i
LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi.
Các số liệu, kết quả trong luận văn là thực và chưa từng được ai công
bố trong bất kỳ các công trình nghiên cứu nào khác.
Tác giả luận văn DƯƠNG HỒNG PHƯỚC
ii
MỤC LỤC
Trang
TRANG BÌA PHỤ
LỜI CAM ĐOAN i
MỤC LỤC ii
DANH MỤC CÁC KÝ HIỆU v
DANH MỤC CÁC BẢNG vi
DANH MỤC CÁC HÌNH VẼ vii
MỞ ĐẦU 1
1. Lý do chọn đề tài. 1
2. Đối tượng và phạm vi nghiên cứu. 1
3. Phương pháp nghiên cứu. 2
4. Ý nghĩa khoa học và thực tiễn đề tài. 2
5. Cấu trúc luận văn. 3
CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI. 5
1.1 Giới thiệu đề tài. 5
1.2 Mục đích nghiên cứu của đề tài. 7
1.3 Nội dung đề tài. 7

3.5 Kết quả mô phỏng điều khiển PID và chỉnh định các thông số PID theo
thuật toán tối ưu bầy đàn. 66
3.5.1 Thông số mô hình. 66
3.5.2 Mô phỏng simulink hàm truyền vòng hở 67
3.5.3 Mô phỏng simulink điều khiển PID. 68
3.5.4 Mô phỏng simulink điều khiển PID – PSO. 71
3.5.5 So sánh phương pháp PID – ZN2 với PID – PSO. 80
iv
CHƯƠNG 4: KẾT QUẢ CHẠY TRÊN MÔ HÌNH THỰC 83
4.1 Điều khiển thời gian thực hệ “Ball in tube”. 83
4.1.1 Sơ đồ khối hệ “Ball in tube”. 83
4.1.2 Sơ đồ Simulink điều khiển thời gian thực hệ “Ball in tube”. 85
4.2 Kết quả thực tế hệ thống điều khiển PID – ZN2. 85
4.2.1 Khi tín hiệu đặt là hàm nấc. 87
4.2.2 Khi tín hiệu đặt thay đổi. 88
4.3 Kết quả thực tế hệ thống chỉnh định PID – PSO. 89
4.3.1 Khi tín hiệu đặt là hàm nấc. 90
4.3.2 Khi tín hiệu đặt thay đổi. 91
4.4 So sánh phương pháp PID – ZN2 với PID – PSO điều khiển đối tượng
thực. 92
CHƯƠNG 5: KẾT QUẢ – HẠN CHẾ – HƯỚNG PHÁT TRIỂN 93
5.1 Tổng hợp những kết quả đạt được. 93
5.2 Những hạn chế của đề tài. 93
5.3 Đánh giá kiến nghị và hướng nghiên cứu tiếp theo. 94
TÀI LIỆU THAM KHẢO 95
PHỤ LỤC 97
v
DANH MỤC CÁC KÝ HIỆU

R: điện trở cuộn dây (

()ht
: vận tốc bóng (
/ms
)
g

: khối lượng riêng không khí (kg/m
3
)
A: diện tích mặt cắt quả bóng (mặt cản lưu chất) (
2
m
)
d
C
: hệ số nâng phụ thuộc hệ số R
e

M
b
: khối lượng bóng (kg)
g: gia tốc trọng trường (
2
/ms
)
r: bán kính ball (m)
%POT: độ vọt lố
e
xl
: sai số xác lập

*
4.60095589x 

với λ=1. 20
Hình 2.4: Áp dụng kỹ thuật làm lệch cho hàm (2.8), tại điểm
*
4.60095589x 

với λ=10. 21
Hình 2.5: Áp dụng kỹ thuật làm lệch cho hàm (2.8), tại điểm
*
4.60095589x 

với λ=0.1. 22
Hình 2.6: Áp dụng kỹ thuật làm lệch cho hàm (2.9), tại điểm
*
( 2)x


, với
λ=1 23
Hình 2.7: Áp dụng kỹ thuật làm lệch cho hàm (2.9), tại điểm
*
( 2)x


, với
λ=0.1 24
Hình 2.8: Áp dụng kỹ thuật làm lệch cho hàm (2.9), tại điểm
*

Hình 3.6: Vị trí của cá thể nhóm bầy trong không gian tìm kiếm 3D. 43
Hình 3.7: Vị trí của thuật toán tối ưu PSO trong hệ thống SISO. 45
Hình 3.8: Sơ đồ khối điều khiển PID sử dụng PSO chỉnh định thông số. 47
Hình 3.9: Lưu đồ giải thuật hệ thống điều khiển PSO – PID. 48
Hình 3.10: Mô hình thí nghiệm “Ball in tube” 50
Hình 3.11: Đối tượng “Ball in tube”. 51
Hình 3.12: Sơ đồ mô hình động cơ DC 51
Hình 3.13: Sơ đồ động cơ Brushless DC. 54
Hình 3.14: Sự chuyển động của không khí trong ống. 57
Hình 3.15: Đường đặc tuyến của quạt . 58
Hình 3.16: Các định luật về quạt. 59
Hình 3.17: Tổng hợp lực tác động lên bóng. 62
Hình 3.18: Sơ đồ simulink hệ mô hình thí nghiệm “Ball in tube” 64
Hình 3.19: Điều khiển vòng hở với tín hiệu đầu vào là hàm nấc 67
Hình 3.20: Đáp ứng vòng hở với tín hiệu vào là hàm nấc đơn vị. 68
Hình 3.21: Điều khiển PID hệ “Ball in tube” 69
Hình 3.22: Đáp ứng ngõ ra khi tín hiệu đặt là hàm nấc (Mb =2.7g) (PID –
ZN2). 70
Hình 3.23: Đáp ứng ngõ ra khi tín hiệu đặt là hàm nấc (Mb =4g) (PID – ZN2).
70
Hình 3.24: Kết quá trình tiến hóa quần thể bầy đàn 72
Hình 3.25: Đáp ứng ngõ ra khi tín hiệu đặt là hàm nấc (Mb=2.7g) (PID –
PSO). 73
ix
Hình 3.26: Tín hiệu tác động lên đối tượng khi tín hiệu đặt là hàm nấc
(Mb=2.7g) (PID – PSO). 73
Hình 3.27: Đáp ứng ngõ ra khi tín hiệu đặt là tín hiệu xung vuông (Mb=2.7g)
(PID – PSO). 74
Hình 3.28: Tín hiệu tác động lên đối tượng khi tín hiệu đặt là tín hiệu xung
vuông (Mb=2.7g) (PID – PSO). 74

Hình 4.6: Tín hiệu tác động theo thời gian thực lên đối tượng khi tín hiệu đặt
là hàm nấc (PID – ZN2). 87
Hình 4.7: Đáp ứng ngõ ra theo thời gian thực khi tín hiệu đặt thay đổi (PID –
ZN2). 88
Hình 4.8: Tín hiệu tác động theo thời gian thực lên đối tượng khi tín hiệu đặt
thay đổi (PID – ZN2). 88
Hình 4.9: Đáp ứng ngõ ra theo thời gian thực khi tín hiệu đặt là hàm nấc (PID
– PSO). 90
Hình 4.10: Tín hiệu tác động theo thời gian thực lên đối tượng khi tín hiệu đặt
là hàm nấc (PID – PSO). 90
Hình 4.11: Đáp ứng ngõ ra theo thời gian thực khi tín hiệu đặt thay đổi (PID –
PSO). 91
Hình 4.12: Tín hiệu tác động theo thời gian thực lên đối tượng khi tín hiệu đặt
thay đổi (PID – PSO). 91
1
MỞ ĐẦU

1. Lý do chọn đề tài.
Mô hình thí nghiệm bóng trong ống “Ball in tube” là hệ thống phi
tuyến điển hình và điều khiển sự ổn định của nó là cách thức giúp ta tìm hiểu
rõ về các phương pháp điều khiển một đối tượng phi tuyến. Một bộ điều khiển
PID thông thường hay một bộ điều khiển hồi tiếp thường được sử dụng để
làm cho hệ thống ổn định. Những bộ điều khiển nêu trên có thể đạt được sự
ổn định tốt nhất nếu thông số bộ điều khiển là tối ưu, nhưng trên thực tế việc
xác định các thông số này khá là tốn kém thời gian và còn phụ thuộc nhiều
vào kinh nghiệm điều này làm chúng ta không đạt được kết quả tốt. Hơn thế
nữa khi mà việc bám theo tín hiệu đặt, loại bỏ nhiễu và ổn định bền vững liên
quan đến tất cả các thông số hiệu chỉnh, thì khó có thể điều chỉnh cùng lúc
được. Trong những năm gần đây phát triển mạnh trong lĩnh vực điều khiển
thông minh có nhiều phương pháp giúp ta chỉnh định các thông số của bộ điều

Lý thuyết tối ưu bầy đàn được trình bày vào năm 1995 và phát triển
những năm sau đó. Ở cấp độ nghiên cứu trong nước thì đề tài nghiên cứu tối
ưu bầy đàn còn tương đối mới mẻ, cần phải nghiên cứu chuyên sâu để phát
triển những điểm mạnh giúp giải quyết một vấn đề hiệu quả nhất.
Kết quả đề tài sẽ góp phần hoàn thiện một phương pháp mới trong việc
chỉnh định thông số bộ điều khiển PID. Khắc phục một số nhược điểm của
một số phương pháp chỉnh định kinh điển. Từ đó mở ra một tiềm năng áp
dụng và cài đặt vào thiết bị điều khiển công nghiệp làm nâng cao hơn nữa
chất lượng điều khiển hệ thống.
3
Tính cấp thiết đáp ứng nhu cầu phát triển kinh tế - xã hội, nâng cao chất
lượng đào tạo. Khả năng ứng dụng của đề tài trong các lĩnh vực tự động hóa
(điều khiển đối tượng bám đuổi,…), lĩnh vực viễn thông (thiết kế mạng,…),
lĩnh vực xã hội (sắp xếp lịch trình, thời gian biểu)…
5. Cấu trúc luận văn.
Cấu trúc luận văn gồm các phần như sau:
Chương 1: Tổng quan đề tài.
Giới thiệu về mô hình thí nghiệm điều khiển vị trí bóng “Ball in tube”
Trình tổng quan khái quát nội dung đề tài khoa học, và các mục tiêu
của đề tài cần đạt được.
Chương 2: Lý thuyết tối ưu bầy đàn.
Trình bày tổng quan về lý thuyết tối ưu bầy đàn.
Trình bày giải thuật tối ưu bầy đàn các thức nâng cao chất lượng của
thuật toán.
Chương 3: Điều khiển vị trí quả bóng chỉnh định các thông số pid
theo thuật toán tối ưu bầy đàn.
Giới thiệu về bộ điều khiển PID và phương pháp chỉnh định kinh điển.
Giới thiệu về phương pháp tối ưu bầy đàn để chỉnh định các thông số
bộ điều khiển PID.
Mô hình hóa đối tượng nghiên cứu.

thông thường thực hiện không đạt yêu cầu khi áp dụng cho các hệ phi tuyến
lớn có các tác động gây bất ổn. Chính vì lý do này các bộ điều khiển thực tế
phải thích ứng để điều chỉnh các hệ thống phi tuyến lớn dựa trên ứng dụng
thử nghiệm và hiệu chỉnh sai số. Do đó cần phải phát triển một kỹ thuật điều
chỉnh phù hợp áp dụng cho các bộ điều khiển mà điều chỉnh thông thường
không không đáp ứng thỏa đáng.
Một số công nghệ mới đặc biệt là “trí tuệ bầy đàn” Swarm Intelligence
(SI) đã được sử dụng để giải quyết các vấn đề về kỹ thuật phi tuyến tính. “Tối
ưu bầy đàn” Particle Swarm Optimization (PSO), được phát triển bởi Eberhart
và Kennedy (1995), là một lĩnh vực của Swarm Intelligence (SI) được lấy
cảm hứng từ quần thể bầy đàn xảy ra trong tự nhiên. Đó là quan sát sự thay
đổi của mỗi cá thể so với thực nghiệm trước đó, do đó kiến thức về vị trí tốt
7
nhất “best position” đạt được bởi mỗi các thể trở thành kiến thức trên toàn
cục. Trong nghiên cứu, vấn đề xác định các thông số điều khiển PID được coi
là một vấn đề tối ưu hóa. Và ta thực hiện sử dụng kỹ thuật PSO để xác định
các thông số PID. Đề tài sử dụng các mô hình quá trình điển hình thường gặp
trong ngành công nghiệp để đánh giá hiệu quả của phương pháp PSO. So sánh
kết quả đạt được giữa kỹ thuật PSO và các phương pháp thông thường khác
trên mô phỏng và điều khiển thời gian thực.
1.2 Mục đích nghiên cứu của đề tài.
Thực hiện thiết kế và thi công mô hình điều khiển vị trí bóng bám theo
giá trị đặt theo thuật toán PID.
Sử dụng thuật toán tối ưu bầy đàn để chỉnh định các thông số Kp, Ki,
Kd nhằm mục đích cải thiện chất lượng đáp ứng ngõ ra của hệ thống.
So sánh đánh giá chất lượng giữa điều khiển PID với cách chỉnh định
kinh điển và điều khiển PID chỉnh định bằng thuật toán tối ưu bầy đàn.
1.3 Nội dung đề tài.
Mô hình thí nghiệm “Ball in tube” có thể áp dụng trong công nghiệp:
chẳng hạn như ngành công nghiệp mỏ dầu Nó được sử dụng nhiều trong

Hình 1.3: Các thiết bị sử dụng trong mô hình thí nghiệm “Ball in tube”.
Sơ đồi khối bao gồm các khối cơ bản như sau:
“Ball in tube”: đối tượng điều khiển.
Card USB – DAQ: cho phép chúng ta đọc/ghi dữ liệu analog/digital
giao tiếp với PC qua cổng USB 2.0.
USB cable
FAN
sensor
Computer
“Ball in tube”
Xử lý cảm
biến
PWM
USB – DAQ
ADC
DAC
9
Mạch điều khiển động cơ: cấu tạo là mạch động lực cầu H cho phép
chuyển đổi tín hiệu analog 0:5V thành tín hiệu công suất PWM
Cảm biến đo khoảng cách: chuyển đổi đại lượng vật lý là khoảng cách
thành tín hiệu điện analog 0:5V
Computer (PC): giữ chức năng là bộ điều khiển trung tâm, hoạt động
trên nền matlab điều khiển thời gian thực đối tượng.
10
CHƯƠNG 2: LÝ THUYẾT TỐI ƯU BẦY ĐÀN

2.1 Thuật toán PSO chuẩn.

hiện tại.
Lbest (local best): vị trí của cá thể thành viên tốt nhất của láng giềng
xung quanh cá thể.
Gbest (global best): vị trí của cá thể tốt nhất trong toàn bộ quần thể.
Vận tốc (velocity): vector này thúc đẩy quá trình tối ưu hóa, xác định
hướng bay của một cá thể để cải thiện vị trí hiện tại của nó.
Chỉ số quán tính (Inertia weight): được sử dụng để kiểm soát tác động
của vận tốc trước đó so với vận tốc hiện tại của một cá thể.
Yếu tố học tập (learning factor): đại diện cho sự thu hút. Hai Yếu tố
được sử dụng là C
1
và C
2
(hằng số).
C
1
: là yếu tố nhận thức, đại diện cho các điểm thu hút một cá thể đối
với thành công của riêng nó.
C
2
: là yếu tố xã hội, đại diện cho các điểm thu hút cá thể tới sự thành
công của các cá thể láng giềng.
Cấu trúc liên kết láng giếng (neighborhood topology): xác định tập
hợp những cá thể góp phần vào việc tính giá trị lbest của cá thể.
Các cá thể trong bầy liên kết với các cá thể xung quanh bằng một số
loại cầu trúc liên kết láng giềng như một đồ thị. Có những loại đồ thị sau:
Đồ thị rỗng (empty graph): trong cấu trúc liên kết này, các cá thể bị cô
lập, mỗi hạt chỉ liên kết với chính nó, và so sánh vị trí hiện tại của nó với vị trí
tố nhất tìm được cho tới hiện tại (pbest) [1]. Trong trường hợp này, C
2

V
i
Pbest
i
Gbest

Hình 2.1: Khái niệm về sự thay đổi điểm tìm kiếm của PSO.
Trong đó:
k
i
S
: vị trí cá thể thứ i tại vị trí thứ k
1k
i
S

: vị trí cá thể thứ i tại vị trí thứ k +1
k
i
V
: vận tốc cá thể thứ i tại vị trí thứ k
1k
i
V

: vận tốc cá thể thứ i tại vị trí thứ k+1
13
Pbest
i
V

hiện tại) hay là fitness value của particle tốt nhất trong tất cả các thế hệ từ
trước đến bây giờ. Nói cách khác, mỗi cá thể trong quần thể cập nhật vị trí
của nó theo vị trí tốt nhất của nó và của cá thể trong quần thể tính tới thời
14
điểm hiện tại. Quá trình cập nhật các particle dựa trên hai công thức sau[1]:
   
1
1 1 2 2
k k k k
i i i i i
v v c rand pbest s c rand gbest s

      
(2.1)
11k k k
i i i
s s v


(2.2)
Trong đó:
i: số thứ tự cá thể 1,2,….,p;
k: số lần lặp
k
i
v
: vận tốc cá thể thứ i tại lần lặp k;
( 1)k
i
v