Giải pháp bù thời gian trễ biển đổi và nhiễu của mạng các hệ thống điều khiển dựa trên mô hình dự báo smith thích nghi

TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 19 - 05/2016

13

GIẢI PHÁP BÙ THỜI GIAN TRỄ BIỂN ĐỔI VÀ NHIỄU CỦA
MẠNG CÁC HỆ THỐNG ĐIỀU KHIỂN DỰA TRÊN MÔ HÌNH
DỰ BÁO SMITH THÍCH NGHI
COMPENSATION TIME-VARYING DELAYS AND DISTURBANCES
SOLUTION OF NETWORKED CONTROL SYSTEM BASED ON ADAPTIVE
SMITH PREDICTOR
Đặng Xuân Kiên
Đại học Giao thông Vận Tải Tp. Hồ Chí Minh
Tóm tắt: Vấn đề nghiêm trọng nhất gây giảm hiệu suất điều khiển, mất ổn định của mạng các
hệ thống điều khiển (Networked control systems-NCS) chính là ảnh hưởng của thời gian trễ và
nhiễu, đặc biệt khi tại mỗi thời điểm chúng biển đổi không xác định. Rõ ràng đó là những thách
thức hiện hữu làm cho các phương pháp điều khiển truyền thống khó đáp ứng được yêu cầu ổn
định cần thiết của mạng các hệ thống điều khiển. Giải pháp sử dụng mô hình dự đoán Smith thích
nghi với cơ chế ước lượng thời gian trễ và bù nhiễu dựa trên mạng thần kinh nhân tạo không chỉ có
tính năng của một cấu trúc dự đoán Smith thông thường mà còn thích nghi cao với sự thay đổi liên
tục của thời gian trễ và nhiễu làm tăng tính ổn định, đáp ứng điều khiển nhanh. Kết quả mô phỏng
thu được bằng cách sử dụng phần mềm chuyên dụng True Time Beta 2.0 trên nền Matlab minh
chứng phương pháp này nâng cao hiệu suất của mạng các hệ thống điều khiển một cách đáng kể.
Từ khóa: Dự báo Smith, mạng các hệ thống điều khiển, bù nhiễu.
Abstract: The most serious problems of networked control systems (NCS) to cause less control
performance, instability and even collapse, are the randomly varying time delay and disturbances.
These inherent challenges make the conventional control methods more difficult to meet the quality
requirements for NCS stability. An adaptive Smith predictor combined time-delay estimation
scheme and disturbance observer based on Neural network which has not only the features of
simple Smith predict structure, but also the characteristics of adaptively, stability, and fast
response. The simulation results via TrueTime Beta2.0 platform demonstrate that our method
significantly improves the performance of NCS.

Keywords: Adaptive Smith predictor, networked control system, disturbance observer.

Các chữ viết tắt
LQR: Linear Quadratic Regulator
H∞: H infinity
1. Giới thiệu
Mạng các hệ thống điều khiển
(Networked control systems – viết tắt là
NCS) được định nghĩa là hệ thống trong đó
các vòng lặp điều khiển được khép kín thông
qua mạng thời gian thực. Một mạng các hệ
thống điều khiển điển hình được xây dựng
dựa trên các phần tử cơ bản: Cảm biến – để
lấy thông tin đầu vào, bộ điều khiển – để
cung cấp và ra lệnh điều khiển, đối tượng
điều khiển – để thực thi các lệnh điều khiển,
mạng thời gian thực – nơi các phần tử của hệ
trao đổi thông tin, tín hiệu điều khiển, đo
lường…trong các vòng lặp khép kín với
nhau qua mạng. Như vậy, lợi thế của mạng
các hệ thống điều khiển không chỉ làm tăng
tốc độ điều khiển mà còn dễ dàng nâng cấp

hệ thống bằng cách tăng số lượng cảm biến,
đối tượng điều khiển, bộ điều khiển mà
không cần thay đổi cấu trúc của toàn hệ
thống, giảm chi phí vận hành khai thác và
bảo dưỡng đáng kể. Hơn nữa, tính năng chia
sẻ dữ liệu giữa các bộ điều khiển của mạng
làm tăng hiệu suất điều khiển, mạng điều

khiển có thể dễ dàng tổng hợp thông tin toàn
diện để đưa ra các quyết định thông minh
hơn đối với những không gian vật lý lớn.
Trong vài thập kỷ gần đây, NCS được
ứng dụng rất rộng rãi trong công nghiệp
cũng như các lĩnh vực phục vụ đời sống xã
hội như mạng cảm biến di động, thám hiểm
không gian vũ trụ, điều khiển và thu thập dữ
liệu trong môi trường nguy hiểm, tự động
hóa nhà máy xí nghiệp, chẩn đoán và xử lý
từ xa sự cố hệ thống tự động, điều khiển
đồng bộ hóa các phương tiện giao thông vận
tải. Nhìn chung có hai hướng nghiên cứu hệ


14

Journal of Transportation Science and Technology, Vol 19, May 2016

thống điều khiển sử dụng mạng truyền thông gian trễ khi dữ liệu truyền từ bộ điều khiển
trong đó bao gồm hệ thống điều khiển mạng tới đối tượng, e sc s là khoảng thời gian trễ
chia sẻ (Shared-network) và hệ thống điều khi dữ liệu truyền từ cảm biến phản hồi
khiển từ xa. Hướng đầu tiên sử dụng tài ngược tới bộ điều khiển qua Network. Đối
nguyên của mạng chia sẻ để chuyển thông tượng điều khiển được xem xét là đối tượng
tin từ cảm biến tới bộ điều khiển và tín hiệu có trễ G(s)  G (s)e  p s với e p s đặc trưng cho
p
điều khiển từ bộ điều khiển tới cơ cấu chấp
hành, như vậy có thể giảm nhiều sự phức tạp mô hình thời gian trễ của đối tượng. Mô hình
về kết nối. Những bộ điều khiển dựa trên cấu dự báo Smith được đưa thêm vào vòng lặp
 s

trúc cơ bản của mạng đã được ứng dụng rộng kín của NCS Gm ( s)  Gpm ( s)e pm trong đó
 s
rãi trong điều khiển mạng Robot di động [1]
Gpm (s)e pm đặc trưng cho mô hình dự báo
và các ứng dụng trong công nghiệp [2].
Hướng thứ hai với các hệ thống điều khiển của đối tượng G(s) .
từ xa có thể xem là những hệ thống có bộ
Như vậy chúng ta có thể phân tích mô
điều khiển đặt ở khoảng cách xa, điều khiển hình NCS trong hình 1 với giả thiết không có
không dây hoặc có kết nối bằng dây dẫn điện. nhiễu tác động vào hệ thống tương ứng d  0 ,
Hệ thống thu thập dữ liệu [3], hệ thống giám ta có:
sát và điều khiển từ xa [4] đều có thể xem
 s
(1)
y p  G p ( s )e p u ( s )
như là một dạng của hệ thống điều khiển từ
xa. Từ đó có thể thấy rằng những ứng dụng
Bên cạnh đó, ta có thể dễ dàng suy luận
toàn diện của NCS ở thời điểm hiện nay giúp ra được từ mô hình tính toán như sau:
chúng ta có một thế giới đầy sáng tạo với
yˆ pm  G pm ( s)u( s)
(2)
công nghệ hiện đại.
 s
 s
Trong bài báo này, bắt nguồn từ hướng
y pm  G pm ( s)e pm u ( s)  yˆ pm e pm
(3)
nghiên cứu NCS đã trình bày trong [5-6] đề
 s

 s
cập đến việc bù thời gian trễ của NCS với
y fb  y p  y pm  (G p e p  G pm e pm )u(s)
(4)
mô hình dự báo Smith dựa trên các kỹ thuật
điều khiển mờ và mạng nơ ron nhân tạo, tác
Tín hiệu phản hồi có thể được tính toán
giả mở rộng vấn đề xem xét ảnh hưởng đồng bởi công thức sau:
thời của nhiễu ngoài và thời gian trễ lên NCS
 p s
 pm s
dựa trên mạng thần kinh nhân tạo. Kết quả là ycomp  yˆ pm  y fb  G pm (s)u(s)  (G p e  G pme )u(s) (5)
tạo ra một mô hình dự báo Smith thích nghi
Từ (2), (3), (4), và (5), hàm truyền của
mới cho mạng các hệ thống điều khiển đã
y (s)
được đề cập.
NCS p được viết lại như trong công thức
r (s)
2. Cấu trúc của NCS dựa trên mô
(6) như sau:
hình dự báo Smith

r



C s 

ecas

Network

escs

u

d

G p s 

Gpms

yˆ pm

ps

e

 pms y pm

e

yp

 yfb

ycomp
Smith Predictor

Hình 1. Cấu trúc của NCS dựa trên mô hình dự báo

Smith.

Cấu trúc của NCS xây dựng dựa trên mô
hình dự báo Smith thể hiện trong hình 1,
trong đó C(s) là bộ điều khiển, mạng gửi và
nhận dữ liệu Network với e ca s là khoảng thời

y p (s)
r (s)



C (s)e  cas G p (s)e

1  C (s)G pm (s)  C (s)e  cas [G p ( s)e

 p s

 p s

 G pm (s)e

 pm s

]e  sc s

(6)

Giả thiết mô hình dự đoán được xác
định chính xác, đồng nghĩa với ta có  p   pm

và G p  G pm . Tiếp theo, chúng ta đạt được
(7) bằng cách triệt tiêu các thành phần tương
đương nhau trong (6).
y p ( s)
r ( s)



C ( s)e  cas G p ( s)e

 p s

1  C ( s)G pm ( s)



C ( s)G p ( s)
1  C ( s)G pm ( s)

e  cas e

 p s

(7)

Công thức (7) chỉ ra rằng mô hình NCS
mới dựa trên mô hình dự báo Smith có thể


TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 19 - 05/2016

triệt tiêu hoàn toàn thời gian trễ của mạng
cũng như thời gian trễ của đối tượng.

Hình 2. Cấu trúc của NCS dựa trên mô hình dự báo
Smith với bộ ước lượng thời gian trễ sử dụng mạng
thần kinh nhân tạo [6].

Thời gian trễ khi dữ liệu truyền từ cảm
biến tới bộ điều khiển đã bị loại trừ hoàn
toàn ra khỏi vòng lặp, còn thời gian trễ khi
dữ liệu truyền từ bộ điều khiển tới đối tượng
và thời gian trễ của đối tượng suất hiện như
một khối Gain ở sau tín hiệu đầu ra. Như vậy,
ảnh hưởng của thời gian trễ bị loại trừ ra
khỏi vòng lặp kín của NCS giúp cho hiệu
suất và chất lượng điều khiển của NCS được
nâng cao. Mô hình xây dựng trên hình 2, đáp
ứng tốt với sự thay đổi của thời gian trễ
nhưng chưa khảo sát sự ảnh hưởng của nhiễu.
3. Giải pháp loại trừ đồng thời ảnh
hưởng của thời gian trễ và nhiễu tác động
vào NCS
3.1. Giải pháp dùng mô hình Smith
thích nghi kết hợp bộ loại trừ nhiễu dựa
trên mạng thần kinh nhân tạo
r



e



Robust Controller

Ks

p

v

eecacass

u

v

vd

d





1

z
Gpms

Gp se

 (k ) p s



d
z1

Q(s)

i



n

z1
Q(s)

vn(k 1)

vn

z1
z1



d

Network

z1

(k)pm

Network

e

j
z1

scscss

ee

p

z1

(k 1) pm

e


yn

e

 0.5365  8.5691 0.1374
R   0.0118 0.445 0.0044
 0.0114  0.3408 0.8367

(8)

 0.2895 

(9)
Cuối cùng ta có bộ điều khiển bền
~

~ ~ ~

~

vững K  ( Ac , Bc , Cc , Dc ) với:



yn 
ypm

p

(k)pms

Gpms

j

On-line
Calculation
Modulator

được chất lượng điều khiển của NCS. Giải
pháp xây dựng mô hình Smith kết hợp với bộ
bù nhiễu (Nerual-network Disturbance
observer –NDOB) dựa trên mạng thần kinh
nhân tạo như trên hình 3.
Bộ bù nhiễu NDOB lấy tín hiệu đầu vào
như trong hình 3, tín hiệu đầu ra được xem là
tín hiệu dùng để loại bỏ hoàn toàn nhiễu ra
khỏi vòng lặp kín của NCS.
Mô hình dự đoán Smith đưa thêm vào
bộ nhận dạng đối tượng sử dụng mạng thần
kinh nhân tạo được thiết kế như trong [8],
khi đó mô hình dự báo Smith trở thành mô
hình có khả năng thích nghi tuyệt đối ngay
cả khi không xác định được rõ đối tượng lẫn
thời gian trễ của đối tượng.
3.2. Kết quả mô phỏng
Trong mô hình này, bộ điều khiển Fuzzy
PID được thay thế bằng bộ điều khiển bền
vững. Bộ điều khiển bền vững được tính toán
theo phương pháp McFarlan – Glover thỏa
mãn các điều kiện tính toán theo [8]. Đầu
tiên giải các bất đẳng thức ma trận tuyến tính

LMIs sau đó tính toán được biến vô hướng
 0 , ta có được  0  2.2154 . Sử dụng giải
pháp tối ưu bằng Matlab với lựa chọn
  1.1 0  2.4369 và sau đó tính được ma
trận R và L như sau:

L  0.4711 10 .928

yp

15



yfb

Adaptive Smith Predictor

Hình 3. Cấu trúc của NCS dựa trên mô hình dự báo
Smith thích nghi với bộ ước lượng thời gian trễ sử
dụng mạng thần kinh nhân tạo, bộ giám sát và bù
nhiễu NDOB.

Chúng ta xem xét NCS với ảnh hưởng
của thời gian trễ lẫn nhiễu tác động vào NCS,
rõ ràng khi đó một cấu trúc dự báo Smith
thông thường không đủ để có thể đảm bảo

 155.6237  16385.4248  0.5844
~

,
Ac  
4
 630.1716
0

  3.7687
 628.0077  1.0175

1231 .4322 
~
,
Bc  
 57.6157 

 49.4248 

~
Cc  0.4711 10.928  0.2895 ,
~
Dc  0 .


16

Journal of Transportation Science and Technology, Vol 19, May 2016

Mô hình đối tượng điều khiển được
chọn theo hàm truyền như sau:
G p ( s )e

 ( k ) p s

5

700
s  1  ( k ) p s
e
s 2  30s  10 0.3s  1

(10)

Trong đó, chúng ta lựa chọn 2 hàm danh
định của mô hình đối tượng điều khiển tương
s 1
và mô hình danh định
0.3s  1
700
của đối tượng điều khiển G  2
.
s  30s  10

ứng W1  5, W2 

Lựa chọn hàm của thời gian trễ là dạng tín
hiệu sinusoidal [7] với t là dạng phiến hàm
tự do nằm trong ngưỡng [0,10]:
(11)
 (k ) p (t )  0.3sin(3  0.1t 2 )
Nhiễu có dạng tín hiêu với t là dạng

phiến hàm tự do nằm trong ngưỡng [0,10]:

d (t )  0.2sin(1.3t )

(12)

n(t )  0.01sin(0.3t )

(13)

Sử dụng phần mềm TrueTime2.0 Beta 2
[10] chạy trên nền của Matlab với các tham
số lựa chọn tương tự như trong phần trước ta
có kết quả sau:
Hình 4 và hình 5 hiển thị đáp ứng đầu ra
trong 2 trường hợp: NCS có và không có bộ
bù nhiễu NDOB. Kết quả cho thấy NCS có
bù nhiễu đáp ứng đầu ra dao động với biên
độ nhỏ quanh vị trí cân bằng trong khi NCS
không bù nhiễu khó điều khiển với biên độ
dao động lớn, nếu tín hiệu nhiễu lớn đột ngột
NCS có thể hoàn toàn mất ổn định.

Hình 4. Đáp ứng của tín hiệu điêu khiển khi không
dùng NDOB và dùng NDOB với các bộ điều khiển
Fuzzy PID (FC)[5] và bền vững (RC)[6] khi
t  0  5 .

Hình 5. Đáp ứng tín hiệu đầu ra của NCS khi không
dùng NDOB và dùng NDOB với các bộ điều khiển

Fuzzy PID (FC) và bền vững (RC) khi t  0  5 .

Cấu trúc NCS dựa trên mô hình Smith
kết hợp bộ bù nhiễu NDOB cho thấy có thể
phù hợp với rất nhiều bộ điều khiển, điển
hình là bộ điều khiển Fuzzy và bộ điều khiển
bền vững. Ngoài ra, bằng thực nghiệm trên
True Time cho thấy hệ thống dưới tình trạng
xấu hơn vẫn có khả năng duy trì độ ổn định
tuy nhiên cũng chỉ đảm bảo trong một giới
hạn vật lý nhất định, khi nhiễu hoặc thời gian
trễ quá lớn thì giải pháp dùng mô hình dự
báo Smith rất khó để đáp ứng được chất
lượng đúng yêu cầu.
4. Kết luận
Bài báo đã đưa ra và giải quyết rất nhiều
vấn đề gây giảm hiệu suất và chất lượng của
NCS. Mỗi vấn đề đều có những hướng giải
quyết để tìm ra phương pháp tốt nhất, phù
hợp nhất. Trong trường hợp bù thời gian trễ
trong mạng điều khiển, giải pháp sử dụng mô
hình dự đoán Smith thích nghi với cơ chế
ước lượng thời gian sử dụng Logic mờ và
mạng thần kinh nhân tạo cho kết quả tốt. Để
giải quyết vấn đề bù nhiễu cho NCS, giải
pháp sử dụng bộ bù nhiễu sử dụng mạng
thần kinh nhân tạo kết hợp bộ lọc Q-filter đã
được đưa ra. Cuối cùng, mô hình tổng quát
của NCS dựa trên mô hình dự đoán Smith có
khả năng loại trừ đồng thời ảnh hưởng của

nhiễu lẫn thời gian trễ không xác định đã
được xây dựng thành công, kết quả mô
phỏng cho thấy tính hiệu quả của phương
pháp mới đưa ra. Về phương diện điều khiển,
với mô hình NCS đưa ra hoàn toàn làm việc
ổn định với cả bộ điều khiển Fuzzy PID lẫn
bộ điều khiển bền vững. Trong bài nghiên
cứu chúng ta thấy giải pháp ứng dụng mạng


TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 19 - 05/2016

thần kinh nhân tạo đã được sử dụng rất nhiều,
nếu ta sử dụng thuật toán Gen cho công việc
này có thể thu được kết quả tốt hơn 
Tài liệu tham khảo
[1] T. W. Long, “A self-similar neural network for
distributed vibration control,” In Proc. The
32nd IEEE Conference on Digital Object
Identifier, vol. 4, pp. 3243 – 3248, 1993.
[2] P. I. Corkey, P. Ridley, “Steering kinematics for a
center-articulated
mobile
robot,”
IEEE
transactions on Robotics and Automations, vol.
17, no. 2, pp. 215–218, 2001.
[3] F. L. Lian, J. Moyne, D. Tilbury, “Network design
consideration for distributed control systems,”
In IEEE Transactions on Control Systems

Technology, vol. 10, no. 2, pp. 297–307, 2002.
[4] I. A. K. Saeed, N. V. Afzulpurkar, “Real time,
dynamic target tracking using image motion,” In
Proc. IEEE International Conference on
Mechatronics, Taipei, Taiwan, pp. 241–246,
2005
[5] X. K. Dang, Z. H. Guan, H. D. Tran and T. Li,
“Fuzzy Adaptive Control of Networked Control
System with Unknown Time-delay,” Proc. The
30th Chinese Control Conference, Yan tai,
China, Jul. 2011, pp. 4622 - 4626.

17

[6] X. K. Dang, Z. H. Guan, T. Li and D. X. Zhang,
“Joint Smith Predictor and Neural Network
Estimation Scheme for Compensating Randomly
Varying Time-delay in Networked Control
System,” Proc. The 24th Chinese Control and
Decision Conference, Tai Yuan, China, May.
2012. PP. 512-517.
[7] X.K. Dang, “Analysis and Design of Networked
Control Systems under the Effect of Time-delays
and Disturbances,” Ph.D. dissertation, Univ.
Huazhong, Wuhan, 2012.
[8] Xuan-Kien Dang, Van-Thu Nguyen, XuanPhuong Nguyen, “Robust Control of Networked
Control Systems with Randomly Varying TimeDelays Based Adaptive Smith Predictor” Rangsit
Journal of Arts and Sciences, RJAS, Vol. 5 No.
2, pp.175-186, Dec, 2015.
[9] Đặng Xuân Kiên, “Mạng các hệ thống điều khiển:

Kiến thức nền tảng và định hướng nghiên cứu”,
Tạp chí Khoa học công nghệ giao thông vận tải,
Số 17-11/2015, Tr.37-41.
[10] C. Anton, H. Dan, and O. Martin, TrueTime 2.0
beta 1 - Reference Manual, 1st ed. Sweden:
Department of Automatic Control, Lund
University, January, 2009.

Ngày nhận bài: 17/03/2016
Ngày hoàn thành sửa bài: 06/04/2016
Ngày chấp nhận đăng: 14/04/2016