ĐẠI HỌC ĐÀ NẴNG
TRƯỜNG ĐẠI HỌC BÁCH KHOA
---------------------------------------

LÊ MINH THÀNH

ĐIỀU KHIỂN NHIỆT ĐỘ LÒ HƠI TẦNG SÔI TUẦN HOÀN ỨNG DỤNG TRÍ
TUỆ NHÂN TẠO

Chuyên ngành : KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA
Mã số: 60.52.02.16

TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA

Đà Nẵng – Năm 2018


Công trình được hoàn thành tại
TRƯỜNG ĐẠI HỌC BÁCH KHOA
Người hướng dẫn khoa học: TS. Nguyễn Quốc Định
Phản biện 1: TS. Nguyễn Anh Duy
Phản biện 2: TS. Hà Xuân Vinh
Luận văn sẽ được bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ chuyên
ngành Kỹ thuật điều khiển và tự động hóa học tại Trường Đại học Bách khoa vào ngày
19 tháng 05 năm 2018.
Có thể tìm hiểu luận văn tại:
 Trung tâm Học liệu, Đại học Đà Nẵng tại Trường Đại học Bách khoa
 Thư viện Khoa Điện, Trường Đại học Bách khoa - ĐHĐN


1

tuần hoàn.
3.2. Phạm vi nghiên cứu
- Điều khiển nhiệt độ lò hơi tầng sôi tuần hoàn sử dụng phương pháp điều khiển PID,
phương pháp sử dụng mạng nơrơn bán kính xuyên tâm RBF giám sát nhiệt độ lò và điều khiển
bằng mạng nơron PID.
- Mô phỏng quá trình điều khiển nhiệt độ lò hơi tầng sôi tuần hoàn.
4. Nội dung nghiên cứu
- Nghiên cứu mô hình lò hơi tâng sôi tuần hoàn.
- Nghiên cứu về lý thuyết điều khiển mờ, mạng nơron và mạng nơron kết hợp với
phương pháp điều khiển truyền thống.


2

- Nghiên cứu xây dựng mô phỏng quá trình điều khiển nhiệt độ lò hơi tầng sôi tuần hoàn
bằng phần mềm Matlab & Simulink.
5. Phương pháp nghiên cứu
Nghiên cứu lý thuyết kết hợp với việc làm mô phỏng thực nghiệm:
- Phương pháp nghiên cứu tài liệu: nghiên cứu lý thuyết và ứng dụng điều khiển mờ,
mạng nơron nhân tạo và mạng nơron bán kính xuyên tâm RBF.
- Nghiên cứu bộ điều khiển PID, điều khiển mờ và điều khiển mờ nơron để điều khiển
nhiệt độ lò hơi tầng sôi tuần hoàn.
- Đề tài thực hiện trong phạm vi mô phỏng mô hình trên công cụ Matlab – Simulink sẽ
là cơ sở để tiếp tục nghiên cứu trong thực tế.
- Trên cơ sở các kết quả mô phỏng rút ra kết luận.
6. Ý nghĩa khoa học và thực tiễn của đề tài
6.1. Ý nghĩa khoa học của đề tài
Nghiên cứu này cũng như các nghiên cứu khác có cùng mục tiêu nâng cao độ chính xác
sẽ cung cấp thêm cho những nhà nghiên cứu, đề tài sẽ mang lại một hướng mới trong việc
thiết kế bộ điều khiển nhiệt độ trong lò hơi tầng sôi tuần hoàn, ngoài việc dùng bộ điều khiển

Lò hơi theo được phân loại theo nhiều cách:
- Theo nhiệm vụ của lò hơi trong sản xuất: lò hơi công nghiệp và lò hơi sản xuất điện
năng.
- Theo chế độ đốt nhiên liệu trong buồng lửa: Lò ghi thủ công, lò ghi nửa cơ khí, lò ghi
cơ khí (ghi xich), lò phun nhiên liệu lỏng, lò phun nhiên liệu khí, lò phun bột than, lò buồng
đốt xoáy, lò buồng lửa tầng sôi.
- Theo chế độ tuần hoàn của nước trong lò ta: Lò tuần hoàn tự nhiên, lò tuần hoàn cưỡng
bức, lò trực lưu.
Tuy nhiên, cách phân loại này chỉ thể hiện một vài đặc tính nào đó của lò hơi, thực tế
khi gọi tên lò hơi người tathường kết hợp nhiều kiểu phân loại.
1.2. Cơ sở lý thuyết kỹ thuật tầng sôi
Tầng sôi là một vùng không gian được tạo bởi các hạt rắn gồm: than, tro, cát, đá vôi…
những hạt này được nâng lên và lơ lững trong buồng đốt nhờ áp lực của dòng không khí.
Khi dòng không khí xuyên qua lớp hạt rắn, dòng khí tạo xu hướng tách các hạt ra khỏi
nhau, làm cho lớp liệu trong buồng đốt giãn nở, sự tiếp xúc giữa không khí và nhiên liệu tăng
lên nhiều. Ở trạng thái này các hạt chuyển động tự do và sôi giống như chất lỏng nên gọi là
tầng sôi.
1.2.1 Sơ đồ nguyên lý tạo tầng sôi:
Ban đầu, lớp hạt nhiên liệu rắn nằm yên trên ghi có độ cao h.
Khi cho dòng không khí qua lưới phân phối vào lớp hạt nhiên liệu với tốc độ nhỏ,lớp
hạt không dịch chuyển.Tăng dần tốc độ ω gần bằng tốc độ ωs, chiều cao lớp liệu vẫn không
đổi ( trạng thái A), trở lực của lớp sôi tăng lên.
Khi tiếp tục tăng tốc độ đến ω = ωs, lúc này áp lực của dòng khí cân bằng trọng lực của
lớp liệu, lớp liệu bắt đầu chuyển động ( trạng thái B), các hạt chuyển động lơ lửng trong pha
khí, xoáy trộn với nhau và chuyển động hỗn loạn, độ rỗng và chiều cao của lớp liệu tăng lên,
trạng thái này gọi là trạng thái sôi.


4


+ Quạt thứ cấp có nhiệm vụ kiểm soát lượng gió dư.
- Hệ thống cấp nước


5

- Hệ thống hơi
- Hệ thống lọc bụi và thu hồi tro.
- Bộ quá nhiệt.
- Bộ hâm nước và sấy không khí.
1.4.2 Nhiên liệu
Lò tầng sôi tuần hoàn có thể đốt bằng nhiều dạng nhiên liệu như: rắn, lỏng, khí với chất
lượng từ cao đến thấp.
Các loại nhiên liệu cụ thể như: than nâu, chất thải quá trình rửa than, than có hàm lượng lưu
huỳnh cao, than cốc, các chất thải không thể đốt được trong các lò hơi thông thường, các loại
phụ phẩm nông nghiệp như: trấu, bã mía,vỏ cây, gỗ vụn, gỗ phế phẩm, rác thải,….
1.4.3 Quá trình cháy của nhiên liệu
Trong buồng đốt lò hơi tầng sôi nhiệt độ được duy trì trong khoảng 8500C ÷ 9500C. Khi nhiên
liệu được đưa vào trong lớp, nó được gia nhiệt một cách nhanh chóng và bốc cháy. Thường
nhiên liệu được đốt với lượng không khí thừa khoảng 20%. Thời gian lưu lại của nhiên liệu
trong buồng đốt tầng sôi dài hơn, và nhiên liệu được cháy một cách hiệu quả trong buồng đốt
tầng sôi ở nhiệt độ thấp hơn so với các phương pháp đốt nhiên liệu trên ghi và phun bột than.
Khi hạt nhiên liệu cháy, kích thước của nó sẽ giảm dần xuống, đến giá trị mà ở đó lực do dòng
khí tại ra lớn hơn trọng lượng hạt thì hạt sẽ bị cuốn ra ngoài.
Vì vậy thời gian lưu lại của hạt được xác định bởi kích thước ban đầu ban đầu của hạt nhiên
liệu, và mức độ giảm kích thước hạt do cháy và do ma sát.
a, Ưu điểm:




G=

5.84(1+11.6𝑠)
(147𝑠 + 1)(148𝑠 + 1)

𝑒 −80𝑠

Sau khi rời rạc hóa hàm truyền lò hơi, với thời gian lấy mẫu ts = 0.01s, mối quan hệ giữa
nhiệt độ buồng đốt lò hơi (y) và tín hiệu điều khiển (u) được thể hiện như sau:
y(k) = -1.7464y(k-1) + 0.7625y(k-2) + 0.1034u(k-5) + 0.0094u(k-6).


7

CHƯƠNG 2
TỔNG QUAN VỀ MẠNG NƠRON VÀ LOGIC MỜ
2.1. Đặt vấn đề
2.2. Tổng quan về điều khiển mờ
2.2.1. Giới thiệu
2.2.2. Cấu trúc của hệ điều khiển mờ
a) Sơ đồ khối: Sơ đồ các khối chức năng của hệ điều khiển mờ được chỉ ra trên hình
1.1. Trong đó các khối chính của bộ điều khiển mờ là khối mờ hóa, khối thiết bị hợp thành
và khối giải mờ. Ngoài ra còn có giao diện vào và giao diện ra để đưa tín hiệu vào bộ điều
khiển và xuất tín hiệu từ ngõ ra bộ điều khiển đến cơ cấu chấp hành.
Giao diện
vào

Mờ
hóa


b) Nơron với nhiều đầu vào (véc tơ vào)
2.3.5. Cấu trúc mạng
Nhiều nơron kết hợp với nhau tạo thành mạng nơron, mạng nơron có thể có một lớp


8

hoặc nhiều lớp.
a) Mạng một lớp
b) Mạng nhiều lớp
2.3.6. Huấn luyện mạng
* Mục đích huấn luyện mạng: Mạng nơron được huấn luyện để thực hiện những hàm
phức tạp trong nhiều lĩnh vực ứng dụng khác nhau như trong nhận dạng, phân loại sản phẩm,
xử lý tiếng nói, chữ viết và điều khiển hệ thống…
a) Huấn luyện gia tăng (huấn luyện tiến dần)
b) Huấn luyện mạng theo gói
2.3.7 Tổng quan về mạng nơron hàm cơ sở bán kính xuyên tâm RBFNN
. Hàm đối xứng xuyên tâm cơ sở RBFNN đã có từ lâu trong lý thuyết xấp xỉ và được
sử dụng để xấp xỉ hàm chưa biết dựa trên cơ sở các cặp điểm vào – ra biểu diễn hàm
chưa biết đó. Trong nhận dạng mô hình hệ thống RBFNN có thể biểu diễn theo cấu
trúc mạng perceptron. Mọi hệ phi tuyến có thể xấp xỉ bằng RBF, đây là điểm làm
cho RBF đặc biệt phù hợp với bài toán nhận dạng mô hình. Về nguyên tắc RBF có
thể được coi là mạng nơ-ron 3 lớp (với 1 lớp ẩn).Tuy nhiên đầu ra của mạng luôn
biến đổi tuyến tính đối với trọng số liên kết. Hàm bán kính là hàm chỉ phụ thuộc
vào khoảng cách từ đối số x đến một điểm c (gọi là tâm) cho trước.
W(x)= W(||x-A||)=W(r) với r=||x-A|| (2.19)
Một số hàm cơ bản trong RBFNN:
Hàm Gaussian: W(r)=exp{

−𝑥 2

f(x)={B,W(x)} (2.31)
vì vậy đây là hàm tuyến tính phân lớp dữ liệu trên không gian R^M.
Mạng RBF còn có thể dùng để xấp xỉ hàm số nếu ta trực tiếp dùng đầu ra y(x).
Khi sử dụng mạng RBF trong bài toán nhận dạng cần chú ý:
+ Dạng W nào cần chọn (thông thường chọn hàm Gaussian).
+ Bao nhiêu tâm sẽ cho kết quả tốt nhất và tâm cần đặt ở đâu.
+ Bao nhiêu dữ liệu cần thiết đủ để huấn luyện mạng.
Hàm cơ sở có thể có nhiều dạng. Mỗi dạng có thể phù hợp với bài toán này nhưng
không phù hợp với bài toán khác. Việc chọn số lượng và vị trí tâm cũng tương tự
bài toán chọn số lượng và giá trị ban đầu của trọng số liên kết trong mạng Percepton
nhiều lớp. Mặc dù trọng số liên kết của Percepton nhiều lớp có thể xác định bằng
cách sử dụng thuật toán lan truyền ngược. Nhưng chưa có thuật nào chọn trọng số
ban đầu mà thường chỉ là cho trước ngẫu nhiên. Muốn tìm mô hình tốt nhất cho đối
tượng điều khiển thì cần thiết phải tìm số lượng tâm tối ưu. Có quá nhiều tâm hoặc
quá ít tâm sẽ cho kết quả không tốt. Nhiều tâm quá sẽ không đủ dữ liệu luyện mạng,
nhưng ít tâm quá sẽ cho mô hình sai lệch. Thuật bình phương tối thiểu trong trường
hợp có nhiều tâm sẽ tạo ra trọng số liên kết w_i lớn.


10

CHƯƠNG 3
MÔ PHỎNG BỘ ĐIỀU KHIỂN NHIỆT ĐỘ LÒ HƠI TẦNG SÔI TUẦN HOÀN VÀ
ĐÁNH GIÁ
3.1 Điều khiển nhiệt độ trong lò hơi tầng sôi tuần hoàn sử dụng bộ điều khiển PID.
3.1.1. Khái niệm về bộ điều khiển PID.
3.1.2. Điều khiển nhiệt độ lò điện trở sử dụng bộ điều khiển PID.
Trong kỹ thuật điều khiển, người ta mô tả lò hơi tầng sôi tuần hoàn bằng một khâu trễ
có hàm truyền:
G=


480

𝜏

80

𝑘𝑝 = 1.2 = 1.2

= 7.2 (3.6)

𝑇𝐼 = 2𝜏 = 160 (3.7)
𝑇𝐷 = 0.5𝜏 = 40 (3.8)
Do đó
𝐺𝑃𝐼𝐷 (𝑠) = 𝐾𝑝 (1 +

1
𝑇𝐼 𝑠

+ 𝑇𝐷 𝑠) = 7.2 (1 +

1
160𝑠

+ 40𝑠) (3.9)

Mô phỏng trên Matlab – Simulink ta được:
Hình 3.3:Mô phỏng bộ điều khiển PID cho lò hơi tầng sôi tuần hoàn



nói riêng, cũng như đối tượng nhiệt nói chung thường không cho phép có độ quá điều chỉnh
quá lớn, do đó e biến thiên trong khoảng từ 10 đến 0.
 Bước 2: Chọn các biến ngôn ngữ vào, ra
- Giả thiết ta điều khiển lò hơi tầng sôi tuần hoàn theo quy luật PI, khi đó biến ngôn ngữ
đầu vào bộ điều khiển mờ là sai lệch (ký hiệu là E) và tích phân sai lệch (ký hiệu là TE). Đầu
ra bộ Điều khiển mờ là điện áp (ký hiệu là U). Miền giá trị của các biến ngôn ngữ được chọn
như sau:
E  [0  10]
TE  [0  1500]

U  [0  20]

Hàm liên thuộc của các biến ngôn ngữ được chọn như sau:
 E  [ E0 ( x)  EDI ( x)  EDV ( x)  EDL ( x)  EDR ( x)]
 E  [TE0 ( x) TEDI ( x) TEDV ( x) TEDL ( x) TEDR ( x)]
 U=[U 0 ( x) U DI ( x) U DV ( x) U DL ( x) U DR ( x)]
 Bước 3: Xây dựng luật hợp thành: với 5 tập mờ của mỗi đầu vào, ta xây dựng được 5
x 5 = 25 luật điều khiển. Các luật điều khiển này được xây dựng theo nguyên tắc sau:


13

- Sai lệch càng lớn thì tác động điều khiển càng lớn.
- Tích phân sai lệch càng lớn thì tác động điều khiển càng lớn.
Bảng 3. 2: Bảng luật điều khiển.
R1: Nếu E
=
0
Và TE
=

U
=
DL Hoặc
R5: Nếu E
=
DR Và TE
=
0
Thì
U
=
DR Hoặc
R6: Nếu E
=
0
Và TE
=
DI Thì
U
=
DI Hoặc
R7: Nếu E
=
DI Và TE
=
DI Thì
U
=
DV Hoặc
R8: Nếu E

=
DL Hoặc
R12: Nếu E
=
DI Và TE
=
DV Thì
U
=
DR Hoặc
R13: Nếu E
=
DV Và TE
=
DV Thì
U
=
DR Hoặc
R14: Nếu E
=
DL Và TE
=
DV Thì
U
=
DR Hoặc
R15: Nếu E
=
DR Và TE
=

=
DL Và TE
=
DL Thì
U
=
DR Hoặc
R20: Nếu E
=
DR Và TE
=
DL Thì
U
=
DR Hoặc
R21: Nếu E
=
0
Và TE
=
DR Thì
U
=
DR Hoặc
R22: Nếu E
=
DI Và TE
=
DR Thì
U

Tại cửa sổ trên Matlab ta nhập lệnh fuzzy, xuất hiện cửa sổ FIS EDITOR. Ta tiến hành
chọn số đầu vào cho bộ điều khiển, chọn phương pháp điều khiển, xây dựng luật hợp thành,
thiết lập các hàm liên thuộc như sau:


14

Hình 3.7: Giao diện FIS

Chọn vùng giá trị của sai lệch E trong đoạn từ 0 đến 10 như hình bên dưới, sau đó ta
tiến hành thay đổi các hàm liên thuộc đến các giá trị thích hợp. Ở đây ta sử dụng hàm hình
tam giác cho các biến ngôn ngữ là 0, DI, DV, DL và hàm hình thang cho biến ngôn ngữ DR.
Hình 3.8: Mờ hóa sai lệch

Tiếp theo ta kích vào TE, chọn vùng giá trị của tích phân sai lệch TE trong đoạn từ 0
đến 1500 như hình 3.9, sau đó ta tiến hành thay đổi các hàm liên thuộc đến các giá trị thích


15

hợp. Ở đây ta sử dụng hàm hình tam giác cho tất cả các biến ngôn ngữ.
Hình 3.9: Mờ hóa tích phân sai lệch

Đầu ra U của bộ điều khiển ta chọn vùng giá trị của sai lệch E trong đoạn từ 0 đến 20
như hình 4.8, sau đó ta tiến hành thay đổi các hàm liên thuộc đến các giá trị thích hợp. Ở đây
ta sử dụng hàm hình tam giác cho các biến ngôn ngữ là 0, DI, DV, DL và hàm hình thang cho
biến ngôn ngữ DR.
Hình 3. 10: Mờ hóa điện áp điều khiển



để xem kết quả và nêu ra nhận xét chung cho từng bộ điều khiển.
3.3. Điều khiển nhiệt độ lò hơi tầng sôi tuần hoàn sử dụng bộ điều khiển NN-PID
Hệ thống điều khiển nhiệt độ lò điện trở được xây dựng có cấu trúc như hình sau:


18

Hình 3. 15: Cấu trúc hệ thống điều khiển nhiệt độ lò hơi

Trong đó:
Bộ điều khiển NN-PID có nhiệm vụ: điều chỉnh tín hiệu điều khiển (u), nhằm điều khiển
nhiệt độ theo yêu cầu.
+ Các thông số P, I, D của bộ điều khiển NN-PID được chỉnh định một cách trực tuyến,
nhờ thông tin Jacobian (dy/du) từ bộ nhận dạng đối tượng RBFNN.
Bộ nhận dạng đối tượng RBFNN có nhiệm vụ: nhận dạng đối tượng cần điều khiển và
đưa thông tin Jacobian về cho bộ NN-PID, để chỉnh định thông số bộ điều khiển.
+ Tín hiệu đầu ra của hệ thống (yout) được phản hồi, so sánh với tín hiệu đặt (rin), tạo
tín hiệu sai lệch error = rin – yout làm tín hiệu đầu vào cho bộ PID.
+ Bộ nhận dạng đối tượng lấy các tín hiệu đầu vào từ tín hiệu điều khiển (u) và tín hiệu
đầu ra (y).
+ Từ kết quả sai số giữa tín hiệu đầu ra (ymout) của bộ nhận dạng RBF và tín hiệu đầu
ra của hệ thống (yout), thực hiện chỉnh định các thông số của bộ RBFNN.
3.3.1. Bộ điều khiển NN-PID
a. Cấu trúc:
Cấu trúc của bộ điều khiển NN-PID là cấu trúc PID – một nơron, và được xây dựng như
hình sau (theo [6];[13]):


19


u(k) = u(k-1) +∆u(k)
Các thông số của bộ điều khiển: Kp, Ki, Kd được chỉnh định một cách online nhờ vào
việc cập nhật các trọng số w1, w2, và w3 của mạng nơ ron.
b. Huấn luyện trực tuyến bộ điều khiển NN-PID:
Mục tiêu của quá trình huấn luyện bộ điều kiển NN-PID là điều chỉnh bộ trọng số wj
(j=1,2,3) của mạng, để cực tiểu hóa hàm chi phí sau:
1

1

2

2

E(k) = e(k) = [rin(k) – yout(k)]2
Việc chỉnh định bộ trọng số wj được thực hiện theo phương pháp Gradient descient:
Kp = w1(k) = w1(k-1) + ∆w1(k) (3.15)


20

Ki = w2(k) = w2(k-1) + ∆w2(k) (3.16)
Kd = w3(k) = w3(k-1) + ∆w3(k) (3.17)
Trong đó, các ∆wj(k) được xác định như sau:
∆w1(k) = ηkp (−
∆w2(k) = ηki (−
∆w3(k) = ηkd (−

∂E(k)



∂y(k)
∂∆u(k)
∂y(k)

∂∆u(k)

∆e1

∆e2

∂y(k)
∂∆u(k)

∆e3

(3.18)
( 3.19)
(3.20)

Với: + ηkp, ηki, ηkd: là các hằng số tốc độ học tỉ lệ, tích phân và vi phân.
+ e(k): là tín hiệu sai lệch.
+ ∆e1, ∆e2, ∆e3: là độ biến thiên sai lệch tỉ lệ, tích phân và vi phân.
𝜕𝑦(𝑘)
+
: là độ nhạy của đáp ứng đối với tín hiệu điều khiển, hay còn gọi là thông tin
𝜕∆𝑢(𝑘)

Jacobian, được xác định thông qua bộ nhận dạng RBFNN.
3.3.2. Xây dựng bộ nhận dạng đối tượng sử dụng mạng RBFNN

i = 1,2,...n
T
+ bj là bán kính của hàm RBF:
Bj = [b1, b2,....bm]
- Lớp ra: là một nơron tuyến tính với các trọng số đầu vào:
w = [w1, w2,..., wm]T
Giá trị đầu ra của bộ nhận dạng NNRBF được xác định theo công thức sau:
ymout(k) = w1h1 + w2h2 + ... + wmhm
(3.22)
b. Huấn luyện mạng:
Mục tiêu của giải thuật huấn luyện trực tuyến bộ nhận dạng RBFNN là điều chỉnh các
bộ trọng số của mạng và các tham số của hàm cơ sở bán kính RBF để đạt giá trị cực tiểu hàm
chi phí:
1
J = (yout(k) – ymout(k))2
2

Sử dụng phương pháp Gradient Descent, trọng số của từng lớp mạng RBFNN được cập
nhật như sau:
+ Bộ trọng số W:
∂E(k)
∂E(k)
∂ymout (k)
∆wj(k) = - η
=-η
= η(yout(k) – ymout(k)).hj
∂wj (k)

∂ymout (k)


∂ymout (k) ∂hj (k)
∆cji(k) = - η
=η
∂cji (k)

∂ymout (k)

= η[yout(k) – ymout(k)].wj.hj

∂hj (k)

(3.23)

(3.24)

∂cji (k)

‖xi (k) − cji (k)‖
b2j (k)

cji(k) = cji(k-1) + ∆cji(k) + α[cji(k-1)- cji(k-2)]+β [cji(k-2)- cji(k-3)]
(3.25)
Thông tin Jacobian cho việc chỉnh định các thông số của bộ NN-PID được xác định
như sau:
cji −x1
∂y(k)
∂y
(k)
∂ymout (k) ∂hj (k)
≈ mout


Bảng 3. 4: Thông số đạt được của bộ điều khiển NN-PID.
Quá trình điều khiển
Số liệu
Tỉ lệ (%)
Độ quá điều chỉnh
25 (0C)
2.7
Thời gian quá độ
200 (s)
Số lần dao động
1
Trong quá trình mô phỏng ta thấy đối tượng đạt đến nhiệt độ mong muốn nhanh và có
độ quá điều chỉnh cũng như số lần dao động thấp.
Tổng hợp đánh giá các bộ điều khiển
Hình 3. 21: Tổng hợp mô phỏng 4 bộ điều khiển PID, mờ, NN-PID