vii
Mục lục
Trang tựa trang
Quyết đnh giao đề tài
Lụ LCH KHOA HC i
Li Cam Đoan iii
Li Cảm n iv
Tóm Tắt Luận Văn v
Mc lc vii
Danh Sách Các Chữ Viết Tắt x
Danh Sách Các Hình xi
Danh Sách Các Bảng xiv
Chng 1
Tổng Quan 1
1.1. Đặt vấn đề 1
1.2. Lch sử nghiên cứu 3
1.3. Mc tiêu và giới hạn ca đề tài 6
1.4. Phng pháp nghiên cứu 7
1.5. Ni dung luận văn 7
Chng 2 Mô Hình Toán Hc 9
2.1. Xây dựng mô hình toán hc [8], [9] 9
2.2. Mô phỏng con lắc ngợc quay trên matlab 13
2.1.1. Khảo sát đáp ứng ca con lắc tuyến tính 15
2.1.2. Khảo sát đáp ứng góc ca con lắc với b điều khiển PID mt biến 16
2.1.3. Khảo sát đáp ứng góc ca con lắc với b điều khiển PID hai biến 17
2.1.4. Khảo sát đáp ứng ca con lắc phi tuyến 21
viii
Chng 3 Điu Khin Cơn Bằng Dùng Mng Neural (Ann) 24
3.1. Mạng neural truyền thẳng nhiều lớp (Multilayer Feed-forward Neural
Network) [15], [16] 24
3.1.1. Vấn đề thiết kế cấu trúc mạng 25
3.1.2. Số lớp ẩn 26
3.1.3. Số neural trong lớp ẩn 27
3.2. Luật hc lan truyền ngợc [16] 28
3.3. Lựa chn và huấn luyn mạng 33
3.3.1. Mạng truyền thẳng (feedforwardnet) 34
3.3.2. Mạng truyền thẳng ghép cascade (Cascade-forward neural
network) 35
3.3.3. Mạng truyền thẳng khớp quan h vào ra (fitting neural network) 37
3.4. Điều khiển con lắc bằng mạng fitting neural network 38
Chng 4
Điu Khin Swing-Up Dùng Logic Mờ 39
4.1. Tổng quan về điều khiển m [14] 39
4.1.1. Tiền xử lý 39
4.1.2. M hóa 39
4.1.3. H qui tắc m 40
4.1.4. Các phép toán trên tập m 41
4.2. Điều khiển Swing-up [14], [15] 42
4.3. Áp dng điều khiển m trong Swing-up con lắc 44
Chng 5
Kết Qu Thực Nghim 46
5.1. Điều khiển con lắc ngợc dùng mạng fitting neural network 46
5.1.1. Đáp ứng ca con lắc khi cha thay đổi thông số mô hình 47
ix
5.1.2. Đáp ứng ca con lắc khi thêm m = 0.31kg tại 2L=16cm 49
5.1.3. Đáp ứng ca con lắc khi thêm m = 0.31kg tại 2L=30cm 51
5.2. Điều khiển Swing-up sử dng logic m 54
Nhận xét: 56
Chng 6
Kết Luận VƠ Hớng Phát Trin Đ TƠi 56
6.1. Kết luận 56
6.2. Hớng phát triển ca đề tài 56
TÀI LIU THAM KHO 59
Phụ Lục 62
A. Giới thiu phần cứng h thống con lắc ngợc quay 62
a. Phần c khí: 62
b. Phần mạch đin tử: 63
c. Các s đồ nguyên lý ca mạch đin trên h thống thực 65
x
Danh Sách Các Chữ Viết Tắt
1. PID: Proportional Integral Derivative
2. PWM: Pulse-Width Modulation
3. SIMO: Single Input Multi Outputs
4. SISO: Single Input Single Outputs
5. MIMO: Multi Input Multi Outputs
6. DSP: Digital Signal Processing
7. PCI: Peripheral Component Interconnect
8. QEP: Quadrature Encoder Pulse
9. ANN: Artificial Neural Network
10. SSE: Sum Suquared Error
11. MSE: Mean Square Error
xi
Danh Sách Các Hình
Hình trang
Hình 1.1 H Pendubot 3
Hình 1.1 H con lắc ngợc xe 3
Hình 1.3 H con lắc ngợc quay 4
Hình 1.4 H con lắc mt bậc 4
Hình 2. 1 Mô hình cánh tay quay ca con lắc 9
Hình 2. 2 Phân tích chuyển đng ca con lắc ngợc quay 10
Hình 2. 3 S đồ khối mô hình mô phỏng con lắc tuyến tính 14
Hình 2. 4 S đồ khối mô hình mô phỏng con lắc phi tuyến 14
Hình 2. 5 S đồ khối mô tả con lắc khi cha có b điều khiển 15
Hình 2. 6 Góc alpha ca con lắc khi cha có b điều khiển 15
Hình 2. 7 S đồ khối điều khiển con lắc hồi tiếp góc alpha 16
Hình 2.8. Đáp ứng góc lch con lắc khi hồi tiếp góc alpha 17
Hình 2.9 Đáp ứng góc lch cánh tay khi hồi tiếp góc theta 17
Hình 2.10. Điều khiển con lắc hồi tiếp cả hai góc alpha và theta 18
Hình 2.11. Đáp ứng góc alpha khi hồi tiếp cả hai góc alpha và theta 18
Hình 2.12. Đáp ứng góc theta khi hồi tiếp cả hai góc alpha và theta 19
Hình 2.13. Điều khiển con lắc hồi tiếp cả hai góc alpha và theta khi thay đổi m 20
Hình 2.14. Điều khiển con lắc không ổn đnh khi khối lợng m = 0.65kg 20
Hình 2.15. Điều khiển con lắc hồi tiếp cả hai góc alpha và theta khi thay đổi chiều dài 21
Hình 2.16. Điều khiển con lắc không ổn đnh khi chiều dài bằng L=0.4194 m 21
Hình 2.17. Điều khiển con lắc hồi tiếp cả hai góc alpha và theta với tín hiu nhiu 22
Hình 2.18. Góc alpha ca con lắc khi ngõ vào là tín hiu nhiu ngẫu nhiên 22
Hình 2.19. Điều khiển con lắc ổn đnh khi khối lợng m = 0.62kg 23
Hình 2.20. Điều khiển con lắc ổn đnh khi chiều dài bằng 0.4145m 23
Hình 3.1 Mạng neural truyền thẳng nhiều lớp 24
Hình 3.2: Hiu năng huấn luyn ca mạng feedforwardnet 32
Hình 3.3: Trạng thái quá trình huấn luyn ca mạng feedforwardnet 33
Hình 3.4: Histogram huấn luyn ca mạng feedforwardnet 33
Hình 3.5: Hiu năng huấn luyn ca mạng Cascade-forward neural network 34
xii
Hình 3.6: Trạng thái quá trình huấn luyn ca mạng Cascade-forward neural network 34
Hình 3.7: Histogram huấn luyn ca mạng Cascade-forward neural network 35
Hình 3.8 Hiu năng huấn luyn ca mạng fitting neural network 35
Hình 3.9: Trạng thái quá trình huấn luyn ca mạng fitting neural network 36
Hình 3.10: Histogram huấn luyn ca mạng fitting neural network 36
Hình 3.11 S đồ khối b điều khiển cân bằng sử dng mạng fitting neural network 37
Hình 4.1 S đồ khối b điều khiển m 39
Hình 4.2. Tập m ngõ ra ca khâu m hóa 40
Hình 4.3 Miền không gian trạng thái con lắc 43
Hình 4.4 Mô hình b điều khiển con lắc cân bằng và lật ngợc 43
Hình 4.5 S đồ m hóa ngõ vào 44
Hình 4.6 S đồ giải m ngõ ra 44
Hình 4.7 Vùng tác đng điều khiển con lắc ngợc 45
Hình 5.1. S đồ khối thu thập dữ liu 46
Hình 5.2. S đồ khối b điều khiển cân bằng sử dng mạng fitting neural network 47
Hình 5.3. Đáp ứng góc alpha với mạng fitting neural network 48
Hình 5.4. Đáp ứng góc alpha với mạng truyền thẳng [9] 48
Hình 5.5. Đáp ứng góc theta với mạng fitting neural network 49
Hình 5.6. Đáp ứng góc theta với mạng truyền thẳng [9] 49
Hình 5.7. Đáp ứng góc alpha với mạng fitting neural network khi thêm m tại L=16cm 50
Hình 5.8. Đáp ứng góc alpha với mạng truyền thẳng [9] khi thêm m tại L=16cm 50
Hình 5.9. Đáp ứng góc theta với mạng fitting neural network khi thêm m tại L=16cm 51
Hình 5.10. Đáp ứng góc theta với mạng truyền thẳng [9] khi thêm m tại L=16cm 51
Hình 5.11. Đáp ứng góc alpha với mạng fitting neural network khi thêm m tại L=30cm 52
Hình 5.12. Đáp ứng góc alpha với mạng truyền thẳng [9] khi thêm m tại L=30cm 52
Hình 5.13. Đáp ứng góc theta với mạng fitting neural network khi thêm m tại L=30cm 53
Hình 5.14. Đáp ứng góc theta với mạng truyền thẳng [9] khi thêm m tại L=30cm 53
Hình 5.15. Vùng tác đng điều khiển Swing- up 54
Hình 5.16: Lu đồ giải thuật điều khiển Swing-up 54
Hình 5.17 Góc con lắc khi điều khiển swing-up 55
Hình 7.1. S đồ h thống điều khiển con lắc ngợc quay 59
Hình 7.2. H thống thực nghim 59
xiii
Hình 7.3. Phần c khí ca mô hình con lắc ngợc 60
Hình 7.4 Mạch đin tử điều khiển ca mô hình con lắc ngợc 61
Hình 7.5 Mạch giao tiếp Encorder với 2 ngõ QEP ca DSP 62
Hình 7.6 Mạch cách ly giữa phần điều khiển và phần đng lực 62
Hình 7.7 Mạch đng lực điều khiển đng c 24V 63
Hình 7.8 Mạch giao tiếp SCI 63
xiv
Danh Sách Các Bng
Bảng 2.1. Các thông số ca mô hình 15
Bảng 3.2 So sánh kết quả huấn luyn các loại mạng 40
Bảng 7.1. Thông số thực ca h thống con lắc ngợc thực 65
1 – Tổng Quan
1
Chng 1
Tổng Quan
1.1. Đặt vấn đ
Ngày nay các lý thuyết điều khiển tuyến tính đƣ phát triển hoàn chnh vƠ đợc
áp dng rất thành công trong các quá trình công nghip cũng nh trong các thiết b
dân dng. Tuy nhiên, các lý thuyết này không hiu quả đối với các h thống phi
tuyến mà không thể hoặc khó xác đnh chính xác mô hình toán hc, nhất lƠ đối với
những h thống có mô hình toán hc thay đổi và chu tác đng ca nhiu. Bên cạnh
đó, lỦ thuyết điều khiển phi tuyến cũng đƣ có những bớc phát triển đáng kể. Từ đó
chúng ta có nền tảng toán hc cần thiết để thiết kế những b điều khiển đạt chất
lợng.
Các lý thuyết đợc áp dng thƠnh công để điều khiển các h phi tuyến đợc
chia thành hai nhóm chính: lý thuyết điều khiển kinh điển và lý thuyết điều khiển
hin đại. Nhóm phng pháp điều khiển kinh điển dựa vào vic tuyến tính hóa đặc
tuyến ca h thống xung quanh điểm làm vic, sau đó áp dng các phng pháp
điều khiển cho h tuyến tính. Lý thuyết điều khiển kinh điển đƣ bc l ra những yếu
điểm về chất lợng cũng nh đ tin cậy khi đối tợng điều khiển là h phi tuyến, và
nhất là những đối tợng không rõ hoặc khó xác đnh chính xác mô hình toán hc,
cũng nh chu tác đng ca nhiu.
Nhóm phng pháp điều khiển hin đại bao gồm điều khiển dùng giải thuật
m, điều khiển dùng giải thuật di truyền, điều khiển dùng mạng thần kinh nhân tạo
(Artificial Neural Network, trong đề tài này gi tắt là mạng neural) … Điều khiển
m dựa vào vic xấp xƿ thông số ca đối tợng dùng mô hình m. Các thông số này
sẽ đợc cập nhật liên tc trong quá trình điều khiển dựa vào sai số hồi tiếp. Phng
pháp này vận dng tính xấp xƿ hƠm ca h m và dùng luật thích nghi để cập nhật
thông số ca h m theo tiêu chuẩn ổn đnh Lyapunov. Mạng neural khi mới hình
thƠnh còn cha có tri thức về h thống, tri thức ca mạng hình thành dần sau mt
quá trình huấn luyn. Mạng neural đợc huấn luyn bằng tập dữ liu, bao gồm kích
1 – Tổng Quan
2
thích ngõ vƠo vƠ đáp ứng ngõ ra ca h thống. Ta đa vƠo đầu vào mạng neural
những kích thích, mạng neural sẽ hình thành những đáp ứng tng ứng ngõ ra,
đáp ứng phù hợp với từng loại kích thích sẽ đợc lu giữ, giai đoạn nƠy đợc gi là
giai đoạn hc ca mạng. Khi đƣ hình thƠnh tri thức, chúng ta có thể dùng mạng
neural để điều khiển h thống mà nó đợc hc.
H con lắc ngợc quay là mt h thống không ổn đnh vƠ có ít ngõ vƠo điều
khiển hn số bậc tự do. Đơy lƠ mt h phi tuyến có hai điểm cân bằng: Điểm cân
bằng thẳng đứng hớng lên (v trí lật ngợc) vƠ điểm cân bằng thẳng đứng hớng
xuống dới (v trí buông thõng), trong đó v trí lật ngợc lƠ điểm cân bằng không
ổn đnh. BƠi toán đặt ra là thiết kế h thống điều khiển gồm hai phần: b điều khiển
lật ngợc (swing-up) có nhim v đa con lắc từ v trí buông thõng lên v trí lật
ngợc và b điều khiển cân bằng có nhim v giữ con lắc ổn đnh tại v trí lật
ngợc.
Con lắc ngợc lƠ đối tợng đại din cho lớp các đối tợng có đ phi tuyến
cao và không ổn đnh. Con lắc ngợc quay mt bậc tự do có u điểm là h thống c
khí không quá phức tạp (so với con lắc ngợc xe), nó đợc sử dng rng rãi trong
vic giảng dạy và nghiên cứu lý thuyết điều khiển tự đng cũng nh xây dựng các
b điều khiển.
Con lắc ngợc quay mt bậc tự do bao gồm 3 phần chính: phần c khí, phần
đin tử và phần chng trình. Phần c khí bao gồm mt thanh kim loại (con lắc)
quay quanh mt trc thẳng đứng. Thanh kim loại đợc gắn gián tiếp với đầu ca
mt cánh tay nằm ngang thông qua mt cảm biến để đo góc, đầu còn lại ca cánh
tay đợc gắn vào trc quay ca mt đng c DC. Đng c DC đặt thẳng đứng để
cánh tay có thể quay trong mt mặt phẳng nằm ngang. Do trong quá trình vận hành
cánh tay sẽ quay với tốc đ cao nên phần c khí cần phải đợc tính toán thiết kế
chính xác, chắc chắn nhằm tránh rung gây nhiu vƠ h hỏng trong quá trình vận
hành. Phần đin tử gồm 3 phần nhỏ là: cảm biến đo góc cánh tay vƠ con lắc, mạch
khuyếch đại công suất và mạch điều khiển. Phần cảm biến đóng vai trò hết sức
quan trng, nó sẽ cung cấp cho b điều khiển: v trí, hớng ca cánh tay và con lắc.
1 – Tổng Quan
3
Có nhiều loại cảm biến đợc sử dng để đo góc, trong đề tài này tác giả sử dng B
mã hóa vòng quay (Rotary Encorder) có đ phân giải 4096 xung/vòng. Tín hiu từ
b mƣ hóa vòng quay đợc khuyếch đại, lc nhiu rồi kết nối vào module ngoai vi
eQEP (Enhanced Quadrature Encorder Pulse) ca DSP. Tùy thuc vào tín hiu từ
các B mã hóa vòng quay mƠ DSP đợc lập trình để xuất tín hiu ngõ ra điều khiển
đng c DC qua mt mạch khuyếch đại công suất. Phần chng trình: Chng
trình điều khiển con lắc tác giả không viết trực tiếp trên Code Composer Studio mà
kết hợp với Matlab2012a để tận dng các hàm tính toán rất mạnh, có sẵn trong
Matlab. Cách viết này về lý thuyết sẽ giúp ngi sử dng tiết kim đợc thi gian
vì không cần phải nắm vững cấu trúc phần cứng ca DSP và tập lnh C ca CCS
nhng thực tế do mã C sinh ra bi Matlab sẽ không tối u nên để chng trình hoạt
đng tốt đòi hỏi ngi lập trình phải nắm thật vững cách lập trình bằng Matlab, cấu
trúc mã C do Matlab sinh ra, cấu trúc phần cứng ca DSP để có thể can thip và
hiu chnh trực tiếp vào mã C này.
1.2. Lch sử nghiên cu
H con lắc ngợc có cấu trúc đn giản nhng mang đầy đ dặc tính phi tuyến.
Do đó, h thống trên đợc sử dng rất rng rãi trong các thí nghim kiểm chứng lý
thuyết điều khiển. Mt số dạng mô hình con lắc ngợc đợc sử dng nhiều nh:
pendubot, h con lắc ngợc xe, h con lắc ngợc quay…
Hình 1.1 Hệ Pendubot
Hình 1.2 Hệ con lắc ngược xe
1 – Tổng Quan
4
Hình 1.3 Hệ con lắc ngược quay
Hình 1.4 Hệ con lắc một bậc
Trong các mô hình trên, h pendubot và h con lắc ngợc xe có khuyết điểm
là khoảng hoạt đng b giới hạn vì cấu tạo phần cứng. H con lắc mt bậc là h
SISO nên mô hình còn mang tính đn giản. H con lắc ngợc quay không b giới
hạn về không gian hoạt đng và là mt h SIMO nên giải thuật điều khiển phải đòi
hỏi phức tạp hn, phù hợp cho các giải thuật điều khiển chuyên sâu. Quá trình điều
khiển con lắc ngợc quay gồm hai giai đoạn: điều khiển swing-up vƠ điều khiển
cân bằng.
Đối với điều khiển cân bằng cho con lắc, các giải thuật phi tuyến đƣ đợc sử
dng thƠnh công nh back-stepping [1], trợt [2], đặt cực [3] Tuy nhiên, khuyết
điểm chung ca ca các giải thuật điều khiển trên là ta phải biết đợc mô hình toán
đối tợng và các thông số mô hình tng ứng.
Theo hớng nghiên cứu ca nhóm MA và BT [4] thiết kế b điều khiển Logic
m (Fuzzy) để điều khiển ổn đnh h thống con lắc ngợc. Kết quả đáp ứng ca h
thống khi sử dng b điều khiển Fuzzy hiu quả hn b điều khiển PID. Tuy nhiên
b điều khiển m hoạt đng ch yếu ph thuc vào kinh nghim vƠ phng pháp
1 – Tổng Quan
5
rút ra kết luận theo t duy con ngi, sau đó đợc cƠi đặt vào máy tính dựa trên c
s logic m.
Theo hớng nghiên cứu ca MAK [2] sử dng b điều khiển trợt để điều
khiển con lắc ngợc quay. Kết quả ca nghiên cứu này là tác giả đƣ xác đnh đợc
hai mặt trợt theo đnh nghƿa đúng đắn ca hàm Lyapunov, kết hợp hai mặt trợt
nƠy để điều khiển con lắc ổn đnh. Tuy nhiên trong phng pháp điều khiển trợt
vic tìm kiếm bề mặt trợt ca h thống là không d dàng.
Theo hớng nghiên cứu ca nhóm ANKN, RMTRI, MAA [6] thiết kế b điều
khiển trợt và b điều khiển PID để điều khiển cho con lắc ngợc. Mc tiêu ca bài
báo này là so sánh chất lợng đáp ứng ca h thống khi sử dng hai b điều khiển
nƠy để điều khiển ổn đnh cho con lắc ngợc. Cả hai b điều khiển nƠy đợc mô
phỏng trên môi trng Simulink Matlab và cho thấy đều có khả năng điều khiển
thành công mô hình con lắc. Kết quả cho thấy rằng khi sử dng b điều khiển trợt
thì cho đáp ứng tốt hn so với b điều khiển PID. Tuy nhiên, khi sử dng hai b
điều khiển nƠy để điều khiển con lắc thì v trí góc lch con lắc tng đối lớn.
Để khắc phc các khuyết điểm trên ca điều khiển phi tuyến cũng nh tuyến
tính, mt số tác giả sử dng các giải thuật điều khiển thông minh nh điều khiển
m [7], điều khiển dùng mạng neural [8], [9]. Vic sử dng mạng neural [8], [9] đƣ
mô phỏng thành công mt giải thuật điều khiển trớc đó (b điều khiển PID) để
điều khiển tốt đối tợng con lắc ngợc quay thực tế. Tuy nhiên, có nhiều loại mạng
neural đợc sử dng trong thực tế. Vấn đề chn mạng neural nƠo để sử dng trong
điều khiển là mt vấn đề cần đợc quan tâm.
Các kết quả trong [10] cho thấy cấu trúc mạng neural truyền thẳng khớp quan
h vào ra (fitting neural network) tốt hn mạng truyền thẳng ghép liên tầng (casde-
feed forward) và mạng truyền thẳng chuẩn (feed-forward). Đồng thi các nghiên
cứu trong [11] vƠ [12] đƣ khắc phc đợc những nhợc điểm ca thuật toán huấn
luyn lan truyền ngợc chuẩn (standard back-propagation) bằng các sử dng thuật
toán lan truyền ngợc Levenberg-Marquardt (Levenberg-Marquardt back-
1 – Tổng Quan
6
propagation) và thuật toán lan truyền ngợc quy tắc hóa Bayesian (Bayesian
regularization backpropagation).
Đối với điều khiển swing-up cho con lắc thì mt số tác giả dùng kinh nghim
để kích các xung có đ rng khác nhau tùy v trí con lắc để đa con lắc dần lên v
trí cân bằng đƣ đạt đợc thành công trong thực tế [3], cũng nh mô phỏng [16]. Khi
con lắc đến đợc v trí gần với v trí cân bằng thì giải thuật cân bằng mới đợc thực
hin. Vic điều khiển nh thế sẽ không áp dng đợc các hiểu biết ca chuyên gia
vào giải thuật cũng nh lƠm giải thuật điều khiển không đợc mềm dẻo trong các
trạng thái hoạt đng khác nhau ca h con lắc ngợc quay. Do đó, vic áp dng các
giải thuật thông minh cho điều khiển swing-up là cần thiết. Từ suy nghƿ đó, mt số
tác giả nớc ngoài [16] cũng đƣ mô phỏng thành công vic điều khiển swing-up
cho con lắc ngợc dùng điều khiển m nhng kết quả thực tế lại không đợc đề
cập đến.
Furura K., Yamakita M [14] đƣ xơy dựng thành công b điều khiển swing-up
hồi tiếp thành công. Tuy nhiên giải thuật này ch tác đng lật ngợc trong 2 miền
không gian trạng thái nên cha tối u đợc thi gian quá trình điều khiển lật
ngợc. Từ Ủ tng này, tác giả đƣ xơy dựng b điều khiển swing-up tác đng trên
cả 4 miền không gian trạng thái, đợc trình bày chng 5.
1.3. Mục tiêu và giới hn ca đ tài
Mc tiêu ca đề tài là xây dựng h thống điều khiển con lắc ngợc, bao gồm 2
phần: B điều khiển Swing-up dùng thuật toán logic m để đa con lắc từ v trí
buông thõng lên v trí lật ngợc và b điều khiển cân bằng dùng mạng neural
truyền thẳng khớp quan h vƠo ra để giữ con lắc ổn đnh tại v trí này. Trớc tiên
cần xây dựng mô hình toán hc ca h thống con lắc ngợc, sử dng Simulink ca
Matlab mô phỏng h thống con lắc tuyến tính và phi tuyến. Khảo sát đáp ứng ca
h thống với b điều khiển cân bằng dùng PID.
Tiếp theo là xây dựng b điều khiển cân bằng con lắc dùng mạng neural
truyền thẳng khớp quan h vào ra, đợc huấn luyn mạng bằng luật hc lan truyền
ngợc Bayesian. B điều khiển lật ngợc con lắc sẽ đợc xây dựng bằng giải thuật
1 – Tổng Quan
7
logic m để đa con lắc lên v trí lật ngợc. Sau đó kết hợp b điều khiển lật ngợc
và b điều khiển cân bằng để có h thống điều khiển hoàn chnh.
Giới hạn ca đề tài ch thiết kế vƠ điều khiển mô hình con lắc ngợc quay giữ
cân bằng dùng mạng neural offline, cha xơy dựng mạng neural online (mạng có
khả năng tự điều chnh trng số trong quá trình điều khiển-tự hc).
1.4. Phng pháp nghiên cu
Các phng pháp nghiên cứu đợc sử dng trong luận văn bao gồm:
Khảo sát, phân tích tổng hợp
Mô phỏng trên máy tính bằng phần mềm Matlab phiên bản 2012a
Thí nghim trên mô hình thực và thu dữ liu qua cổng com bằng phần mềm
Terminal. Sau đó tác giả xử lý dữ liu và vẽ hình trên phần mềm Matlab. Các thí
nghim trên mô hình thực nghim đƣ đợc tác giả thực hin tại xng đin 4A,
trng Đại Hc S Phạm Kỹ Thuật TP HCM.
Đánh giá kết quả dựa trên kết quả mô phỏng và thực nghim.
1.5. Nội dung luận văn
Phần còn lại ca ni dung luận văn bao gồm:
Chng 2. Mô hình toán hc ca h thng con lắc ngc quay:
Phần đầu chng nƠy trình bƠy các bớc xây dựng phng trình h thống
đng lực hc (tuyến tính và phi tuyến). Phần cuối ca chng thể hin kết quả khảo
sát đáp ứng ca h thống con lắc ngợc với b điều khiển PID trên mô phỏng
Matlab.
Chng 3. Điu khin cân bằng sử dụng mng thần kinh nhân to
(ANN):
Phần đầu chng nƠy trình bày về mạng neural nhân tạo truyền thẳng nhiều
lớp. Phần này còn nêu lên các vấn đề: cấu trúc mạng, số lớp ẩn, số neural trong lớp
ẩn vƠ phng pháp chn cấu trúc trong các ứng dng c thể.
Phần giữa chng, tác giả so sánh kết quả huấn luyn các loại mạng truyền
thẳng: truyền thẳng (feedforward), truyền thẳng ghép liên tầng (cascade
feedforward), truyền thẳng khớp quan h vào ra (fitting- neural network). Đông
1 – Tổng Quan
8
thi tác giả cũng trình bƠy phng pháp điều khiển mạng neural theo kiểu hc có
giám sát, luật hc lan truyền ngợc. Phần cuối chng trình bƠy b điều khiển cân
bằng con lắc sử dng mạng neural truyền thẳng khớp quan h vào ra.
Chng 4. Điu khin lật ngc sử dụng logic mờ (Fuzzy logic):
Trong chng nƠy, tác giả trình bày lý thuyết về điều khiển m có liên quan
tới ứng dng trong đề tài này. Tiếp theo tác giả nêu lên giải thuật điều khiển lật
ngợc con lắc sử dng để xây dựng b điều khiển swing-up. Phần cuối chng thể
hin kết quả áp dng logic m trong điều khiển lật ngợc con lắc.
Chng 5: Kết qu thực nghim:
Chng nƠy trình bƠy kết quả thực nghim điều khiển lật ngợc con lắc và
điều khiển cân bằng con lắc sử dng hai b điều khiển đƣ trình bƠy trong chng 4.
Đồng thi tác giả so sánh kết quả điều khiển cân bằng trong nghiên cứu này và kết
quả trong công trình [9].
Chng 6. Kết luận vƠ hớng phát trin ca đ tài:
Trong chng nƠy, tác giả tóm tắt kết quả đạt đợc trong luận văn vƠ hớng
phát triển ca đề tài.
2 – Mô Hình Toán Học
9
Chng 2
Mô Hình Toán Hc
2.1. Xây dựng mô hình toán hc [8], [9]
Trớc khi thiết lập mô hình toán, chúng ta phải hiểu rằng mô hình toán đợc
dùng nhằm mc đích để mô phỏng và tìm hiểu về h thống. Mặc khác mô hình toán
còn đợc dùng để thiết kế, phân tích và tìm chiến lợc điều khiển cho h thống.
H thống con lắc ngợc quay nh Hình 2.1, bao gồm mt con lắc có khối
lợng
m
, chiều dài
2L
có thể quay tự do, góc ca con lắc so với phng thẳng là
, con lắc đợc gắn với mt thanh nằm ngang có chiều dài
r
.
Hình 2.1 Mô hình cánh tay quay của con lắc [9]
Giả sử trng lực ca con lắc đặt tại điểm giữa B , nh vậy điểm B sẽ thực hin
mt chuyển đng quay so với điểm A với vận tốc:
.cos( ).
.sin( ).
AB
AB
xL
yL
(2.1)
Đồng thi với chuyển đng quay quanh điểm A thì con lắc còn thực hin
chuyển đng quay quanh điểm O với vận tốc
r
2 – Mô Hình Toán Học
10
Do vậy, vận tốc ca điểm B so với điểm O cố đnh có thể đợc mô tả bi
phng trình:
. .cos( ).
.sin( ).
B
B
x r L
yL
(2.2)
Lấy vi phân 2 vế các phng trình ca h (2.2) ta đợc:
2
2
. .sin( ). .cos( ).
.cos( ). .sin( ).
B
B
x r L L
y L L
(2.3)
Áp dng đnh luật II Newton theo phng x vƠ phng y. Hình 2.3 mô tả sự
phân tích lực tác dng lên cánh tay và con lắc:
2
.
. . .sin( ). . .cos( ).
Bx
x
m x F
m r m L m L A
(2.4)
2
.
. .cos( ). . .sin( ).
By
y
m y F
m L m L mg A
(2.5)
Áp dng phng trình Euler cho chuyển đng quay ca con lắc quanh điểm B
ta đợc phng trình (2.6):
Hình 2.2 Phân tích chuyển động của con lắc ngược quay [9]
2
2
.
1
.(2 ) . . .cos( ) . .sin( )
12
1
. . . . .cos( ) . .sin( )
3
BB
xy
xy
JM
m L A L A L
m L A L A L
(2.6)
Phng trình chuyển đng quay ca cánh tay quanh điểm O:
2 – Mô Hình Toán Học
11
. . . .
O O eq L eq x
J M J T B A r
(2.7)
Thay (2.4), (2.5) vƠo (2.6) ta đợc:
22
2
1
. . [ . . . sin( ).
3
. .cos( ). ]. .cos( )
[ . . .cos( ). . sin( ). ]. .sin( )
m L m r m L
m L L
m g m L m L L
2
4
. . .cos( ). . . . . . sin( ) 0
3
m L r m L m g L
(2.8)
Thay (2.4) vào (2.7):
2
. . .
[ . . .sin( ). . .cos( ). ].
O O eq L eq
J M J T B
m r m L m L r
2
2
( . ). . . .cos( ).
. . .sin( ). .
eq
L eq
J m r m L r
m L r T B
(2.9)
Với:
. . . .
.
. . .
L m m m M m m
mE
m M m
m
T T J K I J
VK
KJ
R
(2.10)
Thế (2.9) vào (2.10)
2
2
( ). . . .cos( ).
. . .sin( ).
( . . ). . .
eq m
m
E
eq m M m M
mm
J mr J m L r
m L r
V
K
B K K
RR
(2.11)
H phng trình mô tả đặc tính đng phi tuyến ca h thống:
2
1
.[ .cos( ). .sin( ). . . ]
1
.[ .sin( ) .cos( ). ]
m
b b e f V
a
db
c
(2.12)
2 – Mô Hình Toán Học
12
Trong đó các tham số a, b, c, d, e, f đợc tính nh sau:
2
eq m
a J mr J
2
4. .
3
mL
c
b m L r
d m g l
( . . )
E
eq m M
m
K
e B K
R
.
M
m
m
K
f
R
Với góc
nhỏ
( 0, 0 sin( ) , cos( ) 1)
, ta tuyến tính hóa h
(2.12):
1
.( . . . )
1
.( . . )
m
b e f V
a
db
c
(2.13)
H phng trình biến trạng thái ca mô hình tuyến tính có đợc bằng cách giải
h (2.12) với hai ẩn là
và
.
2
2
1
( . . . . . . )
.
1
( . . . . . . )
.
m
m
b d c e c f V
a c b
a d b e b f V
a c b
Lấy Laplace cả hai vế ca mi phng trình h (2.13):
22
22
. . ( ) . . ( ) . . ( ) . ( )
. . ( ) . . ( ) . ( ) 0
m
a s s b s A s e s s f V s
b s s c s A s d A s
(2.14)
Hàm truyền ca mô hình tuyến tính:
2 3 2
( ) . .
( ) ( . ). . . . . .
m
A s b f s
V s a c b s c e s a d s d e
(2.15)
H phng trình biến trạng thái:
2 – Mô Hình Toán Học
13
22
22
0 1 0 0
0
00
.
0 0 0 1
0
00
.
m
c e b d
cf
a c b a c b
V
b e a d
bf
a c b a c b
(2.16)
0 1 0 0 0
.
0 0 1 0 0
(2.17)
Kết luận:
H con lắc ngợc quay là h phi tuyến, có thể tuyến tính hóa quanh điểm làm
vic tƿnh.
H con lắc ngợc quay có 4 biến trạng thái và 1 biến điều khiển.
2.2. Mô phng con lắc ngc quay trên matlab
Mc đích ca vic trình bày con lắc ngợc trong mô phỏng lƠ để kiểm chứng
lại lý thuyết từ các mô hình toán đƣ xơy dựng phần 2.1 vƠ đnh hớng các phng
pháp điều khiển.
Để tiến hành khảo sát đáp ứng ca h thống tác giả cần xây dựng mô hình mô
phỏng h thống con lắc trong Simulink Matlab. Mô hình nƠy đợc xây dựng bằng
cách sử dng khối tích phân, khối hàm function. Các khối nƠy đợc thiết lập dựa
trên h phng trình 2.12 và 2.13. Tác giả xây dựng s đồ khối mô phỏng con lắc
tuyến tính và phi tuyến trong Simulink Matlab theo phng trình (2.12) và (2.13).
S đồ khối này đợc thể hin trên Hình 2.3 và Hình 2.4. Các thông số ca h thống
đợc trình bày Bảng 2.1.
2 – Mô Hình Toán Học
14
Hình 2.3 Sơ đồ khối mô hình mô phỏng con lắc tuyến tính
Hình 2.4 Sơ đồ khối mô hình mô phỏng con lắc phi tuyến
2 – Mô Hình Toán Học
15
Bảng 2.1. Các thông số ca mô hình
Ký hiu
Mô tả
Giá tr
m
Khối lợng con lắc
0.2
L
Nửa chiều dài con lắc
0.1675
r
Chiều dài cánh tay
0.215
J
eq
Mômen quán tính tng đng
0.0035842
g
Gia tốc trng trng
9.8
B
eq
H số cản tng đng
0.004
µ
m
Hiu suất đng c
0.69
K
E
Hằng số sức đin đng
0.00767
K
M
Hằng số mômen
0.00767
R
M
Đin tr phần ứng
2.6
2.1.1. Kho sát đáp ng ca con lắc tuyến tính
Mc đích ca phần nƠy lƠ nêu lên đặc tính không ổn đnh ca h con lắc. Từ
đó, chúng ta thấy đợc lý do cần phải có b điều khiển để ổn đinh con lắc.
Hình 2.5 Sơ đồ khối mô tả con lắc khi chưa có bộ điều khiển
Hình 2.6 Góc α của con lắc khi chưa có bộ điều khiển
2 – Mô Hình Toán Học
16
S đồ khối điều khiển con lắc khi cha có b điều khiển đợc thể hin Hình
2.5. Ngõ vào là giá tr mong muốn góc α = 0. Khi cha có b điều khiển, con lắc b
ri xuống v trí buông thõng và kết quả đáp ứng ngõ ra ca đợc thể hin trên Hình
2.6.
Để cho con lắc ổn đnh cần sử dng mt b điều khiển hồi tiếp. Vic sử dng
b điều khiển hồi tiếp giúp dữ liu ngõ ra có thêm nhiều thông tin để mô tả h
thống. Để ổn đnh con lắc v trí lật ngợc, chúng ta có thể dùng phng pháp điều
khiển PID mt biến và PID hai biến. Qua 2 quá trình này, tác giả sẽ đánh giá chất
lợng ca mi b điều khiển.
2.1.2. Kho sát đáp ng góc ca con lắc với bộ điu khin PID một biến
Tác giả trình bày phần này nhằm mc đích nêu lên vấn đề: con lắc ngợc quay
không ổn đnh v trí cánh tay với b điều khiển 1 biến. Đó lƠ lỦ do b điều khiển 2
biến đợc trình bày trong các phần tiếp theo.
S đồ khối h điều khiển con lắc dùng b điều khiển PID mt biến đợc trình
bày trên Hình 2.7. Giá tr hồi tiếp góc lch ca con lắc so với phng thẳng đứng
đợc so sánh với giá tr đặt. B điều khiển PID mt biến sẽ tính toán giá tr ngõ ra
dựa trên giá tr sai lch này và quyết đnh giá tr đin áp đặt lên đng c quay cánh
tay. Bằng cách thực hin mô phỏng nhiều lần với các b thông số Kp, Ki, Kd khác
nhau, cuối cùng ta chn đợc b thông số có giá tr Kp=20, Ki=204, Kd=4. Kết quả
đáp ứng ngõ ra con lắc ca phng pháp nƠy đợc hiển th trên Hình 2.8 và Hình
2.9.
Hình 2.7 Sơ đồ khối điều khiển con lắc hồi tiếp góc
2 – Mô Hình Toán Học
17
Hình 2.8 Đáp ứng góc lệch con lắc khi hồi tiếp góc
Hình 2.9. Đáp ứng góc lệch cánh tay khi hồi tiếp góc
Từ kết quả mô phỏng trên, ta thấy phng pháp điều khiển PID giữ đợc
con lắc v trí cân bằng (Hình 2.8). Tuy nhiên, kết quả đáp ứng góc lch
ca
cánh tay nằm ngang có xu hớng ngƠy cƠng gia tăng (Hình 2.9) khi ch có hồi tiếp
góc α, nên khi ta áp dng đối với đối tợng thực tế thì phng pháp nƠy có thể cho
kết quả không tốt. Con lắc sẽ b trôi theo mt hớng nhất đnh mà không thể kiểm
soát đợc. Do đó vấn đề đặt ra là h thống cần phải có b điều khiển PID hai biến
để điều khiển ổn đnh con lắc.
2.1.3. Kho sát đáp ng góc ca con lắc với bộ điu khin PID hai biến
Từ kết quả khảo sát tác giả đƣ trình bƠy ỏ phần 2.1.2, ta thấy cần xây dựng b
điều khiển 2 biến (hồi tiếp 2 góc: α vƠ θ). Trong phần này tác giả trình bày kết quả
mô phỏng đáp ứng ca con lắc khi dùng b điều khiển PID 2 biến.