tóm tắt luận văn thạc sĩ kỹ thuật nghiên cứu ứng dụng learning feed forward (LFFC) trên cơ sở điều khiển thích nghi theo mô hình mẫu (MRAS) điều khiển vị trí cánh tay robot

-1-
LỜI NÓI ĐẦU
Ngày nay, điều khiển robot công nghiệp đã và đang được ứng dụng rộng
rãi trong nhiều lĩnh vực sản xuất và đời sống. Để điều khiển robot đã có rất
nhiều phương pháp khác nhau như dùng bộ điều khiển truyền thống PID,
LQR(Linear Quadratic Regulator), LQG (Linear Quadratic Gaussian), STR
(Self Tuning Regulator) Các bộ điều khiển trên được thiết kế trên cơ sở mô
hình tuyến tính hoá với những thông số biết trước. Tuy nhiên Robốt là hệ cấu
trúc có tính phi tuyến mạnh, các tham số không rõ và thay đổi hoặc chứa các
thành phần phi tuyến. Ngoài ra trong quá trình làm việc hệ còn chịu tác động
của các nhiễu bên ngoài có tham số thay đổi [8]. Do vậy đối với các robot
làm việc với yêu cầu đồng thời có độ ổn định và độ chính xác cao thì các bộ
điều khiển trên thể hiện các hạn chế.
Hệ thống điều khiển thích nghi là hệ thống mà cấu trúc và tham số
của bộ điều khiển có thể thay đổi theo sự biến thiên thông số của hệ sao cho
chất lượng đảm bảo các chỉ tiêu đã định [1], [6]. Đặc biệt hệ điều khiển
Learning Feed Forward (LFFC)[2] trên cơ sở thích nghi theo mô hình mẫu
(Model Reference Adaptive System: MRAS) [3], đã được nghiên cứu và thiết
kế ứng dụng trong thực tế [7],[4]. Bộ điều khiển này có ưu điểm là có khả
năng kháng nhiễu hệ thống (System Noise) có hiệu quả, nhờ đó độ chính xác
và độ ổn định của hệ có thể đồng thời đạt được.
Việc ứng dụng Learning Feed Forward trên cơ sở MRAS để điều khiển vị trí
cánh tay rôbốt sẽ nâng cao chất lượng của hệ thống. Vì vậy tác giả lựa chọn đề
tài ”Nghiên cứu ứng dụng Learning Feed - Forward (LFFC) trên cơ sở điều
khiển thích nghi theo mô hình mẫu (MRAS) điều khiển vị trí cánh tay Robot”
Luận văn tập trung nghiên cứu xây dựng bộ điều khiển vị trí cánh tay
robot dựa trên các lý thuyết cơ bản về bộ điều khiển LFFC trên cơ sở MRAS
-2-
Phương pháp nghiên cứu của đề tài như sau:
- Nghiên cứu lý thuyết và xây dựng mô hình toán của robot, thiết kế bộ
điều khiển.

- Kiểm chứng kết quả thiết kế thông qua mô phỏng bằng phần mềm
Matlab Simulink
Luận văn bao gồm các phần chính như sau:
Chương 1: Tổng quan về điều khiển Rôbốt công nghiệp.
Chương 2: Tổng quan về LFFC và MRAS
Chương 3: Thiết kế bộ điều khiển và mô phỏng hệ thống điều khiển vị trí
robot 2 khâu ứng dụng LFFC trên cơ sở MRAS.
Kết luận và hướng phát triển của đề tài.
Thái Nguyên, ngày tháng năm 2012
Học viên

Nguyễn Thị Giang
-3-
CHƯƠNG 1
TỔNG QUAN VỀ ĐIỀU KHIỂN ROBOT CÔNG NGHIỆP
Giới thiệu:
Nhu cầu về năng suất và chất lượng của sản phẩm ngày càng đòi hỏi ứng
dụng các phương tiện tự động hóa vào sản xuất. Xu hướng tạo ra những dây
chuyền thiết bị tự động có tính linh hoạt cao đang dần hình thành. Các thiết bị
này đang dần thay thế các thiết bị cứng chỉ đáp ứng được một công việc nhất
định. Vì thế ngày càng tăng nhanh nhu cầu ứng dụng Robot để tạo ra các hệ
thống sản xuất tự động linh hoạt.
1.1.TỔNG QUAN VỀ ROBOT CÔNG NGHIỆP
1.1.1.Khái niệm về Robot công nghiệp
1. khái niệm.
- Về mặt cơ khí robot là một hệ thống cơ khí bao gồm các thanh nối
cứng và các khớp. Ngoài ra còn các bộ phận khác như thân máy, bệ máy
- Về nội dung kỹ thuật cơ khí, điều khiển và điện tử, robot có thể được
định nghĩa như sau:
 Robot là một cơ cấu cơ khí có một vài bậc tự do

 Robot công nghiệp là một cơ cấu máy có thể lập trình được
 Robot là cơ cấu máy có chức năng như con người
2. Cấu tạo.
Robot là một hệ thống phức tạp, ta có thể hiểu nó thông qua cách nhìn
nhận từ nhiều phương diện sau:
1) Phương diện vật lý: Là một hệ thống lớn bao gồm nhiều hệ thống con
(sub_system).
2) Phương diện truyền tin:Là một hệ thống truyền tin và xử lý tin khép kín
bao gồm: Phần chuyển động; phần nhận dạng và điều khiển.
1.1.2. Phân loại Robot công nghiệp.
1. Phân loại theo số bậc tự do trong môi trường công tác.
 Chuyển động tịnh tiến theo các hướng x,y,z trong không gian Đềcác
 Chuyển động quay xung quanh các trục x, y, z (Ký hiệu là R: Rotation)
-4-
2. Phân loại theo phương pháp điều khiển.
Có 2 kiểu điều khiển là điều khiển hở và điều khiển kín.
3. Phân loại theo hệ thống năng lượng .
• Hệ năng lượng điện :
• Hệ năng lượng thuỷ lực – khí động:
• Hệ khí nén
1.2. PHƯƠNG TRÌNH ĐỘNG HỌC CỦA ROBOT
Phương trình động học của robot hai bậc tự do được miêu tả bởi công
thức sau: [2]
( )
( ) ( )
( )
uGSDCM =++++
θθθθθθθθ

sgn,

(1.1)
Với:
-
θ
là véc tơ góc của khớp nối
-
( )
θ
M
: ma trận mô men quán tính
-
( )
θ
C
: mô hình lực coriolis và quán tính ly tâm
-
D
: hệ số ma trận đường chéo ma sát nhớt.
-
S
: hệ số ma trận đường chéo ma sát Coulomb
-
( )
θ
G
: trọng lực
-
u
: mô men xoắn của khớp
Trong hình sau mô tả mô hình robot 2 bậc tự do:

Hình 1.4. Mô hình robot 2 bậc tự do
Phương trình động học của robot 2 bậc tự do được chỉ ra bởi biểu thức (1.2)
sau:
-5-
( )
( )
( )
( )
( ) ( )
( )
( )
( )
( ) ( )( )
( )






=






+
+++
+













+












+













−−
+


















++
+++++

2
1
2122
21112122
2
2
2
1
2
1
2
1
2
1
21221
2222122221
2
1
2
22
2
1
1
2221
2
2
2221
2
21
2

1
2
1221
2
22
2
1
1
cos
coscos
sgn
sgn
0
0
0
0
0sin
sinsin2
cos2
cos2cos2
u
u
lgm
mmgllgm
s
s
d
d
mll
mllmll

lm
r
J
mlll
mlllmlllllm
r
J
θθ
θθθ
θ
θ
θ
θ
θ
θ
θθ
θθθθ
θ
θ
θ
θθ











(1.2)
Trong đó:
-
2,1
m
: khối lượng của cánh tay 1,2
-
2,1
l
: độ dài cánh tay 1,2
-
2,1
r
: tỷ số truyền của động cơ 1,2
-
2,1
d
: ma sát nhớt của khớp nối 1,2
-
2,1
s
là ma sát coulomb của khớp 1,2
Viết lại biểu thức (1.1) theo ma trận ta có:

( )
( )
( )
( ) ( ) ( )
( )

( )
[ ]






=






+






−−
+













−−
=






−−−
−−
θ
θ
θ
θθθθθ
θ
θ
θθθθ
θ
θ






0
0
sgn
0
,0
0
111
11
I
u
MSMGM
DMCM
I
(1.3)
Như vậy có thể kết luận rằng: Góc quay của cánh tay robot có thể được điều
khiển bởi LFFC. Tín hiệu điều khiển Feed – forward mong muốn là:

( ) ( ) ( ) ( )
ddddddddd
MSGDCu
θθθθθθθθ

++++= sgn,
(1.6)
Từ (1.6)cho thấy tín hiệu đầu vào khối điều khiển sau khi đã đơn giản hóa
bao gồm các thành phần
( )
θθθ

,,,

. Với robot 2 bậc tự do, số lượng đầu vào là
6.
Kết luận chương 1:
j
C
-6-
Chương 1 đã tìm hiểu những khái niêm ban đầu về robot công nghiệp: khái
niệm, phân loại, sơ đồ khối, phương trình động lực học của một robot 2 khâu
điển hình. Từ phương trình động lực học của robot 2 khâu ta nhận thấy robot
là đối tượng có tính phi tuyến mạnh. Các thông số đầu ra của robot thay đổi
theo sự thay đổi của các nhiễu là các lực bên ngoài( lực ma sát nhớt, lực ma
sát coulomb…) tác động vào hệ thống và mang tính phi tuyến. Để điều khiển
robot hiện nay vẫn dùng các bộ điều khiển truyền thống như bộ điều khiển
PID. Tuy nhiên với bộ PID thì các thành phần phi tuyến của nhiễu không
được triệt tiêu hết sẽ làm ảnh hưởng đến độ chính xác khi điều khiển. Do vậy
cần thiết phải có phương pháp để khử các nhiễu phi tuyến để nâng cao độ
chính xác khi điều khiển cánh tay robot.
-7-
CHƯƠNG 2
TỔNG QUAN VỀ LEARNING FEED FORWARD CONTROL(LFFC)
VÀ MODEL REFERENCE ADAPTIVE SYSTEM(MRAS)
Giới thiệu:
Như đã nhận xét ở cuối chương 1, robot là đối tượng có tính phi tuyến mạnh
vì vậy cần có phương pháp để nâng cao độ chính xác về vị trí khi điều khiển
cánh tay robot. Chương này, tác giả sẽ nghiên cứu phương pháp để nâng cao
độ chính xác cho cách tay robot khi làm việc.
2.1. TỔNG QUAN VỀ LFFC
2.1.1. Giới thiệu.
Trong luận văn này, tác giả sẽ tập trung vào việc nâng cao chất lượng của hệ
thống bằng bộ điều khiển.

Việc thiết kế một bộ điều khiển nói chung thường dựa trên một mô
hình của một đối tượng. Mô hình đối tượng càng chính xác bao nhiêu thì việc
thiết kế bộ điều khiển càng hiệu quả bấy nhiêu. Khi mô hình hóa đối tượng,
các vấn đề sau có thể gặp phải:
- Hệ thống quá phức
- Mô hình quá khó hoặc quá đắt để đánh giá. Một số đặc tính của một
số tính chất (phi tuyến) khó có thể đạt được, ví dụ như ma sát….
- Đối tượng có thể chịu ảnh hưởng lớn của nhiễu
- Các thông số của đối tượng có thể biến đổi theo thời gian.
Bộ điều khiển thích nghi có thế là một giải pháp khi cấu trúc của mô
hình động học của đối tượng và nhiễu mô hình tác động lên nó được biết
trước trong khi các giá trị của các thông số thì không thể xác định được. Khi
mô hình không xác định hoặc có nhiều thông số không xác định thì lúc đó
điều khiển học sẽ được xét đến.
2.1.2. Điều khiển học (Learning Control - LC)
Định nghĩa 2.1: Một bộ LC là một hệ thống điều khiển bao gồm trong
đó 1 hàm xấp xỉ các ánh xạ đầu vào – đầu ra tương ứng trong suốt quá trình
điều khiển mà một hoạt động mong muốn của hệ thống điều khiển đạt được.
-8-
Định nghĩa 2.2 (hàm xấp xỉ): Một hàm xấp xỉ là một ánh xạ vào/ra
được xác định bởi một hàm được lựa chọn
( )
ω
.,F
, với các véc tơ thông số ω
được lựa chọn để hàm
( )
.F
được xấp xỉ tốt nhất.
Nói chung một cách sơ bộ, các bộ hàm xấp xỉ có thể được sử dụng

theo 2 cách:
- sử dụng để tạo (một phần) tín hiệu điều khiển.
- sử dụng để học một mô hình đối tượng tương ứng được kiểm soát
Trên cơ sở những suy xét này, chúng ta có thể đưa ra một số các thuộc
tính sau mà một bộ LC :
Dễ dàng sử dụng trong một hệ thống điều khiển có sẵn.
Có khả năng sử dụng những kiến thức dự đoán của đối tượng.
Hàm xấp xỉ nên phù hợp cho việc điều khiển. Điều này có nghĩa rằng:
- Cần sử dụng dung lượng nhớ nhỏ.
-Việc tính toán đầu ra của hàm xấp xỉ và sự tương thích của quan
hệ vào/ra phải được thực hiện một cách nhanh chóng.
Cơ chế học cần hội tụ nhanh.
Cơ chế học không nên bị cực tiểu cục bộ
Hàm xấp xỉ có khả năng tự khái quát hoá tốt
Sự mềm mại của giá trị xấp xỉ cần điều khiển được
Đáp ứng ngắn hạn là học tốt.
Sự ổn định lâu dài cần phải được bảo đảm.
2.1.3. Bộ điều khiển học sử dụng sai lệch phản hồi (Feedback Error
Learning - FEL)
2.1.3.1. Cấu trúc điều khiển
Hệ thống LC bao gồm 2 phần:
Bộ điều khiển Feef-forward được biểu thị bằng F, nghĩa là 1 hàm/ánh
xạ
( )
rFu
F
=
. Một bộ điều khiển Feed - forward thông thường có thể được sử
dụng để bù thêm cho các hệ thống động học và theo cách này sẽ thu
được độ bám chính xác cao. Khi bộ điều khiển feed-forward bằng với đối

tượng nghịch đảo
1−
= PF
, thì đầu ra của đối tượng
y
sẽ bằng tín hiệu đặt
r
-9-
Đối tượng
P
, luôn chịu sự tác động của nhiễu. Các loại nhiễu ở bao
gồm cả nhiễu ngẫu nhiên và nhiễu có bản chất chu kỳ. Những nhiễu chu kỳ
tái diễn giống nhau khi một chuyển động cụ thể được lặp lại.
2.1.4. Learning Feed forward Control (LFFC)
Trong luận văn này một hệ thống LC được xét có cấu trúc tương tự
như cấu trúc của bộ điều khiển FEL (hình 2.2). Tuy nhiên, phần feed-forward
của bộ điều khiển LC được thực hiện bởi các thông số a
m
, b
m
, c
m
, d
m
của bộ
điều khiển thích nhi theo mô hình mẫu.
2.2. ĐIỀU KHIỂN THÍCH NGHI THEO MÔ HÌNH MẪU
Hệ thống điều khiển thích nghi là hệ thống mà cấu trúc và tham số của
bộ điều khiển có thể thay đổi theo sự biến thiên thông số của hệ sao cho đảm
bảo các chỉ tiêu đã định. Hệ thống điều khiển thích nghi theo mô hình mẫu

có nhiều dạng khác nhau. Chúng ta bắt đầu bằng một cách tiếp cận trực
giác, chỉ ra rằng các ý tưởng hồi tiếp cơ sở giúp chúng ta tìm ra các thuật
toán hiệu chỉnh tham số. Chúng ta chú ý rằng sẽ có hai câu hỏi nảy sinh ra.
Thứ nhất đó là làm thế nào để tìm các tín hiệu thích hợp mà hiệu chỉnh các
tham số thích hợp ở những thời điểm thích hợp. Thứ hai là làm thế nào để
đảm bảo sự ổn định cho một hệ thống thích nghi mà vốn đã phi tuyến do sự
xuất hiện của các bộ nhân trong hệ thống. Chúng ra sẽ có cái nhìn sâu hơn
đối với câu hỏi đầu tiên bằng cách xét phương pháp mô hình nhạy cảm. Sự ổ
định có thể được bảo đảm bằng cách ứng dụng lý thuyết ổn định Liapunov’s
cho việc thiết kế các hệ thống thích nghi.
2.2.1. Khái quát chung
Một hệ thống thích nghi có thể được định nghĩa như sau:
“ Một hệ thống thích nghi là một hệ thống mà trong đó thêm vào cấu
trúc (hồi tiếp) cơ bản, các phép đo tường minh được thực hiện để bù tự động
Hàm xấp xỉ
-10-
cho những thay đổi về các điều kiện hoạt động, cho những thay đổi về động
học quá trình hoặc cho những thay đổi về nhiễu, để duy trì một hoạt động tối
ưu của hệ thống”.
Các hệ thống điều khiển thích nghi có thể được phân loại theo nhiều cách
khác nhau. Một trong những cách phân loại đó là dựa trên sự khác nhau giữa:
- Những hệ thống với sự điều chỉnh trực tiếp của các tham số của bộ
điều khiển, không cần nhận dạng rõ ràng các tham số của đối tượng (điều
khiển thích nghi trực tiếp)
- Những hệ thống với sự điều chỉnh gián tiếp của các tham số bộ điều
khiển, không cần nhận dạng rõ ràng các tham số của đối tượng (điều khiển
thích nghi gián tiếp)
2.2.2. Cơ chế thích nghi
Trong các tài liệu một vài phương pháp đã được đưa ra để thiết kế các
hệ thống thích nghi. Nhưng ta có thể có được cái nhìn sâu hơn vào một

phương pháp bằng cách tự tư duy làm thế nào để tìm ra được các thuật toán.
Việc này giúp ta thực sự hiểu được phải làm gì tiếp theo. Trong Hình 2.8 là
sơ đồ khối được đưa ra cho một hệ thống mà sẽ được dùng như là một ví dụ
xuyên suốt tài liệu này.
Hình 2.8. Mô hình mẫu và đối tượng
-11-
Trong ví dụ này, đối tượng (tuyến tính) được mô tả bằng hàm truyền:
p
2
p
b
s + a s +1
(2.7)
và mô hình được mô tả bằng
m
2
m
b
s + a s +1
hoặc
2
n
2 2
n n
Kω
s + 2ξω s + ω
(2.8)
Sự biến đổi trong tham số a
p
có thể được bù bằng cách hiệu chỉnh K

a
và sự biến đổi trong tham số b
p
có thể được hiệu chỉnh bằng cách điều chỉnh
K
b
. Việc này được thể hiện một cách trực tiếp từ hàm truyền của bộ điều
khiển cộng đối tượng trong Hình 2.8:
b p
2
p a
K + b
s + (a + K )s +1
(2.9)
các luật hiệu chỉnh sau:


Tham số K
b
được hiệu chỉnh khi u, tín hiệu trực tiếp chịu ảnh hưởng
bởi K
b
, là lớn và tham số K
a
được hiệu chỉnh khi x
2
, tín hiệu trực tiếp chịu
ảnh hưởng bởi K
a
, là lớn.

Do vậy đến lúc này chúng ta phải đối mặt với 2 vấn đề:
1. Một dạng ‘tốc độ động thích nghi’ được cần đến để nhận ra là mỗi
tham số chỉ được hiệu chỉnh khi kết quả sai lệch là nhạy cảm với sự thay đổi
của tham số đó.
2. Bài toán ổn định còn tồn tại khi hệ số thích nghi được tăng lên như là
một kết quả của sự đòi hỏi tăng tốc độ thích nghi. Bài toán ổn định này dễ
dàng được giải quyết bằng phương pháp phân tích tuyến tính bởi vì sự thích
nghi tạo ra sự phi tuyến cho hệ thống.
Hai bài toán này chính là khởi nguồn của các phương pháp khác nhau để
thiết kế MRAS.
- Phương pháp độ nhạy. Phương pháp này nhấn mạnh việc xác định ‘ tốc
độ động thích nghi’ với sự trợ giúp của hệ số nhạy.
- Phương pháp ổn định. Phương pháp này nhấn mạnh đến bài toán ổn
định. Do đặc tính phi tuyến của một hệ thích nghi nên cần thiết phải sự dụng
(2.13)
(2.14)
-12-
đến lý thuyết ổn định của hệ phi tuyến. Chúng ta sẽ nhận thấy rằng, song
song với việc kiểm tra tính ổn định, những luật thích nghi hữu dụng cũng có
thể được tìm ra.
2.2.3. Mô hình độ nhạy:
Phương pháp độ nhạy có ưu điểm là đơn giản và dễ hiểu. Nhược điểm
chính của nó là sự ổn định chỉ có thể được chứng minh bằng mô phỏng hoặc
kiểm nghiệm thực tế. Một chứng minh bằng toán học cho sự ổn định không
thể đưa ra được.
2.2.4. Phương pháp ổn định của Liapunov.
Việc thiết kế các hệ thống thích nghi dựa trên lý thuyết ổn định được bắt
nguồn từ những bài toán về ổn định trong thiết kế ví dụ như những bài toán
dựa trên các mô hình độ nhạy.
Từ đó, những bước dưới đây là cần thiết để thiết kế một bộ điều khiển

thích nghi sử dụng phương pháp Liapunov
1. Xác định phương trình vi phân cho e
2. Chọn một hàm Liapunov V
3. Xác định các điều kiện để V xác định âm
4. Giải tìm P từ phương trình
T
m m
A P PA Q+ = −
21 1 22 2 2
22
0
1
( ) (0)
t
a a
K p e p e x dt K
α
= − + +
∫
(2.64)
21 1 22 2
2
0
1
( ) (0)
t
b b
K p e p e u dt K
β
= + +

∫
(2.65)
2.3. BỘ ĐIỀU KHIỂN LFFC TRÊN CƠ SỞ MRAS
Giới thiệu
Bắt nguồn từ cấu trúc bộ điều khiển LFFC, luận văn này đề cập đến sự
thích nghi của các tham số của mô hình mẫu dựa trên bộ điều khiển LFFC,
mà thực hiện một mô hình ngược của đối tượng. Đáp ứng thực của đối tượng
được xác định bởi khâu khởi tạo tín hiệu đặt. Đối với hệ thống tuyến tính, có
thể chứng minh rằng hệ thống được điều khiển ổn định tiệm cận theo thuyết
của Liapunov. So sánh với những cấu trúc mô hình mẫu tiêu chuẩn hơn thì
hệ thống này có hiệu suất tốt hơn. Nó phản ứng nhanh, bền vững và không nhạy
cảm với nhiễu đo lường. Sự mô phỏng với một đối tương bậc 2 bất kì và với mô
hình của đối tượng cơ điện tử bậc 4 điển hình sẽ minh họa hệ thống này.
-13-
2.3.2. MRAS dựa trên điều khiển feed - forward
Đối với những hệ thống có thể xấp xỉ bằng 1 hàm truyền tuyến tính, sự
biểu diễn dưới dạng hàm truyền hầu như không yêu cầu bộ nhớ và vì vậy rất
hiệu quả. Khi chúng ta nhận dạng khâu tạo tín hiệu đặt bằng phương pháp sử
dụng bộ lọc biến trạng thái, trạng thái của những bộ lọc như thế này – mà là
đạo hàm của đầu ra - có thể được sử dụng để tạo ra 1 mô hình ngược. Điều
này được minh họa bằng ví dụ ở hình 2.20. Đối tượng được mô tả bởi hàm
truyền H
p
và mô hình mẫu là H
ref
22
2
2
2
1

nn
n
ref
ppp
p
ss
H
csbsa
H
ωξω
ω
++
=
++
=
(2.67)
Hàm truyền đạt từ mẫu R tới đầu ra đối tượng C là :
ppp
mmm
nn
n
ref
csbsa
csbsa
ss
H
++
++
⋅
++

=
2
2
22
2
2
ωξω
ω
(2.68)
Hình 2.21: Bộ điều khiển LFFC
2.3.3. Luật điều khiển thích nghi.
luật hiệu chỉnh:
( )
[ ]
( )
( )
[ ]
( )
( )
[ ]
( )
0
1
0
1
0
1
1,2221
11
2,2221

22
3,2221
33
mmm
mmm
mmm
cdtxepepc
bdtxepepb
adtxepepa
++=
++=
++=
∫
∫
∫



α
α
α
(2.89)
-14-
Như bất kì một hệ thống dựa trên MRAS nào, việc bù nhiễu thích nghi
có thể được thêm vào, bằng cách nhận thấy rằng tham số d
m
hoạt động trên
một tín hiệu đầu vào bổ sung 1, thay cho trên một trong các biến trạng thái.
( )
[ ]

( )
01
1
2221 mm
ddtepepd
++=
∫

γ
(2.90)
332211
/1,/1,/1
ααα
và
γ
/1
gọi là các hệ số thích nghi. Chúng xác định tốc
độ thích nghi và theo lý thuyết, chúng có thể được lựa chọn tùy ý.
Biểu thức (2.89) có thể được tổng quát hóa thành biểu thức cho các hệ
thống có bậc cao hơn. Với một hệ thống bậc n, ta có thể xác định tham số a
m,i
dựa trên biểu thức:
im
n
k
knk
ii
im
xep
dt

da
,
1
,
1






=
∑
=
α
(2.91)
Trong luật hiệu chỉnh, đạo hàm của sai lệch là cần thiết. Đạo hàm này
có thể nhận được bằng phương pháp sử dụng 1 bộ lọc biến trạng thái (bậc 2).
Dải thông của bộ lọc biến trạng thái phải được chọn ít nhất là gấp 10 lần so
với dải thông của khâu khởi tạo tín hiệu đặt để không làm ảnh hưởng đến sự
ổn định của hệ thống. Mặt khác, sự kết hợp của một bộ lọc biến trạng thái với
một dải thông không quá rộng và việc sử dụng các trạng thái mô hình cho
thích nghi cũng như cho điều khiển làm cho hệ thống không nhạy cảm một
cách tương đối với nhiễu đo lường và mang lại một hệ thống bền vững.
Kết luận chương 2:
Như vậy trong chương 2 đã trình phân tích được khái niệm cơ bản về
bộ điều khển Learning Feed Forward, lý thuyết về điều khiển thích nghi theo
mô hình mẫu, và bộ điều khiển LFFC trên cơ sở điều khiển thích nghi theo
mô hình mẫu. Từ những kiến thức cơ sở này kết hợp với phương trình động
học trong Chương 1 có thể xây dựng được bộ điều khiển robot 2 bậc tự do

dùng bộ điều khiển Feedback kết hợp LFFC trên cơ sở điều khiển thích nghi
theo mô hình mẫu.
-15-
CHƯƠNG 3
THIẾT KẾ VÀ MÔ PHỎNG BỘ ĐIỀU KHIỂN LFFC TRÊN CƠ SỞ
MRAS ĐỂ ĐIỀU KHIỂN VỊ TRÍ CÁNH TAY ROBOT
3.1. THIẾT KẾ BỘ ĐIỀU KHIỂN
3.1.1. Chọn khâu khởi tạo tín hiệu đặt
2550
25
2
++
=
ss
H
ref
3.1.2. Chọn bộ điều khiển PD
SC 2500
+=
3.1.3. Tính toán bộ điều khiển LFFC
Chọn bộ thông số của Robot như sau:
Thông số Cánh tay 1 Cánh tay 2
Khối lượng cánh tay (kg) 1 1.5
Chiều dài cánh tay (m) 0.5 0.5
Momen quán tính (kg.m
2
) 0.02 0.035
Tỉ số truyền của động cơ 1 1
Lực Viscous friction (Ns/m) 0.15 0.15
Lực coulomb friction (N) 2 2







−
=
2,12.0
10
P
A
Chọn






=
1000
0100
Q






=

2.0500
104.0
P
P
21
=500; P
22
=0.2
Tính các thông số:
( )
[ ]
( )
( )
[ ]
( )
( )
[ ]
( )
)0()]sgn()[(
1
0
1
0
1
0
1
2221
2221
2221
2221

m
d
m
m
c
m
m
b
m
m
a
m
ddtepepd
cdtepepc
bdtepepb
adtepepa
++=
++=
++=
++=
∫
∫
∫
∫
θ
α
θ
α
θ
α

θ
α







Chọn a
m
(0)=b
m
(0)=c
m
(0)=d
m
(0)=0
-16-
Chọn
000032.0
1
2.0
1
=
=
b
d
α
α

02.0
1
5.0
1
=
=
a
c
α
α
Từ các thông số trên ta tìm được a
m
, b
m
, c
m
, và d
m
. ở đây ta chỉ quan tâm đến 2
lực chính tác động vào hệ thống là lực viscous và lực coulomb. Vì vậy ta chỉ
quan tâm đến 2 thông số là b
m
và d
m
là 2 thành phần để bù 2 thành phần lực này.
3.2. Mô phỏng hệ thống
3.2.1. Cấu trúc mô phỏng
Từ đó xây dựng được mô hình cánh tay robot 2 bậc tự do như sau:
Hình 3.2. Sơ đồ mô phỏng Robot 2 bậc tự do
Sơ đồ khối mô phỏng trong Matlab như sau:

( )
θ
M
1
S
1
S
1
( )
( )
θ
θθ
M
C

,
( )
θ
M
D
( )
θ
M
S
Sgn
( )
θ
M
G
+

+
+
+
+
+
+
θ

θ
θ

u
-17-
Hình 3.3. Sơ đồ khối mô phỏng đối tượng Robot 2 bậc tự do
Sơ đồ khối bộ điều khiển LFFC:
Hình 3.4. Sơ đồ khối bộ điều khiển LFFC trên cơ sở điều khiển thích nghi
theo mô hình mẫu.
θ

Reference
Model
PD
c
m
b
m
d
m
a
m

Sgn
θ
θ
θ

e
-
+
+
+
+
+
+
-
y
u
-18-
Sơ đồ khối hệ thống mô phỏng.
Hình 3.5: Sơ đồ khối mô phỏng toàn hệ thống
3.2.2.Kết quả mô phỏng
2. Sai lệch của tín hiệu vào( tín hiệu đặt ) và tín hiệu ra của hệ thống khi chỉ
có bộ điều khiển PD tác động:
Hình 3.10. Đáp ứng của hệ thống khi chỉ có bộ điều khển PD tác động
a.Tín hiệu đặt b. Tín hiệu LFFC tạo ra c.Sai lệch giữa tín hiệu vào và
tín hiệu ra
a
b
c
-19-
3. Khi có tín hiệu LFFC bù lực ma sát coulomb

Hình 3.13: Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb
a.Tín hiệu đặt b.Tín hiệu LFFC tạo ra c.Sai lệch giữa tín hiệu vào và
tín hiệu ra
1. Khi có cả lực Viscous và ma sát Coulomb tác động:
Kết quả mô phỏng khi cả lực Viscous và lực ma sát coulomb được bù:
Hình 3.15: Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb và
bù lực Viscous
a.Tín hiệu đặt b.Tín hiệu LFFC tạo ra c.Sai lệch giữa tín hiệu vào
và tín hiệu ra
a
b
c
a
b
c
-20-
Kết luận Chương 3
Từ các cơ sở lý thuết của Chương 1 và Chương 2, tác giả đã xây dựng được
bộ điều khiển cho cánh tay robot 2 bậc tự do kết hợp bộ điều khiển Feedback
và LFFC trên cơ sở MRAS. Kết quả điều khiển được kiểm chứng bằng mô
phỏng trên phần mềm Matlab simulink.
Qua kết quả mô phỏng có các kết luận:
- Hệ thống hoạt động ổn định trong thời gian lây dài;
- Tín hiệu thực bám với tín hiệu đặt khi cho tín hiệu đặt biến đổi. Trong
luận văn này giả thiết tín hiệu đặt (vị trí đặt) biến thiên theo quy luật
hàm Sin. Kết quả này cũng đúng khi cho vị trí đặt bất kỳ.
- Tín hiệu bám tốt, với các nhiễu đo được tác động vào hệ thống, bộ điều
khiển LFFC trên cơ sở MRAS đã tạo ra tín hiệu bù phù hợp để khử các
tín hiệu nhiễu.
- Chất lượng hoạt động của hệ thống khi có LFFC tốt hơn khi chỉ sử

dụng bộ điều khiển truyền thống PD. Điều này được thể hiện ở sai lệch
giữa tín hiệu đặt và tín hiệu đầu ra khi chỉ sử dụng bộ điều khiển PD và
bộ điều khiển có thêm LFFC.
-21-
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI
Luận văn đã hoàn thành những yêu cầu đặt ra là ứng dụng Learning
Feed Forword trên cơ sở điều khiển thích nghi theo mô hình mẫu (MRAS) để
điều khiển vị trí cánh tay robot.
Các đóng góp chính của luận văn:
- Đã tổng hợp được các khái niệm về learning feed forward, điều khiển
thích nghi theo mô hình mẫu và các ứng dụng của nó để có cái nhìn tổng
quan về kết cấu, các luật học và các phương pháp ứng dụng learning feed
forward trên cơ sở điều khiển thích nghi theo mô hình mẫu.
- Bằng phương pháp phân tích, tổng hợp luận văn này đã tính toán xây
dựng được mô hình động học của robot 2 bâc tự do, thiết kế được bộ điều
khiển, khảo sát mô phỏng cho cánh tay robot 2 bậc tự do bằng ứng dụng
learning feed forward trên cơ sở điều khiển thích nghi theo mô hình mẫu.
Trong luận văn đã trình bày một phương pháp thiết kế bộ điều khiển đã khử
được các nhiễu phi tuyến tác động lên vị trí cánh tay robot như ma sát
coloum, ma sát nhớt… qua đó đã nâng cao độ chính xác và nâng cao chất
lượng bộ điều khiển điều khiển của cánh tay robot 2 bậc tự do.
Do thời gian nghiên cứu có hạn, trong khuôn khổ luận văn này mới chỉ
thiết kế mô phỏng được hệ thống điều khiển. Từ kết quả mô phỏng với các
tham số của bài toán có thể phát triển ứng dụng để thiết kế trên mô hình thực
tế và phát triển với cánh tay robot với số bậc tự do lớn hơn.
Vì vậy luận văn này là một hướng nghiên cứu mở, có thể phát triển tiếp
tục hướng nghiên cứu này ở các công trình khoa học cấp cao hơn.
-22-
TÀI LIỆU THAM KHẢO
[1]. Nguyễn Doãn Phước,Phan Xuân Minh: Điều khiển tối ưu và bên vững,

NXB Khoa học kĩ thuật, 1999.
[2]. W.J.R. Velthuis. Learning feed-forward control: theory, design and
application. Phd thesis, University of Twente, Enschede, the Netherlands,
2000.
[3]. Amerongen, J.van; Intelligent Control (part 1)- MRAS, Lecture notes;
University of Twente, The Netherlands, March, 2004.
[4]. Amerongen, J.van; A MRAS- based Learning Feed Forward controller;
University of Twente, The Netherlands, March, 2006.
[5]. Nguyễn Doãn Phước, Phan Xuân Minh, Hán Thành Trung: Lý thuyết
điều khiển phi tuyến, NXB Khoa học & kỹ thuật, 2006.
[6] Karl J.Astrom & Bjorn Wittenmark; Adaptive control, Addison-Wesley
Publishing Company, 1995
[7]. Amerongen, J.van; Adaptive steering of ships- a model reference
approach, Automatica 20.
[8]. Phạm Đăng Phước;Rôbốt công nghiệp; NXB Khoa học kĩ thuật