình nghiên cứu
của cá nhân tôi dƣới sự hƣớng dẫn của tập thể các nhà khoa học và các tài liệu tham
khảo đã trích dẫn. Kết quả nghiên cứu là trung thực và chƣa đƣợc công bố trên bất
cứ một công trình nào khác.

Thái Nguyên, ngày 5 tháng 8 năm 2015
Tác giả luận án

Lê Thị Huyền Linh

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


iii

LỜI CẢM ƠN
Trong suốt quá trình làm luận án, thực sự đã có những lúc khó khăn, tƣởng
chừng nhƣ không thể tiếp tục, nhờ nhận đƣợc sự động viên, giúp đỡ của ngƣời thân,
bạn bè đồng nghiệp, thầy giáo hƣớng dẫn và tập thể các nhà khoa học, tôi đã có
đƣợc kết quả hôm nay. Từ sâu thẳm, tôi xin đƣợc trân trọng gửi lời cảm ơn đến tất
cả. Cảm ơn những ngƣời thầy, ngƣời bạn đã đồng hành, giúp đỡ, chia sẽ cùng tôi
trong giai đoạn khó khăn, vất vả nhất của chặng đƣờng luận án.
Cũng qua đây, tôi xin đƣợc bày tỏ lòng biết ơn chân thành đến thầy giáo
hƣớng dẫn PGS. TS. Lại Khắc Lãi đã tận tình, dìu dắt và định hƣớng cho tôi trong
suốt thời gian qua. Tôi cũng xin đƣợc gửi lời cảm ơn sâu sắc và kính trọng đến các
thầy cô giáo, các đồng nghiệp trong Khoa Điện, tập thể các nhà khoa học, đã đóng
góp những ý kiến quý báu về chuyên môn, quan tâm, tạo điều kiện thuận lợi, giúp
đỡ về công việc và thời gian. Cảm ơn Bộ môn Kỹ thuật Điện, Khoa Điện, các Phòng
ban của Trƣờng Đại học Kỹ thuật Công nghiệp, Đại học Thái Nguyên đã nhiệt tình,
tạo điều kiện trong suốt quá trình thực hiện luận án.
Từ sâu tận đáy lòng, tôi muốn đƣợc nói lời cảm tạ đến bố mẹ, chị gái, chồng
và con gái bé bỏng đã luôn luôn bên tôi, hết lòng thƣơng yêu, quan tâm, sẻ chia, ủng
hộ, động viên tinh thần, tình cảm, tạo điều kiện giúp tôi có nghị lực để hoàn thành
quyển luận án này.
Tác giả luận án

Lê Thị Huyền Linh


Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


iv

MỤC LỤC
LỜI CAM ĐOAN ........................................................................................................ i
LỜI CẢM ƠN ........................................................................................................... iii
MỤC LỤC .................................................................................................................. iv
DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT ............................................vii
DANH MỤC CÁC BẢNG BIỂU ............................................................................... x
DANH MỤC CÁC HÌNH VẼ.................................................................................... xi
MỞ ĐẦU ..................................................................................................................... 1
1. Tính cấp thiết của đề tài luận án ............................................................................. 1
2. Phạm vi, đối tƣợng nghiên cứu và phƣơng pháp nghiên cứu ................................ 3
3. Mục tiêu của luận án .............................................................................................. 4
4. Những đóng góp mới về lý luận và thực tiễn của luận án ..................................... 4
5. Bố cục của luận án ................................................................................................. 5
CHƢƠNG 1
TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
1.1.

7

Giới thiệu tổng quan về điều khiển dự báo theo mô hình ................................ 7

1.1.1. Khái niệm ......................................................................................................... 7
1.1.2. Nguyên lý của điều khiển dự báo theo mô hình............................................... 8
1.1.3. Các thành phần chính trong điều khiển dự báo dựa trên mô hình ................. 10
1.2.

Những vấn đề liên quan về điều khiển dự báo hệ tuyến tính ......................... 15

1.3.

Các ƣu nhƣợc điểm của điều khiển dự báo so với phƣơng pháp khác........... 20

1.4.

Những vấn đề liên quan về điều khiển dự báo hệ phi tuyến .......................... 21

1.5.

Đề xuất hƣớng nghiên cứu giải quyết trong luận án ...................................... 25

1.6.

Kết luận Chƣơng 1 ......................................................................................... 26

CHƢƠNG 2
NHẬN DẠNG NHIỄU VÀ BÙ NHIỄU CHO LỚP HỆ PHI TUYẾN CÓ
TRỄ
2.1.

27
Tổng quát chung về nhận dạng và mạng nơron ............................................. 27

2.1.1 Khái niệm về nhận dạng ................................................................................. 27
2.1.2 Khái quát về cấu trúc mạng nơron ................................................................. 28
2.1.3 Giới thiệu mạng nơron RBF ........................................................................... 30
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


v

2.1.4 Tóm lƣợc về nhận dạng trực tuyến hệ phi tuyến sử dụng mạng nơron nhân
tạo ................................................................................................................... 31
2.2.

Bài toán nhận dạng nhiễu cho lớp hệ phi tuyến có trễ ................................... 32

2.3.

Thuật toán nhận dạng nhiễu hệ phi tuyến có trễ trên cơ sở sử dụng mạng
nơron RBF khi chỉ có một thành phần nhiễu ................................................. 33

2.3.1. Xây dựng thuật toán nhận dạng nhiễu ............................................................ 33
2.3.2. Ví dụ minh họa ............................................................................................... 42
2.4.

Tổng hợp tin hiệu bù nhiễu cho hệ thống có trễ với một kênh điều khiển ........... 45

2.5.

Thuật toán nhận dạng nhiễu hệ phi tuyến có trễ trên cơ sở sử dụng mạng
nơron RBF khi có nhiều thành phần nhiễu .................................................... 46

2.5.1. Xây dựng thuật toán nhận dạng ........................................................................ 47
2.5.2. Ví dụ minh họa ............................................................................................... 54
2.6.

Xác định điều kiện ứng đối cho việc bù nhiễu trong các hệ thống có trễ với
nhiều thành phần nhiễu tác động .................................................................... 57

2.7.

Kết luận Chƣơng 2 ......................................................................................... 59

CHƢƠNG 3
TỔNG HỢP BỘ ĐIỀU KHIỂN DỰ BÁO DỰA THEO MÔ HÌNH NỘI
CHO ĐỐI TƢỢNG CÓ TRỄ VÀ XÂY DỰNG HỆ THỐNG ĐIỀU
KHIỂN CHO ĐỐI TƢỢNG CSTR

61

3.1.

Đặt vấn đề....................................................................................................... 61

3.2.

Xây dựng tiêu chuẩn tối ƣu cho bài toán điều khiển tối ƣu và điều khiển dự
báo .................................................................................................................. 62

3.3.

Xây dựng thuật toán điều khiển dự báo dựa trên mô hình nội cho lớp đối
tƣợng phi tuyến có trễ trên cơ sở đã nhận dạng và bù nhiễu ......................... 66

3.4.

Xây dựng mô hình toán cho đối tƣợng CSTR................................................ 71

3.4.1. Xây dựng mô hình toán cho đối tƣợng CSTR với một tín hiệu điều khiển ... 76
3.4.2. Xây dựng mô hình toán cho đối tƣợng CSTR với hai tín hiệu điều khiển .... 80
3.5.

Thiết kế mô hình nhận dạng các nhiễu cho đối tƣợng CSTR ........................ 82

3.5.1. Thiết kế mô hình nhận dạng nhiễu trên hai kênh h và Cb với một tín hiệu điều
khiển ............................................................................................................... 82
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


vi

3.5.2. Thiết kế mô hình nhận dạng nhiễu trên hai kênh h và Cb với hai tín hiệu điều
khiển ............................................................................................................... 88
3.6.

Xây dựng hệ thống điều khiển dự báo dựa trên mô hình nội cho đối tƣợng
CSTR trên cơ sở đã nhận dạng và bù nhiễu ................................................... 93

3.6.1. Xây dựng bộ IMPC điều khiển một kênh Cb với một tín hiệu điều khiển ........... 93
3.6.2. Xây dựng bộ IMPC điều khiển đồng thời cả hai kênh Cb và h với hai tín hiệu
điều khiển ....................................................................................................... 95
3.7.

So sánh bộ điều khiển PID với bộ điều khiển IMPC đã đƣợc nhận dạng và bù
nhiễu để điều khiển cho đối tƣợng CSTR ...................................................... 97

3.7.1. So sánh bộ điều khiển PID với bộ điều khiển IMPC điều khiển một kênh Cb
với một tín hiệu điều khiển ............................................................................ 97
3.7.2. So sánh bộ điều khiển PID và bộ điều khiển IMPC điều khiển đồng thời hai
kênh Cb và h với hai tín hiệu điều khiển ...................................................... 101
3.8.

Kết luận Chƣơng 3 ....................................................................................... 107

KẾT LUẬN VÀ KIẾN NGHỊ................................................................................. 108
DANH MỤC CÔNG TRÌNH KHOA HỌC CÓ LIÊN QUAN ĐẾN LUẬN ÁN .. 110
TÀI LIỆU THAM KHẢO ....................................................................................... 112

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


vii

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
Danh mục các ký hiệu
DT

thời gian trích mẫu

X (tk )

trạng thái tại thời điểm tk

X(tk+ 1), X(tk+ 2 ),...

trạng thái thại thời điểm tk+1, tk+2

x(t )

đầu ra của đối tƣợng điều khiển

u(t ) , U(t )

tác động điều khiển

τ

thời gian trễ

ai

các thông số đặc trƣng cho động học của đối tƣợng

f ( ) , F(X, U)

vectơ các tác động nhiễu

fˆ ( X, U) , Fˆ ( X, U)

hàm đánh giá của f (X, U)

wi* , wij

các trọng số lý tƣởng

ε , εi

sai số xấp xỉ

εM

số nhỏ nhất bất kỳ cho trƣớc

ε* , ε*i
wˆ i , wˆ ij

sai số xấp xỉ lý tƣởng

%ij
%i , w
w

sai lệch trọng số đánh giá

A , B, D

các ma trận thông số đặc trƣng của đối tƣợng

O
Im

ma trận với tất cả các thành phần bằng không

f i (X )

các hàm cơ sở

C i , Cij

tâm của hàm cơ sở

s i , s ij

độ trải rộng của hàm cơ sở

e(t ) , E(t )
%
f (X)

sai số trạng thái đầu ra

P,Q

ma trận đối xứng xác định dƣơng

rmin (Q) , rmax (Q )

giá trị riêng nhỏ nhất, lớn nhất của ma trận Q

λ , λ0

hệ số dƣơng λ > 0 , λ0 > 0

*

các trọng số đánh giá

ma trận đơn vị

sai số nhiễu đối tƣợng thực và nhiễu đánh giá

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


viii

Pn , Pn- m + i

dòng thứ n và n - m2 + i của ma trận P

udk (t ), U dk (t )

tín hiệu điều khiển

ub (t ), Ub (t )

tín hiệu điều khiển bù

R (B) , R (D)

không gian hạng của ma trận B, D

X, U

các tập Compact

h

mức dung dịch

Cb

nồng độ dung dịch

l

khoảng cách từ van đến thành bình

T1, T2, T3

các van điện

T

hằng số thời gian

mv1, mv2, mv3

lƣu lƣợng của các dung dịch

K

hệ số truyền của van điện

2

góc mở van

Danh mục các chữ viết tắt
ARMAX

Autoregressive Moving Average with Exogenous

CSTR

Continuous Stirred Tank Reactor

DMC

Dynamic matrix control

DLP

Double-Layer Perceptron feedforward neural network

EHAC

Extended Horizon Adaptive Control

FIR

Finite Impulse Response

HEICON

Hierarchical Constraint Control

IMPC

Internal Model Predictive Control

GPC

Generalized Predictive Control

LS

Least Squares

MAC

Model Algorithmic Control

MIMO

Multiple Input Multiple Output

MPC

Model Predictive Control

NAV

Nonlinear Absolute Values

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


ix

OPC

Optimum Predictive Control

PFC

Predictive Functional Control

PID

Proportional Integral Derivative

RMPCT

Robust MPC Technology

RBF

Radial Basic Funtions

SMC

Sequential Monte Carlo

SISO

Single Input Single Output

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


x

DANH MỤC CÁC BẢNG BIỂU
Bảng 1.1. Bảng phân loại một số phƣơng pháp sử dụng cho xây dựng mô hình, giải
bài toán tối ƣu cho đối tƣợng tuyến tính, phi tuyến trong MPC ............................... 14
Bảng 1.2. Bảng tóm lƣợc một số phƣơng pháp nhận dạng mô hình dự báo của một
số phƣơng pháp MPC ............................................................................................... 17
Bảng 1.3. Bảng tóm lƣợc một số kỹ thuật MPC của một số hãng trên thế giới ....... 17

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


xi

DANH MỤC CÁC HÌNH VẼ
Hình 1.1. Hình ảnh về ứng dụng điều khiển trong công nghệ xử lý hóa chất ............ 8
Hình 1.2. Nguyên lý cơ bản của điều khiển dự báo dựa trên mô hình ....................... 9
Hình 1.3. Sơ đồ khối hệ thống điều khiển dự báo dựa trên mô hình ........................ 11
Hình 1.4. Cấu trúc mô hình lớp đối tƣợng phi tuyến có trễ ...................................... 25
Hình 2.1. Sai số đầu ra của đối tƣợng thực và mô hình ............................................ 27
Hình 2.2. Cấu trúc hệ thống phi tuyến ...................................................................... 28
Hình 2.3. Cấu trúc của một số mạng nơron thƣờng gặp ........................................... 29
Hình 2.4. Cấu trúc mạng RBF xấp xỉ hàm f (×) ........................................................ 36
Hình 2.5. Sơ đồ cấu trúc hệ thống nhận dạng nhiễu cho các đối tƣợng có trễ trên cơ
sở mô hình song song và mạng nơron....................................................................... 42
Hình 2.6. Mô hình đối tƣợng hệ phi tuyến (2.35) dùng trong mô phỏng .................. 43
Hình 2.7. Sơ đồ mô phỏng cấu trúc nhận dạng nhiễu dựa trên cơ sở mạng nơron
RBF ........................................................................................................................... 43
Hình 2.8. Các đáp ứng tín hiệu đầu ra của hệ (2.35) ................................................ 43
Hình 2.9. So sánh thành phần phi tuyến F(.) của hệ (2.35) và thành phần nhiễu đƣợc
nhận dạng qua RBF ................................................................................................... 44
Hình 2.10. Sai lệch giữa nhiễu nhận dạng và nhiễu thực của hệ thống .................... 44
Hình 2.11. Sơ đồ kênh tạo tín hiệu bù ....................................................................... 46
Hình 2.12. Sơ đồ cấu trúc các mạng nơron xấp xỉ các hàm f1 (×) , f 2 (×) , L , f m (×) của
2

hệ (2.44) .................................................................................................................... 48
Hình 2.13. Sơ đồ cấu trúc nhận dạng các nhiễu cho các lớp đối tƣợng có trễ trong
kênh điều khiển ......................................................................................................... 54
Hình 2.14. Sơ đồ mô phỏng cấu trúc nhận dạng các nhiễu dựa trên cơ sở mạng
nơron RBF ................................................................................................................. 55
Hình 2.15. Các đáp ứng tín hiệu đầu ra của hệ (2.74) .............................................. 56
Hình 2.16. So sánh thành phần phi tuyến F(.) của hệ (2.74) và thành phần các nhiễu
đƣợc nhận dạng qua RBF .......................................................................................... 56
Hình 2.17. Sai số của mô hình nhận dạng và đối tƣợng thực (2.74)......................... 57
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


xii

Hình 2.18. Sơ đồ cấu trúc của đối tƣợng có trễ trong kênh điều khiển, có nhiễu phụ
thuộc trạng thái tác động và kênh bù nhiễu trên cơ sở nhận dạng nhiễu .................. 59
Hình 3.1. Sơ đồ cấu trúc của hệ thống điều khiển dựa trên mô hình dự báo cho lớp
đối tƣợng có trễ ......................................................................................................... 68
Hình 3.2. Sơ đồ cấu trúc hệ thống điều khiển dựa trên mô hình dự báo cho đối
tƣợng có trễ dựa trên cơ sở nhận dạng bằng mạng nơron đã có bù nhiễu ................ 70
Hình 3.3. Mô hình bình phản ứng khuấy trộn liên tục CSTR ................................... 72
Hình 3.4. Sơ đồ mô phỏng cấu trúc nhận dạng các nhiễu cho đối tƣợng CSTR dùng
mạng nơron RBF và cơ cấu thích nghi AB với một tín hiệu điều khiển .................. 83
Hình 3.5. Sơ đồ khối mô tả đối tƣợng thực ............................................................... 83
Hình 3.6. Sơ đồ khối mô tả hàm nhiễu F(.) sử dụng một tín hiệu điều khiển ........... 84
Hình 3.7. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dịch f2 của
đối tƣợng thực và sau khi nhận dạng sử dụng một tín hiệu điều khiển với thời gian
trễ

30s .................................................................................................................. 85

Hình 3.8. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb sử dụng một tín hiệu
điều khiển với thời gian trễ

30s .......................................................................... 85

Hình 3.9. Sơ đồ khối mô tả hàm nhiễu F(.) + hàm sin trong trƣờng hợp sử dụng một
tín hiệu điều khiển ..................................................................................................... 86
Hình 3.10. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dich f2 của
đối tƣợng thực và sau khi nhận dạng trong trƣờng hợp nhiễu có thêm hàm sin sử
dụng một tín hiệu điều khiển với thời gian trễ

30s ............................................. 87

Hình 3.11. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb trong trƣờng hợp
nhiễu có thêm hàm sin sử dụng một tín hiệu điều khiển với thời gian trễ

30s ... 87

Hình 3.12. Sơ đồ cấu trúc nhận dạng các nhiễu cho đối tƣợng CSTR dùng mạng
nơron RBF và cơ cấu thích nghi AB với hai tín hiệu điều khiển .............................. 88
Hình 3.13. Sơ đồ khối mô tả hàm nhiễu F(.) sử dụng hai tín hiệu điều khiển .......... 89
Hình 3.14. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dịch f2 của
đối tƣợng thực và sau khi nhận dạng trong trƣờng hợp sử dụng hai tín hiệu điều
khiển với thời gian trễ

30s .................................................................................. 90

Hình 3.15. Đáp ứng mức dung dịch và nồng độ dung dịch sử dụng hai tín hiệu điều
khiển với thời gian trễ

30s .................................................................................. 91

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


xiii

Hình 3.16. Sơ đồ khối mô tả hàm nhiễu F(.) + hàm sin sử dụng hai tín hiệu điều
khiển .......................................................................................................................... 92
Hình 3.17. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dịch f2 của
đối tƣợng thực và sau khi nhận dạng trong trƣờng hợp nhiễu có thêm hàm sin sử
dụng hai tín hiệu điều khiển với thời gian trễ

30s .............................................. 92

Hình 3.18. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb của đối tƣợng và sau
khi nhận dạng khi có thêm hàm sin sử dụng hai tín hiệu điều khiển với thời gian trễ
30s ....................................................................................................................... 93

Hình 3.19. Sơ đồ mô phỏng cấu trúc điều khiển một kênh nồng độ dung dịch Cb sử
dụng một tín hiệu điều khiển theo cấu trúc IMPC .................................................... 94
Hình 3.20. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển IMPC sử dụng một tín
hiệu điều khiển cho đối tƣợng có trễ

5s .............................................................. 94

Hình 3.21. Sơ đồ mô phỏng cấu trúc điều khiển hai kênh mức dung dịch h và nồng
độ dung dịch Cb sử dụng hai tín hiệu điều khiển theo cấu trúc IMPC ...................... 96
Hình 3.22. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb của bộ điều khiển
IMPC sử dụng hai tín hiệu điều khiển cho đối tƣợng có trễ

5s .......................... 96

Hình 3.23. Sơ đồ mô phỏng cấu trúc so sánh bộ điều khiển PID chƣa có nhận dạng
và bù nhiễu với bộ điều khiển dự báo theo IMPC điều khiển một kênh nồng độ dung
dịch Cb ....................................................................................................................... 98
Hình 3.24. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển PID chƣa có nhận
dạng, bù nhiễu và của bộ điều khiển IMPC sử dụng một tín hiệu điều khiển cho đối
tƣợng khi không có trễ

0s ................................................................................... 98

Hình 3.25. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển PID chƣa có nhận
dạng, bù nhiễu và của bộ điều khiển IMPC sử dụng một tín hiệu điều khiển cho đối
tƣợng khi có trễ

5s .............................................................................................. 99

Hình 3.26. Sơ đồ mô phỏng cấu trúc so sánh bộ điều khiển IMPC và PID có tích
hợp nhận dạng và bù nhiễu điều khiển một kênh nồng độ dung dịch Cb................ 100
Hình 3.27. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển IMPC và PID có tích
hợp nhận dạng và bù nhiễu sử dụng một tín hiệu điều khiển cho đối tƣợng khi
không có trễ

0s .................................................................................................. 100

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


xiv

Hình 3.28. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển IMPC và PID có tích
hợp nhận dạng và bù nhiễu sử dụng một tín hiệu điều khiển cho đối tƣợng có trễ
5s ....................................................................................................................... 100

Hình 3.29. Sơ đồ mô phỏng cấu trúc sử dụng bộ PID điều khiển đồng thời hai kênh
h và Cb với hai tín hiệu điều khiển .......................................................................... 102
Hình 3.30. Sơ đồ mô phỏng cấu trúc so sánh bộ PID chƣa nhận dạng và bù nhiễu
với bộ IMPC điều khiển hai kênh mức dung dịch h và nồng độ dung dịch Cb....... 103
Hình 3.31. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ điều
khiển PID chƣa nhận dạng, bù nhiễu và của bộ IMPC sử dụng hai tín hiệu điều
khiển cho đối tƣợng khi không trễ

0s ............................................................... 103

Hình 3.32. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ điều
khiển PID chƣa nhận dạng, bù nhiễu và của bộ IMPC sử dụng hai tín hiệu điều
khiển cho đối tƣợng khi có trễ

5s ..................................................................... 104

Hình 3.33. Sơ đồ mô phỏng cấu trúc so sánh bộ điều khiển IMPC và PID có tích
hợp nhận dạng và bù nhiễu điều khiển hai kênh mức dung dịch h và nồng độ dung
dịch Cb ................................................................................................................... ..105
Hình 3.34. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ điều
khiển IMPC và PID có tích hợp nhận dạng và bù nhiễu sử dụng hai tín hiệu điều
khiển cho đối tƣợng khi không trễ

0s ............................................................... 105

Hình 3.35. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ điều
khiển IMPC và PID có tích hợp nhận dạng và bù nhiễu sử dụng hai tín hiệu điều
khiển cho đối tƣợng có trễ

5s ........................................................................... 106

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


1

MỞ ĐẦU
1. Tính cấp thiết của đề tài luận án
Hiện nay, trong công nghiệp cũng nhƣ dân dụng có rất nhiều phƣơng pháp
điều khiển khác nhau đƣợc nghiên cứu và áp dụng vào thực tiễn. Trong số đó phải
kể tới những bộ điều khiển nhƣ bộ điều khiển PID kinh điển, bộ điều khiển mờ, bộ
điều khiển nơron và các bộ điều khiển cao cấp khác. Do yêu cầu khắt khe về công
nghệ, chất lƣợng sản phẩm cũng nhƣ dịch vụ và sự cạnh tranh trên thị trƣờng dẫn
tới việc đòi hỏi cần phải có những phƣơng pháp điều khiển đáp ứng đƣợc những
yêu cầu thực tế và cải thiện đƣợc chất lƣợng của hệ thống, đặc biệt là trong các
trƣờng hợp hệ thống phải đối mặt với nhiễu, có trễ, có ràng buộc, các đối tƣợng có
quá trình động học chậm,... Trong số đó phải kể tới phƣơng pháp điều khiển dự báo
theo mô hình (MPC - Model Predictive Control).
Điều khiển dự báo dựa trên mô hình là sự kết hợp của một số lĩnh vực đã
đƣợc ứng dụng trong kỹ thuật điều khiển, điển hình đó là hai lĩnh vực điều khiển tối
ƣu và nhận dạng hệ thống. Ngay nhƣ tên của nó “điều khiển dự báo dựa trên mô
hình” có nghĩa là phƣơng pháp này cần phải sử dụng một mô hình dự báo để ƣớc
lƣợng (hay dự báo) các giá trị của đại lƣợng cần điều khiển, còn gọi là các đầu ra
trong tƣơng lai để phục vụ cho bài toán điều khiển [17], [30], [47], [74].
Phƣơng pháp điều khiển dự báo đã đƣợc ứng dụng rất thành công đối với
các mô hình tuyến tính, và áp dụng thành công trong công nghiệp. Tuy nhiên trong
thực tế để mô tả một cách chính xác cần kể đến các yếu tố ảnh hƣởng thì đa số các
đối tƣợng đều có dạng mô hình phi tuyến. Do đó việc phát triển bộ điều khiển dự
báo cho các mô hình phi tuyến là cần thiết. Trong thực tế bộ điều khiển dự báo theo
mô hình phi tuyến đã đƣợc ứng dụng cho một lớp các đối tƣợng cụ thể và đạt đƣợc
những kết quả nhất định. Đặc biệt, đối với các đối tƣợng có trễ thƣờng gặp rất nhiều
trong công nghiệp lọc dầu, hóa dầu, công nghiệp hóa chất, công nghiệp thực phẩm,
công nghiệp giấy,… Để xây dựng các hệ thống điều khiển cho các đối tƣợng có trễ,
đã có nhiều phƣơng pháp đƣợc đề xuất [5], [6], [17], [30], [70], [74]. Đáng chú ý
trong các phƣơng pháp đó là các phƣơng pháp xây dựng hệ thống điều khiển có mô
hình dự báo. Điều khiển dự báo tỏ rõ tính ƣu việt đối với các đối tƣợng có trễ, các
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


2

đối tƣợng có động học chậm (slow dynamical plants) và các trƣờng hợp có các ràng
buộc đối với tín hiệu điều khiển và vectơ trạng thái [17], [30], [57], [70]. Tuy nhiên
một trong những khó khăn chính đối với MPC phi tuyến là phải giải một bài toán
tối ƣu hóa trực tuyến phi tuyến, lặp lại. Khó khăn đó sẽ tăng lên nhiều khi có sự tác
động của nhiễu, của các thành phần không mô hình hóa đƣợc hay còn gọi là các
nhiễu bất định [30], [70]. Sự tồn tại của các yếu tố bất định làm cho vấn đề điều
khiển dự báo khó khăn gấp bội, do phải đồng thời xử lý tính phức tạp của bài toán
tối ƣu hóa phi tuyến trực tuyến và xử lý các yếu tố bất định. Trong công trình mang
tính tổng quan tác giả Mayne D. Q. và các cộng sự đã nhấn mạnh mức độ phức tạp
đặt biệt này (extra level of complexity) và nêu rõ: hầu hết các công trình đã được
công bố liên quan đến điều khiển dự báo bền vững với các đối tượng phi tuyến bất
định mới chỉ xem xét các hệ không chứa trễ, không chứa các ràng buộc đối với
vectơ trạng thái, vectơ đầu vào điều khiển và vectơ tín hiệu đầu ra [50]. Đối với các
đối tƣợng phi tuyến bất định có trễ, độ phức tạp nêu trên còn đƣợc cộng thêm phần
trở ngại do hiệu ứng trễ gây ra. Mặt khác, do các đối tƣợng có trễ này rất phổ biến
trong công nghiệp, yêu cầu nâng cao chất lƣợng điều khiển ngày càng cao, dẫn đến
vấn đề xây dựng các phƣơng pháp điều khiển dự báo cho lớp đối tƣợng này càng trở
nên bức thiết. Nhằm góp phần giải quyết vấn đề này, luận án đặt vấn đề nghiên cứu:
điều khiển dự báo cho lớp đối tượng với thành phần phi tuyến bất định, có trễ và
không có các ràng buộc kèm theo.
Luận án đi sâu nghiên cứu, đề xuất phƣơng pháp điều khiển dự báo cho một
lớp đối tƣợng phi tuyến có trễ dựa trên cơ sở nhận dạng nhiễu sử dụng mạng nơron.
Hệ phi tuyến này đƣợc biểu diễn bằng một hệ tuyến tính có trễ cộng thêm thành
phần phi tuyến bất định (uncertain), thành phần phi tuyến này đƣợc hiểu là các
nhiễu bất định hay các nhiễu nội sinh, không đo đƣợc, phụ thuộc vào trạng thái
(state-dependent disturbances) và là các yếu tố không mô hình hóa đƣợc. Trƣớc hết
ta cần nhận dạng đƣợc các nhiễu tác động lên hệ thống bằng luật cập nhật trọng số
trên cơ sở mạng nơron xuyên tâm (RBF - Radial Basic Functions) thực hiện trực
tuyến. Khi đã nhận dạng đƣợc các nhiễu với mức độ chính xác tùy ý thì nếu thỏa
mãn các điều kiện ứng đối ta hoàn toàn có thể bù trừ các tác động của nhiễu. Lúc
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


3

này bài toán điều khiển trở nên dễ dàng hơn bởi hệ trở thành tuyến tính có trễ với
các tham số xác định, từ đây ta có thể đi đến tổng hợp bộ điều khiển dự báo theo mô
hình nội (IMPC - Internal Model Predictive Control) cho hệ. Ta biết rằng MPC là
một phƣơng pháp điều khiển rất phù hợp cho hệ có trễ, các phƣơng pháp MPC cho
hệ tuyến tính có trễ đƣợc phát triển trong những năm vừa qua đã đạt đƣợc những kết
quả nhất định, tuy nhiên một đặc điểm khó khăn khi thực hiện trong thực tế là bộ
điều khiển luôn luôn phải giải bài toán tối ƣu trực tuyến, tín hiệu điều khiển tối ƣu
chỉ đƣợc tính cho thời điểm kế tiếp, do vậy phần cứng phải thực hiện rất nhiều phép
tính toán, nhiều khi không đảm bảo tính thời gian thực, hoặc cũng có thể không ổn
định nếu bài toán tối ƣu không có nghiệm. Quá trình giải mất nhiều thời gian đặc
biệt nếu có tồn tại các điều kiện ràng buộc chặt chẽ. Việc tìm ra các phƣơng pháp
mới nhằm khắc phục các khó khăn nêu trên đang là nhiệm vụ cấp bách đặt ra.
2. Phạm vi, đối tƣợng nghiên cứu và phƣơng pháp nghiên cứu
Đối tượng nghiên cứu: Luận án nghiên cứu về nhận dạng và điều khiển một
lớp đối tƣợng phi tuyến, có trễ, hệ dừng thƣờng gặp trong công nghiệp trên cơ sở
mô hình dự báo và nhận dạng nhiễu trực tuyến sử dụng mạng nơron RBF.
Phạm vi nghiên cứu của luận án: Luận án đi sâu nghiên cứu nghiên cứu
nhận dạng nhiễu, bù trừ nhiễu và điều khiển dự báo theo mô hình cho các đối tƣợng
có trễ trên kênh điều khiển, có nhiễu phụ thuộc trạng thái.
Với tính chất đặc thù và những ƣu điểm vốn có, điều khiển dự báo đƣợc ƣu
tiên áp dụng cho các đối tƣợng có trễ, các đối tƣợng có động học biến đổi chậm và
cho các trƣờng hợp có các ràng buộc đối với vectơ trạng thái và/hoặc vectơ điều
khiển. Trong khuôn khổ cho phép, luận án chỉ tập trung nghiên cứu xây dựng
phƣơng pháp nhận dạng nhiễu trực tuyến và phƣơng pháp điều khiển dự báo theo
mô hình cho các đối tƣợng có trễ trong điều khiển. Bài toán điều khiển dự báo cho
các đối tƣợng này khi có ràng buộc đƣợc xem là bƣớc phát triển tiếp theo của luận
án. Tuy nhiên, một khi đã nhận dạng trực tuyến đƣợc nhiễu, vấn đề điều khiển dự
báo có các ràng buộc có thể đƣợc giải quyết bằng các phƣơng pháp hiện có [30].
Phương pháp nghiên cứu: Luận án sử dụng phƣơng pháp phân tích, đánh
giá và tổng hợp. Thông qua nghiên cứu lý thuyết để đề xuất vấn đề cần giải
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


4

quyết và xây dựng thuật toán giải quyết vấn đề đó, kiểm chứng các nghiên cứu lý
thuyết bằng mô phỏng và cuối cùng là áp dụng thuật toán đề xuất cho một đối
tƣợng cụ thể.
3. Mục tiêu của luận án
Mục tiêu của luận án là xây dựng phƣơng pháp mới để nhận dạng mô hình
trực tuyến cho một lớp đối tƣợng phi tuyến có trễ trong hệ thống điều khiển dự báo
theo mô hình; đồng thời xây dựng cấu trúc điều khiển dự báo theo mô hình nội, áp
dụng các kết quả thu đƣợc cho một đối tƣợng cụ thể trong công nghiệp.
4. Những đóng góp mới về lý luận và thực tiễn của luận án
Luận án đã có những đóng góp mới sau:
1.

Đề xuất phƣơng pháp nhận dạng nhiễu cho hệ thống có trễ trong điều khiển
trên cơ sở mô hình song song, trong đó mạng nơron RBF đƣợc sử dụng để xấp
xỉ các hàm nhiễu phi tuyến bất định bởi mạng này có cấu trúc đơn giản và có
khả năng xấp xỉ hầu hết các hàm phi tuyến với độ chính xác tùy ý.

2.

Phát biểu và chứng minh đƣợc hai định lý về các điều kiện đủ, đảm bảo quá
trình nhận dạng hội tụ cho hai trƣờng hợp riêng biệt: trƣờng hợp hệ thống có
một nhiễu tác động và trƣờng hợp hệ thống đồng thời chịu nhiều nhiễu tác
động. Đã thu đƣợc luật cập nhật trọng số cho các mạng nơron RBF, vừa đảm
bảo hội tụ vừa có tính khả thi cao bởi tốc độ hiệu chỉnh trọng số chỉ phụ thuộc
vào vectơ sai lệch giữa trạng thái của đối tƣợng điều khiển và vectơ trạng thái
của mô hình.

3.

Đề xuất giải pháp bù trừ nhiễu cho lớp đối tƣợng có trễ trên cơ sở các kết quả
nhận dạng. Đã xây dựng đƣợc cấu trúc của kênh bù trừ nhiễu. Đã thu đƣợc
điều kiện ứng đối đảm bảo bù đƣợc các nhiễu tác động đồng thời lên hệ thống.
Các kết quả mới về nhận dạng nhiễu và bù nhiễu có thể đƣợc áp dụng không
những cho các hệ thống IMPC mà còn có thể áp dụng cho các hệ thống với
các luật điều khiển khác nhau.

4.

Đề xuất đƣợc phƣơng pháp tổng hợp hệ thống điều khiển IMPC cho lớp đối
tƣợng có trễ trong điều khiển. Đã tích hợp bộ điều khiển IMPC với bộ nhận
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


5

dạng nhiễu trên cơ sở mạng nơron RBF và kênh bù trừ nhiễu, làm cho hệ
thống vừa đáp ứng tiêu chuẩn tối ƣu, vừa có tính thích nghi, kháng nhiễu.
5.

Tổng hợp đƣợc bộ nhận dạng nhiễu và kênh bù nhiễu, xây dựng thành công hệ
thống IMPC vừa tối ƣu vừa có khả năng thích nghi và kháng nhiễu cho tháp
(bình) phản ứng khuấy trộn liên tục CSTR.

Những đóng góp trên đây vừa có ý nghĩa khoa học, vừa có giá trị thực tiễn và có thể
áp dụng cho một lớp rất rộng các đối tƣợng trong các lĩnh vực công nghiệp, đặc biệt
với các đối tƣợng có trễ.
5. Bố cục của luận án
Luận án gồm 03 chƣơng, phần mở đầu và kết luận, đƣợc bố cục nhƣ sau:
Chƣơng 1. Tổng quan về vấn đề nghiên cứu
Chƣơng này nghiên cứu tổng quan về lý thuyết điều khiển dự báo theo mô
hình tuyến tính và phi tuyến, tập trung cho lớp đối tƣợng có trễ. Thống kê một số
thuật toán, phƣơng pháp xây dựng mô hình dự báo và các ứng dụng thực tế thƣơng
mại. Những khó khăn đặc thù của lớp đối tƣợng có trễ và có nhiễu phi tuyến bất
định. Những hạn chế của bài toán tối ƣu và xây dựng mô hình khi phải đối mặt với
lớp đối tƣợng này, từ đó đƣa ra đề xuất mục tiêu của luận án làm sao nhận dạng
đƣợc nhiễu và bù nhiễu, tiếp theo đƣa ra phƣơng pháp điều khiển dự báo dựa trên
cơ sở sử dụng kết quả đã nhận dạng và bù nhiễu.
Chƣơng 2. Nhận dạng nhiễu và bù nhiễu cho lớp hệ phi tuyến có trễ
Xây dựng phƣơng pháp nhận dạng thành phần phi tuyến bất định trên cơ sở
mạng nơron nhân tạo. Chƣơng này đƣa ra phần thứ nhất đề xuất phƣơng pháp nhận
dạng cho lớp đối tƣợng có trễ có một thành phần nhiễu phi tuyến bất định và một tín
hiệu điều khiển đầu vào tác động lên hệ thống, thuật toán này đƣợc thể hiện trong
Định lý 2.1. Tiếp đó luận án mở rộng cho lớp đối tƣợng có trễ với nhiều thành phần

nhiễu và nhiều tín hiệu điều khiển đồng thời tác động, thuật toán này đƣợc thể hiện
ở Định lý 2.2. Với chứng minh chặt chẽ cho phép nhận dạng các thành phần bất định
với mức độ chính xác bất kỳ sử dụng mạng nơron RBF với luật cập nhật trọng số đã
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


6

đƣợc xây dựng. Trên cơ sở kết quả nhận dạng, đã đề xuất giải pháp bù nhiễu và xây
dựng đƣợc cấu trúc của kênh bù nhiễu.
Chƣơng 3. Tổng hợp bộ điều khiển dự báo dựa theo mô hình nội cho đối tƣợng
có trễ và xây dựng hệ thống điều khiển cho đối tƣợng CSTR
Nhiệm vụ tổng hợp bộ điều khiển IMPC đƣợc thực hiện sau khi đã đƣợc
nhận dạng và bù nhiễu. Trên cơ sở phân tích các tính chất đặc thù của bài toán điều
khiển ổn định phổ biến trong công nghiệp, mà mục tiêu là giữ cho đầu ra của đối
tƣợng ổn định xung quanh điểm đặt của đầu ra mong muốn, từ đó đề xuất phiếm
hàm mục tiêu thích hợp. Đã tổng hợp đƣợc luật điều khiển tối ƣu và cấu trúc hệ
thống điều khiển dự báo theo cấu trúc IMPC cho lớp đối tƣợng có trễ. Ƣu điểm nổi
bật của luật điều khiển tối ƣu với cấu trúc IMPC thu đƣợc là đơn giản, kỹ thuật thực
hiện dễ dàng với tính khả thi cao. Tiếp theo, các kết quả thu đƣợc ở các phần trên
đƣợc áp dụng cho một lớp đối tƣợng cụ thể thƣờng gặp trong công nghiệp là tháp
(bình) khuấy trộn liên tục. Đã xây dựng hệ thống điều khiển dự báo theo cấu trúc
IMPC với bộ nhận dạng và kênh bù nhiễu cho cả hai chế độ làm việc của CSTR.
Kết quả mô phỏng đã chứng minh đầy đủ tính hiệu quả của hệ thống.
Phần kết luận: đã nêu bật những kết quả và những đóng góp mới của luận
án, đồng thời đã chỉ rõ các hƣớng nghiên cứu phát triển tiếp theo.

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


7

CHƢƠNG 1
TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
Equation Chapter (Next) Section 1

1.1. Giới thiệu tổng quan về điều khiển dự báo theo mô hình
1.1.1. Khái niệm
Điều khiển dự báo theo mô hình còn gọi là điều khiển dịch dần về tƣơng lai
(Receding Horizon Control) là một xu hƣớng điều khiển đƣợc xuất hiện từ cuối
những năm 1970 [52], [74]. MPC là một trong những phƣơng pháp điều khiển tìm
ra tín hiệu điều khiển một cách lặp lại dựa vào việc giải một bài toán điều khiển tối
ƣu với một hàm mục tiêu cụ thể. So sánh với các phƣơng pháp điều khiển khác,
MPC có một số những ƣu điểm nổi trội khi áp dụng với các hệ thống có trễ, có quá
trình động học chậm và cho phép thỏa mãn các điều kiện có tính chất ràng buộc, các
yêu cầu về điều kiện vận hành với các chỉ tiêu chất lƣợng điều khiển cao. Trong hai
thập kỷ trở lại đây, điều khiển dự báo mô hình đã có những bƣớc phát triển rất đáng
kể, đã đóng góp đƣợc khá nhiều các phƣơng pháp về mặt học thuật cũng nhƣ đẩy
mạnh khả năng ứng dụng của MPC trong thực tế, những điều đó đƣợc thể hiện
trong các tài liệu [15], [17], [31].
Điều khiển dự báo theo mô hình là phƣơng pháp điều khiển hệ thống dựa
trên cơ sở tín hiệu đầu ra của đối tƣợng đƣợc dự báo thông qua một mô hình toán
nào đó. Dựa vào tín hiệu dự báo đầu ra của đối tƣợng, sử dụng thuật toán tối ƣu để
tìm tín hiệu điều khiển tối ƣu cho hệ thống sao cho đầu ra của đối tƣợng ở tƣơng lai
bám theo giá trị mong muốn. Nhƣ vậy tín hiệu điều khiển tối ƣu này sẽ phụ thuộc
vào độ chính xác của tín hiệu dự báo đầu ra của đối tƣợng và thuật toán tìm nghiệm
tối ƣu. Độ chính xác của tín hiệu dự báo phụ thuộc vào mô hình toán của đối tƣợng.
Trong thực tế mô hình toán của đối tƣợng thƣờng đƣợc xây dựng dựa trên cơ sở các
định luật vật lý, rất phức tạp và thƣờng là không chính xác. Do đó việc đƣa ra một
phƣơng pháp để nhận dạng hay xây dựng đƣợc chính xác mô hình đối tƣợng đang là
vấn đề thu hút đƣợc rất nhiều sự quan tâm của các nhà nghiên cứu khoa học.

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


8

Tính ƣu việt của MPC đƣợc thể hiện ở các bài toán điều khiển quá trình
thƣờng gặp trong công nghiệp. Ví dụ các quá trình biến thiên chậm, có trễ, cấu trúc
hàm truyền thay đổi và có độ phi tuyến lớn, các tham số điều khiển có độ tƣơng tác,
hệ thống có vùng chết. Đó là các quá trình thƣờng thấy trong bài toán điều khiển
nhiệt độ, lƣu lƣợng, áp suất, phản ứng hoá học,… [57]. Với các quá trình trên nếu
chỉ dùng phƣơng pháp điều khiển truyền thống thì chất lƣợng điều khiển không cao,
không giải quyết đƣợc bài toán điều khiển nhƣ mong muốn. Với những lớp đối
tƣợng này đã có rất nhiều các công trình nghiên cứu áp dụng thực hiện bằng phƣơng
pháp điều khiển dự báo.
Hiện nay MPC đã trở thành một sách lƣợc điều khiển cao cấp đƣợc chấp
nhận khá rộng rãi trong một số lĩnh vực công nghiệp. Đã có hơn 3000 ứng dụng của
MPC đƣợc thƣơng mại hóa trong các lĩnh vực khác nhau bao gồm: công nghệ lọc
hóa dầu, công nghệ xử lý thực phẩm, công nghệ ô tô, công nghệ không gian, công
nghệ bột giấy và giấy,...[70], [71].

Hình 1.1. Hình ảnh về ứng dụng điều khiển trong công nghệ xử lý hóa chất

1.1.2. Nguyên lý của điều khiển dự báo theo mô hình
Nguyên lý của điều khiển MPC [49] là dựa vào thông số trạng thái của mô
hình đối tƣợng và trạng thái thực của chúng tại một số thời điểm liên tiếp để xác
định tín hiệu điều khiển tốt nhất có thể (tối ƣu) trong một khoảng thời gian hữu hạn
(a finite time horizon). Tín hiệu điều khiển này đƣợc đƣợc duy trì cho đến khi hệ
thống cập nhật lại trạng thái mới, khi đó tín hiệu điều khiển mới lại đƣợc tính toán
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


9

và cập nhật lại trong khoảng thời gian hữu hạn tiếp theo. Điều khiển MPC đƣợc mô
tả theo thuật toán sau, thể hiện thông qua Hình 1.2.
Thuật toán điều khiển MPC
Cho một khoảng thời gian dự báo TP (cửa sổ dự báo, tầm dự báo) và khoảng
thời gian trích mẫu D T , tại một thời điểm trích mẫu t k = k D T ,

k = 0,1, 2, ...¥ Î N 0

1. Đo các trạng thái X (tk ) và tính (dự báo) các trạng thái tiếp theo
X(tk 1 ), X(tk 2 ),... của hệ thống

2. Giải bài toán điều khiển tối ƣu trong khoảng thời gian éëêtk , tk + T P ùûú
3. Đƣa tín hiệu điều khiển tối ƣu tác động lên hệ thống đến khi đo đƣợc các giá
trị trạng thái mới tại thời điểm trích mẫu tiếp theo tk + 1 = tk + D T
Quá khứ

Tƣơng lai

Quá khứ

Tƣơng lai

Tầm dự báo

Tầm dự báo

TP
tk

T

t
tk+TP

tk

TP
tk+1

t
tk+1+TP

Hình 1.2. Nguyên lý cơ bản của điều khiển dự báo dựa trên mô hình

Ta có thể minh họa bản chất của điều khiển dự báo dựa trên mô hình thông
qua một ví dụ đó là bài toán đánh cờ giữa hai ngƣời. Giả thiết có ngƣời chơi cờ A
đấu với đối thủ B, hàm mục tiêu của ngƣời A là thắng đƣợc đối thủ B (là hàm mục
tiêu điều khiển). Để làm đƣợc điều này ngƣời A căn cứ vào các nƣớc đi hiện tại và
quá khứ của đối thủ B cũng nhƣ phong cách và trình độ (tính chất đối tƣợng cần
điều khiển) của đối thủ B để ƣớc đoán xem trong những bƣớc đi sắp tới đối thủ B sẽ
đi nhƣ thế nào (chính là nhận dạng đối tƣợng hay xây dựng mô hình dự báo). Sau
đó ngƣời A sẽ căn cứ tiếp vào những nƣớc cờ hiện tại và quá khứ của mình để xác

Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


10

định các nƣớc cờ sắp tới của mình sao cho đạt đƣợc mục tiêu là chiến thắng đối thủ
(chính là thực hiện khâu điều khiển dự báo).
Bài toán điều khiển dự báo dựa trên mô hình có mức độ phức tạp sẽ phụ
thuộc vào tính chất và đặc điểm của đối tƣợng điều khiển, tùy theo lớp các đối
tƣợng cụ thể mà ngƣời ta sẽ sử dụng các phƣơng pháp xây dựng mô hình dự báo
khác nhau, việc xây dựng mô hình dự báo chính là bài toán nhận dạng mô hình của
đối tƣợng điều khiển.
Mặc dù là một phƣơng pháp điều khiển mạnh mẽ và đã có nhiều ứng dụng
thành công tuy nhiên trong thực tế việc áp dụng điều khiển dự báo đặc biệt là cho
đối tƣợng phi tuyến vẫn còn gặp những hạn chế, khó khăn:
- Thứ nhất, phải xây dựng mô hình toán học để dự báo chính xác trạng thái
của đối tƣợng cần điều khiển trong phạm vi dự báo. Đối với hệ phi tuyến thì xây
dựng đƣợc mô hình chính xác vẫn còn là một bài toán khó vì đặc tính phi tuyến rất
đa dạng.
- Thứ hai, phải giải một bài toán tối ƣu để tính chuỗi tín hiệu điều khiển
trong một khoảng thời gian có hạn, với đối tƣợng đáp ứng nhanh thì thời gian giải
càng cần phải ngắn. Trong khi đó, bài toán tối ƣu ở đây thƣờng là không lồi có
nhiều cực trị địa phƣơng.
Các bƣớc cơ bản khi xây dựng thuật toán điều khiển là:
* Sử dụng một mô hình để dự báo (dự đoán) giá trị đầu ra của quá trình ở
các thời điểm trong tƣơng lai.
* Tính toán lần lƣợt các tín hiệu điều khiển bằng cách tối thiểu hoá một
hàm mục tiêu.
* Mỗi lần (tại thời điểm hiện tại t) các tín hiệu điều khiển đƣợc dự báo thì
chỉ có tín hiệu đầu tiên đƣợc đƣa đến tác động vào quá trình.
1.1.3. Các thành phần chính trong điều khiển dự báo dựa trên mô hình
Từ cấu trúc trên Hình 1.3 ta thấy rằng bộ điều khiển dự báo gồm ba thành phần
cơ bản là mô hình dự báo, hàm mục tiêu và chiến lƣợc tối ƣu hóa [17], [71].
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


11

Hình 1.3. Sơ đồ khối hệ thống điều khiển dự báo dựa trên mô hình

Mô hình dự báo

a.

Là thành phần quan trọng nhất trong điều khiển dự báo. Mô hình dự báo
phải phản ánh đƣợc một cách đầy đủ động học của đối tƣợng điều khiển. Để dự báo
đƣợc đầu ra tƣơng lai của đối tƣợng đƣợc chính xác thì mô hình dự báo phải đƣợc
xác định một cách chính xác. Giả thiết thời điểm hiện tại là t k , thì mô hình dự báo

ˆ (k
phải xác định đƣợc các giá trị trạng thái tƣơng lai tại các thời điểm X

j

ˆ (k
1, 2,..N và ký hiệu là X

j ),

j | k ) . Các mô hình dự báo khác nhau thì khác

nhau ở cách biểu diễn mối quan hệ vào ra của đối tƣợng điều khiển, thông thƣờng
mô hình dự báo sẽ bao gồm hai phần đó là mô hình của đối tƣợng điều khiển và mô
hình nhiễu.
Mô hình động học của đối tƣợng trong không gian trạng thái cho lớp đối
tƣợng có trễ ở dạng tổng quát nhƣ sau:
 (t )
X

n

A 0 X (t )

n

A i X (t

i

) B 0U( t )

i 1

B j U( t

j

) DF(X, U)

Y(t ) CX(t h)
Trong đó: X (t

(1.1)

j 1

(1.2)
i

) - trễ trạng thái, U(t

j

) - trễ đầu vào, X(t h) - trễ đầu ra.

Đây là một đối tƣợng có độ phức tạp và tổng quát bởi vừa có chứa trễ trạng
thái X (t

i

) , vừa có trễ tín hiệu điều khiển U(t

j

) . A, B là các ma trận hệ số

hằng biểu diễn các thông số động học của đối tƣợng. Tùy vào tính chất đặc điểm
mỗi đối tƣợng mà ta có thể kết hợp các thành phần của mô hình tổng quát về dạng
Số hóa bởi Trung tâm Học liệu - ĐHTN

http://www.lrc-tnu.edu.vn/


x

Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Tải bản đầy đủ ngay

×