i

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 TUYỄN
LUẬN ÁN TIẾN SĨ KĨ THUẬT
Chuyên ngành: Kỹ thuật điều khiển và Tự động hóa

THÁI NGUYÊN 2015
Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

ii

LỜI CAM ĐOAN
Tôi tên là Lê thị Huyền Linh, tôi xin cam đoan đây là công trình nghiên cứu
của cá nhân tôi dƣới sự hƣớng dẫn của tập thể các nhà khoa học và các tài liệu tham
khảo đã trích dẫn. Kết quả nghiên cứu là trung thực và chƣa đƣợc công bố trên bất
cứ một công trình nào khác.

Thái Nguyên, ngày 5 tháng 8 năm 2015
Tác giả luận án

Lê Thị Huyền Linh

Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

iv

MỤC LỤC
LỜI CAM ĐOAN ........................................................................................................ i
LỜI CẢM ƠN ........................................................................................................... iii
MỤC LỤC .................................................................................................................. iv
DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT ............................................vii
DANH MỤC CÁC BẢNG BIỂU ............................................................................... x
DANH MỤC CÁC HÌNH VẼ.................................................................................... xi
MỞ ĐẦU ..................................................................................................................... 1
1. Tính cấp thiết của đề tài luận án ............................................................................. 1
2. Phạm vi, đối tƣợng nghiên cứu và phƣơng pháp nghiên cứu ................................ 3
3. Mục tiêu của luận án .............................................................................................. 4
4. Những đóng góp mới về lý luận và thực tiễn của luận án ..................................... 4
5. Bố cục của luận án ................................................................................................. 5
CHƢƠNG 1
TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
1.1.

7

Giới thiệu tổng quan về điều khiển dự báo theo mô hình ................................ 7

1.1.1. Khái niệm ......................................................................................................... 7
1.1.2. Nguyên lý của điều khiển dự báo theo mô hình............................................... 8
1.1.3. Các thành phần chính trong điều khiển dự báo dựa trên mô hình ................. 10
1.2.



/>

v

2.1.4 Tóm lƣợc về nhận dạng trực tuyến hệ phi tuyến sử dụng mạng nơron nhân
tạo ................................................................................................................... 31
2.2.

Bài toán nhận dạng nhiễu cho lớp hệ phi tuyến có trễ ................................... 32

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 ................................................. 33

2.3.1. Xây dựng thuật toán nhận dạng nhiễu ............................................................ 33
2.3.2. Ví dụ minh họa ............................................................................................... 42
2.4.

Tổng hợp tin hiệu bù nhiễu cho hệ thống có trễ với một kênh điều khiển ........... 45

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 .................................................... 46

2.5.1. Xây dựng thuật toán nhận dạng ........................................................................ 47
2.5.2. Ví dụ minh họa ............................................................................................... 54
2.6.


Xây dựng mô hình toán cho đối tƣợng CSTR................................................ 71

3.4.1. Xây dựng mô hình toán cho đối tƣợng CSTR với một tín hiệu điều khiển ... 76
3.4.2. Xây dựng mô hình toán cho đối tƣợng CSTR với hai tín hiệu điều khiển .... 80
3.5.

Thiết kế mô hình nhận dạng các nhiễu cho đối tƣợng CSTR ........................ 82

3.5.1. Thiết kế mô hình nhận dạng nhiễu trên hai kênh h và Cb với một tín hiệu điều
khiển ............................................................................................................... 82
Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

vi

3.5.2. Thiết kế mô hình nhận dạng nhiễu trên hai kênh h và Cb với hai tín hiệu điều
khiển ............................................................................................................... 88
3.6.

Xây dựng hệ thống điều khiển dự báo dựa trên mô hình nội cho đối tƣợng
CSTR trên cơ sở đã nhận dạng và bù nhiễu ................................................... 93

3.6.1. Xây dựng bộ IMPC điều khiển một kênh Cb với một tín hiệu điều khiển ........... 93
3.6.2. Xây dựng bộ IMPC điều khiển đồng thời cả hai kênh Cb và h với hai tín hiệu
điều khiển ....................................................................................................... 95
3.7.

So sánh bộ điều khiển PID với bộ điều khiển IMPC đã đƣợc nhận dạng và bù

X(tk+ 1), X(tk+ 2 ),...

trạng thái thại thời điểm tk+1, tk+2

x(t )

đầu ra của đối tƣợng điều khiển

u(t ) , U(t )

tác động điều khiển

τ

thời gian trễ

ai

các thông số đặc trƣng cho động học của đối tƣợng

f ( ) , F(X, U)

vectơ các tác động nhiễu

fˆ ( X, U) , Fˆ ( X, U)

hàm đánh giá của f (X, U)

wi* , wij


f i (X )

các hàm cơ sở

C i , Cij

tâm của hàm cơ sở

s i , s ij

độ trải rộng của hàm cơ sở

e(t ) , E(t )
%
f (X)

sai số trạng thái đầu ra

P,Q

ma trận đối xứng xác định dƣơng

rmin (Q) , rmax (Q )

giá trị riêng nhỏ nhất, lớn nhất của ma trận Q

λ , λ0

hệ số dƣơng λ > 0 , λ0 > 0


X, U

các tập Compact

h

mức dung dịch

Cb

nồng độ dung dịch

l

khoảng cách từ van đến thành bình

T1, T2, T3

các van điện

T

hằng số thời gian

mv1, mv2, mv3

lƣu lƣợng của các dung dịch

K



HEICON

Hierarchical Constraint Control

IMPC

Internal Model Predictive Control

GPC

Generalized Predictive Control

LS

Least Squares

MAC

Model Algorithmic Control

MIMO

Multiple Input Multiple Output

MPC

Model Predictive Control

NAV


Sequential Monte Carlo

SISO

Single Input Single Output

Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

x

DANH MỤC CÁC BẢNG BIỂU
Bảng 1.1. Bảng phân loại một số phƣơng pháp sử dụng cho xây dựng mô hình, giải
bài toán tối ƣu cho đối tƣợng tuyến tính, phi tuyến trong MPC ............................... 14
Bảng 1.2. Bảng tóm lƣợc một số phƣơng pháp nhận dạng mô hình dự báo của một
số phƣơng pháp MPC ............................................................................................... 17
Bảng 1.3. Bảng tóm lƣợc một số kỹ thuật MPC của một số hãng trên thế giới ....... 17

Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

xi

DANH MỤC CÁC HÌNH VẼ
Hình 1.1. Hình ảnh về ứng dụng điều khiển trong công nghệ xử lý hóa chất ............ 8
Hình 1.2. Nguyên lý cơ bản của điều khiển dự báo dựa trên mô hình ....................... 9
Hình 1.3. Sơ đồ khối hệ thống điều khiển dự báo dựa trên mô hình ........................ 11


xii

Hình 2.18. Sơ đồ cấu trúc của đối tƣợng có trễ trong kênh điều khiển, có nhiễu phụ
thuộc trạng thái tác động và kênh bù nhiễu trên cơ sở nhận dạng nhiễu .................. 59
Hình 3.1. Sơ đồ cấu trúc của hệ thống điều khiển dựa trên mô hình dự báo cho lớp
đối tƣợng có trễ ......................................................................................................... 68
Hình 3.2. Sơ đồ cấu trúc hệ thống điều khiển dựa trên mô hình dự báo cho đối
tƣợng có trễ dựa trên cơ sở nhận dạng bằng mạng nơron đã có bù nhiễu ................ 70
Hình 3.3. Mô hình bình phản ứng khuấy trộn liên tục CSTR ................................... 72
Hình 3.4. Sơ đồ mô phỏng cấu trúc nhận dạng các nhiễu cho đối tƣợng CSTR dùng
mạng nơron RBF và cơ cấu thích nghi AB với một tín hiệu điều khiển .................. 83
Hình 3.5. Sơ đồ khối mô tả đối tƣợng thực ............................................................... 83
Hình 3.6. Sơ đồ khối mô tả hàm nhiễu F(.) sử dụng một tín hiệu điều khiển ........... 84
Hình 3.7. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dịch f2 của
đối tƣợng thực và sau khi nhận dạng sử dụng một tín hiệu điều khiển với thời gian
trễ

30s .................................................................................................................. 85

Hình 3.8. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb sử dụng một tín hiệu
điều khiển với thời gian trễ

30s .......................................................................... 85

Hình 3.9. Sơ đồ khối mô tả hàm nhiễu F(.) + hàm sin trong trƣờng hợp sử dụng một
tín hiệu điều khiển ..................................................................................................... 86
Hình 3.10. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dich f2 của
đối tƣợng thực và sau khi nhận dạng trong trƣờng hợp nhiễu có thêm hàm sin sử
dụng một tín hiệu điều khiển với thời gian trễ

Hình 3.17. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dịch f2 của
đối tƣợng thực và sau khi nhận dạng trong trƣờng hợp nhiễu có thêm hàm sin sử
dụng hai tín hiệu điều khiển với thời gian trễ

30s .............................................. 92

Hình 3.18. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb của đối tƣợng và sau
khi nhận dạng khi có thêm hàm sin sử dụng hai tín hiệu điều khiển với thời gian trễ
30s ....................................................................................................................... 93

Hình 3.19. Sơ đồ mô phỏng cấu trúc điều khiển một kênh nồng độ dung dịch Cb sử
dụng một tín hiệu điều khiển theo cấu trúc IMPC .................................................... 94
Hình 3.20. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển IMPC sử dụng một tín
hiệu điều khiển cho đối tƣợng có trễ

5s .............................................................. 94

Hình 3.21. Sơ đồ mô phỏng cấu trúc điều khiển hai kênh mức dung dịch h và nồng
độ dung dịch Cb sử dụng hai tín hiệu điều khiển theo cấu trúc IMPC ...................... 96
Hình 3.22. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb của bộ điều khiển
IMPC sử dụng hai tín hiệu điều khiển cho đối tƣợng có trễ

5s .......................... 96

Hình 3.23. Sơ đồ mô phỏng cấu trúc so sánh bộ điều khiển PID chƣa có nhận dạng
và bù nhiễu với bộ điều khiển dự báo theo IMPC điều khiển một kênh nồng độ dung
dịch Cb ....................................................................................................................... 98
Hình 3.24. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển PID chƣa có nhận
dạng, bù nhiễu và của bộ điều khiển IMPC sử dụng một tín hiệu điều khiển cho đối
tƣợng khi không có trễ

với bộ IMPC điều khiển hai kênh mức dung dịch h và nồng độ dung dịch Cb....... 103
Hình 3.31. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ điều
khiển PID chƣa nhận dạng, bù nhiễu và của bộ IMPC sử dụng hai tín hiệu điều
khiển cho đối tƣợng khi không trễ

0s ............................................................... 103

Hình 3.32. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ điều
khiển PID chƣa nhận dạng, bù nhiễu và của bộ IMPC sử dụng hai tín hiệu điều
khiển cho đối tƣợng khi có trễ

5s ..................................................................... 104

Hình 3.33. Sơ đồ mô phỏng cấu trúc so sánh bộ điều khiển IMPC và PID có tích
hợp nhận dạng và bù nhiễu điều khiển hai kênh mức dung dịch h và nồng độ dung
dịch Cb ................................................................................................................... ..105
Hình 3.34. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ điều
khiển IMPC và PID có tích hợp nhận dạng và bù nhiễu sử dụng hai tín hiệu điều
khiển cho đối tƣợng khi không trễ

0s ............................................................... 105

Hình 3.35. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ điều
khiển IMPC và PID có tích hợp nhận dạng và bù nhiễu sử dụng hai tín hiệu điều
khiển cho đối tƣợng có trễ

5s ........................................................................... 106

Số hóa bởi Trung tâm Học liệu - ĐHTN


công nghiệp giấy,… Để xây dựng các hệ thống điều khiển cho các đối tƣợng có trễ,
đã có nhiều phƣơng pháp đƣợc đề xuất [5], [6], [17], [30], [70], [74]. Đáng chú ý
trong các phƣơng pháp đó là các phƣơng pháp xây dựng hệ thống điều khiển có mô
hình dự báo. Điều khiển dự báo tỏ rõ tính ƣu việt đối với các đối tƣợng có trễ, các
Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

2

đối tƣợng có động học chậm (slow dynamical plants) và các trƣờng hợp có các ràng
buộc đối với tín hiệu điều khiển và vectơ trạng thái [17], [30], [57], [70]. Tuy nhiên
một trong những khó khăn chính đối với MPC phi tuyến là phải giải một bài toán
tối ƣu hóa trực tuyến phi tuyến, lặp lại. Khó khăn đó sẽ tăng lên nhiều khi có sự tác
động của nhiễu, của các thành phần không mô hình hóa đƣợc hay còn gọi là các
nhiễu bất định [30], [70]. Sự tồn tại của các yếu tố bất định làm cho vấn đề điều
khiển dự báo khó khăn gấp bội, do phải đồng thời xử lý tính phức tạp của bài toán
tối ƣu hóa phi tuyến trực tuyến và xử lý các yếu tố bất định. Trong công trình mang
tính tổng quan tác giả Mayne D. Q. và các cộng sự đã nhấn mạnh mức độ phức tạp
đặt biệt này (extra level of complexity) và nêu rõ: hầu hết các công trình đã được
công bố liên quan đến điều khiển dự báo bền vững với các đối tượng phi tuyến bất
định mới chỉ xem xét các hệ không chứa trễ, không chứa các ràng buộc đối với
vectơ trạng thái, vectơ đầu vào điều khiển và vectơ tín hiệu đầu ra [50]. Đối với các
đối tƣợng phi tuyến bất định có trễ, độ phức tạp nêu trên còn đƣợc cộng thêm phần
trở ngại do hiệu ứng trễ gây ra. Mặt khác, do các đối tƣợng có trễ này rất phổ biến
trong công nghiệp, yêu cầu nâng cao chất lƣợng điều khiển ngày càng cao, dẫn đến
vấn đề xây dựng các phƣơng pháp điều khiển dự báo cho lớp đối tƣợng này càng trở
nên bức thiết. Nhằm góp phần giải quyết vấn đề này, luận án đặt vấn đề nghiên cứu:
điều khiển dự báo cho lớp đối tượng với thành phần phi tuyến bất định, có trễ và
không có các ràng buộc kèm theo.

lớp đối tƣợng phi tuyến, có trễ, hệ dừng thƣờng 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 nghiên cứu
nhận dạng nhiễu, bù trừ nhiễu và điều khiển dự báo theo mô hình cho các đối tƣợng
có trễ trên kênh điều khiển, có nhiễu phụ thuộc trạng thái.
Với tính chất đặc thù và những ƣu điểm vốn có, điều khiển dự báo đƣợc ƣu
tiên áp dụng cho các đối tƣợng có trễ, các đối tƣợng có động học biến đổi chậm và
cho các trƣờng 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 nghiên cứu xây dựng
phƣơng pháp nhận dạng nhiễu trực tuyến và phƣơng pháp điều khiển dự báo theo
mô hình cho các đối tƣợng có trễ trong điều khiển. Bài toán điều khiển dự báo cho
các đối tƣợng này khi có ràng buộc đƣợc xem là bƣớc phát triển tiếp theo của luận
án. Tuy nhiên, một khi đã nhận dạng trực tuyến đƣợc nhiễu, vấn đề điều khiển dự
báo có các ràng buộc có thể đƣợc giải quyết bằng các phƣơng pháp hiện có [30].
Phương pháp nghiên cứu: Luận án sử dụng phƣơng pháp phân tích, đánh
giá và tổng hợp. Thông qua nghiên cứu lý thuyết để đề xuất vấn đề cần giải
Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

4

quyết và xây dựng thuật toán giải quyết vấn đề đó, kiểm chứng các nghiên cứu lý
thuyết bằng mô phỏng và cuối cùng là áp dụng thuật toán đề xuất cho một đối
tƣợng cụ thể.
3. Mục tiêu của luận án
Mục tiêu của luận án là xây dựng phƣơng pháp mới để nhận dạng mô hình
trực tuyến cho một lớp đối tƣợng phi tuyến có trễ trong hệ thống điều khiển dự báo
theo mô hình; đồng thời xây dựng cấu trúc điều khiển dự báo theo mô hình nội, áp
dụng các kết quả thu đƣợc cho một đối tƣợng cụ thể trong công nghiệp.

Đề xuất đƣợc phƣơng pháp tổng hợp hệ thống điều khiển IMPC cho lớp đối
tƣợng có trễ trong điều khiển. Đã tích hợp bộ điều khiển IMPC với bộ nhận
Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

5

dạng nhiễu trên cơ sở mạng nơron RBF và kênh bù trừ nhiễu, làm cho hệ
thống vừa đáp ứng tiêu chuẩn tối ƣu, vừa có tính thích nghi, kháng nhiễu.
5.

Tổng hợp đƣợc bộ nhận dạng nhiễu và kênh bù nhiễu, xây dựng thành công hệ
thống IMPC vừa tối ƣu vừa có khả năng thích nghi và kháng nhiễu cho tháp
(bình) phản ứng khuấy trộn liên tục CSTR.

Những đóng góp trên đây vừa có ý nghĩa khoa học, vừa có giá trị thực tiễn và có thể
áp dụng cho một lớp rất rộng các đối tƣợng trong các lĩnh vực công nghiệp, đặc biệt
với các đối tƣợng có trễ.
5. Bố cục của luận án
Luận án gồm 03 chƣơng, phần mở đầu và kết luận, đƣợc bố cục nhƣ sau:
Chƣơng 1. Tổng quan về vấn đề nghiên cứu
Chƣơng này nghiên cứu tổng quan về lý thuyết điều khiển dự báo theo mô
hình tuyến tính và phi tuyến, tập trung cho lớp đối tƣợng có trễ. Thống kê một số
thuật toán, phƣơng pháp xây dựng mô hình dự báo và các ứng dụng thực tế thƣơng
mại. Những khó khăn đặc thù của lớp đối tƣợng có trễ và có nhiễu phi tuyến bất
định. Những hạn chế của bài toán tối ƣu và xây dựng mô hình khi phải đối mặt với
lớp đối tƣợng này, từ đó đƣa ra đề xuất mục tiêu của luận án làm sao nhận dạng
đƣợc nhiễu và bù nhiễu, tiếp theo đƣa ra phƣơng pháp điều khiển dự báo dựa trên
cơ sở sử dụng kết quả đã nhận dạng và bù nhiễu.

IMPC với bộ nhận dạng và kênh bù nhiễu cho cả hai chế độ làm việc của CSTR.
Kết quả mô phỏng đã chứng minh đầy đủ tính hiệu quả của hệ thống.
Phần kết luận: đã nêu bật những kết quả và những đóng góp mới của luận
án, đồng thời đã chỉ rõ các hƣớng nghiên cứu phát triển tiếp theo.

Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

7

CHƢƠNG 1
TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
Equation Chapter (Next) Section 1

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 còn gọi là điều khiển dịch dần về tƣơng lai
(Receding Horizon Control) là một xu hƣớng điều khiển đƣợc xuất hiện từ cuối
những năm 1970 [52], [74]. MPC là một trong những phƣơng pháp điều khiển tìm
ra tín hiệu điều khiển một cách lặp lại dựa vào việc giải một bài toán điều khiển tối
ƣu với một hàm mục tiêu cụ thể. So sánh với các phƣơng pháp điều khiển khác,
MPC có một số những ƣu điểm nổi trội khi áp dụng với các hệ thống có trễ, có quá
trình động học chậm và cho phép thỏa mãn các điều kiện có tính chất ràng buộc, các
yêu cầu về điều kiện vận hành với các chỉ tiêu chất lƣợng điều khiển cao. Trong hai
thập kỷ trở lại đây, điều khiển dự báo mô hình đã có những bƣớc phát triển rất đáng
kể, đã đóng góp đƣợc khá nhiều các phƣơng pháp về mặt học thuật cũng nhƣ đẩy
mạnh khả năng ứng dụng của MPC trong thực tế, những điều đó đƣợc thể hiện
trong các tài liệu [15], [17], [31].
Điều khiển dự báo theo mô hình là phƣơng pháp điều khiển hệ thống dựa

nghệ bột giấy và giấy,...[70], [71].

Hình 1.1. Hình ảnh về ứng dụng điều khiển trong công nghệ xử lý hóa chất

1.1.2. Nguyên lý của điều khiển dự báo theo mô hình
Nguyên lý của điều khiển MPC [49] là dựa vào thông số trạng thái của mô
hình đối tƣợng và trạng thái thực của chúng tại một số thời điểm liên tiếp để xác
định tín hiệu điều khiển tốt nhất có thể (tối ƣu) trong một khoảng thời gian hữu hạn
(a finite time horizon). Tín hiệu điều khiển này đƣợc đƣợc duy trì cho đến khi hệ
thống cập nhật lại trạng thái mới, khi đó tín hiệu điều khiển mới lại đƣợc tính toán
Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

9

và cập nhật lại trong khoảng thời gian hữu hạn tiếp theo. Điều khiển MPC đƣợc mô
tả theo thuật toán sau, thể hiện thông qua Hình 1.2.
Thuật toán điều khiển MPC
Cho một khoảng thời gian dự báo TP (cửa sổ dự báo, tầm dự báo) và khoảng
thời gian trích mẫu D T , tại một thời điểm trích mẫu t k = k D T ,

k = 0,1, 2, ...¥ Î N 0

1. Đo các trạng thái X (tk ) và tính (dự báo) các trạng thái tiếp theo
X(tk 1 ), X(tk 2 ),... của hệ thống

2. Giải bài toán điều khiển tối ƣu trong khoảng thời gian éëêtk , tk + T P ùûú
3. Đƣa tín hiệu điều khiển tối ƣu tác động lên hệ thống đến khi đo đƣợc các giá
trị trạng thái mới tại thời điểm trích mẫu tiếp theo tk + 1 = tk + D T

Ta có thể minh họa bản chất của điều khiển dự báo dựa trên mô hình thông
qua một ví dụ đó là bài toán đánh cờ giữa hai ngƣời. Giả thiết có ngƣời chơi cờ A
đấu với đối thủ B, hàm mục tiêu của ngƣời A là thắng đƣợc đối thủ B (là hàm mục
tiêu điều khiển). Để làm đƣợc điều này ngƣời A căn cứ vào các nƣớc đi hiện tại và
quá khứ của đối thủ B cũng nhƣ phong cách và trình độ (tính chất đối tƣợng cần
điều khiển) của đối thủ B để ƣớc đoán xem trong những bƣớc đi sắp tới đối thủ B sẽ
đi nhƣ thế nào (chính là nhận dạng đối tƣợng hay xây dựng mô hình dự báo). Sau
đó ngƣời A sẽ căn cứ tiếp vào những nƣớc cờ hiện tại và quá khứ của mình để xác

Số hóa bởi Trung tâm Học liệu - ĐHTN

/>

10

định các nƣớc cờ sắp tới của mình sao cho đạt đƣợc mục tiêu là chiến thắng đối thủ
(chính là thực hiện khâu điều khiển dự báo).
Bài toán điều khiển dự báo dựa trên mô hình có mức độ phức tạp sẽ phụ
thuộc vào tính chất và đặc điểm của đối tƣợng điều khiển, tùy theo lớp các đối
tƣợng cụ thể mà ngƣời ta sẽ sử dụng các phƣơng pháp xây dựng mô hình dự báo
khác nhau, việc xây dựng mô hình dự báo chính là bài toán nhận dạng mô hình của
đối tƣợng điều khiển.
Mặc dù là một phƣơng pháp điều khiển mạnh mẽ và đã có nhiều ứng dụng
thành công tuy nhiên trong thực tế việc áp dụng điều khiển dự báo đặc biệt là cho
đối tƣợng phi tuyến vẫn còn gặp những hạn chế, khó khăn:
- Thứ nhất, phải xây dựng mô hình toán học để dự báo chính xác trạng thái
của đối tƣợng cần điều khiển trong phạm vi dự báo. Đối với hệ phi tuyến thì xây
dựng đƣợc mô hình chính xác vẫn còn là một bài toán khó vì đặc tính phi tuyến rất
đa dạng.
- Thứ hai, phải giải một bài toán tối ƣu để tính chuỗi tín hiệu điều khiển

ˆ (k
phải xác định đƣợc các giá trị trạng thái tƣơng lai tại các thời điểm X

j

ˆ (k
1, 2,..N và ký hiệu là X

j ),

j | k ) . Các mô hình dự báo khác nhau thì khác

nhau ở cách biểu diễn mối quan hệ vào ra của đối tƣợng điều khiển, thông thƣờng
mô hình dự báo sẽ bao gồm hai phần đó là mô hình của đối tƣợng điều khiển và mô
hình nhiễu.
Mô hình động học của đối tƣợng trong không gian trạng thái cho lớp đối
tƣợng có trễ ở dạng tổng quát nhƣ sau:
 (t )
X

n

A 0 X (t )

n

A i X (t

i



) , vừa có trễ tín hiệu điều khiển U(t

j

) . A, B là các ma trận hệ số

hằng biểu diễn các thông số động học của đối tƣợng. Tùy vào tính chất đặc điểm
mỗi đối tƣợng mà ta có thể kết hợp các thành phần của mô hình tổng quát về dạng
Số hóa bởi Trung tâm Học liệu - ĐHTN

/>