BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC THÁI NGUYÊN
LÊ THỊ HUYỀN LINH
NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT ĐIỀU KHIỂN
HIỆN ĐẠI XÂY DỰNG MÔ HÌNH TRONG
ĐIỀU KHIỂN DỰ BÁO PHI TUYẾN Chuyên ngành: Kỹ thuật điều khiển và Tự động hóa
Mã số: 62. 52. 02. 16
TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT THÁI NGUYÊN - 2015
DANH MỤC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ
1. Lê Thị Huyền Linh, Nguyễn Thị Mai Hương (2011), "Một phương pháp xây dựng
điều khiển dự báo dựa trên mô hình Gauss", Tạp chí Khoa học Công nghệ - Đại học
Thái Nguyên, Tập 86, số 10, ISSN 1859 - 2171, tr. 195 - 200.
2. Lê Thị Huyền Linh, Nguyễn Thị mai Hương (2013), "Sử dụng mô hình mờ Takagi
– Sugano để xây dựng mô hình dự báo cho hệ động học phi tuyến", Tạp chí Khoa học
Công nghệ - Đại học Thái Nguyên; Tập 102, số 02, ISSN 1859 - 2171, tr. 161 - 167.
3. Lê Thị Huyền Linh, Lại Khắc Lãi, Nguyễn Thị Mai Hương (2013), "Điều khiển dự
báo dựa trên mô hình với tầm dự báo bằng 1", Tạp chí Khoa học Công nghệ – Đại
học Thái Nguyên, Tập 112, số 12/2, ISSN 1859 - 2171, tr. 55 - 62.
4. Nguyễn Thị Mai Hương, Lại Khắc Lãi, Mai Trung Thái, Lê Thị Huyền Linh
(2013), "Điều khiển dự báo dựa trên ma trận động ứng dụng điều khiển bình phản
ứng hóa học có bao làm lạnh (chemical reactor)", Tạp chí Khoa học Công nghệ –
Đại học Thái Nguyên, Tập 112, số 12/2, ISSN 1859 - 2171, tr. 49 - 54.
5. N.T Mai Hương, Mai Trung Thái, Lê Thị Huyền Linh, Lại Khắc Lãi (2013),
"Nghiên cứu chiến lược tối ưu hóa trong điều khiển dự báo", Tạp chí Khoa học Công
nghệ - Đại học Thái Nguyên, Tập 113, số 13, ISSN 1859-2171, tr. 115-122.
6. Le Thi Huyen Linh, Lai Khac Lai, Cao Tien Huynh (2014), "A disturbance identification
method based on Neural network for a class predictive control system with delay",
Tạp chí Khoa học và Công nghệ các Trường Đại học Kỹ thuật, Tập 101/ 2014 - ISSN
0868 - 3980, tr. 20 - 24.
7. Lê Thị Huyền Linh, Đặng Ngọc Trung (2014), “Ứng dụng nhận dạng nhiễu trên cơ
sở mạng nơron cho bình phản ứng khuấy trộn liên tục”, Tạp chí Khoa học Công nghệ
- Đại học Thái Nguyên, Tập 122 - số 08, ISSN 1859 - 2171, tr. 137- 141.
8. Lê Thị Huyền Linh, Lại Khắc Lãi (2014), “Điều khiển dựa trên mô hình dự báo
cho một lớp đối tượng có trễ”, Tạp chí Khoa học Công nghệ - Đại học Thái Nguyên,
Tập 128 - số 11, ISSN 1859 - 2171, tr. 149 - 154.
dàng hơn bởi hệ trở thành tuyến tính có trễ với các tham số xác định, từ đây ta có thể
đi đến tổng hợp bộ điều khiển dự báo theo mô hình nội (IMPC - Internal Model
Predictive Control) cho hệ.
Ta biết rằng MPC là một phương pháp rất tốt cho hệ có trễ, các phương pháp
MPC cho hệ tuyến tính có trễ được phát triển trong những năm vừa qua đã đạt được
những kết quả nhất định, tuy nhiên một đặc điểm khó khăn khi thực hiện trong thực
tế là bộ điều khiển luôn luôn phải giải bài toán tối ưu trực tuyến, tín hiệu điều khiển
tối ưu chỉ được tính cho thời điểm kế tiếp, do vậy phần cứng phải thực hiện rất nhiều
phép tính toán, nhiều khi không đảm bảo tính thời gian thực, hoặc cũng có thể không
ổn định nếu bài toán tối ưu không có nghiệm. Quá trình giải mất nhiều thời gian, đặc
biệt khi tồn tại các điều kiện ràng buộc chặt chẽ. Việc tìm ra các phương pháp mới
nhằm khắc phục các khó khăn nêu trên đang là nhiệm vụ cấp bách đặt ra.
2
2. Phạm vi, đối tượng nghiên cứu và phương pháp nghiên cứu
Đối tượng nghiên cứu: Luận án nghiên cứu về nhận dạng và điều khiển một
lớp đối tượng phi tuyến có trễ thường gặp trong công nghiệp trên cơ sở mô hình dự
báo và nhận dạng nhiễu trực tuyến sử dụng mạng nơron RBF.
Phạm vi nghiên cứu của luận án: Luận án đi sâu nghiên cứu nhận dạng
nhiễu, bù trừ nhiễu và điều khiển dự báo theo mô hình nội cho các đối tượng có trễ
trên kênh điều khiển.
Với tính chất đặc thù và những ưu điểm vốn có, điều khiển dự báo được ưu
tiên áp dụng cho các đối tượng có trễ, các đối tượng có động học biến đổi chậm và
cho các trường hợp có các ràng buộc đối với vectơ trạng thái và/hoặc vectơ điều
khiển. Trong khuôn khổ cho phép, luận án chỉ tập trung đi sâu nghiên cứu xây dựng
phương pháp nhận dạng nhiễu trực tuyến và phương pháp điều khiển dự báo theo mô
hình cho các đối tượng có trễ trong điều khiển, không chứa các ràng buộc. Bài toán
điều khiển dự báo cho các đối tượng này khi có ràng buộc được xem là bước phát
triển tiếp theo của luận án. Tuy nhiên, một khi đã nhận dạng trực tuyến được nhiễu,
vấn đề điều khiển dự báo có các ràng buộc có thể được giải quyết bằng các phương
Chương 1. TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
1.1. Giới thiệu tổng quan về điều khiển dự báo theo mô hình
1.1.1. Khái niệm
Điều khiển dự báo theo mô hình là phương pháp điều khiển hệ thống dựa trên
cơ sở tín hiệu đầu ra của đối tượng được dự báo thông qua một mô hình toán nào đó.
Dựa vào tín hiệu dự báo đầu ra của đối tượng, sử dụng thuật toán tối ưu để tìm tín
hiệu điều khiển tối ưu cho hệ thống sao cho đầu ra của đối tượng ở tương lai bám
theo giá trị mong muốn. Như vậy tín hiệu điều khiển tối ưu này sẽ phụ thuộc vào độ
chính xác của tín hiệu dự báo đầu ra của đối tượng và thuật toán tìm nghiệm tối ưu.
Độ chính xác của tín hiệu dự báo phụ thuộc vào mô hình toán của đối tượng.
1.1.2. Các thành phần chính trong điều khiển dự báo dựa trên mô hình
Hình 1.3. Sơ đồ khối hệ thống điều khiển dự báo dựa trên mô hình
a. Mô hình dự báo
b. Hàm mục tiêu và các điều kiện ràng buộc
c. Chiến lược tối ưu hóa
1.2. Những vấn đề liên quan về điều khiển dự báo hệ tuyến tính
1.3. Các ưu nhược điểm của điều khiển dự báo so với phương pháp khác
1.4. Những vấn đề liên quan về điều khiển dự báo hệ phi tuyến
4
( ) ( ) ( ) ( )t t t τX AX BU DF X
Hệ tuyến tính có trễ
Hệ phi tuyến có trễ
Thành phần phi tuyến
+
1.5. Đề xuất hướng nghiên cứu giải quyết trong luận án
thế giới. Đã chỉ ra những vấn đề còn tồn tại, những vấn đề chưa được giải quyết một
cách thỏa đáng. Đã nêu rõ tính bức thiết của đề tài luận án, xác định rõ mục tiêu cần
đạt, đề xuất phương pháp tiếp cận và những nội dung khoa học cụ thể cần giải quyết
để đạt được mục tiêu của luận án.
5 Chương 2. NHẬN DẠNG NHIỄU VÀ BÙ NHIỄU CHO LỚP HỆ PHI
TUYẾN CÓ TRỄ
2.1. Tổng quát chung về nhận dạng và mạng nơron
2.1.1. Khái niệm về nhận dạng
2.1.2. Khái quát về cấu trúc mạng nơron
2.1.3. Giới thiệu mạng nơron RBF
2.1.4. Tóm lược về nhận dạng trực tuyến hệ phi tuyến sử dụng mạng nơron nhân tạo
2.2. Bài toán nhận dạng nhiễu cho lớp hệ phi tuyến có trễ
Trong thực tế thường gặp hai trường hợp sau đây:
+ Các hệ thống có một nhiễu tác động và có một kênh điều khiển (hệ đơn giản).
+ Các hệ thống có nhiều nhiễu tác động và có nhiều kênh điều khiển (hệ phức tạp).
Nhận dạng nhiễu và bù nhiễu đối với từng trường hợp nêu trên có những nét
đặc thù riêng và cả những yêu cầu riêng biệt.
Vấn đề nhận dạng nhiễu trực tuyến (online) đối với trường hợp hệ có một nhiễu
tác động lên hệ thống có trễ được giải quyết ở mục 2.3. Kết quả nhận dạng nhiễu
được sử dụng trong mục 2.4. để bù trừ ảnh hưởng của nhiễu.
Vấn đề nhận dạng trực tuyến đồng thời nhiều nhiễu tác động lên hệ thống có
trễ được xem xét và giải quyết tại mục 2.5. Tổng hợp tín hiệu bù trừ nhiễu và điều
kiện để bù trừ đồng thời nhiều nhiễu tác động lên hệ thống được trình bày trong mục 2.6.
2.3. Thuật toán nhận dạng nhiễu hệ phi tuyến có trễ trên cơ sở sử dụng mạng
nơron RBF khi chỉ có một thành phần nhiễu
2.3.1. Xây dựng thuật toán nhận dạng nhiễu
2
2
1
C
ex
2
()
C
ex
2
i
i
i
m
j
j
j
p
p
X-
X
X-
(2.8)
1
ˆ
ˆ
( ) ( )
m
ii
( ) ;
()
( ) ( ) ( ) ;
n
t
i i n
t
t
r
w t u d
Q PU
P
E
Q
X P E
(2.17)
với
Q
là ma trận đối xứng xác định dương; trong đó
P
là nghiệm đối xứng xác định
dương của
min
; ( )
T
rQ = A P+PA Q
- giá trị riêng nhỏ nhất của ma trận
Q
;
n
V E P.E E P.E
(2.18)
7
Qua một loạt biến đổi toán học ta thu được các điều kiện đảm bảo cho
0V
, chính là
các điều kiện (2.17).
Hình 2.5. Sơ đồ cấu trúc hệ thống nhận dạng nhiễu cho các đối tượng có trễ trên cơ sở mô
hình song song và mạng nơron
2.3.2. Ví dụ minh họa
2.4. Tổng hợp tín hiệu bù nhiễu cho hệ thống có trễ với một kênh điều khiển
Tín hiệu bù nhiễu (gọi tắt là tín hiệu bù
()
b
ut
) được tạo ra dựa trên kết quả nhận
dạng nhiễu
ˆ
()ft
đã thu được ở mục 2.3. Tín hiệu bù được đưa tới đầu vào của đối
tượng cùng với tín hiệu điều khiển
()
dk
ut
. Tín hiệu đầu vào của đối tượng điều khiển
lúc này sẽ là:
( ) ( ) ( )
dk b
()
b
ft
ut
K
(2.41)
Như vậy để có được tín hiệu bù tại thời điểm t đòi hỏi phải dự báo tín hiệu
ˆ
f
tại thời điểm
()t
. Dựa trên tín hiệu thu được
ˆ
()ft
ta sẽ có tín hiệu dự báo
ˆ
()ft
trên cơ sở chuỗi Taylor:
1
ˆ
()
ut
8
2.5. Thuật toán nhận dạng nhiễu hệ phi tuyến có trễ trên cơ sở sử dụng mạng
nơron RBF khi có nhiều thành phần nhiễu
Trong phần này, tác giả đưa ra phương pháp nhận dạng nhiều tác động nhiễu,
nhiều tín hiệu đầu vào cùng đồng thời tác động lên hệ thống đã được phát triển trên
cơ sở sử dụng mạng nơron RBF ở mục 2.3.
2.5.1. Xây dựng thuật toán nhận dạng
( ) ( ) ( ) ( )t t t τX AX BU DF X
(2.44)
Hình 2.11. Sơ đồ cấu trúc các mạng nơron xấp xỉ các hàm
1
()f X
,
2
()f X
2
, , ( )
m
f X
của hệ (2.44)
( ) ( ) ( )ttE AE DF X
(2.51)
Điều kiện đủ để hệ thống (2.51) ổn định được thể hiện trong định lý sau đây.
Q PU
P
E
Q
X P E U U
(2.57)
2
1,2, ,im
;
1,2, ,jl
với
Q
là ma trận đối xứng xác định dương ; trong đó
P
là nghiệm đối xứng xác định
dương của
min
; ( )
T
m
l
T T T
ij
ij
t
t t t t d w
V E PE E PE U U
(2.58)
Đạo hàm hàm
V
theo dọc quỹ đạo của (2.51) luôn âm sẽ là điều kiện đủ để (2.51)
ổn định. Biến đổi
V
ta thu được các điều kiện đó, kết quả được thể hiện ở (2.57).
2.5.2. Ví dụ minh họa
2.6. Xác định điều kiện ứng đối cho việc bù nhiễu trong các hệ thống có trễ với
nhiều thành phần nhiễu tác động
Đã xác định được điều kiện ứng đối, đó chính là điều kiện để có thể bù được
nhiễu. Cụ thể là GB = D.
Hình 2.16. Sơ đồ cấu trúc của đối tượng có trễ trong kênh điều khiển, có nhiễu phụ thuộc
trạng thái tác động và kênh bù nhiễu trên cơ sở nhận dạng nhiễu
f
t
t
J H dt
XU
(3.3)
3.2. Xây dựng tiêu chuẩn tối ưu cho bài toán điều khiển tối ưu và điều khiển dự báo
3.3. Xây dựng thuật toán điều khiển dự báo dựa trên mô hình nội cho lớp đối
tượng phi tuyến có trễ trên cơ sở đã nhận dạng và bù nhiễu
Theo phương pháp tiếp cận trình bày tại mục 3.2., chúng ta lựa chọn tiêu chuẩn
tối ưu dạng:
0
( ) ( ) ( ) ( )
TT
t
J t t t t dt
X QX U RU
, (3.13)
với các ma trận trọng lượng Q và R là đối xứng xác định dương và là các ma trận cố
định. Các trọng số ma trận Q lớn gấp nhiều lần ma trận R.
00
0
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
T
X QX V RV
(3.15)
Cho đối tượng (3.1) với điều kiện biên
()
X
0
00
( ) ( ) ( ) ( ) ( )
t
t
t t t t t d
X X BU
, (3.16)
11
với
0
; ( ) ( ); (0) I; ( ) 0, 0t t t t t t
A
. (3.17)
Luật điều khiển tối ưu theo chỉ tiêu tối ưu (3.15) cho đối tượng có dạng:
X X BV X BU
(3.21)
00
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
t
op
t
tt
t t t d
t t d t d
U K X K BU
K X K BU BU
(3.22)
Thành phần thứ nhất trong dấu móc chính là vectơ trạng thái của hệ thống có
(3.24)
21
(t) ( ) ( ) ( ) ( )
op M M
t t t
U K X KX KX
(3.25)
Hình 3.1. Sơ đồ cấu trúc của hệ thống điều khiển dựa trên mô hình dự báo cho lớp đối
tượng có trễ
Rõ ràng là mô hình MH
2
thực hiện việc dự báo véctơ trạng thái của đối tượng,
với thời gian dự báo là
, trong điều kiện không có nhiễu tác động và với
;
MM
A A B B
, ta có:
2
( ) ( )
M
tt
XX
(3.26)
12
và của vectơ trạng thái của mô hình dự báo MH
2
không chứa trễ
2
()
M
tX
tại thời điểm t.
Tuy nhiên luật điều khiển (3.25) chỉ áp dụng được cho các trường hợp, khi các
ma trận A và B có các thành phần không thay đổi và đối tượng điều khiển (3.1), (3.2)
không chịu tác động của nhiễu. Để có thể áp dụng được luật điều khiển (3.25) cho
trường hợp tồn tại các nhiễu phụ thuộc trạng thái, chúng ta có thể sử dụng các
phương pháp nhận dạng và bù trừ nhiễu đã đề xuất trong Chương 2. Như vậy, kết hợp
phương pháp tổng hợp luật điều khiển dựa trên mô hình dự báo đề xuất với phương
pháp nhận dạng và bù trừ các nhiễu tác động lên đối tượng chúng ta sẽ giải quyết
được trọn vẹn bài toán điều khiển dựa trên mô hình dự báo cho một lớp rất rộng các
đối tượng có trễ dưới tác động của nhiễu, đặc biệt là nhiễu phi tuyến bất định phụ
thuộc trạng thái.
Luật điều khiển thu được là một hàm giải tích của vectơ trạng thái của đối
tượng điều khiển, vectơ trạng thái của mô hình chứa trễ, vừa đảm bảo tính tối ưu vừa
đảm bảo tính ổn định cho hệ thống. Việc tính toán để xác định giá trị điều khiển tối
ưu U
op
(t) theo luật điều khiển thu được tại biểu thức (3.25) rất đơn giản, chỉ cần thực
hiện ba phép nhân và một phép cộng mà không đòi hỏi phải giải phương trình vi phân
Riccati với hai điều kiện biên như đối với các trường hợp t
f
là hữu hạn. Vì vậy, tính
thời gian thực và đi liền với nó là tính khả thi của luật điều khiển hoàn toàn được đảm bảo.
3.4. Xây dựng mô hình toán cho đối tượng CSTR
Hình 3.3. Mô hình bình phản ứng khuấy trộn liên tục CSTR
Phương trình vi phân mô tả động học của bình phản ứng khuấy trộn liên tục có
dạng như sau:
14
12
1 2 1
12
2
2
( ) ( ) 0.2
1
bb
b b b b
b
dh t
có
2
0u const
. Quá trình điều
khiển nồng độ được thực hiện ở van T
1
bằng cách thay đổi một tín hiệu điều khiển
1
u
.
Trường hợp 2: Trường hợp này điều khiển đồng thời cả nồng độ dung dịch
và mức dung dịch. Người ta sử dụng cả hai van điều khiển T
1,
T
2
để điều khiển lưu
lượng của các hợp chất đầu vào thông qua hai tín hiệu điều khiển
1
u
,
2
u
.
3.4.1. Xây dựng mô hình toán cho đối tượng CSTR với một tín hiệu điều khiển
Trường hợp này ta chỉ điều khiển van T
1
qua tín hiệu u
1
có thời gian trễ là
bb
b b b
bb
b
h h t
dh
h t u t τ
dt h
h
dC u u k k C u u
k
C C C C h t C t
dt h h k C h h k C
C C k k C t
ut
ut τ C C
h k C
10 20
22
(3.41)
11 11 1 1
21 22 21 1 2 1
( ) ( ) ( )
( ) ( ) ( ) ( , , )
b b b
h a h t b u t τ f h
C a h t a C t b u t τ f h C u
(3.42)
3.4.2. Xây dựng mô hình toán cho đối tượng CSTR với hai tín hiệu điều khiển
00
()
0,1
( ) ( ) ( ) 0,025
2
( ) ( ) ( ) ( )
(1 ) (1 )
( ) ( ) 2 ( )
( ) ( )
bb
b b b b b
bb
b b b b b
h h t
dh
h t u t τ u t τ
dt h
h
dC u u k k C u u
k
C C C C h t C t
dt h h k C h h k C
C C C C k k C t
ut τ u t τ
hh
b
ut τ
C C h t
k C h
uu
ut τ u t τ u t τ
C C h t C t h t C t C t
h h h h
k C u u
C C C C
k C h h
= 24,9 (mol/l), C
b2
= 0,1 (mol/l); k
1
= 1,
k
2
=1;
01
0,1u
;
02
0,1u
theo các tài liệu [3], [53], [67]. Điểm làm việc cân bằng (danh
định) là: h
0
= 1m, C
bo
=14,447mol/l. Khi chỉ có một tín hiệu điều khiển u
1
tác động ta
có các thông số động học của đối tượng CSTR như sau:
2
1
2
2 1 1 1
0,1 0 1
;
0,0606 0,188 14,953
()
2
của đối tượng
thực và sau khi nhận dạng sử dụng một tín hiệu điều khiển với thời gian trễ
30s
Kết quả nhận dạng thể hiện trên Hình 3.7 cho thấy sai lệch giữa hàm nhiễu
1
()fh
và hàm nhiễu đánh giá
1
ˆ
()fh
sau khi nhận dạng có sai số ở thời điểm bắt đầu
tương đối lớn xấp xỉ 45%, còn sai lệch giữa hàm nhiễu
21
( , , )
b
f h C u
và hàm nhiễu đánh
giá
21
ˆ
( , , )
b
f h C u
có sai số ở thời điểm ban đầu xấp xỉ 20%. Tuy nhiên, với luật cập nhật
trọng số đề xuất đã nhanh chóng thích nghi để quá trình nhận dạng hội tụ và tiến về
phạm vi sai số mong muốn cho trước tương ứng là
0,0606 0,188 14,953 14,347 0 1
0,025
0,0084 14,953 0,2 14,347
b b b b
h
C u h u C C h u h u C
A B D
F(Y)Hình 3.14. Tín hiệu hàm nhiễu mức dung dịch f
1
và nhiễu nồng độ dung dịch f
2
của đối
tượng thực và sau khi nhận dạng trong trường hợp sử dụng hai tín hiệu điều khiển với thời
gian trễ
30s
,
5
2
10
M
.
Trong trường hợp hàm nhiễu phức tạp hơn với luật cập nhật trọng số theo Định
lý 2.2. ta cũng hoàn toàn nhận dạng được nhiễu với độ chính xác và sai số mong
muốn cho trước.
3.6. Xây dựng hệ thống điều khiển dự báo dựa trên mô hình nội cho đối tượng
CSTR trên cơ sở đã nhận dạng và bù nhiễu
3.6.1. Xây dựng bộ IMPC điều khiển một kênh C
b
với một tín hiệu điều khiển
Trong trường hợp này phương trình động học của CSTR sau khi bù nhiễu sẽ có
dạng:
22 21 1
( ) ( )
bb
C a C t b u t τ
(3.52)
Hình 3.19. Sơ đồ cấu trúc điều khiển một kênh nồng độ dung dịch C
b
( , , , )
b
f h C u u
phương trình
động học của đối tượng CSTR có dạng:
11 11 1 12 2
21 22 21 1 22 2
( ) ( ) ( )
( ) ( ) ( ) ( )
bb
h a h t b u t τ b u t τ
C a h t a C t b u t τ b u t τ
(3.53)
Hình 3.21. Sơ đồ cấu trúc điều khiển hai kênh mức dung dịch h và nồng độ dung dịch C
b
sử
dụng hai tín hiệu điều khiển theo cấu trúc IMPCHình 3.22. Đáp ứng mức dung dịch h và nồng độ dung dịch C
b
của bộ điều khiển IMPC sử
- Trường hợp thứ nhất: So sánh bộ điều khiển PID khi chưa có nhận dạng và bù
nhiễu với bộ điều khiển IMPC đã đề xuất.
Hình 3.24. Đáp ứng nồng độ dung dịch C
b
của bộ điều khiển PID chưa có nhận dạng, bù nhiễu
và của bộ điều khiển IMPC sử dụng một tín hiệu điều khiển cho đối tượng khi không có trễ
0s
Hình 3.25. Đáp ứng nồng độ dung dịch C
b
của bộ điều khiển PID chưa có nhận dạng, bù nhiễu
và của bộ điều khiển IMPC sử dụng một tín hiệu điều khiển cho đối tượng khi có trễ
5s
Trên Hình 3.24 và Hình 3.25 là đáp ứng nồng độ dung dịch với thời gian trễ
0s
và
5s
khi đầu vào là hàm bước nhảy với C
b
5s
Trên Hình 3.27 và Hình 3.28 là đáp ứng nồng độ dung dịch với thời gian trễ
0s
và
5s
khi đầu vào là hàm bước nhảy với C
b
= 0,5 (mol/l). Kết quả mô
phỏng cho thấy:
Khi không có trễ
0s
, trong trường hợp này cả hai bộ điều khiển đều cho
chất lượng tốt. Khi có trễ
5s
, trong trường hợp này thì chất lượng điều khiển khác
nhau rõ rệt: chất lượng điều khiển của hệ thống sử dụng PID không tốt, đã xảy ra quá
điều chỉnh; trong khi hệ thống IMPC thì vẫn đảm bảo tốt chất lượng điều khiển:
không xảy ra quá điều chỉnh và sai số xác lập bằng không. Điều đó đã làm nổi bật
tính ưu việt của hệ thống IMPC cho các trường hợp có trễ.
Hình 3.31. và Hình 3.32. thể hiện đáp ứng mức dung dịch h và nồng độ dung
dịch C
b
trong các trường hợp trễ
0s
,
5s
. Nhận thấy với đối tượng phi tuyến như
bình trộn CSTR thì bộ điều khiển PID không đáp ứng được chất lượng điều khiển vì
độ quá điều chỉnh và thời gian quá độ lớn, đặc biệt khi có trễ trên kênh điều khiển thì
bộ điều khiển PID không thể thỏa mãn được bài toán công nghệ. Qua quan sát kết
quả mô phỏng cũng cho thấy đáp ứng của bộ điều khiển IMPC đã được đề xuất có
chất lượng điều khiển ưu việt hơn, không có sự quá điều chỉnh, sai số xác lập bằng
không và đáp ứng tốt khi đối tượng có trễ trên kênh điều khiển.
22
- Trường hợp thứ hai: So sánh bộ điều khiển PID với bộ điều khiển IMPC khi cả hai
đều có tích hợp công cụ nhận dạng và bù nhiễu đã được đề xuất. Hình 3.34. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch C
b
của bộ điều khiển
lập bằng không. Tuy nhiên khi tín hiệu trên kênh điều khiển có trễ thì bộ điều khiển
PID đã rất nhanh chóng bị mất ổn định còn bộ điều khiển IMPC vẫn đảm bảo tốt chất
lượng điều khiển.
Copyright: Tài liệu đại học ©