Luận văn Điều khiển Swing-Up và cân bằng con lắc ngược (Phần 1)

Nội dung text: Luận văn Điều khiển Swing-Up và cân bằng con lắc ngược (Phần 1)

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN QUANG THÔNG ĐIỀU KHIỂN SWING-UP VÀ CÂN BẰNG CON LẮC NGƯỢC NGÀNH: KỸ THUẬT ĐIỆN – 60520202 S K C0 0 4 6 1 6 Tp. Hồ Chí Minh, tháng 10/2015
2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN QUANG THÔNG ĐIỀU KHIỂN SWING-UP VÀ CÂN BẰNG CON LẮC NGƢỢC NGÀNH: KỸ THUẬT ĐIỆN – 60 520202 Hướng dẫn khoa học: TS. NGÔ VĂN THUYÊN Tp. Hồ Chí Minh, tháng 10/2015
3. LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƢỢC: Họ & tên: Nguyễn Quang Thông Giới tính: Nam Ngày, tháng, năm sinh: 28/03/1989 Nơi sinh: TP.HCM Quê quán: TP.HCM Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: Số 175/1, đường Lái Thiêu 22, khu phố Đông Tư, huyện Thuận An, thị trấn Lái Thiêu, tỉnh Bình Dương. Điện thoại cơ quan: Điện thoại di động: 090.8385.289 Fax: E-mail: thong_spk@yahoo.com II. QUÁ TRÌNH ĐÀO TẠO: 1.Đại học: Hệ đào tạo: Chính Quy. Thời gian đào tạo từ 09/2007 đến 05/2012 Nơi học: Trường Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh Ngành học: Điện Công Nghiệp 2. Cao học: Hệ đào tạo: Chính Quy. Thời gian đào tạo từ 09/2013 đến 10/2015 Nơi học: Trường Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh Ngành học: Kỹ Thuật Điện Tên đề tài: Điều khiển swing-up và cân bằng con lắc ngược Ngày & nơi bảo vệ: Tháng 10/2015, tại Trường Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh Người hướng dẫn: TS. Ngô Văn Thuyên III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Nhiệm vụ Từ 09/2012 đến hiện tại Trường Cao Đẳng Kỹ Thuật Cao Thắng Giảng viên TP HCM, ngày tháng 10 năm 2015 Người khai ký tên Nguyễn Quang Thông
4. LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Tp. Hồ Chí Minh, ngày tháng 10 năm 2015 (Ký tên và ghi rõ họ tên) Nguyễn Quang Thông i
5. LỜI CẢM ƠN Lời đầu tiên, tôi xin gửi lời cảm ơn sâu sắc đến thầy TS. Ngô Văn Thuyên, thầy đã hỗ trợ và tạo điều kiện tốt nhất cho tôi về phương tiện và thiết bị học tập. Hơn nữa, thầy đã định hướng, cung cấp cho tôi những tài liệu và kiến thức rất có giá trị cùng với những lời động viên, khích lệ tinh thần học tập đã giúp tôi hoàn thành được luận văn này. Sau đó, tôi xin gửi lời cảm ơn chân thành đến tập thể quý Thầy Cô trường Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh đã trang bị cho tôi một nền tảng kiến thức vững vàng, đáng giá. Đặc biệt, xin chân thành cảm ơn quý Thầy Cô Khoa Điện – Điện Tử đã tạo điều kiện thuận lợi và hỗ trợ cho tôi rất nhiều trong quá trình học tập cũng như trong thời gian làm luận văn này. Cuối cùng, tôi xin gởi lời cảm ơn đến gia đình, bạn bè, đồng nghiệp đã giúp đỡ, hỗ trợ tôi về kiến thức cũng như tinh thần trong quá trình làm luận văn. ii
6. TÓM TẮT LUẬN VĂN Hệ thống con lắc ngược là hệ thống không ổn định, phi tuyến ở mức cao. Nó được sử dụng như một mô hình phổ biến cho các ứng dụng trong kỹ thuật điều khiển tuyến tính và phi tuyến. Mô hình con lắc được dùng để kiểm chứng lại các thuật toán điều khiển như điều khiển PID, trượt, mạng nơron, Điều khiển con lắc ngược gồm hai quá trình: điều khiển swing-up và điều khiển cân bằng. Trong luận văn này, con lắc ngược được điều khiển cân bằng dùng mạng nơron huấn luyện theo thuật toán hàm cơ sở xuyên tâm để học theo một bộ điều khiển hiện có. Kết quả mô phỏng cho thấy, bộ điều khiển sử dụng mạng nơron hàm cơ sở xuyên tâm có khả năng thay thế hoàn toàn được bộ điều khiển hiện có để điều khiển mô hình con lắc ngược. Từ đó áp dụng bộ điều khiển nơron này lên mô hình thực nghiệm, kết quả đáp ứng cho thấy con lắc đã được duy trì ổn định hoàn toàn quanh vị trí cân bằng thẳng đứng hướng lên. Giải thuật Logic Mờ được sử dụng để xây dựng bộ điều khiển swing-up. Bộ điều khiển Logic Mờ sẽ tính toán và đưa ra giá trị điều khiển tạo dao động hợp lý dựa vào vị trí và vận tốc con lắc để đưa con lắc lên vị trí thẳng đứng hướng lên sao cho vận tốc tại đó là nhỏ nhất. Sau đó chuyển sang bộ điều khiển cân bằng để giữ con lắc ổn định tại vị trí này. Kết quả thực nghiệm cho thấy giải thuật Logic Mờ hoàn toàn có khả năng điều khiển đưa con lắc từ vị trí buông lõng lên đến vị trí cân bằng thẳng đứng hướng lên. iii
7. ABTRACT Inverted pendulum system is a highly nonlinear and unstable system. It is used as a common model for technical applications in linear and nonlinear controlling. Pendulum model is used to test control algorithms such as PID control, sliding, neural networks, Controling a inverted pendulum consists of two processes: swing-up control and balance control. In this thesis, inverted pendulum balance is controlled using neural network algorithm trained radial basis function to study under an existing controller. Simulation results show that the controller using radial basis function neural networks fully capable replace existing controllers to control the inverted pendulum model. Since then apply this to the neural controller experimental model we see the pendulum has been maintained completely pendulum stability around the equilibrium position. Fuzzy Logic algorithm used to build the swing-up controller. Fuzzy Logic Controller will calculate and provide value control based on the position and velocity of the pendulum to give the pendulum to vertical upward position so that the velocity at which the smallest. Then switch to the balance control to keep the pendulum stable in this position. Experimental results show that the algorithm Fuzzy Logic fully capable drivers put pendulum from location to location loose vertical upward equilibrium. iv
8. MỤC LỤC Trang tựa Trang Quyết Định Giao Đề Tài Xác Nhận Của Cán Bộ Hướng Dẫn Lý Lịch Khoa Học Lời cam đoan i Lời cảm ơn ii Tóm tắt luận văn iii Abtract iv Mục lục v Danh sách các chữ viết tắt viii Danh sách các hình ix Danh sách các bảng xiv Chƣơng 1. TỔNG QUAN 1 1.1. Đặt vấn đề 1 1.2. Lịch sử nghiên cứu 2 1.3. Mục tiêu và giới hạn của đề tài 4 1.4. Phương pháp nghiên cứu 4 1.5. Nội dung luận văn 4 Chƣơng 2. CƠ SỞ LÝ THUYẾT 6 2.1. Giới thiệu sơ lược về hệ thống con lắc ngược quay 6 2.2. Thiết lập mô hình toán học của con lắc ngược quay 7 2.3. Cơ sở lý thuyết mạng nơron hàm cơ sở xuyên tâm 11 2.3.1. Khái niệm hàm cơ sở xuyên tâm 11 2.3.2. Mô hình mạng RBF 11 2.3.3. Mô hình mạng RBF Gaussian 15 2.3.4. Các chiến lược học cho mạng RBF 19 2.3.5. Mạng hàm cơ sở xuyên tâm trong Matlab 19 2.4. Tổng quan về điều khiển mờ 24 v
9. 2.4.1. Cấu trúc bộ điều khiển mờ 25 2.4.2. Nguyên lý làm việc của bộ điều khiển mờ 28 2.4.3. Các loại điều khiển mờ thường sử dụng 29 2.4.4. Thiết kế bộ điều khiển mờ 30 Chƣơng 3. ĐIỀU KHIỂN CÂN BẰNG DÙNG BỘ ĐIỀU KHIỂN PID 31 3.1. Thiết lập sơ đồ khối con lắc ngược trên Simulink Matlab 31 3.2. Mô phỏng điều khiển cân bằng con lắc ngược dùng bộ điều khiển PID 32 3.2.1. Đáp ứng góc của con lắc tuyến tính khi chưa có bộ điều khiển 32 3.2.2. Đáp ứng góc của con lắc tuyến tính khi có bộ điều khiển PID cho góc α 34 3.2.3. Đáp ứng góc của con lắc tuyến tính khi có bộ điều khiển PID cho góc α và góc θ 35 3.2.4. Đáp ứng góc của con lắc tuyến tính khi có bộ điều khiển PID hai biến và thay đổi khối lượng con lắc 37 3.2.5. Đáp ứng góc của con lắc tuyến tính khi có bộ điều khiển PID hai biến và thay đổi chiều dài con lắc 39 3.2.6. Đáp ứng góc của con lắc phi tuyến khi có bộ điều khiển PID hai biến 41 3.2.7. Đáp ứng góc của con lắc phi tuyến khi có bộ điều khiển PID hai biến và thay đổi khối lượng con lắc 42 3.2.8. Đáp ứng góc của con lắc phi tuyến khi có bộ điều khiển PID hai biến và thay đổi chiều dài con lắc 44 Chƣơng 4. ĐIỀU KHIỂN CÂN BẰNG DÙNG MẠNG NƠRON NHÂN TẠO RBF 47 4.1. Thiết kế bộ điều khiển cân bằng dùng mạng nơron RBF 47 4.2. Mô phỏng điều khiển cân bằng con lắc ngược phi tuyến dùng mạng nơron RBF 49 4.2.1. Đáp ứng góc của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với góc đặt cố định 49 vi
10. 4.2.2. Đáp ứng góc của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với góc nhiễu ngẫu nhiên 50 4.2.3. Đáp ứng góc của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF và thay đổi khối lượng con lắc 52 4.2.4. Đáp ứng góc của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF và thay đổi chiều dài con lắc 55 4.2.5. So sánh mạng nơron RBF với mạng Fitting Neural Network 58 Chƣơng 5. ĐIỀU KHIỂN SWING-UP DÙNG LOGIC MỜ 61 5.1. Nguyên lý điều khiển mờ 61 5.1.1. Tiền xử lý 61 5.1.2. Mờ hóa 62 5.1.3. Hệ qui tắc mờ 62 5.1.4. Giải mờ 63 5.2. Điều khiển swing-up 63 5.3. Áp dụng điều khiển mờ trong swing-up con lắc 64 Chƣơng 6. KẾT QUẢ THỰC NGHIỆM 66 6.1. Điều khiển cân bằng dùng mạng nơron RBF 66 6.2. Điều khiển swing-up dùng Logic Mờ 68 Chƣơng 7. KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 71 7.1. Kết luận 71 7.2. Hướng phát triển của đề tài 71 TÀI LIỆU THAM KHẢO 72 vii
11. DANH SÁCH CÁC CHỮ VIẾT TẮT 1. DSP : Digital Signal Processing. 2. MIMO : Multi Inputs Multi Outputs. 3. MISO : Multi Inputs Single Output. 4. NB : Negative Big. 5. NE : Negative. 6. PB : Positive Big. 7. PID : Proportional Integral Derivative. 8. PO : Positive. 9. PWM : Pulse-Width Modulation. 10. QEP : Quadrature Encoder Pulse. 11. RBF : Radial Basis Function. 12. RBFNN : Radial Basis Function Neural Network. 13. SCI : Serial Communications Interface. 14. SIMO : Single Input Multi Outputs. 15. SISO : Single Input Single Output. 16. ZE : Zero. viii
12. DANH SÁCH CÁC HÌNH HÌNH Trang Hình 1.1. Xe hai bánh tự cân bằng 1 Hình 1.2. Con lắc ngược quay 1 Hình 1.3. Xe con lắc ngược 1 Hình 1.4. Con lắc ngược kép 1 Hình 2.1. Hệ thống con lắc ngược quay 6 Hình 2.2. Mô hình con lắc ngược quay 7 Hình 2.3. Phân tích chuyển động của con lắc ngược quay 8 Hình 2.4. Sơ đồ biểu diễn mạng RBF với vector đầu vào x Rn và một đầu ra y R 12 Hình 2.5. Hàm cơ sở xuyên tâm Gaussian 15 Hình 2.6. Biểu đồ phác họa của mạng nơron sử dụng hàm cơ sở xuyên tâm Gaussian 17 Hình 2.7. Biểu đồ khối biểu diễn RBFNN Gaussian 18 Hình 2.8. Mạng nơron hàm cơ sở xuyên tâm với R ngõ vào 19 Hình 2.9. Đồ thị hàm a = radbas(n) 20 Hình 2.10. Cấu trúc mạng nơron hàm cơ sở xuyên tâm 21 Hình 2.11. Overfitting (Spread = 100) 23 Hình 2.12. Underfitting (Spread = 0.01) 24 Hình 2.13. Fitting (Spread = 1) 24 Hình 2.14. Cấu trúc bộ điều khiển mờ 25 Hình 3.1. Sơ đồ khối mô hình toán con lắc tuyến tính 31 Hình 3.2. Sơ đồ khối mô hình toán con lắc phi tuyến 31 Hình 3.3. Sơ đồ khối con lắc tuyến tính khi chưa có bộ điều khiển 32 Hình 3.4. Đáp ứng góc α của con lắc tuyến tính khi chưa có bộ điều khiển 33 Hình 3.5. Đáp ứng góc θ của con lắc tuyến tính khi chưa có bộ điều khiển 33 Hình 3.6. Sơ đồ khối mô phỏng điều khiển con lắc tuyến tính hồi tiếp góc α 34 Hình 3.7. Đáp ứng góc α của con lắc tuyến tính khi có hồi tiếp góc α 34 ix
13. Hình 3.8. Đáp ứng góc θ của con lắc tuyến tính khi có hồi tiếp góc α 35 Hình 3.9. Sơ đồ khối mô phỏng điều khiển con lắc tuyến tính hồi tiếp cả hai góc α và góc θ 36 Hình 3.10. Đáp ứng góc α của con lắc tuyến tính khi hồi tiếp cả hai góc α và góc θ 36 Hình 3.11. Đáp ứng góc θ của con lắc tuyến tính khi hồi tiếp cả hai góc α và góc θ 36 Hình 3.12. Sơ đồ khối mô phỏng điều khiển con lắc tuyến tính bằng bộ điều khiển PID hai biến và thay đổi khối lượng con lắc 37 Hình 3.13. Đáp ứng góc α của con lắc tuyến tính khi m = 0.1 kg 37 Hình 3.14. Đáp ứng góc θ của con lắc tuyến tính khi m = 0.1 kg 38 Hình 3.15. Đáp ứng góc α của con lắc tuyến tính khi m = 0.31 kg 38 Hình 3.16. Đáp ứng góc θ của con lắc tuyến tính khi m = 0.31 kg 38 Hình 3.17. Sơ đồ khối mô phỏng điều khiển con lắc tuyến tính bằng bộ điều khiển PID hai biến và thay đổi chiều dài con lắc 39 Hình 3.18. Đáp ứng góc α của con lắc tuyến tính khi l = 0.1 mét 39 Hình 3.19. Đáp ứng góc θ của con lắc tuyến tính khi l = 0.1 mét 40 Hình 3.20. Đáp ứng góc α của con lắc tuyến tính khi l = 0.3 mét 40 Hình 3.21. Đáp ứng góc θ của con lắc tuyến tính khi l = 0.3 mét 40 Hình 3.22. Sơ đồ khối mô phỏng điều khiển con lắc phi tuyến với tín hiệu nhiễu bằng bộ điều khiển PID hai biến 41 Hình 3.23. Đáp ứng góc α của con lắc phi tuyến khi ngõ vào là tín hiệu nhiễu 41 Hình 3.24. Đáp ứng góc θ của con lắc phi tuyến khi ngõ vào là tín hiệu nhiễu 42 Hình 3.25. Sơ đồ khối mô phỏng điều khiển con lắc phi tuyến bằng bộ điều khiển PID hai biến và thay đổi khối lượng con lắc 42 Hình 3.26. Đáp ứng góc α của con lắc phi tuyến khi m = 0.1 kg 43 Hình 3.27. Đáp ứng góc θ của con lắc phi tuyến khi m = 0.1 kg 43 Hình 3.28. Đáp ứng góc α của con lắc phi tuyến khi m = 0.31 kg 43 Hình 3.29. Đáp ứng góc θ của con lắc phi tuyến khi m = 0.31 kg 44 x
14. Hình 3.30. Sơ đồ khối mô phỏng điều khiển con lắc phi tuyến bằng bộ điều khiển PID hai biến và thay đổi chiều dài con lắc 44 Hình 3.31. Đáp ứng góc α của con lắc phi tuyến khi l = 0.1 mét 45 Hình 3.32. Đáp ứng góc θ của con lắc phi tuyến khi l = 0.1 mét 45 Hình 3.33. Đáp ứng góc α của con lắc phi tuyến khi l = 0.3 mét 45 Hình 3.34. Đáp ứng góc θ của con lắc phi tuyến khi l = 0.3 mét 46 Hình 4.1. Sơ đồ khối mô phỏng điều khiển con lắc phi tuyến bằng PID để thu thập dữ liệu 47 Hình 4.2. Khối nơron RBF 48 Hình 4.3. Cấu trúc khối nơron RBF 48 Hình 4.4. Sơ đồ khối mô phỏng điều khiển con lắc phi tuyến bằng mạng nơron RBF với góc đặt cố định 49 Hình 4.5. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với góc đặt cố định 49 Hình 4.6. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với góc đặt cố định 50 Hình 4.7. Sơ đồ khối mô phỏng điều khiển con lắc phi tuyến bằng mạng nơron RBF với tín hiệu nhiễu 50 Hình 4.8. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với tín hiệu nhiễu 51 Hình 4.9. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng Fitting Neural Network với tín hiệu nhiễu 51 Hình 4.10. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với tín hiệu nhiễu 52 Hình 4.11. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng Fitting Neural Network với tín hiệu nhiễu 52 Hình 4.12. Sơ đồ khối mô phỏng điều khiển con lắc phi tuyến bằng mạng nơron RBF khi thay đổi khối lượng con lắc 53 xi
15. Hình 4.13. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với m = 0.1 kg 53 Hình 4.14. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với m = 0.1 kg 53 Hình 4.15. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với m = 0.31 kg 54 Hình 4.16. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng Fitting Neural Network với m = 0.31 kg 54 Hình 4.17. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với m = 0.31 kg 55 Hình 4.18. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng Fitting Neural Network với m = 0.31 kg 55 Hình 4.19. Sơ đồ khối mô phỏng điều khiển con lắc phi tuyến bằng mạng nơron RBF khi thay đổi chiều dài con lắc 56 Hình 4.20. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với l = 0.1 mét 56 Hình 4.21. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với l = 0.1 mét 56 Hình 4.22. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với l = 0.3 mét 57 Hình 4.23. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng Fitting Neural Network với l = 0.3 mét 57 Hình 4.24. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với l = 0.3 mét 58 Hình 4.25. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng Fitting Neural Network với l = 0.3 mét 58 Hình 4.26. Sơ đồ khối so sánh dữ liệu đáp ứng góc của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF và mạng Fitting Neural Network 59 xii
16. Hình 4.27. Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF và mạng Fitting Neural Network 59 Hình 4.28. Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF và mạng Fitting Neural Network 59 Hình 5.1. Sơ đồ khối bộ điều khiển mờ 61 Hình 5.2. Tập mờ ở ngõ ra của khâu mờ hóa 62 Hình 5.3. Miền không gian trạng thái con lắc 64 Hình 5.4. Mô hình bộ điều khiển swing-up và cân bằng con lắc ngược 64 Hình 5.5. Sơ đồ mờ hóa ngõ vào 65 Hình 5.6. Sơ đồ giải mờ ngõ ra 65 Hình 5.7. Vùng tác động điều khiển con lắc ngược 65 Hình 6.1. Sơ đồ khối thu thập dữ liệu 66 Hình 6.2. Sơ đồ khối điều khiển cân bằng con lắc ngược bằng mạng nơron RBF 67 Hình 6.3. Đáp ứng góc α khi điều khiển con lắc ngược bằng mạng nơron RBF 67 Hình 6.4. Đáp ứng góc θ khi điều khiển con lắc ngược bằng mạng nơron RBF 68 Hình 6.5. Sơ đồ khối điều khiển swing-up và cân bằng con lắc ngược 68 Hình 6.6. Đáp ứng góc α khi điều khiển swing-up và cân bằng 69 Hình 6.7. Đáp ứng góc θ khi điều khiển swing-up và cân bằng 69 Hình 6.8. Đáp ứng góc α trong giai đoạn cân bằng 70 Hình 6.9. Đáp ứng góc θ trong giai đoạn cân bằng 70 xiii
17. DANH SÁCH CÁC BẢNG BẢNG Trang Bảng 2.1. Suy diễn mờ 27 Bảng 3.1. Các thông số của mô hình 32 xiv
18. Chƣơng 1. Tổng quan Chƣơng 1 TỔNG QUAN 1.1. Đặt vấn đề Con lắc ngược được sử dụng rất phổ biến trong việc nghiên cứu các lý thuyết điều khiển vì đây là một đối tượng đại diện cho một lớp các đối tượng có độ phi tuyến cao và không ổn định. Mô hình con lắc ngược có nhiều dạng khác nhau như: xe hai bánh tự cân bằng, xe con lắc ngược, con lắc ngược quay, con lắc ngược kép (pendubot), Hình 1.1. Xe hai bánh tự cân bằng Hình 1.2. Con lắc ngược quay Hình 1.3. Xe con lắc ngược Hình 1.4. Con lắc ngược kép 1
19. Chƣơng 1. Tổng quan Con lắc ngược có hai điểm cân bằng: điểm cân bằng tại vị trí thẳng đứng hướng lên và điểm cân bằng tại vị trí thẳng đứng hướng xuống. Trong đó điểm cân bằng tại vị trí thẳng đứng hướng lên là điểm cân bằng không ổn định. Bài toán đặt ra là thiết kế bộ điều khiển thích nghi để ổn định con lắc tại vị trí cân bằng thẳng đứng hướng lên với cánh tay nằm ở vị trí bất kỳ. 1.2. Lịch sử nghiên cứu Các lý thuyết được áp dụng rất thành công để điều khiển các hệ phi tuyến được chia thành hai nhóm chính: lý thuyết điều khiển kinh điển và lý thuyết điều khiển hiện đại. Nhóm phương pháp điều khiển kinh điển dựa vào việc tuyến tính hóa đặc tuyến của hệ thống xung quanh điểm làm việc và áp dụng các phương pháp điều khiển cho hệ tuyến tính. Nhóm phương pháp điều khiển hiện đại bao gồm: điều khiển mờ, điều khiển dùng giải thuật di truyền, dùng mạng thần kinh nhân tạo, Lý thuyết điều khiển kinh điển đã bộc lộ ra những yếu điểm về chất lượng cũng như độ tin cậy khi đối tượng điều khiển là hệ phi tuyến, nhất là những đối tượng không rõ hoặc rất khó xác định một các chính xác mô hình toán học cũng như chịu tác động của nhiễu. Điều khiển mờ thích nghi dựa vào việc xấp xỉ thông số của đối tượng dùng mô hình mờ. Các thông số này sẽ được cập nhật liên tục trong quá trình điều khiển dựa vào sai số hồi tiếp. Phương pháp này vận dụng tính xấp xỉ hàm của hệ mờ và dùng luật thích nghi để cập nhật thông số của hệ mờ theo tiêu chuẩn ổn định Lyapunov. Ngày nay, các lý thuyết điều khiển tuyến tính đã phát triển hoàn chỉnh và được áp dụng rất thành công trong các quá trình công nghiệp cũng như trong các thiết bị dân dụng. Tuy nhiên, các lý thuyết này không hiệu quả đối với các hệ thống phi tuyến mà không thể hoặc khó xác định chính xác mô hình toán học, nhất là đối với những hệ thống có mô hình toán học thay đổi và chịu tác động của nhiễu. Bên cạnh đó, lý thuyết điều khiển phi tuyến cũng đã có những bước tiến đáng kể để làm nền tảng toán học cần thiết nhằm thiết lập những điều kiện ổn định cho việc thiết kế những bộ điều khiển đạt chất lượng. 2
20. Chƣơng 1. Tổng quan Hệ con lắc ngược có cấu trúc đơn giản nhưng mang đầy đủ đặc tính phi tuyến. Do đó, hệ thống trên được sử dụng rất rộng rãi trong các thí nghiệm kiểm chứng lý thuyết điều khiển. Hệ con lắc ngược quay không bị giới hạn về không gian hoạt động và là một hệ SIMO nên giải thuật điều khiển phải đòi hỏi phức tạp hơn, phù hợp cho các giải thuật điều khiển chuyên sâu. Quá trình điều khiển con lắc ngược được chia thành hai giai đoạn: điều khiển swing-up và điều khiển cân bằng. Thực ra đây không còn là một vấn đề quá mới mẻ nên đã có rất nhiều công trình nghiên cứu về vấn đề này và đã đạt được những thành công nhất định. Đối với điều khiển cân bằng, các giải thuật phi tuyến đã được sử dụng thành công như back-stepping [1], điều khiển trượt [2], Tuy nhiên, các giải thuật này đều có khuyết điểm chung là phải biết được mô hình toán đối tượng và các thông số mô hình tương ứng. Ngoài ra, đối với điều khiển tuyến tính thì hệ thống chỉ hoạt động tốt quanh một điểm làm việc xác định nên vùng không gian hoạt động ổn định bị giới hạn. Để khắc phục các khuyết điểm trên, một số tác giả sử đã sử dụng các giải thuật điều khiển thông minh như điều khiển mờ [3], điều khiển dùng mạng nơron [4] [5] Việc sử dụng mạng nơron để học theo bộ điều khiển PID đã đạt được thành công trong việc điều khiển cân bằng con lắc ngược quay. Tuy nhiên, vấn đề chọn mạng nơron nào để sử dụng trong điều khiển là một vấn đề cần được quan tâm. Đối với điều khiển swing-up, một số tác giả đã dùng phương pháp kích các xung có độ rộng khác nhau tùy theo vị trí con lắc để đưa con lắc dần lên vị trí cân bằng đã đạt được thành công trong thực tế [6]. Khi con lắc đến được vị trí gần với vị trí cân bằng thì giải thuật cân bằng mới được thực hiện. Tuy nhiên, phương pháp này không mềm dẻo trong các trạng thái hoạt động khác nhau của hệ con lắc ngược quay. Do đó, cần phải áp dụng các giải thuật thông minh cho điều khiển swing-up. Từ suy nghĩ đó, một số tác giả nước ngoài [7] cũng đã mô phỏng thành công việc điều khiển swing-up cho con lắc ngược dùng điều khiển mờ nhưng kết quả thực tế lại không được đề cập đến. 3
21. Chƣơng 1. Tổng quan 1.3. Mục tiêu và giới hạn của đề tài Mục tiêu của đề tài là điều khiển swing-up và cân bằng con lắc ngược, nhiệm vụ cụ thể là: ‒ Xây dựng mô hình toán của hệ thống con lắc ngược ‒ Sử dụng Simulink Matlab mô phỏng hệ thống con lắc tuyến tính và phi tuyến ‒ Xây dựng bộ điều khiển cân bằng dùng mạng nơron hàm cơ sở xuyên tâm RBF và xây dựng bộ điều khiển swing-up con lắc sử dụng giải thuật Logic Mờ. Giới hạn của đề tài là chỉ thiết kế và điều khiển mô hình con lắc ngược quay giữ cân bằng dùng mạng nơron offline, chưa xây dựng mạng nơron online (mạng có khả năng tự điều chỉnh trọng số trong quá trình điều khiển). 1.4. Phƣơng pháp nghiên cứu Các phương pháp nghiên cứu được sử dụng trong luận văn bao gồm: ‒ Khảo sát, phân tích tổng hợp ‒ Mô phỏng trên máy tính bằng phần mềm Matlab phiên bản R2013A ‒ Thí nghiệm trên mô hình thực và thu thập dữ liệu qua cổng COM bằng phần mềm Terminal v1.9b. Sau đó xử lý dữ liệu và vẽ đồ thị bằng phần mềm Matlab. Các thí nghiệm trên mô hình thực nghiệm đã được thực hiện tại xưởng điện 4B, trường Đại Học Sư Phạm Kỹ Thuật TP HCM. ‒ Đánh giá kết quả dựa trên mô phỏng và thực nghiệm 1.5. Nội dung luận văn Phần còn lại của nội dung luận văn bao gồm: Chƣơng 2: Cơ sở lý thuyết Chương này trình bày các bước thiết lập mô hình toán học con lắc ngược, cơ sở lý thuyết mạng nơron hàm cơ sở xuyên tâm RBF, cách xây dựng mạng nơron RBF trong Matlab, cơ sở lý thuyết về điều khiển mờ và thiết kế bộ điều khiển mờ. Chƣơng 3: Điều khiển cân bằng dùng bộ điều khiển PID Chương này trình bày cách thiết lập sơ đồ khối con lắc ngược trên Simulink Matlab và kết quả mô phỏng khảo sát đáp ứng của hệ thống con lắc ngược tuyến tính và phi tuyến khi được điều khiển bằng bộ PID một biến, PID hai biến trên Simulink Matlab. 4
22. S K L 0 0 2 1 5 4