Nghiên cứu, thiết kế bộ điều khiển neural PLC trong công nghiệp

HÀ VĂN TRÍ

Luận văn thạc sỹ

Đại Học Quốc Gia TP Hồ Chí Minh
TRƯỜNG ĐẠI HỌC BÁCH KHOA

HÀ VĂN TRÍ

NGHIÊN CỨU,THIẾT KẾ BỘ ĐIỀU KHIỂN
NEURAL-PLC TRONG CÔNG NGHIỆP

Chuyên Ngành : TỰ ĐỘNG HOÁ

LUẬN VĂN THẠC SỸ

TP.Hồ Chí Minh ,Tháng 7 năm 2009

1


HÀ VĂN TRÍ

Luận văn thạc sỹ

CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA
ĐẠI HỌC QUỐC GIA TP.HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học :………………………………………………………………………………………………………
(Ghi rõ họ tên,học hàm ,học vị và chữ ký)

Cán bộ chấm nhận xét 1 :……………………………………………………………………………………………………………
(Ghi rõ họ tên,học hàm ,học vị và chữ ký)

Cán bộ chấm nhận xét 2 :……………………………………………………………………………………………………………
(Ghi rõ họ tên,học hàm ,học vị và chữ ký)

Luận văn thạc sỹ được bảo vệ tại HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN

THẠC SỸ
TRƯỜNG ĐẠI HỌC BÁCH KHOA , ngày……………tháng……………năm……………………

2


HÀ VĂN TRÍ

Luận văn thạc sỹ

TRƯỜNG ĐẠI HỌC BÁCH KHOA
PHÒNG ĐÀO TẠO SĐH

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
ĐỘC LẬP – TỰ DO – HẠNH PHÚC
---oOo---

TP.Hồ Chí Minh,ngày ………… tháng …………năm…………………

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên :………………………………………………………………………… phái: ………………………………………

Ngày,tháng năm sinh:…………………………………………………………………nơi sinh:…………………………………
Chuyên nghành :…………………………………………………………………………… MSHV :………………………………
I – TÊN ĐỀ TÀI : …………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………………………
II–NHIỆM VỤ VÀ NỘI DUNG :
…………………………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………………………
…………………………………………………………………………………………………………………………………………………………………
III – NGÀY GIAO NHIỆM VỤ :……………………………………………………………………………………………
IV – NGÀY HOÀN THÀNH NHIỆM VỤ : ………………………………………………………………………
V – CÁN BỘ HƯỚNG DẪN ( ghi rõ họ,tên ,học hàm,học vị ) :…………………………………
…………………………………………………………………………………………………………………………………………………………………
CÁN BỘ HƯỚNG DẪN
CN BỘ MÔN
(học hàm,học vị,họ tên,chữ kí)
QL CHUYÊN NGHÀNH

Nội dung và đề cương luận văn Thạc só đã được hội đồng chuyên ngành thông
qua
Ngày …………tháng …………năm………………
TRƯỞNG PHÒNG ĐT-SĐH

TRƯỞNG KHOA QL NGHAØNH

3

HÀ VĂN TRÍ

Luận văn thạc sỹ

LỜI CẢM ƠN

Trước tiên,tác giả xin chân thành cảm ơn sự động viên nhiệt tình và chân
thành về mặt vật chất lẫn tinh thần của các thành viên trong gia đình tôi.
Tác giả xin cảm ơn chân thành tới Thầy Nguyễn Mộng Hùng và Thầy
Hoàng Minh Trí đã tận tình giúp đỡ tác giả trong suốt quá trình thực hiện đề tài .
Tác giả xin chân thành cảm ơn đến anh Nguyễn Huỳnh Anh Phương
(Công ty TNHH S.I.S) và anh Nguyễn Huy Khôi (Công ơ( cổ phần Điện Tự
Động Hoá Lập Nhân ) đã tạo mọi điều kiện thuận lợi nhất cho tác giả để hoàn
thành tốt đề tài.
Cuối cùng ,tác giả gởi lời cảm ơn chân thành đến các bạn cao học tự động
hoá khoá 2005,2006,2007 đã động viên và giúp đỡ tác giả trong suốt quá trình
thực hiện đề tài.

Tác giả

HÀ VĂN TRÍ

4


HÀ VĂN TRÍ

Luận văn thạc sỹ

MỤC LỤC
LỜI CẢM ƠN

4

MỤC LỤC

5

DANH MỤC CÁC HÌNH VẼ

7

MỞ ĐẦU

10

Chương 1 : GIỚI THIỆU ĐỀ TÀI

11

1.1 Giới thiệu hệ thống

11

1.2 Yêu cầu và nhiệm vụ của đề tài

12

1.3 Tóm tắt nội dung luận văn

16

Chương 2 : CƠ SỞ LÝ THUYẾT

17

2.1 Bộ điều khiển PID

17

2.2 Mạng Neural nhân tạo

20

2.3 Bộ điều khiển S7-400 và ngôn ngữ lập trình SCL

33

2.4 Biến tần

36

2.5 Cảm biến đo mức nước

37

2.6 Phương trình toán của mô hình bồn nước đơn

39

Chương 3 : THIẾT KẾ HỆ THỐNG

42

3.1 Sơ đồ khối tổng quát của hệ thống

42

3.2 Thiết kế phần cứng

45

3.3 Giải thuật điều khiển

48

3.3.1 Giải thuật thiết kế bộ điều khiển trong S7400

48

3.3.2 Hệ thống điều khiển số vòng kín

49

3.3.3 Thiết kế bộ điều khiển PID số

49

3.3.4 Thiết kế bộ điều khiển nơrôn-mạng truyền thẳng 51

3.3.5 Thiết kế bộ điều khiển nơrôn – PID

5

52


HÀ VĂN TRÍ

Luận văn thạc sỹ

3.3.6 Thiết kế bộ điều khiển RBF

55

3.3.7 Thiết kế bộ điều khiển RBF – PID

56

3.3.8 Thiết kế giao diện điều khiển

56

3.3.9 Thiết kế chương trình điều khiển

69

Chương 4 : KẾT QUẢ THỰC HIỆN

95

4.1 Kết quả thực hiện trên mô hình bồn nước đơn
4.1.1 Bộ điều khiển PID

95
96

4.1.2 Bộ điều khiển nơrôn,mạng truyền thẳng ba lớp 101
4.1.3 Bộ điều khiển nơrôn – PID

105

4.1.4 Bộ điều khiển nơrôn – mạng RBF

111

4.1.5 Bộ điều khiển RBF – PID

115

4.2 Nhận xét

120

4.3 Kết luận và hướng phát triển của đề tài

121

PHỤ LỤC

123

TÀI LIỆU THAM KHẢO

124

TÓM TẮT LÝ LỊCH TRÍCH NGANG

125

6


HÀ VĂN TRÍ

Luận văn thạc sỹ

DANH MỤC CÁC HÌNH VẼ
Hình 1.1 Hệ thống điều khiển mô hình
Hình 1.2 Mô hình bồn nước đơn
Hình 2.1 Đáp ứng nấc của hệ hở có dạng S
Hình 2.2 Đáp ứng nấc của hệ kín khi K = K max
Hình 2.3 Cấu trúc một nơrôn sinh học
Hình 2.4 Cấu trúc cơ bản một nơrôn
Hình 2.5 Mạng nơrôn truyền thẳng ba lớp
Hình 2.6 Mạng hàm cơ sở xuyên tâm
Hình 2.7 Giá trị η tốt
Hình 2.8 Giá trị η cao
Hình 2.9 Bộ điều khiển S7-400
Hình 2.10 Tạo chương trình SCL

Hình 2.11 Biến tần

Hình 2.12 Sơ đồ đấu nối biến tần
Hình 2.13 Sơ đồmàu dây cảm biến đo mức
Hình 2.14 Sơ đồ đấu nối cảm biến đo mức
Hình 2.15 Mô hình điều khiển bồn nước
Hình 2.16 Mơ hình bồn nước đơn
Hình 3.1 Sơ đồ khối hệ thống điều khiển
Hình 3.2 Màn hình công nghiệp
Hình 3.3 Biến tần Omron
Hình 3.4 Biến áp 380/220
Hình 3.5 Bộ điều khiển S7-400 CPU 414
Hình 3.6 Mô hình bồn nước –cảm biến đo mức

7


HÀ VĂN TRÍ

Luận văn thạc sỹ

Hình 3.7 Mô hình bồn nước –Bơm nước
Hình 3.8 Hệ thống điều khiển số vòng kín
Hình 3.9 Điều khiển PID số
Hình 3.10 Điều khiển dùng Nơrôn – Mạng truyền thẳng
Hình 3.11 Bộ điều khiển nơrôn – mạng truyền thẳng
Hình 3.12 Cấu trúc mạng Nơrôn có ba ngõ ra
Hình 3.13 Điều khiển nơrôn – PID

Hình 3.14 Bộ điều khiển RBF

Hình 3.15 Bộ điều khiển RBF có ba ngõ ra
Hình 3.16 Giao diện điều khiển chính
Hình 3.17 Giao diện điều khiển PID
Hình 3.18 Giao diện điều khiển Neural
Hình 3.19 Giao diện điều khiển Neural – PID
Hình 3.20 Giao diện điều khiển RBF
Hình 3.21 Giao diện điều khiển RBF – PID
Hình 4.1 Mô hình bồn nước thực tế
Hình 4.2 Màn hình công nghiệp
Hình 4.3 Kết quả điều khiển PID với setpoint=100
Hình 4.4 Kết quả điều khiển PID với sự thay đổi hệ số xả
Hình 4.5 Kết quả điều khiển PID với sự thay đổi setpoint
Hình 4.6 Kết quả điều khiển PID với sự thay đổi setpoint theo thời gian
Hình 4.7 Kết quả điều khiển nơrôn với sự thay đổi setpoint
Hình 4.8 Kết quả điều khiển nơrôn với sự thay đổi hệ số xả
Hình 4.9 Kết quả điều khiển nơrôn với sự thay đổi setpoint theo thời gian
Hình 4.10 Bảng cập nhật trọng số kết nối online hàm nơrôn

8


HÀ VĂN TRÍ

Luận văn thạc sỹ

Hình 4.11 Kết quả điều khiển nơrôn PID với sự thay đổi setpoint
Hình 4.12 Kết quả điều khiển nơrôn PID với sự thay đổi hệ số xả
Hình 4.13 Kết quả điều khiển nơrôn PID với sự thay đổi setpoint theo thời gian
Hình 4.14 Bảng cập nhật trọng số kết nối online hàm nơrôn PID
Hình 4.15 Vị trí tâm hàm cơ sở của mạng RBF

Hình 4.16 Hàm cơ sở trong không gian
Hình 4.17 Kết quả điều khiển RBF với sự thay đổi setpoint
Hình 4.18 Kết quả điều khiển RBF với sự thay đổi hệ số xả
Hình 4.19 Kết quả điều khiển RBF với sự thay đổi setpoint theo thời gian
Hình 4.20 Bảng cập nhật trọng số kết nối online hàm RBF
Hình 4.21 Kết quả điều khiển RBF – PID với sự thay đổi setpoint
Hình 4.22 Kết quả điều khiển RBF – PID với sự thay đổi hệ số xả
Hình 4.23 Kết quả điều khiển RBF – PID với sự thay đổi setpoint theo thời gian
Hình 4.24 Bảng cập nhật trọng số kết nối online hàm RBF-PID

9


HÀ VĂN TRÍ

Luận văn thạc sỹ

MỞ ĐẦU
Hiện nay,ở nước ta trong hầu hết các nghành công nghiệp như công nghiệp
sản xuất đường,công nghiệp chế biến,công nghệ thực phẩm,các nghành
thép,thuỷ điện,nhiệt điện……Việc điều khiển tự động và tối ưu hoá toàn bộ hệ
thống là hết sức cần thiết.
Với sự phát triển công nghệ như hiện nay thì việc chọn lựa giải pháp điều khiển
và hệ thống điều khiển cho nhà máy rất đa dạng,và để duy trì được vấn đề sản
xuất liên tục với độ tin cậy cao thì đòi hỏi nhà máy phải cần sáng suốt lựa chọn
những giải pháp phải tối ưu,tối ưu ở đây bao gồm tối ưu về công nghệ lẫn tối ưu
về giá thành sản xuất.
Xuất phát từ nhu cầu thực tiễn ,tác giả muốn dùng kiến thức đã được tiếp cận và
học tập để xây dựng bộ điều khiển có thể áp dụng trong công nghiệp,đó là bộ
điều khiển Neural – PLC

Bằng ngôn ngữ SCL,đề tài xây dựng 5 hàm để điều khiển mô hình bồn nước
đơn :Hàm điều khiển PID,Neural,Neural – PID,mạng hàm cơ sở xuyên tâm
RBF,RBF – PID.

10


HÀ VĂN TRÍ

Luận văn thạc sỹ

Chương 1

GIỚI THIỆU ĐỀ TÀI
1.1 GIỚI THIỆU HỆ THỐNG
Hiện nay cùng với sự phát triển của xã hội,việc ứng dụng các thành quả nghiên
cứu khoa học vào trong công nghiệp là hết sức cần thiết.Mạng Neural là đề tài
không mới và số lượng đề tài nghiên cứu cũng như các ứng dụng của nó trong
lónh vực này được thực hiện khá nhiều,tuy nhiên việc xây dựng một bộ điều
khiển Neural – PLC trong công nghiệp vẫn là ứng dụng cần thiết cho nghành
công nghiệp đang trên đà phát triển của nước ta hiện nay.Hiện tại các bộ điều
khiển Neural – PLC trong công nghiệp mà ta bắt gặp tại một số nhà máy tại
Việt Nam hầu hết phải mua bản quyền của nhà sản xuất . Do đó đề tài mà tác
giả muốn nhắm đến trước mắt là dùng kiến thức đã được học về mạng Neural
kết hợp với ngôn ngữ lập trình có sẵn của PLC để thiết kế ra bộ điều khiển
Neural – PLC trong công nghiệp.
Bộ điều khiển Neural – PLC được xây dựng dựa trên cơ sở :
-

Lý thuyết về mạng Neural

-

Ngôn ngữ lập trình SCL trong Simatic manager

11


HÀ VĂN TRÍ

Luận văn thạc sỹ

TCP/IP

MPI Cable

Máy tính
CPU 414

232/MPI Adaptor

Màn hình công nghiệp

0 – 10VDC

0 – 10VDC

Biến tần

Sensor đo mực nước

Motor bơm nước
Hình 1.1 Hệ thống điều khiển mô hình

12


HÀ VĂN TRÍ

Luận văn thạc sỹ

1.2 NHIỆM VỤ ĐỀ TÀI
Ngày nay,điều khiển tự động đang ngày càng được ứng dụng rộng rãi
trong hầu hết các lónh vực ,các nghành nghề của cuộc sống từ :tự động hoá trong
các toà nhà ,biệt thự cho tới các hệ thống lớn trong công nghiệp như : Công
nghiệp dầu khí,công nghiệp hoá học……
Do đó đối tượng điều khiển vô cùng đa dạng và phức tạp,mục tiêu điều khiển
phải ổn định,bền vững và tối ưu đồng thời chi phí sử dụng phải thấp và phải
được ứng dụng rộng rãi vào trong cuộc sống .Và để đạt được các tiêu chí
đó,trong nhiều năm qua,nhiều phương pháp chỉnh định các bộ điều khiển cho
các hệ thống đã được ra đời như : PID , Neural , Fuzzy……
Trong quá trình làm việc và học tập,tác giả được may mắn làm việc với các
hãng tự động lớn trên thế giới như Siemens,Omron,AB,Mitshubishi,xuất phát từ
nhu cầu thực tiễn của bản thân,tác giả chọn đề tài nghiên cứu về việc xây dựng
bộ điều khiển Neural trong công nghiệp bằng cách xây dựng các hàm trong bộ
điều khiển của Siemens.
Bằng ngôn ngữ SCL có sẵn trong SIMATIC tác giả xây dựng 5 bộ điều khiển
chính : Bộ điều khiển PID,Bộ điều khiển Neural,Bộ điều khiển Neural – PID,bộ
điều khiển RBF và bộ điều khiển RBF – PID.
Bộ điều khiển PID truyền thống : cấu trúc đơn giản,dễ hiệu chỉnh ,rẻ tiền ,đáp

ứng tốt.
Mạng Neural nhân tạo : có thể xem là mô hình toán học đơn giản của bộ
não và nó hoạt động như là một mạng tính toán phân bố song song. Tuy nhiên,
khác với máy tính thông thường cần phải lập trình để thực hiện một công việc cụ
thể nào đó, phần lớn mạng thần kinh phải được huấn luyện. Nó có thể học các
liên kết mới, quan hệ chức năng mới và mẫu mới. Mạng thần kinh là công cụ cơ
bản để trang bị cho hệ thống thông minh có khả năng học. Lợi điểm quan trọng

13


HÀ VĂN TRÍ

Luận văn thạc sỹ

nhất của mạng thần kinh là tính thích nghi. Mạng thần kinh có thể tự động điều
chỉnh trọng số của nó để tối ưu hóa các hoạt động như nhận dạng mẫu, ra quyết
định điều khiển hệ thống. Tính thích nghi cho phép mạng thần kinh vẫn thực
hiện tốt chức năng của nó khi môi trường, đối tượng điều khiển thay đổi theo
thời gian.
+ Kết hợp ưu điểm giữa PID và nơrôn thành phương pháp điều khiển lai
nơrôn-PID. Đề tài sử dụng kỹ thuật mạng thần kinh nhân tạo kết hợp bộ điều
khiển PID truyền thống để thiết kế bộ điều khiển có đáp ứng ra tốt.
-

Nghiên cứu ngôn ngữ lập trình SCL trong SIMATIC MANAGER

-

Nghiên cứu bộ điều khiển S7-400 của Siemens

-

Nghiên cứu Sensor đo mức (Ultrasonic Sensor) Q45U của Banner

-

Nghiên cứu ,thiết kế,xây dựng hàm điều khiển Neural :
PID,Neural,Neural – PID,RBF,RBF-PID.

-

Nghiên cứu biến tần

-

Nghiên cứu màn hình công nghiệp (Touch Screen G310) của Redlion

-

Lập trình phần mềm điều khiển dùng ngôn ngữ SCL,Ladder

-

Xây dựng mô hình bồn nước để chạy thực nghiệm các hàm đã được
xây dựng : trong đề tài nghiên cứu ,tác giả chọn hệ bồn nước đơn làm
đối tượng điều khiển .Bồn nước đơn là đối tượng phi tuyến ,tín hiệu
mức nước đưa về thường dao động (có nhiễu ảnh hưởng),dễ dàng làm
mô phỏng .Hơn thế nữa trong hầu hết các ngành công nghiệp như :
nghành đường,điện,và các nghành công nghiệp chế biến lương

thực,thực phẩm ………Việc điều khiển tốt mức nước lò hơi là cực kì quan
trọng .Lò hơi cung cấp toàn bộ hơi cho công nghệ nhà máy và có thể
cung cấp hơi cho tua bin để chạy máy phát .Vì vậy vấn đề được đặt ra
là phải thiết kế được bộ điều khiển tốt ,đáp ứng được độ chính xác

14


HÀ VĂN TRÍ

Luận văn thạc sỹ

theo yêu cầu của quy trình công nghệ ,hơn thế nữa bộ điều khiển còn
có khả năng thích nghi với nhiễu tác động vào hệ thống cũng như sự
thay đổi các thông số của mô hình.

Hình 1.2 Mô hình bồn nước đơn

15


HÀ VĂN TRÍ

Luận văn thạc sỹ

1.3 TÓM TẮT NỘI DUNG LUẬN VĂN
Luận văn gồm 4 chương.
Chương 1 : Giới thiệu đề tài
Giới thiệu đề tài, yêu cầu của đề tài.
Chương 2 : Cơ sở lý thuyết

Giới thiệu bộ điều khiển PID, bộ điều khiển nơrôn, mạng truyền
thẳng ba lớp và mạng RBF. Lý thuyết về ngôn ngữ SCL trong S7400,mô hình toán của bồn nước đơn.
Chương 3 : Thiết kế hệ thống
Thiết kế phần cứng và phần mềm điều khiển cho mô hình bồn
nước đơn. Phần mềm điều khiển viết bằng ngôn ngữ SCL trong
Simatic Manager . Các thuật toán điều khiển. Màn hình điều khiển
dùng màn hình công nghiệp 10in màu của Redlion
Chương 4 : Kết quả thực hiện
Kết quả điều khiển mô hình bồn nước đơn với các tín hiệu đặt khác
nhau. Nhận xét, kết luận và hướng phát triển đề tài.

16


HÀ VĂN TRÍ

Luận văn thạc sỹ

Chương 2

CƠ SỞ LÝ THUYẾT
2.1 BỘ ĐIỀU KHIỂN PID
Bộ điều khiển PID được sử dụng rất rộng rãi trong thực tế để điều khiển
nhiều loại đối tượng khác nhau như nhiệt độ lò nhiệt, tốc độ động cơ, mực chất
lỏng trong bồn chứa… do nó có khả năng làm triệt tiêu sai số xác lập, tăng tốc độ
đáp ứng quá độ, giảm vọt lố nếu các thông số của bộ điều khiển được chọn lựa
thích hợp. Do tính thông dụng của nó nên nhiều hãng sản xuất thiết bị điều
khiển đã cho ra đời các bộ điều khiển PID thương mại rất tiện dụng.
Với bộ điều khiển PID, ta có thể tích hợp các luật điều khiển khác nhau
như điều khiển tỉ lệ P, điều khiển PI, điều khiển PD.

Sự có mặt của khâu PID ở vòng hồi tiếp có thể dẫn đến sự dao động trong
hệ thống do đáp ứng quá độ bị vọt lố bởi hàm dirac δ (t )
Các bộ hiệu chỉnh PID được ứng dụng nhiều trong công nghiệp dưới dạng
thiết bị điều khiển hay thuật toán phần mềm.
Hàm truyền của bộ hiệu chỉnh PID có dạng :
G(s) = K P + K I s +

⎛
⎞
KD
1
= K P ⎜1 +
+ TD s ⎟
s
⎝ T1s
⎠

( 2.1)

K P , K I , K D là các hằng số thực.

Phương trình vi tích phân mô tả mối tương quan giữa tín hiệu ra u (t ) với
tín hiệu vào e(t ) của bộ điều khiển PID là :
u (t ) = K P e(t ) + K I ∫ e(t )dt + K D

de(t )
dt

r (t ) tín hiệu đặt.
y (t ) đáp ứng đầu ra của hệ thống.

17

( 2.2 )


HÀ VĂN TRÍ

Luận văn thạc sỹ

e(t ) = r (t ) − y (t ) sai lệch giữa tín hiệu đặt và ngõ ra.

Vấn đề thiết kế là cần xác định giá trị K P , K I , K D sao cho hệ thỏa mãn các
yêu cầu về chất lượng.
Mối quan hệ giữa các hệ số
Hệ số K P làm tăng tốc độ đáp ứng, làm cho thời gian quá độ nhỏ hơn. Hệ
số tỉ lệ lớn sẽ làm giảm giá trị sai lệch ở trạng thái xác lập. Nếu K P quá lớn có
thể làm hệ thống mất ổn định tức là làm cho đáp ứng tăng vô tận hay tạo sự dao
động liên tục. Quá trình hiệu chỉnh K P không làm triệt tiêu giá trị sai lệch ở
trạng thái xác lập. Do đó ta thêm vào khâu tích phân để triệt tiêu sai số xác lập
(đối với tín hiệu vào là hàm nấc).
Thành phần tích phân tích lũy sai lệch trong quá trình hiệu chỉnh nên làm
tăng tác động hiệu chỉnh theo hướng làm giảm sai lệch. Việc này có thể làm cho
hệ thống mất ổn định.
Thành phần vi phân làm giảm vọt lố và làm chậm đáp ứng ban đầu của
hệ thống.
Bảng 2.1 Tóm tắt ảnh hưởng của các hệ số lên đáp ứng hệ kín.
Hệ số

Thời tăng

KP

Giảm

KI

Giảm

KD

Thời gian xác lập

Vọt lố

Sai số xác lập

Tăng

Giảm

Tăng

Tăng

Khử

Giảm

Giảm

Việc lựa chọn các thông số của PID có thể dựa vào phương pháp biểu đồ
Bode, quỹ tích nghiệm, simulink… nhưng đòi hỏi phải biết hàm truyền của đối
tượng. Phương pháp phổ biến nhất để chọn thông số cho các bộ điều khiển PID
thương mại hiện nay là phương pháp Zeigler-Nichols.

18


HÀ VĂN TRÍ

Luận văn thạc sỹ

Zeigler-Nichols đưa ra hai cách chọn thông số của bộ điều khiển PID tùy
theo đặc điểm của đối tượng.
Cách 1 : Dựa vào đáp ứng quá độ hệ hở, áp dụng cho các đối tượng có
đáp ứng với tín hiệu vào là hàm nấc có dạng chữ S như hình 2.1. Ví dụ như
nhiệt độ lò nhiệt, tốc độ động cơ…
y(t)

K

t
T1

T2

Hình 2.1 Đáp ứng nấc của hệ hở có dạng S
Thông số bộ điều khiển PID được cho như bảng sau :
Bảng 2.2

Bộ điều khiển

KP

TI

TD

P

T2
T1

∞

0

PI

0.9T2
T1

T1
0.3

0

PID

1.2T2

T1

2T1

0.5T2

Cách 2 : Dựa vào đáp ứng quá độ của hệ kín, áp dụng cho các đối tượng
có khâu tích phân lý tưởng. Ví dụ như mực chất lỏng trong bồn chứa, vị trí hệ
truyền động dùng động cơ… Đáp ứng quá độ (hệ hở) của các đối tượng có khâu

19


HÀ VĂN TRÍ

Luận văn thạc sỹ

tích phân lý tưởng không có dạng chữ S mà tăng đến vô cùng. Đối với các đối
tượng thuộc loại này ta chọn thông số bộ điều khiển PID dựa vào đáp ứng quá
độ của hệ kín như hình 2.2
y(t)

1

Tp
t

Hình 2.2 Đáp ứng nấc của hệ kín khi K = K max

Ban đầu cho K I , K D bằng không, điều khiển với K P tăng dần đến K max

khi đáp ứng ra dao động quanh trị đặt với chu kỳ Tp . Các thông số được chọn
như sau
Bảng 2.3
Bộ ĐK

KP

TI

TD

P

0.5 K max

∞

0

PI

0.45 K max

0.83TP

0

PID

0.6 K max

0.5TP

0.125TP

2.2 MẠNG NƠRÔN NHÂN TẠO
Hệ thần kinh con người là một hệ thống phức tạp. Nó là một mạng lưới
gồm hàng tỉ tế bào nơrôn tạo thành. Các tế bào này liên kết chằng chịt với nhau.

20


HÀ VĂN TRÍ

Luận văn thạc sỹ

Tốc độ tính toán nhanh nhất của một nơrôn con người biết được là 10−3 s khá
khiêm tốn so với tốc độ máy tính khoảng 10−10 s (và có thể được tăng lên nữa).
Mạng thần kinh nhân tạo được xây dựng dựa trên nguyên lý tổ chức của hệ
nơrôn con người.
Những năm 40 của thế kỷ 20, với mong muốn chế tạo những cỗ máy
thông minh có chức năng như bộ não con người, các nhà nghiên cứu đã phát
triển những mô hình phần cứng (sau đó là phần mềm) đơn giản về các nơrôn
sinh học và cơ chế tương tác của chúng.
Đến những năm 50 và 60, một nhóm các nhà nghiên cứu đã kết hợp
những kiến thức về sinh học và tâm thần học để tạo ra một mạng nơrôn nhân tạo
hoàn chỉnh đầu tiên. Ban đầu được chế tạo dưới dạng một mạch điện tử, sau đó
các mạng nơrôn được chuyển thành các chương trình mô phỏng trên máy tính có
mức độ linh hoạt cao hơn. Vậy mạng thần kinh nhân tạo là mô hình toán học đơn
giản của bộ não con người.

2.2.1 Cấu trúc mạng nơrôn nhân tạo (Artifical Neural Networks - ANN)

Hình 2.3 Cấu trúc một nơrôn sinh học
Mạng thần kinh gồm các tế bào thần kinh kết nối với nhau bởi các liên
kết. Mỗi liên kết kèm theo một trọng số, đặc trưng cho tính kích thích hay ức chế
giữa các tế bào thần kinh. Cấu trúc cơ bản của một nơrôn gồm các ngõ vào, thân
nơrôn và các ngõ ra. Thân nơrôn là phần tử xử lý có chức năng thu thập thông
tin từ các ngõ vào, tính toán và cho kết quả ở ngõ ra và tiếp tục truyền kết quả

21


HÀ VĂN TRÍ

Luận văn thạc sỹ

này tới ngõ vào của nơrôn khác. Tín hiệu truyền từ nơrôn này đến nơrôn khác
dưới dạng điện áp. Nếu tín hiệu truyền là điện áp dương thì tín hiệu đó đựơc gọi
là tín hiệu kích hoạt, điện áp âm gọi là ức chế. Nếu điện áp là zero thì không có
sự kết nối giữa hai nơrôn. Cấu trúc cơ bản của một nơrôn như sau :
x1

w1

x2

hàm kích hoạt

∑

w2

y

•
•
•

xm

ngưỡng θ

wm

Hình 2.4 Cấu trúc cơ bản một nơrôn
x = [ x1 x2 ... xm ]T : vector tín hiệu vào.
w = [ w1 w2 ... wm ]T : vector trọng số kết nối.

θ : ngưỡng phân cực – bias. Ngưỡng là giá trị biên độ độ lệch, nó ảnh

hưởng đến sự kích hoạt ngõ ra của nơrôn.
Quá trình xử lý thông tin của một nơrôn có thể chia thành hai phần : xử lý
tín hiệu ở ngõ vào và xử lý tín hiệu ở ngõ ra. Hàm xử lý ngõ vào là hàm tổng có
dạng như sau :
+Hàm tuyến tính:
⎛m
⎞
f = net = ⎜ ∑ w j x j ⎟ − θ
⎝ j =1
⎠

( 2.3)

+Haøm toaøn phương: f = net = ⎛⎜ ∑ w j x 2j ⎞⎟ − θ
m

⎝ j =1

+ Hàm cầu :

⎠

m
2⎞
⎛
f = net = ⎜ ρ −2 ∑ ( x j − w j ) ⎟ − θ
j =1
⎝
⎠

( 2.4 )
( 2.5)

Ngoõ ra của nơrôn được tính bởi biểu thức y = a( f ) . Hàm a ( f ) gọi là hàm
kích hoạt. Các hàm kích hoạt thường dùng là :

22


HÀ VĂN TRÍ

Luận văn thạc sỹ

+ Hàm nấc
, f ≥0
, f <0

⎧1
a( f ) = ⎨
⎩0

( 2.6 )

+ Hàm dấu
, f ≥0
, f <0

⎧ 1
a ( f ) = sgn( f ) = ⎨
⎩−1

( 2.7 )

+ Hàm dốc bão hòa
⎧1
⎪
a( f ) = ⎨ f
⎪0
⎩

,

f >1

, 0 ≤ f ≤1
, f <0

( 2.8)

+ Hàm tuyến tính bão hòa :
, f >1
, 0 ≤ f ≤1
, f <0

⎧ 1
⎪
a( f ) = ⎨ f
⎪−1
⎩

( 2.9 )

+ Hàm dạng S (sigmoid) đơn cực
a( f ) =

1
−λ f
1+ e

(λ > 0)

( 2.10 )

+Hàm dạng S lưỡng cực :
a( f ) =

2
−1
−λ f
1+ e

(λ > 0)

( 2.11)

+ Haøm Hyperbolic Tangent

f
−f
e −e
a( f ) =
−f
f
e +e

( 2.12 )

Mạng nơrôn có thể được phân loại dựa trên các tính chất của nó :
+ Mạng một lớp : mạng chỉ gồm một lớp nơrôn xử lý.
+ Mạng nhiều lớp : mạng gồm nhiều lớp nơrôn xử lý.

+ Mạng truyền thẳng : các tín hiệu trong mạng chỉ truyền theo một chiều
từ ngõ vào đến ngõ ra.
+ Mạng hồi quy : có tín hiệu hồi tiếp từ ngõ ra trở về ngõ vào.

23


HÀ VĂN TRÍ

Luận văn thạc sỹ

Có hai kiểu học cho mạng nơrôn là học thông số và học cấu trúc. Trong
đề tài này tác giả sử dụng phương pháp học thông số với luật học có giám sát.
Kỹ thuật huấn luyện như sau :
Các trọng số được cập nhật ngay sau khi mỗi ngõ vào và mỗi ngõ ra được
thể hiện. Cách huấn luyện này cho phép mạng có khả năng học on-line ngay
trong lúc hệ thống đang hoạt động. Do đó, mọi thay đổi biến động mới phát sinh
trong hệ đều được cập nhật. Ưu điểm của cách huấn luyện này là mạng có tính
thích nghi tốt hơn khi hệ thống thay đổi theo thời gian. Khuyết điểm là trong thời
gian đầu mạng chạy không ổn định. Trong đề tài luận văn này, tác giả sử dụng
mạng truyền thẳng ba lớp và mạng RBF để huấn luyện mạng, cụ thể sẽ được
trình bày ở phần tiếp theo.
2.2.2 Mạng nơrôn truyền thẳng ba lớp
Xét mạng nơrôn truyền thẳng ba lớp gồm lớp vào, lớp ẩn và lớp ra. Lớp
vào có m nơrôn, lớp ẩn có l nơrôn và lớp ra có n nơrôn.
z1

v11

x1

w11

y1

•

vqj

•

xj

xm

•
•

•
•

•
•

zq

•

yi

wiq

•
•
•

•
•

•
•
•

•

vlm
zl

wnl

Hình 2.5 Mạng nơrôn truyền thẳng ba lớp
xj

( j = 1, m)

là các ngõ vào của lớp vào.

zq

(q = 1, l )

ngõ ra của đơn vị q của lớp ẩn.

y
i

(i = 1, n)

là các ngõ ra của lớp ra.

24

yn


HÀ VĂN TRÍ

Luận văn thạc sỹ

vqj

(q = 1, l ; j = 1, m)

là trọng số kết nối giữa lớp vào và lớp ẩn.

wiq

(i = 1, n ; q = 1,l )

là trọng số kết nối giữa lớp ẩn và lớp ra.

Tổng có trọng số của các tín hiệu vào nơrôn thứ q ở lớp ẩn là :
m

( 2.13)

netq = ∑ vqj x j
j =1

Tín hiệu ra của nơrôn thứ q ở lớp ẩn là :
⎛m
⎝ j =1

⎞
⎠

zq = ah ( netq ) = ah ⎜ ∑ vqj x j ⎟

( 2.14 )

Tổng có trọng số của các tín hiệu vào nơrôn thứ i ở lớp ra là :
⎛m
⎝ j =1

⎞
⎠

neti = ∑ wiq zq = ∑ wiq ah ( netq ) = ∑ wiq ah ⎜ ∑ vqj x j ⎟
l

l

l

q =1

q =1

q =1

( 2.15)

Tín hiệu ra của nơrôn thứ i ở lớp ra là :
⎛

⎞

l

yi = ao ( neti ) = ao ⎜ ∑ wiq zq ⎟
⎝ q =1

⎠

( 2.16 )

Giả sử ta có tập dữ liệu huấn luyện gồm K mẫu ( x(k ), d (k ) ) , k = 1, K .
Tiêu chuẩn để huấn luyện mạng là làm tối thiểu sai số :
1 n
2

E = ∑ ( di - yi )
2 i =1

( 2.17 )

Hàm E hình thành một mặt cong lỗi trong không gian, tồn tại trên đó
điểm cực tiểu. Với bộ trọng số bất kỳ ta sẽ tính được giá trị E trên mặt cong lỗi.
Để lỗi của hệ thống nhanh chóng hội tụ về cực tiểu thì các trọng số của mạng
phải được thay đổi một lượng thích hợp theo hướng làm cho E trượt nhanh nhất
về đáy mặt cong lỗi. Áp dụng thuật toán suy giảm độ dốc, ta có luật học cho các
trọng số là :
wiq ( k + 1) = wiq ( k ) + Δwiq ( k )

( 2.18)

vqj ( k + 1) = vqj ( k ) + Δvqj ( k )

( 2.19 )

25