Ứng dụng lý thuyết mờ và mạng nơron để điều khiển hệ chuyển động

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

Đỗ Trung Hải

ỨNG DỤNG
LÝ THUYẾT MỜ VÀ MẠNG NƠRON
ĐỂ ĐIỀU KHIỂN HỆ CHUYỂN ĐỘNG
Chuyên nghành: Tự động hoá
Mã số:

62.52.60.01

LUẬN ÁN TIẾN SĨ KỸ THUẬT

NGƯỜI HƯỚNG DẪN KHOA HỌC
GS.TS Nguyễn Trọng Thuần

Hà Nội - 2008


LỜI CAM ĐOAN

Tơi xin cam đoan đây là cơng trình nghiên cứu của riêng tôi. Các số liệu,
kết quả trong luận án là hoàn toàn trung thực và chưa từng được ai cơng bố
trong bất kỳ cơng trình nào khác.

Tác giả luận án

Đỗ Trung Hải

2


LỜI CẢM ƠN
Trong q trình làm luận án, tơi đã nhận được nhiều ý kiến đóng góp từ
các thầy, cơ giáo, các anh chị và các bạn đồng nghiệp.
Tôi xin bày tỏ lòng biết ơn đến GS.TS Nguyễn Trọng Thuần, đến hội
đồng khoa học của bộ mơn Tự động hóa XNCN - Khoa Điện - Trường Đại
học Bách Khoa Hà Nội.
Tôi xin chân thành cảm ơn PGS.TS Bùi Quốc Khánh, PGS.TS Nguyễn
Văn Liễn, PGS.TS Võ Minh Chính, TS Nguyễn Mạnh Tiến đã cho tôi những
ý kiến quý báu trong quá trình học tập, nghiên cứu để hồn thành luận án.
Tơi xin chân thành cảm ơn các thầy, cô giáo ở bộ mơn Tự động hóa
XNCN - Khoa Điện - Trường Đại học Bách khoa Hà Nội và các đồng nghiệp
ở Khoa Điện - Trường Đại học Kỹ thuật công nghiệp đã có những ý kiến
đóng góp q báu bổ sung cho luận án.
Tôi xin chân thành cảm ơn trung tâm thí nghiệm HITECH thuộc trường
Đại học Bách Khoa Hà Nội đã tạo điều kiện về trang thiết bị thực nghiệm để
tơi hồn thành được phần thực nghiệm của luận án.
Tơi xin chân thành cảm ơn ban giám hiệu trường Đại học Kỹ thuật công
nghiệp. Tôi xin chân thành cảm ơn Trung tâm đào tạo và bồi dưỡng sau đại
học - Trường Đại học Bách khoa Hà Nội, xin chân thành cảm ơn ban giám
hiệu trường Đại học Bách khoa Hà Nội đã tạo những điều kiện thuận lợi nhất
về mọi mặt để tơi hồn thành khóa học Nghiên cứu sinh.
Tác giả luận án

Đỗ Trung Hải

3

Mục Lục
Mục lục . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4

Danh mục các ký hiệu và chữ viết tắt . . . . . . . . . . . . . . . . . . . . . . . . . . .

8

Danh mục các hình vẽ và đồ thị . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

9

Mở đầu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

Chương 1 Tổng quan về các phương pháp nhận dạng và điều
khiển hệ chuyển động. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

16

1.1 Khái quát về hệ chuyển động . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

16

1.2 Vấn đề nhận dạng hệ thống . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

1.2.1 Phương pháp sử dụng lý thuyết mờ . . . . . . . . . . . . . . . . . . . .

19

1.2.2 Phương pháp sử dụng mạng nơron . . . . . . . . . . . . . . . . . . . .

19

1.2.3 Phương pháp kết hợp lý thuyết mờ và mạng nơron . . . . . . . .

21

1.3 Vấn đề điều khiển hệ thống . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.1 Phương pháp điều khiển thích nghi . . . . . . . . . . . . . . . . . . . .

23

a. Phương pháp điều khiển thích nghi theo mơ hình mẫu . . . . . .

23

b. Phương pháp điều khiển thích nghi trực tiếp và gián tiếp . . . .

24

c. Phương pháp điều khiển thích nghi theo sai lệch . . . . . . . . . . . 27
1.3.2 Phương pháp điều khiển trượt . . . . . . . . . . . . . . . . . . . . . . . .

27

1.3.3 Phương pháp điều khiển mờ . . . . . . . . . . . . . . . . . . . . . . . . .

28

1.3.4 Phương pháp điều khiển trượt kết hợp với điều khiển mờ . . .

29

1.3.5 Phương pháp điều khiển sử dụng mạng nơron . . . . . . . . . . . .

29

1.3.6 Phương pháp điều khiển tuyến tính hố chính xác thích nghi . 30

4


1.4 Lựa chọn phương án nhận dạng và điều khiển . . . . . . . . . . . . . . . . 32
Chương 2 Công cụ lý thuyết hiện đại trong nhận dạng và điều
khiển hệ chuyển động . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.1 Khái quát về lý thuyết điều khiển mờ . . . . . . . . . . . . . . . . . . . . . .

35

2.1.1 Định nghĩa tập mờ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

2.1.2 Các phép toán trên tập mờ . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

2.1.3 Biến mờ, hàm biến mờ, biến ngôn ngữ . . . . . . . . . . . . . . . . .

37

2.1.4 Suy luận mờ và luật hợp thành . . . . . . . . . . . . . . . . . . . . . . . .

38

2.1.5 Bộ điều khiển mờ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40

2.2 Khái quát về mạng nơron . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

2.2.1 Khái niệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

2.2.2 Cấu trúc mạng nơron . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

44

2.2.3 Luật học của mạng nơron . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

2.3 Các phép toán của đại số Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

47

2.3.1 Đạo hàm Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

48

2.3.2 Phép nhân Lie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

49

2.3.3 Đạo hàm của vector chuyển vị . . . . . . . . . . . . . . . . . . . . . . .

50

2.3.4 Hàm mở rộng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

52

2.3.5 Bậc tương đối . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

56

2.3.6 Phép đổi trục toạ độ đưa hệ về dạng chuẩn . . . . . . . . . . . . . .

58

2.4 Kết hợp lý thuyết mờ và mạng nơron . . . . . . . . . . . . . . . . . . . . . .
Chương 3 Ứng dụng hệ mờ-nơron cho bài toán nhận dạng online

5

59


và điều khiển hệ chuyển động theo phương pháp tuyến tính hố
chính xác thích nghi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

62

3.1 Đặt vấn đề . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . .

62

3.2 Bài toán nhận dạng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

62

3.2.1 Cấu trúc hệ mờ-nơron . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

62

3.2.2 Hệ mờ-nơron với mơ hình mờ Takagi-sugeno trong bài tốn
nhận dạng online hệ chuyển động . . . . . . . . . . . . . . . . . . . . . . . . .

68

3.3 Bài toán điều khiển . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

74

Chương 4 Mô phỏng và thực nghiệm hệ thống . . . . . . . . . . . . . . . .

77

4.1 Lựa chọn hệ chuyển động cho việc mô phỏng và thực nghiệm . .

77

4.2 Cấu hình hệ thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

81

4.3 Thiết bị hệ thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

82

4.3.1 Đối tượng thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

82

4.3.2 Thiết bị biến đổi năng lượng . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.3.3 Thiết bị tạo xung điều khiển . . . . . . . . . . . . . . . . . . . . . . . . . .

84

4.3.4 Máy tính, thiết bị tạo luật điều khiển và hiển thị . . . . . . . . . . . 84

4.4 Mô phỏng . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

86

4.4.1 Mô phỏng các thuật toán nhận dạng và điều khiển với đối
tượng là robot 1 khớp nối . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

87

4.4.2 Mơ phỏng thuật tốn nhận dạng và điều khiển với đối tượng
là hệ chuyển động khớp nối mềm . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

90

4.5 Thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

93

4.5.1 Cấu trúc bộ nhận dạng và điều khiển hệ thực nghiệm dùng

6


Matlab-Simulink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

93

4.5.2 Kết quả thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

94

a. Thực nghiệm 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

94

b. Thực nghiệm 2 . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . 94
c. Thực nghiệm 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
d. Thực nghiệm 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
e. Thực nghiệm 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
Kết luận và kiến nghị . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

98

Danh mục các cơng trình của tác giả . . . . . . . . . . . . . . . . . . . . . . . . .

100

Tài liệu tham khảo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
Phụ lục . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

7

106


DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
SISO

Hệ một đầu vào một đầu ra, viết tắt của (Single Input Single
Output)

MSE

Sai lệch bình phương cực tiểu, viết tắt của (Mean Square Error)

BIBO

Tín hiệu vào ra có giới hạn, viết tắt của (Bound Input Bound
Output)

ANFIS

Mạng nơron thích nghi mờ, viết tắt của (Adaptive Neural Fuzzy
Inference System)

FNN

Mạng truyền thẳng, viết tắt của (Feedforward Neural Networks)

RBFNN Mạng với hàm cơ sở xuyên tâm, viết tắt của (Radial Basis
Function Neural Networks )
RKNN

Mạng Runge Kutta, viết tắt của (Runge Kutta Neural Networks)

PID

Bộ điều khiển kinh điển, viết tắt của (Proportional Integral
Derivative )

NFCs

Bộ điều khiển mờ-nơron, viết tắt của (Neuro Fuzzy Controllers)

T-S

Luật mờ Takagi – Sugeno

T-S-K

Luật mờ Takagi -Sugeno-Kang

MISO

Hệ nhiều đầu vào một đầu ra, viết tắt của (Multi Inputs Single
Output)

8


DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ
Hình 1.1 Sơ đồ tổng quát hệ chuyển động ..........................................

16

Hình 1.2 Sơ đồ khối của hệ điều khiển thích nghi theo mơ hình mẫu.

23

Hình 1.3 Mơ hình hệ điều khiển thích nghi gián tiếp .........................

25

Hình 1.4 Mơ hình hệ điều khiển thích nghi trực tiếp .........................

26

Hình 1.5 Sơ đồ khối hệ chỉnh định thích nghi tham số PID sử dụng
mạng nơron ...........................................................................................

30

Hình 1.6 Sơ đồ cấu trúc hệ ................................................................

33

Hình 2.1 Một số dạng hàm liên thuộc ...............................................

36

Hình 2.2 Đồ thị mơ tả các phép tốn trên tập mờ .............................

37

Hình 2.3 Đồ thị biểu diễn quan hệ luật hợp thành ............................

38

Hình 2.4 Đồ thị biểu diễn quan hệ luật hợp thành ............................

38

Hình 2.5 Sơ đồ khối chức năng của bộ điều khiển mờ .....................

40

Hình 2.6 Ví dụ về cách xác định miền G ..........................................

41

Hình 2.7 Giải mờ theo phương pháp trọng tâm ................................

42

Hình 2.8 Giải mờ theo phương pháp điểm trung bình tâm ...............

42

Hình 2.9 Bộ điều khiển mờ động .....................................................

42

Hình 2.10 Mơ hình nơron nhân tạo thứ i ..........................................

43

Hình 2.11 Mạng truyền thẳng 1 lớp .................................................

45

Hình 2.12 Mạng truyền thẳng nhiều lớp ..........................................

45

Hình 2.13 Mạng phản hồi 1 lớp .......................................................

46

Hình 2.14 Mạng phản hồi nhiều lớp ................................................

46

9


Hình 2.15 Mơ hình học có giám sát ..................................................

46

Hình 2.16 Mơ hình học củng cố .......................................................

47

Hình 2.17 Mơ hình học khơng giám sát ...........................................

47

Hình 3.1 Sơ đồ cấu trúc nhận dạng tổng quát ..................................

63

Hình 3.2 Cấu trúc tổng quát của hệ mờ-nơron .................................

63

Hình 3.3 Cấu trúc mạng mờ- nơron theo luật mờ T-S .....................

70

Hình 3.4 Lưu đồ cập nhật thơng số .................................................

73

Hình 3.5 Mơ hình cấu trúc hệ chuyển động.....................................

74

Hình 3.6 Mơ hình cấu trúc hệ nhận dạng và điều khiển .................

76

Hình 4.1 Mơ hình kết nối mềm giữa động cơ và tải .............................

77

Hình 4.2 Cấu hình thực nghiệm hệ khớp mềm .................................

81

Hình 4.3 Thiết bị thực nghiệm phần động lực .................................

82

Hình 4.4 Module IGBT đóng cắt của phần chỉnh lưu .....................

83

Hình 4.5 Card dspace 1103 .............................................................

84

Hình 4.6 Giao diện hiển thị .............................................................

85

Hình 4.7 Bàn thí nghiệm phần nguồn, kết nối và máy tính điều khiển

86

Hình 4.8 Sơ đồ cấu trúc nhận dạng và điều khiển dùng Matlab –
Simulink ........................................ ................................................

87

Hình 4.9 Đồ thị góc vị trí đặt, góc vị trí của đối tượng và sai lệch giữa
chúng ...............................................................................................

88

Hình 4.10 Đồ thị sai lệch góc vị trí đặt và góc vị trí của đối tượng ..

88

10


Hình 4.11 Đồ thị góc vị trí đặt, góc vị trí của đối tượng và sai lệch 89
giữa chúng ............................................................................................
Hình 4.12 Đồ thị sai lệch góc vị trí đặt và góc vị trí của đối tượng ..

89

Hình 4.13 Cấu trúc mô phỏng nhận dạng và điều khiển hệ khớp mềm
dùng Matlab – Simulink ....................................................................

90

Hình 4.14 Sơ đồ khối nhận dạng hàm F và khối nhận dạng hàm G ....

90

Hình 4.15 Đồ thị tốc độ tải, vị trí đặt và vị trí tải khi khởi động khơng
tải và đóng tải tại thời điểm 16 giây ...................................................

91

Hình 4.16 Đồ thị góc vị trí đặt và góc vị trí tải khi mơ phỏng trong
thời gian 2 giây và 40 giây - khởi động có tải ....................................

91

Hình 4.17 Đồ thị góc vị trí đặt và góc vị trí tải khi mơ phỏng trong
thời gian 2 giây và 40 giây - khởi động có tải ....................................

92

Hình 4.18 Cấu trúc bộ nhận dạng và điều khiển hệ thực nghiệm .......

93

Hình 4.19 Sơ đồ chi tiết khối thơng số đối tượng ...............................

93

Hình 4.20 Đồ thị góc vị trí đặt và góc vị trí tải ...................................

94

Hình 4.21 Đồ thị góc vị trí đặt và góc vị trí tải khi khởi động khơng
tải ........................................................................................................

95

Hình 4.22 Đồ thị sai lệch góc vị trí đặt và góc vị trí tải khi khởi động
khơng tải .............................................................................................

95

Hình 4.23 Đồ thị góc vị trí đặt, góc vị trí tải khi khơng tải ở chế độ
xác lập ................................................................................................

95

Hình 4.24 Đồ thị sai lệch vị trí đặt và vị trí tải khi khởi động khơng
tải ở chế độ xác lập.............................................................................

11

95


Hình 4.25 Đồ thị tốc độ động cơ và tốc độ tải khi đóng tải ..............

96

Hình 4.26 Đồ thị góc ví trí đặt, góc vị trí tải và sai lệch giữa chúng
khi đóng tải ........................................................................................

96

Hình 4.27 Đồ thị tốc độ động cơ và tốc độ tải khi khởi động có tải ..

97

Hình 4.28 Đồ thị góc ví trí đặt, góc vị trí tải và sai lệch giữa chúng
khi khởi động có tải ...........................................................................

97

Hình 4.29 Đồ thị tốc độ động cơ và tốc độ tải khi khởi động có tải ..

97

Hình 4.30 Đồ thị góc ví trí đặt, góc vị trí tải và sai lệch giữa chúng
khi khởi động có tải ...........................................................................

97

Hình PL4 Sơ đồ giao tiếp giữa mạch động lực và DSP . . . . . . . . . .

143

12


MỞ ĐẦU
1. Tính cấp thiết của đề tài
Ngày nay cùng với sự phát triển của cơng nghệ vật liệu thì các lý thuyết
mới về điều khiển hệ thống cũng đã xâm nhập nhanh chóng vào thực tế và
mang lại tính hiệu quả cao khi dùng các lý thuyết điều khiển mới này.
Một trong những lý thuyết mà các nhà khoa học trên thế giới đang quan
tâm nghiên cứu và ứng dụng vào thực tế đó là lý thuyết điều khiển mờ và
mạng nơron. Đây là vấn đề khoa học đã có từ vài thập niên, nhưng việc ứng
dụng nó vào sản xuất, cũng như sự kết hợp chúng để tạo ra một luật mới có
đủ những ưu điểm của các lý thuyết thành phần vẫn đang là lĩnh vực khoa học
cần quan tâm và nghiên cứu.
Các hệ chuyển động đã và đang được ứng dụng rộng rãi trong thực tế. Đối
tượng điều khiển thường là một hệ phi tuyến với các tham số không được biết
đầy đủ trước. Các tham số này có thể là xác định hoặc bất định và chịu ảnh
hưởng của nhiễu tác động. Về mặt điều khiển, đặc điểm của hệ chuyển động

là hệ phi tuyến có chứa các tham số khó xác định chính xác, có các phần tử và
khối thiết bị khơng thể viết được mơ hình tốn và khơng biết được chính xác,
đầy đủ tín hiệu vào.
Để điều khiển các hệ chuyển động như vậy các nhà khoa học trên thế giới
đã có nhiều nghiên cứu để giải quyết vấn đề này. Việc kết hợp lý thuyết hiện
đại logic mờ và mạng nơron cũng đã được đề cập ở trên thế giới cũng như ở
Việt Nam. Tuy nhiên những nghiên cứu này mới dừng lại ở bài tốn mơ
phỏng offline mà chưa có phần thực nghiệm để kiểm chứng việc điều khiển
hệ chuyển động phức tạp ở thời gian thực.

13


Vì vậy, việc nghiên cứu ứng dụng lý thuyết mờ và mạng nơron để xây
dựng thuật toán nhận dạng online và điều khiển hệ chuyển động với mơ hình
động lực học phức tạp, đồng thời cũng tìm cách hiện thực hố các kết quả lý
thuyết bằng các cơng cụ thực nghiệm là hướng chính của việc nghiên cứu
trong bản luận án này.
2. Mục đích nghiên cứu
Việc điều khiển hệ chuyển động bám theo quỹ đạo mong muốn là vấn đề
tồn tại thực tế cần nghiên cứu giải quyết. Hiện nay phương tiện lý thuyết và
thực nghiệm cho phép thực hiện được các bài toán phức tạp nhằm đạt được
các chỉ tiêu chất lượng yêu cầu như độ qúa điều chỉnh, thời gian quá độ cũng
như khả năng bám của hệ.
Mục tiêu của luận án là nghiên cứu kết hợp lý thuyết mờ và mạng nơron
để xây dựng một hệ mới dùng để nhận dạng online và điều khiển bám một hệ
chuyển động có mơ hình tốn chưa biết hoặc mơ hình tốn chưa đầy đủ, đồng
thời xây dựng một hệ thực nghiệm nhằm kiểm chứng tính đúng đắn của lý
thuyết và nói nên khả năng thực hiện hệ thống trong thực tế.
3. Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu:
- Xây dựng được mơ hình lý thuyết hệ mờ-nơron với cấu trúc tối giản
nhằm nhận dạng online và điều khiển hệ thống.
- Ứng dụng kết quả cho một hệ chuyển động có mơ hình tốn phức tạp là
hệ chuyển động khớp nối mềm.
Phạm vi nghiên cứu:

14


- Khai thác các nghiên cứu lý thuyết về hệ mờ, mạng nơron hiện nay
nhằm tổ hợp và xây dựng được hệ mờ-nơron có cấu trúc tối giản về số lớp và
số nơron, nhằm tìm được thuật tốn nhận dạng và điều khiển hệ chuyển động
trong thời gian thực.
- Xây dựng mơ hình thực nghiệm với hệ chuyển động khớp nối mềm kiểu
“ lò xo ”.
4. Ý nghĩa khoa học và thực tiễn của đề tài
Đây là vấn đề khoa học hiện đại, đang được các nhà khoa học trên thế giới
và trong nước quan tâm nghiên cứu.
Vấn đề tính ứng dụng thực tiễn to lớn vì điều khiển hệ chuyển động là hệ
phổ biến hiện nay. Đồng thời, với sự phát triển về mặt công nghệ đã tạo ra các
thiết bị kỹ thuật cho phép thực hiện được các thuật tốn điều khiển phức tạp
với khối lượng tính tốn lớn mà trước đây khó thực hiện được.
5. Kết cấu luận án
Luận án gồm 4 chương, 83 trang, 43 tài liệu tham khảo, 37 trang phụ lục,
60 hình vẽ và đồ thị.

15

CHƯƠNG 1
TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP
NHẬN DẠNG VÀ ĐIỀU KHIỂN HỆ CHUYỂN ĐỘNG
1.1 Khái quát về hệ chuyển động
Hệ chuyển động đã và đang được ứng dụng rộng rãi trong thực tế. Đối
tượng điều khiển thường là một hệ phi tuyến với các tham số không được biết
trước. Các tham số này có thể là xác định hoặc bất định và chịu ảnh hưởng
của nhiễu tác động.
Xét một hệ chuyển động SISO có phương trình động lực học phi tuyến
được mơ tả bởi hệ phương trình trạng thái (1.1).
u

dx
= F(x) + G(x)u
dt

y

Hình 1.1 Sơ đồ khối tổng quát hệ chuyển động
 dx
= F(x) + G(x)u
 dt
y = x1

(1.1)

Trong đó:
x = (x1 , x 2 ,..., x n ) là một vector các biến trạng thái của hệ;

F(x) và G(x) là hai hàm phi tuyến phụ thuộc vào các biến trạng thái x của

hệ;
u là tín hiệu điều khiển tác động vào hệ;
y là tín hiệu ra của hệ.
Một số tính chất của hệ chuyển động phi tuyến đã được nêu ở [36] mà
các tính chất thường được xét đến đối với một hệ là:

16


- Tính ổn định của chuyển động (một cách định tính): một hệ thống
ổn định là khi nó bắt đầu ở một vị trí nào đó, nó sẽ tiếp tục làm việc
ở lân cận vị trí này trong suốt thời gian sau đó. Đây là tính chất đầu
tiên cần đạt được của hệ thống.
- Tính chính xác và tốc độ đáp ứng: sai số quỹ đạo chuyển động thực
của hệ thống so với quỹ đạo chuyển động mong muốn phải nằm
trong sai lệch cho phép và thời gian để đạt được sai lệch này phải
nằm trong một khoảng thời gian cho phép.
- Độ bền vững: là độ nhạy cảm của hệ thống đối với những thay đổi
không biết trước, chẳng hạn như tham số của nhiễu hay của các
phần tử phi tuyến khơng thể hoặc khó có mơ hình tốn.
- Chi phí của hệ: chi phí của hệ được xác định từ số lượng và chủng
loại các thiết bị truyền động, thiết bị cảm biến và hệ thống thiết bị
điều khiển và máy tính hỗ trợ.
Về mặt điều khiển các đặc điểm của hệ chuyển động là:
- Là hệ phi tuyến, có chứa các tham số khó xác định chính xác và
phạm vi tốc độ biến thiên của tham số cũng khó xác định.
- Có các phần tử và khối thiết bị khơng thể viết được mơ hình tốn.
- Khơng biết được chính xác và đầy đủ tín hiệu vào.
Với các hệ thống điều khiển chuyển động yêu cầu chất lượng khơng cao
thì trong q trình tính tốn, thiết kế ta có thể thay thế mơ hình phi tuyến của

đối tượng bằng mơ hình tuyến tính và tiến hành khảo sát, tính tốn. Tuy nhiên
với những hệ u cầu chất lượng cao thì việc tuyến tính đó nhiều khi gây sai
số lớn và hệ không đáp ứng được các chỉ tiêu chất lượng đề ra.
Với những hệ điều khiển phức tạp, chứa các đối tượng điều khiển có độ
phi tuyến mạnh, đặc biệt với những đối tượng mà sự hiểu biết về chúng là

17


chưa đầy đủ thì việc mơ tả tốn học bằng các phương pháp giải tích quen
thuộc khơng thể thực hiện được. Khi đó việc xác định (1.1) và điều khiển nó
thường được tiến hành theo hai bước.
Bước 1: Nhận dạng hệ thống
Tuỳ thuộc vào đặc điểm của mỗi hệ thống mà có thể.
- Thực nghiệm lấy đặc tính vào – ra. Khi chỉ lấy được một số cặp giá
trị vào ra thì dựa vào đó ta nội suy ra đặc tính của hệ.
- Xác định mơ hình tốn của hệ.
Bước 2: Điều khiển hệ thống
Xây dựng các luật điều khiển sau khi đã nhận dạng được hệ thống. Trong
thực tế điều khiển hệ thống, bài toán nhận dạng và bài tốn điều khiển có thể
thực hiện độc lập theo hai giai đoạn đó là nhận dạng là offline sau đó điều
khiển hoặc ở các điều kiện nhất định ta có thể thực hiện quá trình nhận dạng
và điều khiển đồng thời đó là bài tốn nhận dạng online và điều khiển hệ.
Với hệ phương trình cơ bản mơ tả chuyển động (1.1) cho đến nay đã có
nhiều cơng trình ở trong và ngoài nước nghiên cứu, đề xuất các phương pháp
nhận dạng và điều khiển hệ đã được công bố. Sau đây sẽ tiến hành phân tích
những nội dung cơ bản, những kết quả đã đạt được của các phương pháp đó,
đồng thời cũng nêu lên một số mặt cịn hạn chế qua đó làm cơ sở cho vấn đề
lựa chọn phương pháp nhận dạng và điều khiển sẽ sử dụng trong luận án.
1.2 Vấn đề nhận dạng hệ thống

Nhận dạng hệ thống là việc rất quan trọng và trở thành hiển nhiên khi cần
điều khiển hệ thống. Thông thường các thuộc tính của các hệ thống thực là
hàm nhiều biến và phi tuyến, một trong số chúng có thể phát sinh nhiễu. Để
nhận dạng các hệ phi tuyến như vậy, ngoài các phương pháp kinh điển đã

18


được đề cập đến ở [26] , một số phương pháp hiện đại được đề xuất để nhận
dạng theo các hướng nghiên cứu cụ thể sau:
1.2.1 Phương pháp sử dụng lý thuyết mờ
Lý thuyết mờ được sử dụng để xây dựng bộ nhận dạng mờ các hệ thống
động lực học phi tuyến. Theo tài liệu [37] tác giả đã chứng minh được bộ
nhận dạng mờ có khả năng nhận dạng hệ thống phi tuyến với độ chính xác
cao với khoảng thời gian hữu hạn. Các bộ nhận dạng mờ được xây dựng từ
một tập các luật mờ, kết hợp cả hai thơng tin là các cặp tín hiệu vào - ra và
suy luận mờ theo các luật mờ nếu - thì. Tác giả cũng chỉ ra rằng bộ nhận dạng
mờ là ổn định toàn cục với ý nghĩa là tất cả các biến trong bộ nhận dạng mờ là
có biên.
Thuận lợi quan trọng nhất của các bộ nhận dạng mờ là các mô tả ngôn
ngữ cho hệ thống (các luật mờ nếu - thì) được kết hợp chặt chẽ với số liệu đo
và những kiến thức chuyên gia để tạo nên các hệ điều khiển thông minh.
Theo tài liệu [19] một thuật toán nhận dạng để điều khiển bền vững hệ
phi tuyến dùng mơ hình mờ được đề xuất trên cơ sở sử dụng hộp bao tối ưu
trong phương pháp nhận dạng thành viên tập hợp, tuy nhiên thuật toán đề xuất
chỉ có thể áp dụng để nhận dạng thơng số của mệnh đề kết luận của hệ mờ mà
chưa nhận dạng được thông số của mệnh đề điều kiện.
1.2.2 Phương pháp sử dụng mạng nơron
Vấn đề nhận dạng sử dụng mạng nơ ron được rất nhiều cơng trình nghiên
cứu và cũng rất đa dạng, cụ thể như:

Sử dụng mạng nơ ron nhiều lớp truyền thẳng để ước lượng hệ phi tuyến
với các sai lệch có biên, được [9] áp dụng cho hệ rời rạc phi tuyến. Ưu điểm
là cấu trúc mạng đơn giản, nhưng nhược điểm là kích thước mạng lớn làm tốn
nhiều bộ nhớ và sai lệch nhận dạng tương đối lớn.
19


Tài liệu [31] sử dụng mạng nơ ron hồi quy ba lớp để nhận dạng trực tuyến
hệ liên tục phi tuyến. Ưu điểm là tốc độ học của mạng nhanh hơn so với mạng
truyền thẳng nhưng nhược điểm là cấu trúc mạng phức tạp và sai lệch nhận
dạng cũng lớn.
Thuật toán lọc siêu KALMAN mở rộng được [8] sử dụng cho mạng nơ
ron hồi quy để nhận dạng hệ phi tuyến theo mơ hình nhận dạng nối tiếp -song
song có lấy tín hiệu quá khứ (qua khối trễ). Ưu điểm là nâng cao được chất
lượng học của mạng nơ ron. Hạn chế là do tính chất phân ly của lọc Kalman
nên chỉ áp dụng với mạng có tổng số trọng số liên kết nhỏ.
Mạng nơ ron Hopfield /Gabor được [42] sử dụng để nhận dạng hệ phi
tuyến. Mạng có thể nhận dạng các hệ phi tuyến rời rạc có mức độ phi tuyến ít.
Hệ khơng cần ổn định tiệm cận nhưng cần ổn định trên biên vào - ra (BIBO)
để kết quả nhận dạng hợp lý trong phạm vi vào - ra lớn. Sử dụng các tính chất
của mơ hình Gabor và xây dựng mạng theo nguyên tắc để đạt được sai lệch
cực tiểu toàn cục. Mạng và ứng dụng để nhận dạng hệ thống được nghiên cứu
mô phỏng trên máy tính. Các vấn đề thực tế như cực tiểu cục bộ, ảnh hưởng
của tín hiệu vào và điều kiện khởi đầu, mơ hình nhạy cảm với nhiễu, độ nhạy
của sai lệch bình phương cực tiểu (MSE: Mean Square Error) với số hàm cơ
sở và bậc xấp xỉ, chọn hàm cưỡng bức cho các dữ liệu học đã được trình bày
trong tài liệu này.
Ý tưởng của phương pháp là việc sử dụng phạm vi liên kết vị trí – tần số
của hàm Gabor (GBF: GaBor Function) để mô tả hệ phi tuyến, sau đó sử dụng
mạng nơ ron để nhận dạng các tham số của mơ hình.

Kết quả mơ phỏng quá trình nhận dạng một hệ gián đoạn phi tuyến sử
dụng hai hàm cơ sở Gabor và Fourier, (ở đây là nhiễu tự do và nhiễu môi

20


trường ) cho thấy mơ hình Gabor giảm nhanh sai số bình phương cực tiểu
MSE và ít bị ảnh hưởng của nhiễu hơn mơ hình Fourier.
1.2.3 Phương pháp kết hợp lý thuyết mờ và mạng nơron
Ngày nay, phần mềm máy tính đang được dùng để giải quyết các bài tốn
khó với khối lượng tính tốn lớn, đồng thời các phần mềm được sử dụng đã
làm dễ dàng việc kết hợp, xử lý mơ hình động học tự nhiên với các kỹ thuật
thơng minh. Ở đây có việc sử dụng kiến thức chuyên gia với việc xử lý song
song và thích nghi khi xử lý tham số và cấu trúc của hệ. Đó chính là sự kết
hợp lý thuyết mờ và mạng nơron trong điều khiển.
Mạng nơron được đề cập đến với sức mạnh tính tốn và khả năng học của
nó. Ngược lại logic mờ tận dụng được những suy luận logic đa dạng và những
kinh nghiệm tích luỹ được trên việc xử lý các biến ngôn ngữ của các tập dữ
liệu vào ra. Sau đó cho phép thao tác trên các biến ngôn ngữ trạng thái vào ra
của dữ liệu.
Các tài liệu [2], [43] đề xuất dùng mạng nơron thích nghi mờ (ANFIS Adaptive neural fuzzy inference system) để nhận dạng các hệ phi tuyến có
tham số thay đổi. Mạng nơ ron ở đây là loại mạng có cấu trúc 5 lớp làm việc
theo nguyên lý của hệ thống mờ. Mỗi nơron trong mỗi lớp mạng thực hiện
các chức năng của hệ mờ như chức năng hàm liên thuộc, chức năng trong
mệnh đề điều kiện, mệnh đề kết luận và giải mờ. Ưu điểm của phương pháp
này là có thể thay đổi thích nghi thơng số của hệ mờ nhờ quá trình học của
mạng. Tuy nhiên bài báo mới dừng lại ở việc mô phỏng nhận dạng offline hệ
thống phi tuyến.
Các tài liệu [14], [15], [16], [28], [29], [40] đề xuất phương pháp kết hợp
giữa hệ mờ và mạng nơron để nhận dạng hệ động học phi tuyến, mạng được

21


sử dụng ở đây để nhận dạng hệ là mạng động và có biến thời gian với một
số thuật tốn học khác nhau. Các kết quả nhận dạng tốt, tuy nhiên cấu trúc của
mạng phức tạp hơn mạng truyền thẳng ( mạng tĩnh). Trong các bài báo trên
đều đề xuất 1 vấn đề mấu chốt của mơ hình kết hợp giữa lý thuyết mờ và
mạng nơron đó chính là là sự tích hợp chặt chẽ những kiến thức chuyên gia và
lặp lại nó trong suốt q trình học của mạng nơron. Tuy nhiên các kết quả
cũng dừng lại ở bài tốn mơ phỏng hệ thống chưa có kết quả kiểm chứng
bằng thực nghiệm.
Tài liệu [27] nghiên cứu và so sánh 4 cấu trúc nhận dạng hệ phi tuyến đó
là dùng mạng truyền thẳng (Feedforward Neural Networks-FNN), dùng mạng
với hàm cơ sở xuyên tâm (Radial Basis Function Neural Networks-RBFNN),
mạng Runge Kutta (Runge Kutta Neural Networks-RKNN) và mạng thích
nghi mờ (Adaptive Neuro Fuzzy Inference System- ANFIS). Bài báo đã phân
tích và có kết quả mô phỏng so sánh trên cơ sở nhận dạng offline một đối
tượng là tay máy ba trục. Các kết quả đã chỉ ra rằng mặc dù thời gian luyện
mạng là lâu hơn so với mạng truyền thẳng ( nhanh hơn so với mạng RBF)
nhưng một ưu điểm nổi bật của mạng ANFIS là sử dụng được những tri thức
của các chuyên gia thông qua các luật nếu - thì của hệ mờ khi kết hợp với
mạng nơron trong q trình nhận dạng hệ thống nên tính thích nghi cao hơn,
tốt hơn.
1.3 Vấn đề điều khiển hệ thống
Bài toán điều khiển bao giờ cũng được đề cập trong kỹ thuật điều khiển.
Nếu gọi yd là quỹ đạo đầu ra mong muốn, y là đầu ra thực của đối tượng thì
bài tốn chuyển động tiệm cận (chuyển động bám) cho hệ động lực học phi
tuyến là tìm một luật điều khiển cho đầu vào u, sao cho từ một trạng thái ban

22


đầu bất kỳ sai số chuyển động của hệ e(t)
= y(t) − y d (t) tiến về 0 trong khi các
biến trạng thái x đều bị chặn.
Với phương trình cơ bản (1.1) mô tả cho các hệ chuyển động, đến nay đã
có nhiều cơng trình nghiên cứu và đề xuất các phương pháp điều khiển bám
quỹ đạo của hệ đã được công bố theo các hướng khác nhau. Ở đây xin tóm tắt
một số cơng trình chính và hiện đại cho việc điều khiển.
1.3.1 Phương pháp điều khiển thích nghi
a. Phương pháp điều khiển thích nghi theo mơ hình mẫu
Tài liệu [17], [39] chỉ ra rằng hệ thống thích nghi theo mơ hình mẫu là
một dạng điều khiển thích nghi được phát triển rất sớm, chủ yếu phát triển
cho hệ tuyến tính thường hay dùng trong hệ điều khiển động cơ, hệ servo...,
trong đó dạng tín hiệu mong muốn được thể hiện thơng qua tín hiệu ra của mơ
hình mẫu. Sơ đồ khối một hệ thống điều khiển thích nghi theo mơ hình mẫu
như hình 1.2.

ym

Mơ hình
mẫu
ε
u

Cơ cấu
điều
chỉnh

Đối
tượng
điều
khiển

(−)
y

Bộ điều
chỉnh
tham số

Hình 1.2 Sơ đồ khối của hệ thống điều khiển thích nghi
theo mơ hình mẫu
23


Hệ thống có một vịng lặp thơng thường để đảm bảo sự bám sát của tín
hiệu ra so với tín hiệu vào và một vòng lặp khác cho phép thay đổi tham số
của bộ điều khiển để đảm bảo chất lượng của hệ thống khi tham số động học
của hệ thống bị thay đổi.
Tham số điều khiển được thay đổi dựa trên sai số giữa tín hiệu ra của đối
tượng thực y và tín hiệu ra của mơ hình mẫu ym. Luật thích nghi thường được
xác định theo phương pháp gradient hoặc áp dụng lý thuyết về ổn định
Lyapunov, lý thuyết ổn định tuyệt đối Popov để đảm bảo cho hệ hội tụ và sai
lệch là nhỏ nhất.
Phương pháp này thường chỉ được thực hiện cho hệ tuyến tính với việc bỏ
qua sự liên hệ động lực học giữa các chuyển động thành phần, đồng thời vấn
đề ổn định của hệ thống kín cũng như việc chọn mơ hình mẫu như thế nào cho
phù hợp nhất còn là vấn đề phải nghiên cứu.

b. Phương pháp điều khiển thích nghi trực tiếp và gián tiếp
Điều khiển thích nghi trực tiếp là luật điều khiển được nhận dạng và ước
lượng trực tiếp. Điều khiển thích nghi gián tiếp là sử dụng bộ nhận dạng để
rút ra đặc tính động học của đối tượng sau đó thơng tin này dùng để tính tốn
tham số bộ điều khiển. Nghĩa là bộ điều khiển được chỉnh định thích nghi
tham số và cấu trúc sau khi đã nhận dạng đối tượng.
Các tài liệu [10], [11], [20] đề xuất trong điều khiển thích nghi gián tiếp,
mơ hình thiết bị P(θ*) được tham số hóa theo vectơ tham số chưa biết θ*. Một
bộ ước lượng tham số trực tuyến tạo ra một hàm ước lượng θ(t) của θ* tại mỗi
thời điểm t. Tham số ước lượng θ(t) chỉ rõ mơ hình thiết bị ước lượng được

θ(t)) và được sử dụng để tính tốn tham số điều khiển
đặc điểm hóa bởi hàm p(

hoặc vectơ θc(t) bằng cách giải phương trình θ c (t) = F(θ (t)) tại mỗi thời điểm t.

24


Dạng của luật điều khiển C(θc) và phương trình θ c = P(θ ) được chọn giống như
của luật điều khiển C(θ*c) và phương trình θ ∗c = P(θ ∗ ) để có thể đạt được u
cầu về tính năng cho mơ hình thiết bị P(θ*) nếu biết θ*.
Như vậy, với hướng tiếp cận này, rất dễ hiểu C(θ(t)) được tính tốn tại
mỗi thời điểm t để thỏa mãn các u cầu về đặc tính cho mơ hình dự đốn
P(θ(t)) (có thể khác với mơ hình thiết bị chưa biết P(θ*)). Vì vậy, về mặt
nguyên tắc, phải chọn luật điều khiển C(θc), bộ dự đốn thơng số (tạo ra θ(t))
cũng như biểu thức θ c (t) = F(θ (t)) sao cho C (θc (t )) thỏa mãn các yêu cầu về đặc
tính cho mơ hình thiết bị P(θ*) với θ* là chưa biết. Sơ đồ khối một mơ hình
điều khiển thích nghi gián tiếp như hình 1.3
Tín hiệu vào

Bộ điều khiển
C(θc)

u

θc

Thiết bị
P(θ*)

Bộ dự đốn tham số
trực tuyến của θ*

y

r

θ(t)
Tính tốn
θc(t)=F(θ(t))

Hình 1.3 Mơ hình điều khiển thích nghi gián tiếp
Trong điều khiển thích nghi trực tiếp, mơ hình thiết bị P(θ*) được tham
số hóa thành các vectơ tham số bộ điều khiển chưa biết θ*c sao cho C(θ*c) thỏa
mãn các yêu cầu về tính năng điều khiển để mơ hình thiết bị Pc(θ*c) có cùng
đặc điểm vào - ra như P(θ*). Bộ ước lượng tham số trực tuyến được thiết kế
trên cơ sở Pc(θ*c) thay vì P(θ*), cho ra hàm ước lượng trực tiếp θc(t) của θ*c tại
mỗi thời điểm t.

25