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 Công trình được hoàn thành tại Đại học Thái Nguyên Người hướng dẫn khoa học: PGS. TS. Lại Khắc Lãi Phản biện 1: Phản biện 2: Phản biện 3: Luận án sẽ được bảo vệ trước Hội đồng chấm luận văn cấp Đại học Thái Nguyên Họp tại: Vào hồi … giờ … ngày…… tháng…… năm 2015 Có thể tìm hiểu luận án tại Trung tâm học liệu Đại học Thái Nguyên 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. 9. Lê Thị Huyền Linh, Lại Khắc Lãi (2014), “Phương pháp nhận dạng nhiễu phụ thuộc trạng thái trong hệ phi tuyến có trễ”, Chuyên san Điều khiển & Tự động hóa, số 11, tr. 53 - 57. 1 MỞ ĐẦU 1. Tính cấp thiết của đề tài luận án Sự tồn tại của các yếu tố bất định làm cho vấn đề điều khiển dự báo theo mô hình (MPC – Model Predictive Control) đã thực sự trở nên khó khăn, bởi phải đồng thời xử lý tính phức tạp của bài toán tối ưu phi tuyến trực tuyến và xử lý các yếu tố bất định. Với các đối tượng phi tuyến bất định có trễ, độ phức tạp nêu trên còn được cộng thêm phần trở ngại do hiệu ứng trễ gây ra. Mặt khác, các đối tượng có trễ này rất phổ biến trong công nghiệp, các yêu cầu nâng cao chất lượng điều khiển ngày càng cao, dẫn đến vấn đề xây dựng các phương pháp điều khiển dự báo cho lớp đối tượng này ngày càng trở nên bức thiết. Nhằm góp phần giải quyết khó khăn 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. Luận án tập trung nghiên cứu, đề xuất phương pháp điều khiển dự báo cho một lớp đối tượng phi tuyến có trễ dựa trên cơ sở nhận dạng nhiễu sử dụng mạng nơron. Hệ phi tuyến này được biểu diễn bằng một hệ tuyến tính có trễ cộng thêm thành phần phi tuyến bất định (uncertain), thành phần phi tuyến này được hiểu là các nhiễu bất định hay các nhiễu nội sinh, không đo được, phụ thuộc vào trạng thái (state- dependent disturbances) và là các yếu tố không mô hình hóa được. Trước hết ta cần nhận dạng được các nhiễu tác động lên hệ thống bằng luật cập nhật trọng số trên cơ sở mạng nơron xuyên tâm (RBF - Radial Basic Functions) thực hiện trực tuyến. Khi đã nhận dạng được các nhiễu với mức độ chính xác tùy ý thì nếu thỏa mãn các điều kiện ứng đối ta hoàn toàn có thể loại bỏ nhiễu (disturbance rejection) hay bù trừ các tác động của nhiễu. Lúc này bài toán điều khiển trở nên dễ 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 pháp hiện có [30]. Phương pháp nghiên cứu: Luận án sử dụng phương pháp phân tích, đánh giá và tổng hợp. Thông qua nghiên cứu lý thuyết để đề xuất vấn đề cần giải 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 tượng cụ thể. 3. Mục tiêu của luận án Mục tiêu của luận án là xây dựng phương pháp mới để nhận dạng mô hình trực tuyến cho một lớp đối tượng 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 được cho một đối tượng cụ thể trong công nghiệp. 4. Những đóng góp mới về lý luận và thực tiễn của luận án  Đề xuất phương pháp nhận dạng nhiễu cho hệ thống có trễ sử dụng mô hình song song và mạng nơron RBF.  Phát biểu và chứng minh được định lý về điều kiện đủ để quá trình nhận dạng hội tụ cho 2 trường hợp: trường hợp có một nhiễu tác động và trường hợp có nhiều nhiễu đồng thời tác động trong hệ thống.  Đề xuất giải pháp bù nhiễu và điều kiện ứng đối bảo đảm bù trừ được đồng thời cùng một lúc nhiều nhiễu tác động. Các kết quả mới về nhận dạng nhiễu và bù nhiễu có thể được áp dụng không những cho các hệ thống IMPC mà còn có thể áp dụng cho các hệ thống với các luật điều khiển khác nhau.  Đề xuất phương pháp tổng hợp hệ IMPC cho một lớp đối tượng có trễ. 3  Áp dụng các kết quả trên đây để tổng hợp được hệ điều khiển IMPC đạt hiệu quả cao cho đối tượng CSTR, dưới tác động của nhiễu. Đây là những đóng góp vừa có ý nghĩa khoa học, vừa có giá trị thực tiễn. 5. Bố cục của luận án Luận án gồm 03 chương, phần mở đầu, kết luận kiến nghị và danh mục tài liệu tham khảo. 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 Thay vì thiết kế bộ điều khiển dự báo cho hệ phi tuyến có trễ thành thiết kế bộ điều khiển dự báo cho hệ tuyến tính có trễ cộng với thành phần nhiễu (nhiễu phụ thuộc trạng thái - phi tuyến bất định). Thành phần nhiễu này được nhận dạng trực tuyến và sẽ được bù trừ để hệ chỉ còn tuyến tính có trễ. Tiếp đó ta sử dụng phương pháp điều khiển dự báo theo mô hình nội dựa trên cơ sở nhận dạng nhiễu để đảm bảo tính ổn định của hệ thống, tìm ra tầm dự báo và tầm điều khiển. Vấn đề tổng hợp hệ điều khiển dự báo cho đối tượng phi tuyến bất định và có trễ được phân ra thành các nội dung sau đây: - Tách mô hình đối tượng phi tuyến thành 2 phần: hệ tuyến tính có trễ và thành phần phi tuyến. Theo quan điểm tuyến tính hóa xung quanh điểm làm việc ta dễ dàng xác định được thông số động học của hệ thống qua ma trận A và B dựa vào điểm làm việc danh định, thành phần phi tuyến còn lại được coi là nhiễu phụ thuộc trạng thái hay nhiễu nội sinh của mô hình tuyến tính; Hình 1.4. Cấu trúc mô hình lớp đối tượng phi tuyến có trễ - Sử dụng mạng nơron nhân tạo RBF (là mạng đơn giản, dễ huấn luyện) để nhận dạng trực tuyến thành phần phi tuyến bất định của đối tượng; - Bù trừ nhiễu trên cơ sở sử dụng kết quả nhận dạng; - Xây dựng bộ điều khiển dự báo phản hồi trạng thái theo mô hình nội (IMPC) với cấu trúc bù nhiễu để điều khiển hệ thống lúc này chỉ còn phần tuyến tính có trễ. 1.6. Kết luận Chương 1 Chương 1 đã trình bày tổng quan về điều khiển dự báo, cấu trúc, các thành phần cơ bản của một hệ điều khiển dự báo và ảnh hưởng của chúng đối với việc thiết kế cũng như nâng cao chất lượng hệ điều khiển dự báo theo mô hình. Điểm lại một số kỹ thuật MPC tuyến tính, phi tuyến đã công bố trên các tạp chí khoa học trong nước và ngoài nước cũng như các ứng dụng MPC trong công nghiệp của một số hãng trên 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 ( ) ( ) ( ) ( )t t u t τX AX B F X (2.3) ˆ ( ) ( ) ( ) ( ) m m m m m t t u t τX A X B F X (2.6) Do hàm phi tuyến ()f X là trơn, liên tục đều nên ta có thể xấp xỉ ˆ ()FX bằng mạng nơron RBF vì mạng này có khả năng xấp xỉ với độ chính xác bất kỳ và mạng nơron RBF được sử dụng rất rộng rãi. ** 1 ( ) ( ) ε m ii i fwXX (2.7) 6 2 2 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 i fwXX (2.9) Hình 2.4. Cấu trúc mạng RBF xấp xỉ hàm ()f X ( ) ( ) ( )ttE AE F X (2.16) Định lý sau đây thiết lập điều kiện đủ để hệ (2.16) ổn định. Định lý 2.1. Giả sử A là ma trận Hurwitz. Hệ thống (2.16) sẽ ổn định thực tế khi thỏa mãn đồng thời các điều kiện sau đây: ε τ            2 max * min 2 0; 2 ( ) ; () ( ) ( ) ( ) ; 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 P - dòng thứ n của ma trận P ; max sup ( ) t utU Chứng minh : Định lý được chứng minh chặt chẽ trên cơ sở sử dụng phương pháp thứ 2 của Lyapunov cho hệ (2.16), trong đó hàm Lyapunov được chọn có dạng: 22 1 ( ). ( ) ( ) ( ) ( ) t m TT i i t τ t t t t u d w           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 0V , 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 u t u t u t (2.36) Để bù được tác động của nhiễu ()ft đòi hỏi phải tạo ra tín hiệu bù u b thỏa mãn điều kiện:   ( ) 0 b Ku t f t     (2.38) Từ đây ta có: () () b ft ut K     (2.39) Vì vậy tín hiệu u b sẽ là: ˆ () () 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 () ˆˆ ( ) ( ) ! ii k i i d f t f t f t i dt         (2.42) Hình 2.10. Sơ đồ kênh tạo tín hiệu bù 1 K  Dự báo ˆ ()ft () b ut [...]... tượng điều khiển sẽ được mô tả bằng phương trình: X(t )  AX(t )  BV(t ) (3.1) V(t )  U(t   ) (3.2) Vấn đề đặt ra là phải tổng hợp hệ thống điều khiển, đảm bảo tối thiểu hóa phi m hàm mục tiêu J tf J   H ( X, U)dt  min (3.3) t0 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. .. và bù nhiễu có thể được áp dụng không những cho các hệ thống IMPC mà còn có thể áp dụng cho các hệ thống với các luật điều khiển khác nhau 10 Chương 3 TỔNG HỢP BỘ ĐIỀU KHIỂN DỰ BÁO DỰA THEO MÔ HÌNH NỘI CHO ĐỐI TƯỢNG CÓ TRỄ VÀ XÂY DỰNG HỆ THỐNG ĐIỀU KHIỂN CHO ĐỐI TƯỢNG CSTR 3.1 Đặt vấn đề Trong phần này luận án đi sâu giải quyết bài toán điều khiển tối ưu sử dụng mô hình dự báo cho lớp đối tượng có trễ... này chúng ta so sánh đáp ứng của hệ thống sử dụng IMPC với đáp ứng của hệ thống khi sử dụng các bộ điều khiển PID 3.7.1 So sánh bộ điều khiển PID với bộ điều khiển IMPC điều khiển một kênh Cb với một tín hiệu điều khiển - 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 Cb của bộ điều khiển PID chưa... Quá trình điều khiển nồng độ được thực hiện ở van T1 bằng cách thay đổi một tín hiệu điều khiển u1 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, T2 để điều khiển lưu lượng của các hợp chất đầu vào thông qua hai tín hiệu điều khiển u1 , u2 3.4.1 Xây dựng mô hình toán cho đối tượng CSTR với một tín hiệu điều khiển Trường... tương ứng:  M 1  106 ,  M 2  105 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 Cb với một tín hiệu điều khiển Trong. .. (Hình 3.27) khi giữ nguyên các thông số điều khiển PID ta thấy rất rõ hiệu quả của việc áp dụng thuật toán nhận dạng và bù nhiễu phụ thuộc trạng thái đã được đề xuất trong Chương 2 21 3.7.2 So sánh bộ điều khiển PID và bộ điều khiển IMPC điều khiển đồng thời hai kênh Cb và h với hai tín hiệu điều khiển - Trường hợp thứ nhất: So sánh bộ điều khiển PID chưa nhận dạng và bù nhiễu với bộ điều khiển dự. .. 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... và tổng hợp hệ điều khiển dự báo theo mô hình nội cho các đối tượng có trễ chịu tác động của các nhiễu bất định phụ thuộc trạng thái là những đóng góp mới Các kết quả đó có thể áp dụng cho một lớp rất rộng các đối tượng trong công nghiệp 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... (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 MH2 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 A M  A; BM  B , ta có: X M (t )  X(t   ) (3.26) 2 12 Như vậy cửa sổ dự báo của hệ thống là t, t    Cửa sổ này sẽ trượt theo trục thời gian trong. .. system) 2 Điều khiển dự báo phát huy hiệu quả tốt cho các đối tượng có động học chậm, các đối tượng có trễ và cho các trường hợp tồn tại các ràng buộc với các vectơ trạng thái và/ hoặc ràng buộc đối với vectơ trạng thái điều khiển Tuy nhiên trong luận án này chỉ ưu tiên tập trung xây dựng các phương pháp tổng hợp hệ điều khiển dự báo theo mô hình nội cho lớp các đối tượng có trễ 3 Luật điều khiển thu được . 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. 1.5. Đề xuất hướng nghiên cứu giải quyết trong luận án Thay vì thi t kế bộ điều khiển dự báo cho hệ phi tuyến có trễ thành thi t kế bộ điều khiển dự báo cho hệ tuyến tính có trễ cộng với thành. thuộc vào quy mô sản xuất và điều kiện cụ thể, đối tượng CSTR có thể được thi t lập theo 2 chế độ làm việc với giả thi t van T 3 luôn mở ổn định: Trường hợp 1: Trường hợp này chỉ điều khiển