Về một phương pháp điều khiển dự báo thích nghi mờ cho đối tượng phi tuyến bất định

1
BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

--------oOo--------

Trần Quang Tuấn

VỀ MỘT PHƯƠNG PHÁP ĐIỀU KHIỂN DỰ BÁO THÍCH
NGHI MỜ CHO ĐỐI TƯỢNG PHI TUYẾN BẤT ĐỊNH

LUẬN ÁN TIẾN SỸ KỸ THUẬT

HÀ NỘI - 2012


2

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

--------oOo--------

Trần Quang Tuấn

VỀ MỘT PHƯƠNG PHÁP ĐIỀU KHIỂN DỰ BÁO THÍCH
NGHI MỜ CHO ĐỐI TƯỢNG PHI TUYẾN BẤT ĐỊNH

Chuyên ngành: LÝ THUYẾT ĐIỀU KHIỂN VÀ ĐIỀU KHIỂN TỐI ƯU
Mã số:

62.52.60.05

LUẬN ÁN TIẾN SỸ KỸ THUẬT
NGƯỜI HƯỚNG DẪN KHOA HỌC
1. PGS. TS. Phan Xuân Minh
2. PGS. TS. Nguyễn Doãn Phước

HÀ NỘI - 2012


3
i
12B

Lời cam đoan
13B

Tôi xin cam đoan luận án này là cơng trình nghiên cứu của chính bản thân. Các kết
quả nghiên cứu trong luận án là trung thực và chưa được cơng bố trong bất kỳ cơng
trình nào khác, ngồi các cơng trình do chính tác giả cơng bố.
Tác giả luận án

Trần Quang Tuấn

ii
14B


4

Lời cảm ơn
15B

Bản luận án này được hoàn thành trên cơ sở những kết quả nghiên cứu của tôi ở
trường Đại học Bách Khoa Hà Nội, dưới sự hướng dẫn tận tình của PGS.TS. Phan Xn
Minh và PGS.TS.Nguyễn Dỗn Phước, Đại Học Bách Khoa Hà Nội. Tôi xin được bày
tỏ lịng biết ơn sâu sắc đối với các thầy cơ giáo hướng dẫn. Thầy, cô đã tin tưởng, quan
tâm, giúp đỡ và tạo mọi điều kiện cho tơi hồn thành luận án này – một cơ hội lớn trong
cuộc đời.
Tôi xin chân thành cảm ơn PGS.TS. Hoàng Minh Sơn, PGS.TS. Hán Thành Trung,
Thạc sỹ Mai Văn Sỹ về những gợi ý khoa học sáng tạo và các Thầy, Cô thuộc bộ môn
điều khiển tự động, Viện Điện, Đại học Bách khoa Hà Nội, về những ý kiến đóng góp
và sự ủng hộ nhiệt tình.
Tơi xin bày tỏ lịng biết ơn đối với Lãnh đạo Bộ Khoa học và Công nghệ đã tạo điều
kiện thuận lợi cho tôi trong suốt quá trình nghiên cứu.
Trân trọng cảm ơn Viện Đào tạo sau đại học, Đại học Bách khoa Hà Nội đã tạo mọi
điều kiện thuận lợi nhất cho tôi thực hiện luận án
Tôi xin cảm ơn các thầy, cô giáo, bạn bè và đồng nghiệp luôn giúp đỡ, động viên và
chia sẻ khó khăn để tơi hồn thành tốt nhất luận án.
Cuối cùng và đặc biệt quan trọng, tôi cảm ơn gia đình nhỏ bé của tơi vì tất cả.
Tác giả luận án

Trần Quang Tuấn


5

MỤC LỤC
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH ẢNH, ĐỒ THỊ
MỞ ĐẦU
1. Tính cấp thiết của luận án

8
9
9
11
11

2. Mục tiêu của luận án

17

3. Đối tượng và phạm vi nghiên cứu của luận án
T

T

19

4. Ý nghĩa khoa học và thực tiễn của luận án

19

5. Nội dung của Luận án

21

1 TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO PHI TUYẾN

23

1.1 Nguyên tắc cơ bản và sơ đồ tổng quát của điều khiển dự báo

26

1.2 Sự phát triển cấu trúc của điều khiển dự báo

28

1.3 Cấu trúc điều khiển dự báo được đề xuất trong luận án

33

2 ĐIỀU KHIỂN DỰ BÁO THÍCH NGHI MỜ

36

2.1 Mơ hình đối tượng

37

2.2 Xây dựng mơ hình thích nghi tham số

39

2.2.1 Xây dựng bộ ước lượng tham số mơ hình mờ

40

2.2.2 Khảo sát tính hội tụ của tham số ước lượng

44

2.3 Xây dựng giải thuật điều khiển dự báo thích nghi mờ

46

2.3.1 Phân tích chiến lược xây dựng giải thuật

46

2.3.2 Giải thuật điều khiển dự báo thích nghi: dự báo trên mơ hình đầy đủ

47

2.3.3 Giải thuật điều khiển dự báo thích nghi: dự báo trên mơ hình xấp xỉ

52

2.4 Tiêu chuẩn ổn định hệ kín

56

2.5 Phương pháp tính tốn tín hiệu điều khiển tối ưu trong mỗi chu kỳ dự báo

58

2.6 Điều khiển thích nghi AFMPC bằng phương pháp chỉnh định trọng số phiếm

64
hàm mục tiêu để hệ kín ổn định tiệm cận tồn cục (GAS)
2.6.1 Đề xuất thuật tốn chỉnh định thích nghi

64

2.6.2 Cấu trúc chỉnh định thích nghi và các bước thiết kế

64


6
2.7 Ứng dụng phương pháp AFMPC điều khiển đối tượng CSTR

66

2.7.1 Đặt bài tốn điều khiển

66

2.7.2 Xây dựng mơ hình dự báo trên cơ sở mơ hình mờ TS cho CSTR

67

T

2.7.3 Giải thuật di truyền (Genetic Algorithms) để giải quyết bài tốn tối ưu
trong mơ phỏng điều khiển đối tượng CSTR

71

2.7.4 Kết quả mô phỏng điều khiển đối tượng CSTR

73

2.7.5 Đánh giá kết quả phương pháp AFMPC

74

2.8 Kết luận

3 PHƯƠNG PHÁP ĐIỀU KHIỂN DỰ BÁO THÍCH NGHI MỜ CHO
HỆ ĐA CẤU TRÚC
3.1 Hệ đa cấu trúc và định lý ổn định theo nhóm hàm Lyapunov

75
76

76

3.1.1 Hệ đa cấu trúc biểu diễn qua đa mơ hình

77

3.1.2 Các ký hiệu cơ bản

78

3.1.3 Định lý ổn định theo nhóm hàm Lyapunov

78

3.2 Xây dựng giải thuật ĐKDB cho đối tượng đa cấu trúc

81

3.2.1 Nguyên tắc điều khiển đối tượng đa cấu trúc biểu diễn qua đa mơ hình

81

3.2.2 Xây dựng giải thuật điều khiển

82

3.3 Tiêu chuẩn ổn định hệ kín

86

3.4 Điều khiển dự báo đa mơ hình cho động cơ một chiều kích từ độc lập

88

3.4.1 Mơ hình động cơ điện một chiều bằng thực nghiệm

89

3.4.2 Mơ hình dự báo mờ Takagi – Sugeno cho động cơ điện một chiều

89

3.4.3 Cấu trúc hệ thống điều khiển thích nghi đa cấu trúc cho động cơ điện
một chiều

95

3.4.4 Phương pháp Giới hạn và Rẽ nhánh (Branch and Bound) giải quyết bài
tốn tối ưu trong mơ phỏng động cơ điện một chiều

95

3.4.4.1 Nguyên lý Phương pháp Branch and Bound

95

3.4.4.2 Ưu điểm và nhược điểm của phương pháp Branch and Bound

96

3.4.5 Kết quả mô phỏng động cơ điện một chiều

97


7
3.4.6 Đánh giá kết quả mô phỏng điều khiển động cơ điện bằng phương
pháp đa mơ hình, đa bộ điều khiển

99

3.5 Kết luận

100

4 KẾT LUẬN VÀ KIẾN NGHỊ

101

TÀI LIỆU THAM KHẢO

103

DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA LUẬN ÁN

108

Phụ lục 1: Giải thuật di truyền và chương trình mơ phỏng điều khiển đối tượng
CSTR

109

Phụ lục 2 :Chương trình Branch and Bound (B&B) trong mô phỏng điều khiển
động cơ điện một chiều, sử dụng phương pháp đa mơ hình

119


8

DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
SISO

: Single Input- Single Output

MIMO

: Multiple-Inputs and Multiple-Outputs

FLS

: Fuzzy Logic System

FIS

: Fuzzy Inference System

MPC

: Model Predictive Control

FMPC

: Fuzzy Model Predictive Control

AFMPC

: Adaptive Fuzzy Model Predictive Control

GAS

: Global Asymptotic Stable

ISS-CLF

: Input-to-State Stable Control Lyapunov Functions

GAs

: Genetic Algorithms

B&B

: Branch and Bound

SMC

: Sliding Mode Control

CSTR

: Continuous Stirrer Tank Reactor

TS

: Takagi-Sugeno


9

DANH MỤC CÁC BẢNG
Bảng 3.1: Bộ tham số thực nghiệm của động cơ điện một chiều ứng với chiều quay thuận và

89

nghịch

DANH MỤC CÁC HÌNH ẢNH, ĐỒ THỊ
Hình 1.1: Sơ đồ khối tổng quát hệ thống điều khiển

26

Hình 1.2: Sơ đồ khối tổng quát hệ thống điều khiển dự báo

27

Hình 1.3: Sơ đồ tín hiệu tổng quát bộ điều khiển dự báo

28

Hình 1.4: Sự phát triển của điều khiển dự báo

29

Hình 1.5: Cấu trúc bộ điều khiển dự báo truyền thống

30

Hình 1.6: Cấu trúc tổng quát của bộ điều khiển dự báo

31

Hình 1.7: Sơ đồ tín hiệu khối tính tốn hàm uP

32

Hình 1.8: Sơ đồ tín hiệu khối tính tốn hàm uP cho đối tượng có mơ hình bất định

33

Hình 1.9: Sơ đồ tín hiệu khối tính tốn hàm uP (đối tượng đa cấu trúc)

35

Hình 2.1: Hệ thống điều khiển dự báo đối tượng theo mơ hình mờ thích nghi

36

Hình 2.2: Sơ đồ tín hiệu ước lượng tham số mơ hình mờ

43

Hình 2.3: Cấu trúc hệ thống điều khiển dự báo thích nghi (AFMPC)

65

Hình 2.4: Tìm kiếm tuần tự để chọn thành phần hồi quy

67

Hình 2.5: Bộ số liệu tín hiệu (u) và tín hiệu ra (y) dùng để nhận dạng CSTR

69

Hình 2.6: Hàm thuộc của biến y(k-1),dùng trong nhận dạng CSTR

70

Hình 2.7: Hàm thuộc của biến y(k-2), dùng trong nhận dạng CSTR

70

Hình 2.8: Hàm thuộc của biến u(k-1), dùng trong nhận dạng CSTR

70

Hình 2.9 : Kết quả huấn luyện và kiểm tra mơ hình Takagi -Sugeno với sai số bình phương
trung bình là 0.096585 (cho tệp dữ liệu sử dụng để huấn luyện) và 0.11802 (cho tệp dữ liệu
sử dụng để kiểm tra)

71

Hình 2.10 Lưu đồ thực hiện giải thuật di truyền

73

Hình 2.11: Tín hiệu ra y và tín hiệu đặt r trong mô phỏng điều khiển đối tượng CSTR

74

Hình 2.12: Tín hiệu điều khiển u và ∆uk trong mơ phỏng điều khiển đối tượng CSTR.

74

Hình 2.13: Sai lệch bám trong mơ phỏng điều khiển đối tượng CSTR.

74

Hình 3.1 : Tín hiệu chuyển mơ hình

77


10
Hình 3.2: Đối tượng đa mơ hình

78

Hình 3.3 : Dữ liệu điện áp và vận tốc góc thu thập từ mơ hình

89

Hình 3.4: Hàm thuộc của biến y(k-1), dùng trong nhận dạng mơ hình thuận của động cơ

90

Hình 3.5: Hàm thuộc của biến y(k-2), dùng trong nhận dạng mơ hình thuận của động cơ

90

Hình 3.6: Hàm thuộc của biến u(k-1), dùng trong nhận dạng mơ hình thuận của động cơ

91

Hình 3.7 : Kết quả huấn luyện và kiểm tra mô hình Takagi - Sugeno với sai số bình phương
trung bình là 0.2902 ( cho tệp dữ liệu dùng để huấn luyện) và 0.26378 (cho tệp dữ liệu dùng
để kiểm tra) so với mơ hình động cơ theo chiều thuận

92

Hình 3.8: Dữ liệu quan hệ giữa điện áp và vận tốc góc thu thập từ mơ hình động cơ theo
chiều nghịch

92

Hình 3.9: Hàm thuộc của biến y(k-1), dùng trong nhận dạng mơ hình nghịch của động cơ

93

Hình 3.10: Hàm thuộc của biến y(k-2), dùng trong nhận dạng mơ hình nghịch của động cơ

93

Hình 3.11: Hàm thuộc của biến u(k-1),dùng trong nhận dạng mơ hình nghịch của động cơ

94

Hình 3.12 : Kết quả huấn luyện và kiểm tra mơ hình TS với sai số bình phương trung bình
tương ứng 0.43298 (cho tệp dữ liệu sử dụng để huấn luyện) và 0.48111(cho tệp dữ liệu sử
dụng để kiểm tra) so với mơ hình của động cơ theo chiều nghịch

94

Hình 3.13: AFMPC cho động cơ điện một chiều đa mơ hình

95

Hình 3.14: Sơ đồ minh họa Branch & Bound

96

Hình 3.15: Tín hiệu ra y và tín hiệu đặt r khi dùng phương pháp đa mơ hình

97

Hình 3.16: Tín hiệu điều khiển u và ∆uk khi dùng phương pháp đa mơ hình

97

Hình 3.17: Tín hiệu ra y và tín hiệu đặt r khi chỉ dùng mơ hình thuận

98

Hình 3.18: Tín hiệu điều khiển u và ∆uk khi chỉ dùng mơ hình thuận

98

Hình 3.19: Tín hiệu ra y và tín hiệu đặt r khi chỉ dùng mơ hình nghịch

98

Hình 3.20: Tín hiệu điều khiển u và ∆uk khi chỉ dùng mơ hình nghịch

99

Hình 3.21: Sai lệch bám khi dùng đa mơ hình,mơ hình thuận và mơ hình nghịch

99


11

MỞ ĐẦU
0B

Điều khiển dự báo là một lĩnh vực rộng lớn của khoa học điều khiển, nghiên cứu các
phương pháp điều khiển sử dụng mơ hình đối tượng để tính tốn tín hiệu điều khiển thơng
qua việc cực tiểu hóa một phiếm hàm mục tiêu. Cũng như các lĩnh vực khác của khoa học
điều khiển, ý tưởng nghiên cứu và đề xuất những phương pháp điều khiển dự báo mới
nhằm mở rộng miền ứng dụng và nâng cao chất lượng của hệ thống điều khiển sẽ luôn luôn
là cấp thiết. Chính vì vậy, luận án này lấy nhiệm vụ là đề xuất phương pháp điều khiển dự
báo mới cho hai lớp đối tượng điều khiển chưa được nghiên cứu nhiều trong lĩnh vực điều
khiển dự báo, đó là đối tượng phi tuyến bất định và đối tượng đa cấu trúc (multi-structures)
biểu diễn qua đa mơ hình (multi-models). u cầu đặt ra là tín hiệu điều khiển khơng
những được tính tốn thơng qua việc cực tiểu hóa một phiếm hàm mục tiêu như các
phương pháp điều khiển truyền thống mà còn đảm bảo tính ổn định của hệ kín.

1. Tính cấp thiết của luận án
Điều khiển là sự tổng hòa của nhiều lĩnh vực khoa học và công nghệ. Trong lĩnh
vực điều khiển, dễ dàng nhận thấy sự đóng góp của các cơng trình tốn học, vật lý và hóa
học cũng như những ứng dụng liên quan đến các kết quả nghiên cứu trong lĩnh vực công
nghệ thông tin, công nghệ điện tử, công nghệ chế tạo máy…Điểu khiển với mục đích cuối

cùng là nâng cao chất lượng cuộc sống cho con người. Vì một mục tiêu như vậy nên điều
khiển được quan tâm và phát triển không ngừng. Điểu khiển được biết đến ở nhiều lĩnh vực
nghiên cứu và phát triển khác nhau như điều khiển tuyến tính, điều khiển phi tuyến, điều
khiển tối ưu, điều khiển bền vững, điều khiển thích nghi, điều khiển mờ…và các phương
pháp điều khiển kết hợp như điều khiển trượt thích nghi, điều khiển thích nghi mờ... Điều
khiển dự báo thích nghi dựa mơ hình cũng thuộc một trong những phương pháp điều khiển
kết hợp nhằm thiết kế bộ điều khiển đảm bảo các chỉ tiêu chất lượng đặt trước cho đối
tượng bất định và đa cấu trúc. Nhiệm vụ đặt ra cho luận án này là phát triển các phương
pháp điều khiển dự báo thích nghi cho một lớp đối tượng phi tuyến bất định. Với sự phát
triển đột phá trong công nghệ vi xử lý thì khả năng thực thi bộ điều khiển này trong cơng
nghiệp là rất cao. Chính vì vậy, những nghiên cứu nhằm mở rộng khả năng ứng dụng của
điều khiển dự báo dựa mơ hình là rất cần thiết và có nhiều ý nghĩa thực tiễn. Dưới đây,
luận án sẽ thảo luận chi tiết các yếu tố cấp thiết này.
Sự cần thiết của điều khiển dự báo


12
Một lớp các đối tượng nghiên cứu trọng tâm của điều khiển là các hệ động lực.
Định nghĩa từ bản chất tín hiệu, theo quan điểm của J.C. Willems [57], hệ động lực là một
tập hợp các tín hiệu mà sự thay đổi theo thời gian của các tín hiệu này tuân theo các định
luật cân bằng chất đặc trưng cho hệ động lực đó. Các tín hiệu của một hệ động lực được
phân thành ba loại: tín hiệu vào, tín hiệu trạng thái, và tín hiệu ra. Mục tiêu cụ thể của
điều khiển đối với một hệ động lực là tìm ra tín hiệu vào sao cho dưới tác động của tín
hiệu này tín hiệu trạng thái và tín hiệu ra của hệ tuân theo một qui luật đặt trước. Trong
điều khiển, hệ động lực được gọi là đối tượng điều khiển và tín hiệu vào được gọi là tín
hiệu điều khiển.
Qui luật đặt trước thường được biểu diễn dưới dạng tín hiệu đặt. Chính vì vậy, bài
tốn điều khiển thường được phát biểu là xác định tín hiệu điều khiển đảm bảo tín hiệu ra
của đối tượng điều khiển bám tín hiệu đặt đồng thời thỏa mãn một số chỉ tiêu chất lượng
đặt trước.

Thông thường, để tổng hợp tín hiệu điều khiển đảm bảo tín hiệu ra bám tín hiệu đặt
và sẽ cụ thể hóa bằng một số chỉ tiêu chất lượng cần thỏa mãn như độ quá điều chỉnh cực
đại, thời gian quá độ, sai lệch bám,…Tín hiệu điều khiển tổng hợp theo kiểu này là một lời
giải thỏa hiệp giữa các mục tiêu vì các chỉ tiêu chất lượng trong hệ thống thường có mâu
thuẫn đối kháng nhau, được lợi ở chỉ tiêu chất lượng này thì phải trả giá ở chỉ tiêu chất
lượng khác. Nhưng trong một số trường hợp, mục tiêu tổng hợp tín hiệu điều khiển đảm
bảo một chỉ tiêu nào đó đạt chất lượng tốt nhất và sẵn sàng trả giá bằng các chỉ tiêu chất
lượng khác. Với cách tiếp cận này, bài toán điều khiển tương ứng được gọi là điều khiển
tối ưu và các phương pháp kinh điển để giải bài toán này là phương pháp dựa trên nguyên
lý cực đại Pontryagin, phương pháp quy hoạch động của Bellman và phương pháp biến
phân [7]. Lời giải cho bài toán tối ưu này có hai tính chất đặc trưng như sau:
- Tính chất 1: mơ hình hệ động lực phải biết chính xác,
- Tính chất 2: tín hiệu vào ( tín hiệu điều khiển) thu được là hàm của thời gian.
Với tính chất 1 thì rõ ràng lời giải này có nhược điểm là không áp dụng được vào các ứng
dụng thực tế mà ở đó mơ hình hệ động lực phụ thuộc tham số bất định hoặc mơ hình tính
tốn có sai lệch so với mơ hình chính xác của hệ động lực. Với tính chất 2 thì tín hiệu điều
khiển đã được tính trước, trong trường hợp mơ hình đối tượng thay đổi hoặc do tác động


13
của nhiễu - một hiện tượng rất dễ xảy ra trong q trình vận hành, thì tín hiệu điều khiển
này khơng cịn là tín hiệu điều khiển tối ưu.
Một giải pháp hiệu quả để khắc phục nhược điểm gây ra bởi tính chất 2 nêu trên là
thường xuyên cập nhật thơng tin về đối tượng điều khiển và tính lại tín hiệu điều khiển tối
ưu dựa trên các cập nhật này. Đây chính là ý tưởng chủ đạo của điều khiển dựa mơ hình dự
báo gọi tắt là điều khiển dự báo được đề xuất từ những năm 70 thế kỷ 20 [23]. Do bao quát
được các tính chất mong muốn tổng quát và khắc phục được nhược điểm từ tính chất 2 nêu
trên, điều khiển dự báo có tính ứng dụng rất cao trong thực tế và các bộ điều khiển dự báo
được phát triển, sử dụng rộng rãi trong công nghiệp [5] [23] [24].
Sự cần thiết của phương pháp luận điều khiển dự báo thích nghi

a, Đối tượng phi tuyến có mơ hình bất định
Về bản chất, phương pháp luận của điều khiển dự báo là cập nhật thông tin về đối
tượng điều khiển tại các thời điểm rời rạc và giải bài toán tối ưu trên cơ sở mơ hình dự báo
để tính tốn tín hiệu điều khiển cho khoảng thời gian giữa các thời điểm cập nhật kế tiếp
nhau. Trong điều khiển dự báo có hai loại mơ hình được sử dụng để tính tốn tín hiệu điều
khiển là mơ hình đối tượng và mơ hình tính tốn. Việc tính tốn này là để tìm tín hiệu điều
khiển cho một khoảng thời gian tương lai nên mơ hình tính tốn được gọi là mơ hình dự
báo.
Tín hiệu điều khiển được tính trên mơ hình dự báo là để áp dụng cho đối tượng thực
nên để đảm bảo tính hiệu quả của tín hiệu điều khiển này thì điều khiển dự báo truyền
thống địi hỏi mơ hình dự báo chính là mơ hình chính xác của đối tượng điều khiển. Với
yêu cầu này, điều khiển dự báo truyền thống duy trì tính chất 1 của điều khiển tối ưu đã
nêu ở trên, tức là mơ hình đối tượng phải biết chính xác từ trước. Do đó, điều khiển dự báo
truyền thống cũng vấp phải một nhược điểm tương tự điều khiển tối ưu là không áp dụng
được với các đối tượng có mơ hình phụ thuộc tham số không biết.
Sự phụ thuộc tham số không biết của mơ hình đối tượng là khơng thể tránh khỏi trong
nhiều ứng dụng thực tiễn, nên việc phát triển các phương pháp điều khiển cho lớp đối
tượng này luôn luôn cấp thiết trong mọi lĩnh vực của khoa học điều khiển. Điều này cùng
với khả năng nổi bật là bao quát các mục tiêu điều khiển tổng quát hơn của điều khiển dự


14
báo nên việc phát triển các phương pháp điều khiển dự báo cho đối tượng có mơ hình bất
định trở nên đặc biệt cấp thiết về cả hai phương diện lý thuyết và ứng dụng.
Tuy nhiên, tính bất định của mơ hình đối tượng khơng cho phép sử dụng trực tiếp
mơ hình đối tượng làm mơ hình dự báo như trong điều khiển dự báo truyền thống nên
việc xây dựng mơ hình dự báo là một cơng việc đặc biệt quan trọng trong điều khiển dự
báo cho đối tượng bất định. Hơn nữa, do không thể đồng nhất giữa mô hình dự báo và mơ
hình đối tượng điều khiển cho nên các tín hiệu tính tốn trên mơ hình dự báo chắc chắn sai
lệch so với các tín hiệu mong muốn thực sự. Chính vì vậy, một u cầu bắt buộc và cũng là

thách thức rất lớn trong điều khiển dự báo đối tượng có mơ hình bất định là chứng minh
khi sử dụng các tín hiệu được tính tốn từ mơ hình dự báo đảm bảo tính ổn định của hệ
thống.
Những yêu cầu khắt khe nêu trên, nên mặc dù điều khiển dự báo cho các đối tượng có
mơ hình bất định là đặc biệt cần thiết về cả phương diện lý thuyết và ứng dụng nhưng sự
phát triển của lĩnh vực này vẫn còn rất nhiều vấn đề quan trọng cần được giải quyết triệt để
mà nổi bật trong đó là vấn đề đảm bảo tính ổn định của hệ thống. Gần đây, trong bối cảnh
lý thuyết điều khiển phi tuyến và điều khiển thích nghi đã đạt đến sự chín muồi, những nỗ
lực nhằm xây dựng một lý thuyết tin cậy về điều khiển dự báo đối tượng có mơ hình bất
định đã đạt được một số kết quả quan trọng đó là phương pháp điều khiển dự báo bền vững
[34] và điều khiển dự báo thích nghi [52].
Phương pháp điều khiển dự báo thích nghi ở cơng trình nghiên cứu [52] là đóng góp
mới trong lĩnh vực điều khiển dự báo đối tượng có mơ hình bất định cho đến thời điểm của
luận án này. Kết quả nghiên cứu công bố trong tài liệu [52] không chỉ phát triển các giải
thuật điều khiển dự báo thích nghi cho lớp đối tượng có mơ hình phụ thuộc tham số bất
định mà còn đề xuất và chứng minh tính hiệu quả của tiêu chuẩn ổn định cho giải thuật
điều khiển. Các kết quả đạt được trong tài liệu [52] có ba đặc điểm kỹ thuật chính làm nên
sự cấp thiết của việc phát triển các phương pháp mới trong điều khiển dự báo:
•

Đặc điểm 1: Mơ hình đối tượng chứa tham số bất định là hằng số chưa biết và các
tham số này không thay đổi theo thời gian;

•

Đặc điểm 2: Mơ hình dự báo là sự kết hợp giữa mơ hình xấp xỉ của đối tượng (được
gọi là mơ hình tiên đốn) và bộ ước lượng tham số bất định.


15

•

Đặc điểm 3: Các điều kiện ổn định được đề xuất độc lập với việc xây dựng giải
thuật mà không được tích hợp vào bài tốn tìm tín hiệu điều khiển.

Đặc điểm 1 cho thấy phương pháp ở tài liệu [52] không áp dụng được cho các giải
pháp dựa trên hệ mờ đó là những phương pháp đưa mơ hình bất định của đối tượng về mơ
hình mờ phụ thuộc tham số hằng không biết, đồng thời sử dụng sai lệch giữa mơ hình xấp
xỉ và mơ hình chính xác của đối tượng để chỉnh định tham số của mô hình xấp xỉ. Đặc
điểm 2 cũng chỉ ra một nhược điểm của phương pháp ở tài liệu [52] là khối lượng tính tốn
khá lớn do phải giải quyết đồng thời hai nhiệm vụ: ước lượng tham số bất định và giải bài
tốn tối ưu trong một chu kỳ trích mẫu. Các kết quả nghiên cứu trong tài liệu [52] cũng chỉ
ra lớp đối tượng thích hợp là các đối tượng tham số hằng bất định vì vậy khơng ứng dụng
được cho các đối tượng phi tuyến tham số bất định không phải là hằng số và phụ thuộc
hàm số bất định. Ngoài ra, đặc điểm 3 cho thấy các điều kiện ổn định đặt ra độc lập với
việc tính tốn tín hiệu điều khiển nên vấn đề tín hiệu điều khiển tính theo giải thuật điều
khiển dự báo có thỏa mãn các tiêu chí này hay khơng lại phải kiểm tra và sau đó mới đưa
ra được kết luận.
Những phân tích trên cho thấy nhu cầu cần được nghiên cứu và phát triển thêm trong
lĩnh vực điều khiển dự báo cho lớp đối tượng có mơ hình bất định là các tiêu chí sau:
•

Tiêu chí 1: Mơ hình bất định của đối tượng bao gồm cả tham số hằng không biết và
tham số phụ thuộc thời gian khơng biết;

•

Tiêu chí 2: Mơ hình dự báo có cùng số chiều với mơ hình đối tượng nhằm đảm bảo
phiếm hàm mục tiêu đánh giá các tín hiệu thực khơng bị thay đổi;

•

Tiêu chí 3: Việc tính tốn tín hiệu điều khiển bao gồm cả mục đích thỏa mãn điều
kiện ổn định.

Tóm lại, với mục tiêu phát triển thêm một số thuật toán bổ sung cho phương pháp điều
khiển dự báo lớp đối tượng phi tuyến có mơ hình bất định đáp ứng các tiêu chí nêu trên
nhằm tăng khả năng thực thi bộ điều khiển dự báo trong thực tế chính là tính cấp thiết của
luận án này.
b, Đối tượng phi tuyến đa cấu trúc


16
Bên cạnh các đối tượng có mơ hình tham số bất định, cịn có một lớp đối tượng có
cấu trúc thay đổi trong quá trình vận hành, do vậy sự thay đổi mơ hình đối tượng trong q
trình vận hành cũng là yêu cầu thường gặp trong các quá trình công nghiệp. Một số phương
pháp thiết kế thực hiện bài tốn điều khiển các q trình đa cấu trúc này bằng cách chia
nhỏ thành các bài toán điều khiển đơn lẻ ứng với từng cấu trúc của quá trình. Nhưng để
đảm bảo chất lượng của tồn bộ q trình thì việc phân tích và tính tốn cần phải được thực
hiện trên mơ hình tổng thể của tồn bộ q trình đa cấu trúc.
Rõ ràng, sự phổ biến của hệ đa cấu trúc trong công nghiệp kết hợp với khả năng
bao quát các mục tiêu điều khiển khác nhau dưới dạng phiếm hàm mục tiêu của điều khiển
dự báo đặt ra một nhu cầu cấp thiết cần đề xuất một phương pháp điều khiển dự báo cho
đối tượng đa cấu trúc. Tuy nhiên, đối lập với sự phong phú của các phương pháp Lyapunov
điều khiển ổn định đối tượng đa cấu trúc được phát triển mạnh mẽ trong hai thập niên gần
đây, điều khiển dự báo cho đối tượng đa cấu trúc mới được nghiên cứu về xây dựng giải
thuật ở luận án tiến sỹ [34]. Tuy nhiên, cũng như [52], giải thuật điều khiển dự báo đề xuất
bởi luận án [34] khơng xét đến tính ổn định của hệ thống. Các tiêu chuẩn ổn định đề xuất
bởi [34] chỉ có vai trị xem xét với tín hiệu điều khiển tính tốn được có đảm bảo hệ thống
kín ổn định hay khơng?.

Ngun nhân của tình trạng trên là sự thay đổi mơ hình của đối tượng đa cấu trúc
địi hỏi mơ hình dự báo phải thay đổi theo. Do đặc điểm này, nếu các điều kiện ổn định
của toàn bộ quá trình khơng được tích hợp vào mục tiêu điều khiển thì việc tính tốn điều
khiển dự báo cho đối tượng đa cấu trúc theo các mơ hình riêng lẻ chắc chắn khơng thể đảm
bảo tính ổn định của tồn hệ thống. Việc tích hợp này chính là tiêu chí 3 cho phương pháp
điều khiển dự báo đối tượng có mơ hình bất định đã nêu ra ở trên. Do [34] khơng đặt vấn
đề thỏa mãn tiêu chí 3 nên việc xây dựng giải thuật và khảo sát ổn định được nghiên cứu
độc lập với nhau và thiếu sự nhất quán trong mục tiêu cơ bản là đảm bảo hệ kín ổn định.
Trong luận án này, yêu cầu thay đổi mô hình dự báo khi đối tượng chuyển cấu trúc
được xem như là u cầu cập nhật mơ hình dự báo theo thời gian. Đây chính là sự tương
đồng với điều khiển dự báo đối tượng có mơ hình bất định là phương pháp địi hỏi mơ hình
dự báo phải cập nhật tham số theo thời gian. Sự tương đồng này đặt ra vấn đề khai thác tiêu
chí 3 để phát triển một phương pháp điều khiển dự báo cho đối tượng đa cấu trúc.


17
Do ý nghĩa ứng dụng quan trọng của điều khiển đối tượng đa cấu trúc và khả năng
đáp ứng yêu cầu tính ổn định của hệ thống thơng qua tiêu chí 3 của điều khiển dự báo, việc
giải quyết vấn đề trên, tức là nghiên cứu khai thác tiêu chí 3 để phát triển một phương pháp
điều khiển dự báo cho đối tượng đa cấu trúc, không những là một nhu cầu cấp thiết trong
lĩnh vực điều khiển dự báo mà cũng là nhu cầu cấp thiết của lĩnh vực điều khiển quá trình.
c, Sự cần thiết của các định lý ổn định
Một vấn đề lý thuyết quan trọng đối với mọi phương pháp thiết kế điều khiển là
đảm bảo tính ổn định của hệ thống kín. Đối với các bài tốn điều khiển ổn định thì việc đạt
được mục tiêu điều khiển cũng đồng thời đảm bảo tính ổn định của hệ kín. Trái lại, do tín
hiệu điều khiển trong điều khiển dự báo được tổng hợp từ lời giải của bài toán điều khiển
tối ưu trên miền thời gian hữu hạn, nên vấn đề tín hiệu tổng hợp có đảm bảo tính ổn định
của hệ thống trên miền thời gian vô hạn hay không chưa thể kết luận được ở giai đoạn xây
dựng giải thuật điều khiển. Chính vì vậy, chứng minh tín hiệu điều khiển tính theo giải
thuật điều khiển dự báo đảm bảo tính ổn định của hệ kín là yêu cầu cấp thiết của mọi

phương pháp điều khiển dự báo.
Mặt khác, phương pháp điều khiển dự báo phát triển trong luận án này có bản chất
là mơ hình dự báo được cập nhật theo thời gian rời rạc. Đặc biệt với lớp đối tượng có mơ
hình bất định thì mơ hình dự báo chỉ có thể là mơ hình xấp xỉ của đối tượng điều khiển. Do
mơ hình dự báo thay đổi theo thời gian và có thể sai khác với mơ hình đối tượng nên việc
chứng minh tính hiệu quả của việc sử dụng tín hiệu điều khiển tính tốn trên mơ hình dự
báo cho đối tượng điều khiển không những là yêu cầu cấp thiết mà còn là thách thức lớn hy
vọng sẽ được giải quyết bởi luận án này.

2. Mục tiêu của luận án
Như đã trình bày ở mục 1, trong điều khiển dự báo hiện nay có nhu cầu cấp thiết về
một phương pháp luận mới để phát triển các phương pháp điều khiển dự báo cho các lớp
đối tượng có mơ hình bất định với chất lượng đề xuất ở các tiêu chí 1,2, và 3 cũng như cho
các đối tượng đa cấu trúc với chất lượng đề xuất ở tiêu chí 3. Để đáp ứng các nhu cầu cấp
thiết này, luận án lấy mục tiêu là phát triển một phương pháp luận điều khiển dự báo mới
với các bản chất sau đây:
1. Mơ hình dự báo được cập nhật theo thời gian rời rạc;

2. Tín hiệu điều khiển được tính tốn dưới các ràng buộc được thiết lập từ các
điều kiện ổn định.


18
Với bản chất thứ nhất, phương pháp luận điều khiển dự báo của luận án không
những khác biệt về cơ bản so với phương pháp luận điều khiển dự báo truyền thống mà còn
đặt ra một nhiệm vụ đặc biệt khó khăn về mặt kỹ thuật là loại bỏ ảnh hưởng của những sai
lệch là vấn đề không tránh khỏi của việc sử dụng mơ hình xấp xỉ làm mơ hình dự báo.
Với bản chất thứ hai, phương pháp luận điều khiển dự báo của luận án này khơng
có hạn chế lớn nhất của [52], cơng trình gần đây nhất trong lĩnh vực điều khiển dự báo cho
đối tượng phi tuyến bất định, là khơng khẳng định được tín hiệu điều khiển tính từ bài tốn

điều khiển tối ưu có đảm bảo tính ổn định của hệ thống hay khơng?.
Trong các bài tốn điều khiển đối tượng có mơ hình phụ thuộc tham số bất định,
một yếu tố có vai trò quyết định đến khả năng tồn tại lời giải của bài tốn điều khiển là
hình thức phụ thuộc vào tham số bất định của các hàm số trong mô hình. Với mục tiêu sau
cùng là áp dụng vào các quá thực tế nên trường hợp tổng quát được nghiên cứu ở đây là sự
bất định của đối tượng điều khiển được biểu diễn bằng hàm phi tuyến bất định. Tuy nhiên
việc giải quyết trực tiếp trường hợp này từ lâu vẫn là một thách thức lớn trong lý thuyết
điều khiển.
Một phương pháp hiệu quả để khắc phục khó khăn trên là sử dụng các bộ xấp xỉ mờ
để tham số hóa lại mơ hình đối tượng điều khiển sao cho các hàm số trong mơ hình mới là
tuyến tính đối với tham số bất định [11] và từ đó áp dụng các phương pháp điều khiển
thích nghi để tính tốn tín hiệu điều khiển. Mặt khác, với mục đích hướng đến các ứng
dụng điều khiển q trình trong cơng nghiệp là đối tượng đa cấu trúc, biểu diễn bằng đa mơ
hình, mà trình tự chuyển đổi mơ hình của đối tượng được thiết kế từ trước theo yêu cầu của
quá trình sản xuất, luận án sẽ nghiên cứu và đề xuất phương pháp điều khiển dự báo cho
lớp đối tượng này.
Bên cạnh đó, với mục đích hướng đến là cố gắng hoàn thiện các phương pháp luận
về lý thuyết, luận án này đặt ra nhiệm vụ là chứng minh tính đúng đắn của các giải thuật
đề xuất.
Tổng kết lại, với các đối tượng điều khiển trên và yêu cầu đảm bảo tính ổn định, luận
án này đặt các mục tiêu cụ thể sau:
•

Xây dựng các giải thuật điều khiển dự báo đáp ứng các tiêu chí 1, 2, và 3 nêu ra ở
mục 1 cho đối tượng phi tuyến có mơ hình bất định.


19
•

Xây dựng các giải thuật điều khiển dự báo đáp ứng tiêu chí 3 ở mục 1 cho đối
tượng đa cấu trúc mà có trình tự chuyển đổi mơ hình xác định.

•

Phát biểu và chứng minh các định lý ổn định khẳng định tính đúng đắn của các giải
thuật đã xây dựng.

3. Đối tượng và phạm vi nghiên cứu của luận án
Với các mục tiêu và tính cấp thiết của luận án đã trình bày ở trên, luận án này có
các đối tượng nghiên cứu như sau:
-

Về phương diện phương pháp luận: đối tượng của luận án là phương pháp luận
điều khiển dự báo cho đối tượng điều khiển có mơ hình bất định và đối tượng điều
khiển đa cấu trúc;

-

Về phương diện lý thuyết điều khiển: đối tượng của luận án là các giải thuật điều
khiển dự báo thích nghi dựa mơ hình mờ và định lý ổn định;

-

Về phương diện ứng dụng: đối tượng của luận án là lớp đối tượng điều khiển phi
tuyến có mơ hình bất định và các đối tượng điều khiển đa cấu trúc.

Phạm vi nghiên cứu của luận án là sự kết hợp giữa điều khiển dự báo dựa mơ hình,
điều khiển mờ thích nghi, điều khiển q trình và lý thuyết ổn định các hệ thống điều
khiển.

4. Ý nghĩa khoa học và thực tiễn của luận án
a,Ý nghĩa khoa học
Như đã trình bày ở mục 1, điều khiển dự báo đang đứng trước một nhu cầu rất lớn
về một phương pháp luận mới cho phép giải quyết các khó khăn (mơ hình bất định) cũng
như đáp ứng được u cầu (mơ hình chuyển đổi trong quá trình vận hành) của ứng dụng
thực tiễn. Bên cạnh đó, điều khiển dự báo cũng ln đặt ra nhu cầu và cũng là khó khăn
lớn về việc phân tích và chứng minh tính hiệu quả (cụ thể là đảm bảo tính ổn định) của giải
thuật điều khiển dự báo nhằm khẳng định tính đúng đắn của phương pháp đề xuất.
Với việc đề xuất phương pháp luận điều khiển dự báo mới một mặt không yêu cầu mơ
hình dự báo bắt buộc phải là mơ hình chính xác của đối tượng và mặt khác bao hàm điều
kiện ổn định vào ràng buộc của bài toán điều khiển tối ưu, luận án này hy vọng hoàn thành


20
được các mục tiêu nghiên cứu nêu ở trên. Với kết quả này, luận án có các ý nghĩa phương
pháp luận khoa học sau:
•

Đóng góp một phương pháp luận mới cho điều khiển dự báo;

•

Mở rộng lớp đối tượng của lý thuyết điều khiển dự báo: các đối tượng phi tuyến có
mơ hình bất định và đối tượng đa cấu trúc;

•

Đặt tiền đề cho việc xây dựng các phương pháp điều khiển dự báo mà tính ổn định
của hệ thống được chứng minh một cách chặt chẽ về lý thuyết.

Với việc cụ thể hóa phương pháp luận mới bằng việc xây dựng các phương pháp điều
khiển dự báo đối tượng có mơ hình bất định và đối tượng đa cấu trúc, luận án có ý nghĩa lý
thuyết khoa học sau:
•

Khẳng định tính hiệu quả của phương pháp luận được đề xuất trong luận án;

•

Đóng góp các giải thuật điều khiển dự báo cải tiến cho hai lớp đối tượng cụ thể là:
lớp đối tượng phi tuyến có mơ hình bất định và lớp đối tượng đa cấu trúc;

•

Đề xuất và chứng minh định lý ổn định do đó khẳng định tính triệt để của phương
pháp điều khiển dự báo được đề xuất trong luận án.

b,Ý nghĩa thực tiễn
Xây dựng một phương pháp tổng hợp bộ điều khiển cho một lớp đối tượng phi
tuyến có mơ hình bất định và có cấu trúc bất định. Bộ điều khiển này hoàn toàn có khả
năng thực thi trong cơng nghiệp. Cụ thể, luận án có ý nghĩa thực tiễn sau:
•

Cung cấp giải thuật điều khiển dự báo cho lớp đối tượng điều khiển có mơ hình bất
định, lớp đối tượng xuất hiện nhiều trong thực tế;

•

Cung cấp giải thuật điều khiển dự báo cho đối tượng đa cấu trúc, đặc biệt là các

quá trình cơng nghệ.


21

5. Nội dung của luận án
Bố cục của luận án bao gồm 3 chương:
Chương 1: "Tổng quan về điều khiển dự báo phi tuyến".
Mục đích của chương này là đưa ra một bức tranh tổng thể về các bước phát triển trong
lĩnh vực điều khiển dự báo đã đạt được trước luận án này để xác định tính chất mới mẻ
cũng như giá trị khoa học của luận án. Từ các nguyên tắc cơ bản của điều khiển dự báo,
chương 1 đưa ra một sơ đồ biểu diễn tổng quát các thành phần của hệ thống điều khiển với
bộ điều khiển được xây dựng theo nguyên tắc của điều khiển dự báo. Trong chương 1, các
bước phát triển trong lĩnh vực điều khiển dự báo theo sự dịch chuyển từ đơn giản đến phức
tạp được diễn giải trên cơ sở sơ đồ này. Bằng cách đó, luận án sẽ chỉ rõ những đóng góp
của tác giả trong lĩnh vực điều khiển dự báo.
Chương 2: “ Điều khiển dự báo thích nghi mờ”
Chương này trình bày đóng góp về mặt phương pháp luận của luận án là lý thuyết điều
khiển dự báo thích nghi mờ. Những thành phần của lý thuyết này gồm có: xây dựng mơ
hình thích nghi tham số từ mơ hình mờ của đối tượng; Xây dựng giải thuật điều khiển dự
báo dựa trên mơ hình thích nghi tham số; Phân tích hội tụ và suy luận ra các tiêu chuẩn ổn
định cho hệ kín. Luận án sẽ thực hiện ba nhiệm vụ nghiên cứu trên với mô hình phi tuyến
tổng qt đó là hệ phi tuyến bất định. Ở mục tiêu sau cùng, luận án đề xuất tiêu chuẩn hội
tụ cho một lớp mơ hình phi tuyến tổng quát thỏa mãn điều kiện Lipschitz cục bộ.
Để minh chứng cho một phần lý thuyết đề xuất, cuối chương 2 trình bày kết quả mơ
phỏng điều khiển đối tượng CSTR. Đây là đối tượng thường gặp trong công nghiệp hố
học và rất khó điều khiển [16]. Một số kết quả nghiên cứu trong chương 2 đã được tác giả
công bố tại tạp chí trong nước [3] [8] và hội nghị quốc tế về tự động hoá và khoa học tính
tốn (ICCCA2011) do IEEE tổ chức tại Hàn Quốc, tháng 5/2011, [5].
Chương 3: "Phương pháp điều khiển dự báo thích nghi mờ cho hệ đa cấu trúc"

Chương này trình bày đóng góp tiếp theo của luận án là xây dựng giải thuật điều
khiển cho đối tượng đa cấu trúc biểu diễn bằng đa mơ hình dựa trên lý thuyết điều khiển dự
báo đã trình bày ở chương 2. Mục đích của chương này là mở rộng đối tượng điều khiển
của luận án sang các q trình cơng nghiệp có mơ hình tốn học phổ biến là hệ đa cấu trúc.
Xuất phát từ ý tưởng trong điều khiển dự báo thích nghi mờ thì khâu dự báo với mơ hình
có tham số cập nhật tại các thời điểm lấy mẫu về tổng thể chính là một hệ thống đa cấu
trúc. Trên cơ sở từ ý tưởng trên đã mở ra một hướng nghiên cứu mới không chỉ cho


22
phương pháp luận điều khiển dự báo mà còn cho lĩnh vực điều khiển quá trình. Ưu điểm
nổi bật của phương pháp điều khiển đối tượng đa cấu trúc dựa trên lý thuyết điều khiển dự
báo được phát triển ở chương này là việc chuyển đổi mơ hình được giải phóng khỏi nhiệm
vụ đảm bảo tính ổn định bằng cách chuyển nhiệm vụ đó thành các ràng buộc của bài toán
tối ưu.
Kết quả nghiên cứu trong tài liệu [15] đã chỉ ra bằng thực nghiệm rằng: khi vận
hành động cơ theo chiều thuận thì các tham số của mơ hình hoàn toàn khác so với vận
hành động cơ theo chiều ngược lại. Do vậy, Động cơ điện một chiều vận hành hai chế độ:
thuận và nghịch chính là đối tượng đa mơ hình. Luận án đã chọn những kết quả này làm
đối tượng mô phỏng kiểm chứng. Các kết quả mơ phỏng đã chứng minh tính đúng đắn của
phương pháp đã đề xuất trong luận án. Một số nội dung nghiên cứu trong chương này được
tác giả công bố trên các tạp chí trong nước [4] và Tạp chí quốc tế [6]: Journal of
Computers (JCP, ISSN:1796-203X, Ei Compendex), The Academy Publishers.
Kết luận và kiến nghị: nêu các đóng góp chính của luận án và hướng phát triển trong
tương lai.


23

Chương 1

1B

2B

TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO PHI TUYẾN
Thuật ngữ điều khiển dự báo dựa mơ hình viết tắt là MPC (gốc tiếng Anh là Model

Predictive Control cũng có tên gọi khác như Moving Horizon Control hoặc Receding
Horizon Control) bắt đầu xuất hiện vào cuối những năm 1970 thông qua các cơng trình của
nhóm tác giả Richalet, Rault, Testud, Papon [60], Cutler và Ramakter [61]. Đến năm 1994,
tác giả E. F. Camacho đã đúc kết thành một nguyên tắc cơ bản và cô đọng nhất về điều
khiển dự báo, đó là: điều khiển dự báo là một lĩnh vực rộng lớn các phương pháp điều
khiển có chung đặc điểm là sử dụng mơ hình đối tượng để tính tốn tín hiệu điều khiển
thơng qua việc cực tiểu hóa một phiếm hàm mục tiêu [5].
Nguyên tắc cơ bản của MPC theo E.F.Camacho cho thấy rằng: những phương pháp
điều khiển có thể quy về lớp bài toán điều khiển dự báo phải bao gồm các yếu tố cơ bản
sau:
 Mơ hình đối tượng
 Phiếm hàm mục tiêu
 Giải thuật tối ưu để xác định tín hiệu điều khiển dự báo,
và các phương pháp điều khiển như vậy đã được công bố rất nhiều. Do vậy, luận án sẽ
khơng trình bày theo hướng liệt kê, tổng kết các kết quả nghiên cứu liên quan đến MPC vì
cơng việc này đã được thực hiện bởi các tác giả uy tín và giàu kinh nghiệm [23], [24].
Thay vào đó, luận án sẽ phân tích một số nghiên cứu về xây dựng mơ hình dự báo và giải
quyết bài tốn tối ưu, vì đây là những vấn đề quan trọng trong MPC, đồng thời đề xuất một
số hướng có thể nghiên cứu phát triển nhằm nâng cao chất lượng của hệ thống điều khiển
sử dụng MPC.
Có thể tổng kết và đánh giá một số kết quả nghiên cứu chính về MPC trên thế giới và
Việt Nam như sau:
Vấn đề thứ nhất, vì phải sử dụng một mơ hình tốn học của đối tượng để tính tốn các tín

hiệu điều khiển, tín hiệu ra (hoặc tín hiệu trạng thái) tại các thời điểm trong tương lai nên


24
đối với phương pháp này thì tất yếu mơ hình đối tượng đóng vai trị quan trọng. Độ chính
xác của tín hiệu dự báo trong tương lai phụ thuộc vào độ chính xác của mơ hình. Tuy
nhiên, đối với hệ phi tuyến thì việc xây dựng được mơ hình tốn học chính xác là một bài
tốn khó vì đặc tính phi tuyến rất đa dạng. Một hướng nghiên cứu mới trong một thập kỷ
trở lại đây là áp dụng lý thuyết mờ vào bài toán nhận dạng hệ phi tuyến vì hệ mờ cho phép
xấp xỉ đặc tính phi tuyến bất kỳ liên tục khả vi trong tập compact với độ chính xác tuỳ ý
[1], [6], [9] . Các kết quả nghiên cứu về FMPC đã chỉ ra rằng đây là một giải pháp khá hiệu
quả [13][39][43], theo hướng nghiên cứu này cho hệ SISO và MIMO phải kể đến các cơng
trình của Espinosa J.J và các cộng sự [38], 1998; S.Mollov và các cộng sự [31], 2004;
Roubus J.A, R. Babuska [37] và các cộng sự, 1998. Hơn thế, sự phát triển mạnh mẽ của
công nghệ vi xử lý và kỹ thuật tính tốn mềm đã mở ra khả năng ứng dụng có hiệu quả
phương pháp điều khiển dự báo cho các q trình cơng nghệ. Trong những năm gần đây, ở
Việt Nam đã có một số kết quả nghiên cứu MPC cho cả hệ tuyến tính và phi tuyến được
công bố. Trong tài liệu [4] đã thiết kế bộ điều khiển MPC cho hệ thống bình thơng nhau,
trong cơng trình này mơ hình dự báo được sử dụng là mơ hình mờ Mandami, bài tốn tối
ưu được giải quyết bằng giải thuật Levenberg-Marquard. Ngoài ra, kết quả nghiên cứu
MPC khác cho hệ phi tuyến SISO cũng được công bố trong tài liệu [21]. Trong cơng trình
này, đối tượng được mơ hình hố bằng mơ hình mờ Takagi – Sugeno, bài toán tối ưu được
giải quyết bằng phương pháp rẽ nhánh và giới hạn ( B&B). Tuy nhiên, các kết quả nêu trên
mới dừng lại ở một số ứng dụng cụ thể trong công nghiệp và kết quả mô phỏng. Việc
chứng minh chặt chẽ về lý thuyết và đánh giá hiệu quả của việc sử dụng mơ hình mờ để
thay thế mơ hình đối tượng, cũng như đánh giá sai lệch xấp xỉ chưa được quan tâm nhiều.
Vấn đề thứ hai, việc tính tốn tín hiệu điều khiển trong MPC phải thực hiện trực tuyến
(online), điều này có nghĩa là phải giải bài toán tối ưu trong một chu kỳ trích mẫu, khối
lượng tính tốn lớn địi hỏi khả năng của thiết bị và giải thuật tối ưu phải phù hợp, theo
hướng này Al-Duwaish H. và Naeem,Wasif [17], Kaouther Laabidi và Faouzi Bouani [36]

cùng một số tác giả đã dùng giải thuật di truyền (GAs), J.M. Sausa và một số tác giả dùng
phương pháp rẽ nhánh và giới hạn (B&B) [18] [19] [20] để giải quyết bài toán tối ưu. Tuy
nhiên, các kết quả nghiên cứu ở trên chưa gắn các điều kiện ổn định của hệ kín vào lời giải
xác định tín hiệu điều khiển từ bài tốn tối ưu.
Vấn đề thứ ba, điều khiển dự báo thích nghi cũng được nhiều học giả trên thế giới coi là
một hướng nghiên cứu có triển vọng cho cả hệ tuyến tính và phi tuyến. Trong hệ tuyến
tính, điều khiển dự báo thích nghi đã được Shouche và cộng sự cơng bố năm 1998 [56],


25
một số ít cơng trình nghiên cứu điều khiển dự báo thích nghi cho hệ phi tuyến đã được các
tác giả công bố như Dehaab và Guay ( 2007) [50], P.Pivõnka và P.Nepevrý (2005) [53],
Y.Wu và A.Dexter ( 2006) [54]. Điều khiển dự báo thích nghi cho hệ phi tuyến có mơ hình
bất định được Adetola và Guay [49] giới thiệu năm 2004 dựa trên hàm ISS-CLF, tuy nhiên
kết quả mới dừng lại cho hệ phi tuyến khơng có ràng buộc. Năm 2009, Adetola và Guay
[52] đã phát triển kết quả nghiên cứu điều khiển dự báo thích nghi cho hệ phi tuyến bất
định có ràng buộc dựa trên phương pháp MIN-MAX. Kết quả nghiên cứu trong tài liệu
[52] là một đóng góp mới trong việc xây dựng phương pháp điều khiển dự báo thích nghi
cho hệ phi tuyến tham số hằng bất định có ràng buộc, tuy nhiên hạn chế lớn nhất của [52]
là chưa khẳng định được tín hiệu điều khiển xác định từ bài toán điều khiển tối ưu có đảm
bảo tính ổn định của hệ thống hay khơng? Đây là một hướng nghiên cứu có nhiều triển
vọng, vì mục đích của thích nghi là chỉnh định mơ hình dự báo bám sát mơ hình chính xác
của đối tượng điều khiển.
Tóm lại, các kết quả nghiên cứu trong nước và quốc tế về MPC cho hệ phi tuyến tuy
đạt được rất nhiều kết quả khả quan nhưng vẫn còn một số vấn đề cần được nghiên cứu
thêm:
- Việc lựa chọn miền dự báo tín hiệu ra, miền dự báo tín hiệu điều khiển, các trọng
số trong phiếm hàm mục tiêu… của MPC phần lớn dựa trên kinh nghiệm và mất rất nhiều
thời gian thực nghiệm để điều chỉnh các tham số này cho phù hợp, hầu như chưa có những
gợi ý đáng kể nào về cách lựa chọn các tham số này như thế nào là hợp lý cho một lớp đối

tượng cụ thể.
- Việc áp dụng MPC cho lớp đối tượng phi tuyến bất định (tham số bất định dạng
hàm số bất định phụ thuộc thời gian) và đa cấu trúc cũng chưa được đề cập đến nhiều trong
các kết quả nghiên cứu gần đây nhất.
- Các trọng số trong hàm mục tiêu được chọn dựa trên kinh nghiệm nên rất khó khăn
và tốn nhiều cơng sức để tìm được các hệ số phù hợp.
- Những nghiên cứu về điều khiển MPC thích nghi đảm bảo hệ thống ổn định tiệm
cận toàn cục (GAS-Global Asymptotic Stable) cịn chưa nhiều và đặc biệt là việc tích hợp
những điều kiện ổn định này vào giải thuật tìm tín hiệu điều khiển là một thách thức lớn
trong MPC.