Luận văn Thiết kế và điều khiển cân bằng hệ con nêm ngược dùng fuzzy logic (Phần 1)

Nội dung text: Luận văn Thiết kế và điều khiển cân bằng hệ con nêm ngược dùng fuzzy logic (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 THANH TẦN THIẾT KẾ VÀ ĐIỀU KHIỂN CÂN BẰNG HỆ CON NÊM NGƯỢC DÙNG FUZZY LOGIC NGÀNH:KỸ THUẬT ĐIỆN TỬ-60520203 S K C0 0 4 7 4 4 Tp. Hồ Chí Minh, tháng 10/2015
2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN THANH TẦN THIẾT KẾ VÀ ĐIỀU KHIỂN CÂN BẰNG HỆ CON NÊM NGƯỢC DÙNG FUZZY LOGIC NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Hướngdẫnkhoahọc: TS. NGUYỄN MINH TÂM Tp. HồChí Minh, tháng 10/2015
3. LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƢỢC: Họ & tên: NGUYỄN THANH TẦN Giới tính: Nam Ngày, tháng, năm sinh: 17/05/1985 Nơi sinh: Vĩnh Long Quê quán: Vũng Liêm – Vĩnh Long Dân tộc: Kinh Địa chỉ liên lạc: Trƣờng Đại học Trà Vinh, 126, QL53, K4, P5, TP. Trà Vinh Điện thoại: 0988.148.123 E-mail: thanhtantvu@gmail.com II. QUÁ TRÌNH ĐÀO TẠO: 1. Đại học: Hệ đào tạo: Chính qui Thời gian đào tạo từ 10/2003 đến 04/2008 Nơi học: Trƣờng Đại học Cần Thơ Ngành học: Điện tử 2. Cao học: Hệ đào tạo: Chính qui Thời gian đào tạo từ 10/2013 đến 10/2015 Nơi học: Trƣờng Đại học Sƣ Phạm Kỹ Thuật Tp. Hồ Chí Minh Ngành học: Kỹ thuật Điện tử Tên đề tài luận văn: Thiết kế và điều khiển cân bằng hệ con nêm ngƣợc dùng Fuzzy Logic. Thời gian bảo vệ: Tháng 10/2015, tại Trƣờng Đại học Sƣ Phạm Kỹ Thuật Tp. Hồ Chí Minh. Giáo viên hƣớng dẫn: Ts. Nguyễn Minh Tâm i
4. III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Từ 04/2008 đến Công ty Hồng Quang Mobile Nhân viên kỹ thuật 08/2008 Từ 08/2008 đến Trƣờng Đại học Trà Vinh Giảng viên 10/2015 ii
5. 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 chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Tp. Hồ Chí Minh, ngày tháng năm 2015 (Ký tên và ghi rõ họ tên) Nguyễn Thanh Tần iii
6. LỜI CẢM ƠN Xin chân thành gửi lời cảm ơn đến Ts. Nguyễn Minh Tâm đã tận tình hƣớng dẫn tôi trong suốt quá trình thực hiện đề tài này. Xin gửi lời cảm ơn tới toàn thể quí thầy cô trƣờng Đại học Sƣ Phạm Kỹ Thuật Tp. Hồ Chí Minh đã giảng dạy, hƣớng dẫn và tạo mọi điều kiện, môi trƣờng học tập tốt cho tôi trong hai năm cao học vừa qua. Cuối cùng, tôi xin cảm ơn tất cả bạn bè đã động viên và hỗ trợ tôi trong suốt quá trình học tập tại trƣờng. Kính chúc sức khỏe! Học viên Nguyễn Thanh Tần iv
7. TÓM TẮT Hệ con nêm ngƣợc là một hệ thống rất phức tạp và có độ phi truyến cao. Mô hình con nêm ngƣợc chủ yếu đƣợc sử dụng trong các công trình nghiên cứu khoa học và đƣợc kiểm chứng trong nhiều thuật toán điều khiển khác nhau từ các phƣơng pháp cổ điển đến hiện đại. Mục tiêu chính của cân bằng hệ con nêm ngƣợc là điều khiển con nêm ngƣợc giữ cân bằng ổn định theo phƣơng thẳng đứng. Trong công trình này, tác giả đã sử dụng nhiều thuật toán điều khiển khác nhau trên hệ con nêm ngƣợc nhƣ: điều khiển trƣợt, LQR, phƣơng pháp điều khiển mờ và hệ nơron mờ. Kết quả mô phỏng cho thấy hầu hết các phƣơng pháp điều khiển trên đều có khả năng cân bằng ổn định hệ con nêm ngƣợc. Trong đó, phƣơng pháp điều khiển mờ cho kết quả là tốt nhất, với khả năng điều khiển góc nghiêng rộng, thời gian xác lập ngắn hơn và khắc phục đƣợc hiện tƣợng dao động so với các phƣơng pháp điều khiển còn lại. Tác giả xây dựng bộ luật mờ dựa trên các giá trị góc nghiêng, vị trí vật nặng và đạo hàm của chúng để tính toán và quyết định giá trị điện áp điều khiển động cơ nhằm giữ cân bằng con nêm ngƣợc với góc nghiêng xấp xỉ 0 độ. Kết quả thực nghiệm đạt đƣợc: tác giả đã xây dựng thành công mô hình thực nghiệm hệ con nêm ngƣợc thông qua giao tiếp máy tính giữa phần mềm Matlab với card DSP TMS320F28335. Kết quả thực nghiệm cho thấy phƣơng pháp điều khiển mờ hoàn toàn có thể điều khiển cân bằng hệ con nêm ngƣợc theo phƣơng thẳng đứng. Giá trị góc nghiêng và vị trí vật nặng thu đƣợc luôn dao động xung quanh vị trí cân bằng mong muốn. v
8. ABSTRACT Inverted wedge system is a very complex system and high nonlinear. The inverted wedge model used in many scientific researchs and proven in many different control algorithms from the classic method to modern method. The main objective of balancing inverted wedge system is controlling this system to maintain balancing vertical stability. In this project, the author has used many different control algorithms on the inverted wedge, including: Sliding mode control, LQR, fuzzy control methods and neural fuzzy systems. Simulation results show that most control methods are likely on balance stabilizing the inverted wedge. In particular, fuzzy control method is the best result, with the ability to control a wide angle, a faster establish time and fix the chattering phenomenon compared with many different control methods. Author constructed of fuzzy rules based on the values angle and position loads and their derivatives to calculate and decide the value of motor control voltage to balance systems with angle approximately 0 degree. The experimental results obtained: the author has built successfull the experimental inverted wedge model by computer communication between Matlab software with DSP TMS320F28335 card. Experimental results show that fuzzy control method can completely control the balance of inverted wedge vertical. Values angle and position loads obtained fluctuated around the desired equilibrium position. vi
9. MỤC LỤC QUYẾT ĐỊNH GIAO ĐỀ TÀI LÝ LỊCH KHOA HỌC i LỜI CAM ĐOAN iii LỜI CẢM ƠN iv TÓM TẮT v MỤC LỤC vii DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT x DANH MỤC CÁC BẢNG xii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ xiii CHƢƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 1 1.1. Tổng quan chung về đề tài 1 1.1.1. Đặt vấn đề 1 1.1.2. Các kết quả nghiên cứu trong và ngoài nƣớc 2 1.1.2.1. Trong nƣớc 2 1.1.2.2. Ngoài nƣớc 3 1.2. Mục tiêu của đề tài 5 1.3. Nhiệm vụ và giới hạn đề tài 5 1.4. Phƣơng pháp nghiên cứu 6 CHƢƠNG 2: CƠ SỞ LÝ THUYẾT 7 2.1. Nguyên lý hoạt động của con nêm ngƣợc tự cân bằng 7 2.2. Điều khiển trƣợt 7 2.3. Điều khiển mờ 11 2.3.1. Định nghĩa tập mờ 11 2.3.2. Mô hình mờ Tagaki - Sugeno 17 2.3.3. Bộ điều khiển mờ 18 2.4. Hệ nơron mờ 20 2.4.1. Giới thiệu về mạng nơron 20 2.4.2. Mạng nơron nhân tạo 20 vii
10. 2.4.3. Cấu trúc mạng nơron 23 2.4.4. Huấn luyện mạng 26 2.4.5. Sự kết hợp giữa mạng nơron và logic mờ 27 2.4.6. Xây dựng bộ điều khiển nơron mờ 29 CHƢƠNG 3: THIẾT KẾ MÔ HÌNH MÔ PHỎNG CÂN BẰNG HỆ CON NÊM NGƢỢC 31 3.1. Mô hình hóa hệ con nêm ngƣợc 31 3.1.1. Khảo sát mô hình hệ thống con nêm ngƣợc 31 3.1.2. Các phƣơng trình biến trạng thái của hệ thống 32 3.1.3. Tuyến tính hoá hệ thống tại điểm cân bằng 35 3.1.4. Bảng thông số của hệ con nêm ngƣợc tự cân bằng 36 3.2. Bộ điều khiển trƣợt [5] 36 3.3. Bộ điều khiển tối ƣu tuyến tính dạng toàn phƣơng LQR (Linear Quadratic Regulator) 40 3.4. Bộ điều khiển mờ 44 3.5.1. Thiết kế bộ điều khiển mờ 44 3.5.2. Mô phỏng bộ điều khiển mờ 45 3.5. Bộ điều khiển nơron mờ 48 3.5.1. Lƣu đồ giải thuật bộ điều khiển nơron mờ 48 3.5.2. Xây dựng hệ nơ ron mờ dùng ANFIS 52 3.6. Kết quả so sánh các phƣơng pháp điều khiển đã nghiên cứu 54 CHƢƠNG 4: KẾT QUẢ THỰC NGHIỆM MÔ HÌNH CON NÊM NGƢỢC TỰ CÂN BẰNG 57 4.1. Thiết kế và thi công mô hình cơ khí hệ con nêm ngƣợc 57 4.2. Hình ảnh mô hình con nêm ngƣợc tự cân bằng đã thi công 58 4.3. Sơ đồ khối hệ thống 59 4.4. Các mạch điện sử dụng trong mô hình cân bằng con nêm ngƣợc 60 4.4.1. Mạch cầu H công suất điều khiển động cơ DC có cách ly 61 4.4.2. Card DSP TMS320F28335 62 4.5. Kết quả thực nghiệm sử dụng bộ điều khiển mờ 64 viii
11. CHƢƠNG 5: KẾT LUẬN 68 5.1. Các kết quả đạt đƣợc 68 5.2. Hƣớng phát triển đề tài 69 TÀI LIỆU THAM KHẢO 70 PHỤ LỤC 1 72 PHỤ LỤC 2 75 ix
12. DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT θ : Góc quay con nêm  : Vận tốc góc con nêm x : Vị trí vật nặng x : Vận tốc di chuyển của vật nặng d : Khoảng cách giữa điểm gốc quay và mặt trƣợt c : Khoảng cách giữa điểm gốc quay và trọng tâm con nêm m : Khối lƣợng vật nặng M : Khối lƣợng khung con nêm g : Gia tốc trọng trƣờng JB : Mô-ment quán tính của khung con nêm b1 : Hệ số ma sát của con nêm với tâm quay b2 : Hệ số ma sát của vật nặng với mặt trƣợt F : Mô-ment điều khiển của động cơ DC tác động vào vật nặng Km : Hệ số cảm ứng của động cơ DC U : Điện áp điều khiển động cơ DC K : Tổng động năng P : Tổng thế năng T : Moment q : Biến trạng thái L : Lực suy rộng công thức Euler – Lagrange M0 : Ma trận điều khiển Mc : Ma trận quan sát TS : Là thời gian xác lập x
13. PO : Độ vọt lố S : Mặt trƣợt k, α, η : Là các hằng số dƣơng tự chọn LQR : Linear Quadratic Regulator SISO : Single Input Single Output MIMO : Multi Input Multi Output TS : Tagaki-Sugeno DSP : Digital Signal Processor PWM : Pulse Width Modulation ADC : Analog Digital Converter GPIO : General Purpose Input Output ANFIS : Adaptive Neuro-Fuzzy Inference System ANN : Artificial Neural Networks xi
14. DANH MỤC CÁC BẢNG Bảng 2.1: Một số tiêu chí của hệ nơron mờ 28 Bảng 3.1: Các thông số mô phỏng của hệ con nêm ngƣợc 36 Bảng 3.2: Kết quả so sánh các phƣơng pháp điều khiển đã nghiên cứu 56 Bảng 4.1: Bảng thông số mô hình con nêm ngƣợc thực nghiệm 57 Bảng 4.2: Đánh giá kết quả thực nghiệm 67 xii
15. DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1: Mô hình con nêm ngƣợc sử dụng động cơ DC kéo vật nặng trƣợt trên mặt phẳng ngang [5] 2 Hình 1.2: Mô hình con nêm ngƣợc sử dụng động cơ DC kết hợp với vật nặng tạo thành xe trƣợt trên mặt phẳng ngang của con nêm ngƣợc [7] 3 Hình 1.3: Mô hình con nêm ngƣợc sử dụng động cơ DC với dây xích và bánh răng để kéo vật nặng [10] 4 Hình 1.4: Mô hình con nêm ngƣợc ở ph ng thí nghiệm NeitherLand 5 Hình 2.1: Nguyên lý hoạt động của con nêm ngƣợc tự cân bằng 7 Hình 2.2: Hiện tƣợng chattering 10 Hình 2.3: Biểu diễn tập mờ 11 Hình 2.4: Biểu diển hàm liên thuộc và biến ngôn ngữ 12 Hình 2.5: Nguyên lý giải mờ 15 Hình 2.6: Hàm liên thuộc hình thang cho phƣơng pháp trọng tâm 16 Hình 2.7: Sơ đồ khối bộ điều khiển mờ trực tiếp 18 Hình 2.8: Cấu trúc bộ điều khiển mờ 18 Hình 2.9: Mô hình nơron đơn giản 21 Hình 2.10: Mô hình mạng nơron 3 lớp 21 Hình 2.11: Mô hình nơron 1 đầu vào 22 Hình 2.12: Nơron R đầu vào 22 Hình 2.13: Ký hiệu nơron R đầu vào 23 Hình 2.14: Cấu trúc mạng nơron 1 lớp 23 Hình 2.15: Ký hiệu mạng R đầu vào và S nơron 24 Hình 2.16: Ký hiệu quy ƣớc mạng 1 lớp 25 Hình 2.17: Cấu trúc mạng nơron 3 lớp 25 Hình 2.18: Ký hiệu quy ƣớc mạng 3 lớp 26 Hình 2.19: Cấu trúc huấn luyện mạng nơron 26 Hình 2.20: Kiến thức kiểu mẫu của một hệ nơron mờ 29 xiii
16. Hình 2.21: Mô hình hệ nơron mờ 29 Hình 2.22: Sơ đồ khối hệ nơron mờ 29 Các bƣớc xây dựng hệ nơron mờ dùng công cụ ANFIS (Matlab) 30 Hình 3.1: Mô hình hệ con nêm ngƣợc 31 Hình 3.2: Sơ đồ mô phỏng bộ điều khiển trƣợt cho hệ con nêm ngƣợc 38 Hình 3.3: Kết quả mô phỏng bộ điều khiển trƣợt với góc θ=200, x=0 38 Hình 3.4: Kết quả mô phỏng bộ điều khiển trƣợt với góc θ=600, x=0,1 m 39 Hình 3.5: Kết quả mô phỏng bộ điều khiển trƣợt với góc θ=900, x=0,2 m và có nhiễu tác động 39 Hình 3.6: Sơ đồ mô phỏng bộ điều khiển LQR cho hệ con nêm ngƣợc 42 Hình 3.7: Kết quả mô phỏng bộ điều khiển LQR với góc θ=200, x=0 42 Hình 3.8: Kết quả mô phỏng bộ điều khiển LQR với góc θ=300, x=0.2m 42 Hình 3.9: Kết quả mô phỏng bộ điều khiển LQR với góc θ=600, x=0.1 m 43 Hình 3.10: Kết quả mô phỏng bộ điều khiển LQR với góc θ=900, x=0.3 m, có nhiễu ngoài tác động 43 Hình 3.11: Các biến ngôn ngữ và hàm liên thuộc ngõ vào bộ điều khiển mờ 44 Hình 3.12: Biến ngôn ngữ và hàm liên thuộc ngõ ra bộ điều khiển mờ 45 Hình 3.13: Sơ đồ mô phỏng bộ điều khiển mờ hệ nêm ngƣợc 45 Hình 3.14: Kết quả mô phỏng bộ điều khiển mờ với góc θ=200, x=0 46 Hình 3.15: Kết quả mô phỏng bộ điều khiển mờ với góc θ=300, x=0.1 m 46 Hình 3.16: Kết quả mô phỏng bộ điều khiển mờ với góc θ=600, x=0.3 m 47 Hình 3.17: Kết quả mô phỏng bộ điều khiển mờ với góc θ=600, x=0.3 m, và có nhiễu ngoài tác động 47 Hình 3.18: Kết quả mô phỏng bộ điều khiển mờ với góc θ=900, x=0.3 m và có nhiễu tác động 48 Hình 3.19: Lƣu đồ giải thuật hệ nơron mờ 49 Hình 3.20: Lƣu đồ giải thuật cập nhật cấu trúc hệ nơron mờ 50 Hình 3.21: Lƣu đồ giải thuật cập nhật thông số mệnh đề kết luận hệ nơron mờ 51 Hình 3.22: Load dữ liệu huấn luyện trên giao diện ANFIS 52 Hình 3.23: Cấu trúc huấn luyện mạng nơron mờ cho hệ con nêm ngƣợc 53 xiv
17. Hình 3.24: Dữ liệu sau khi huấn luyện mạng nơron mờ cho hệ con nêm ngƣợc 53 Hình 3.25: Kết quả mô phỏng bộ điều khiển nơron mờ với góc θ=200, x=0 54 Hình 3.26: Kết quả mô phỏng bộ điều khiển nơron mờ với góc θ=600, x=0.3 m 54 Hình 3.27: Kết quả so sánh bộ điều khiển trƣợt, LQR, điều khiển mờ và bộ điều khiển nơron với θ=300, x=0.15 m 55 Hình 3.28: Kết quả so sánh bộ điều khiển trƣợt, LQR, điều khiển mờ và bộ điều khiển nơron với θ=600, x=0.2 m 55 Hình 3.29: Kết quả so sánh bộ điều khiển trƣợt, LQR, điều khiển mờ và bộ điều khiển nơron với θ=900, x=0.3 m 55 Hình 3.30: Kết quả so sánh bộ điều khiển trƣợt, LQR, điều khiển mờ và bộ điều khiển nơron với θ=900, x=0.3 m với nhiễu ngoài tác động 56 Hình 4.1: Sơ đồ thiết kế mô hình hệ con nêm ngƣợc 57 Hình 4.2: Mô hình con nêm ngƣợc đã thi công 58 Hình 4.3: Sơ đồ khối của hệ thống cân bằng con nêm ngƣợc 59 Hình 4.4: Các Board mạch điều khiển hệ thống 60 Hình 4.5: Sơ đồ môđun động lực 2 cầu H điều khiển động cơ 61 Hình 4.6: Card DSP TMS320F28335 của hãng Texas Instruments 62 Hình 4.7: Các khối chức năng của card DSP TMS320F28335 63 Hình 4.8: Đáp ứng góc nghiêng hệ con nêm thực nghiệm với góc ban đầu là 200 65 Hình 4.9: Đáp ứng vị trí vật nặng hệ con nêm thực nghiệm với góc ban đầu là 200 65 Hình 4.10: Giá trị áp điều khiển hệ con nêm thực nghiệm với góc ban đầu là 200 65 Hình 4.11: Đáp ứng góc nghiêng hệ con nêm thực nghiệm với góc ban đầu là 150 66 Hình 4.12: Đáp ứng vị trí vật nặng hệ con nêm thực nghiệm với góc ban đầu là 150 66 Hình 4.13: Giá trị áp điều khiển hệ con nêm thực nghiệm với góc ban đầu là 150 66 xv
18. Chƣơng 1. Tổng quan về đề tài CHƢƠNG 1 TỔNG QUAN VỀ ĐỀ TÀI 1.1. Tổng quan chung về đề tài 1.1.1. Đặt vấn đề Ngày nay có rất nhiều phƣơng pháp đƣợc sử dụng để điều khiển hệ phi tuyến nhƣ: phƣơng pháp tuyến tính hóa, điều khiển trƣợt, điều khiển dùng mạng thần kinh (neural), điều khiển mờ, điều khiển thích nghi hoặc các thuật toán tối ƣu bầy đàn, giải thuật di truyền, . Việc lựa chọn ra một phƣơng pháp điều khiển phù hợp với một đối tƣợng phi tuyến nhất định nào đó đ i hỏi nhiều thời gian và thực nghiệm lâu dài. Xuất phát từ ý tƣởng áp dụng các phƣơng pháp điều khiển hiện đại vào điều khiển đối tƣợng thật trong thực tế và việc tiếp cận đƣợc một số tài liệu về hệ con nêm ngƣợc - là một hệ thống phi tuyến, đƣợc ứng dụng trong cân bằng mô hình chiếc tàu trong lĩnh vực hàng hải - đã thúc đẩy tác giả thực hiện đề tài này. Hệ thống dùng trọng lƣợngcủa vật nặng thông qua lực kéo của motor để cân bằng trọng tâm của toàn hệ thống con nêm. Vì hệ con nêm ngƣợc có tính chất phi tuyến rất phức tạp nên rất khó xác định mô hình toán học một cách chính xác, đồng thời các thông số hệ thống đ i hỏi phải có độ chính xác tuyệt đối và đáp ứng phải nhanh. Tuy nhiên vấn đề là cần phải thiết kế một bộ điều khiển phù hợp để điều khiển hệ thống cân bằng và đây cũng là mục đính chính của đề tài. Trong khi đó, việc nghiên cứu mô hình thực nghiệm điều khiển cân bằng con nêm ngƣợc lại ít đƣợc nghiên cứu tại Việt Nam. Đó là lý do tác giả chọn đề tài “Thiết kế và điều khiển cân bằng hệ con nêm ngược dùng Fuzzy Logic” trong luận văn cao học của mình. 1
19. Chƣơng 1. Tổng quan về đề tài 1.1.2. Các kết quả nghiên cứu trong và ngoài nƣớc Hệ con nêm ngƣợc tự cần bằng thƣờng có 3 dạng chính nhƣ sau: Hệ con nêm ngƣợc dùng motor DC-Servo kéo một vật nặng thông qua dây đai và ròng rọc, giúp vật nặng di chuyển trên mặt phẳng ngang của con nêm nhằm cân bằng con nêm. Hệ con nêm ngƣợc dùng motor DC- Servo kéo hai vật nặng thông qua sợi dây và ròng rọc, giúp vật nặng di chuyển trên hai mặt phẳng nghiêng của con nêm nhằm cân bằng con nêm. Hệ con nêm ngƣợc dùng motor DC- Servo kết hợp với một vật nặng tạo thành chiếc xe di chuyển trên mặt phẳng ngang của con nêm ngƣợc giúp con nêm cân bằng. 1.1.2.1. Trong nƣớc Đề tài “Thiết kế, thi công điều khiển mờ hệ con nêm ngược” (2012) cũng đƣợc thực hiện trong luận văn cao học của tác giả Đặng Hữu Phúc, Trƣờng Đại học Giao Thông Vận Tải TP. Hồ Chí Minh [5]. Trong đề tài này đã sử dụng phƣơng pháp điều khiển trƣợt-mờ-PID để cân bằng hệ con nêm ngƣợc. Mô hình đƣợc thực hiện bằng cách cân bằng hệ thống dựa vào sức nặng của con chạy trên mặt phẳng trƣợt. Kết quả mô phỏng đạt đƣợc cân bằng ổn định với góc nghiêng lớn đến ±π/2, thời gian đáp ứng khoảng 2.5s. Hình 1.1: Mô hình con nêm ngược sử dụng động cơ DC kéo vật nặng trượt trên mặt phẳng ngang [5] 2
20. Chƣơng 1. Tổng quan về đề tài Trong luận văn tốt nghiệp thạc sĩ của tác giả Trần Văn Thành, Trƣờng Đại học Giao Thông Vận Tải TP. Hồ Chí Minh (2012) với đề tài “Khảo sát các phương pháp điều khiển trên hệ con nêm ngược” [6] đã thiết kế mô hình cân bằng con nêm ngƣợc bằng phƣơng pháp LQR và điều khiển mờ tối thiểu số lƣợng ngõ vào của hệ mờ. Kết quả đạt đƣợc của đề tài là mô hình mô phỏng cân bằng ổn định sau 2s, tuy nhiên hệ thống vẫn c n dao động lớn do nhiễu từ cảm biến, các thiết bị truyền động và cơ khí. 1.1.2.2. Ngoài nƣớc Mô hình con nêm ngƣợc tự cân bằng hiện nay đang đƣợc quan tâm và nghiên cứu trên thế giới. Các bài báo và báo cáo khoa học liên quan đến đề tài này đƣợc trình bày nhƣ sau: Đề tài “Neuro-Sliding Mode Control With Its Applications to Seesaw Systems” [7] của nhóm tác giả Chun-Hsien Tsai, Hung-Yuan Chung, Fang- Ming Yu, Jan (2004), đề tài sử dụng phƣơng pháp nơron – trƣợt mô phỏng hệ thống cân bằng ổn định ở thời gian 0,55s và góc nghiêng dao động trong khoảng 40. Hình 1.2: Mô hình con nêm ngược sử dụng động cơ DC kết hợp với vật nặng tạo thành xe trượt trên mặt phẳng ngang của con nêm ngược [7] Nhóm tác giả Jeng-Hann Li, Tzuu-Hseng S. Li, Ting-Han Ou, July đã nghiên cứu đề tài “Design and Implementation of Fuzzy Sliding-Mode Controller for a Wedge Balancing System” [8] năm 2003, đề tài sử dụng 3
21. S K L 0 0 2 1 5 4