1 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP BÙI THỊ THU PHƯƠNG NGHIÊN CỨU ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA-L2 VÀO THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING Chuyên ngành: Tự Động Hóa Mã số: 605260 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT THÁI NGUYÊN - 2010 Luận văn được hoàn thành tại trường Đại học Kỹ tuật Công nghiệp Thái Nguyên. Cán bộ HDKH : TS. Phạm Hữu Đức Dục Phản biện 1 : PGS.TS Lại Khắc Lãi Phản biện 2 : TS. Nguyễn Văn Vỵ Luận văn đã được bảo vệ trước hội đồng chấm luận văn, họp tại: Phòng cao học số 2, trường Đại học Kỹ thuật Công nghiệp Thái Nguyên. Vào 15 giờ 00 phút ngày 13 tháng 08 năm 2010. Có thể tìm hiển luận văn tại Trung tâm Học liệu tại Đại học Thái Nguyên và Thư viện trường Đại học Kỹ thuật Công nghiệp Thái Nguyên. 2 MỞ ĐẦU Máy bay là một phương tiện hiện đại, cao cấp, ngày nay đóng vai trò không thể thiếu trong kinh tế và đặc biệt trong quân sự. Máy bay là phương tiện vận tải hiện đại đòi hỏi các đảm bảo kỹ thuật rất khắt khe do các tai nạn máy bay thường gây thiệt hại rất lớn về nhân mạng và tài sản. Do sự yêu cầu nghiêm ngặt về độ chính xác khi điều khiển máy bay. Trong máy bay yêu cầu nhiều khối lượng điều khiển tự động, trong đó có khối điều khiển tự động góc bay của máy bay, khi đó không cần có người điều khiển mà máy bay vẫn có thể bay với góc bay thực, bám với góc bay mong muốn. Từ yêu cầu đó, tôi đã lựa chọn đề tài: "Nghiên cứu ứng dụng bộ điều khiển NARMA-L2 vào thiết bị lái tự động góc bay của máy bay boeing" vào trong thiết bị lái tự động góc bay của máy bay Boeing Nội dung của luận văn được chia thành 4 chương: Chương1. Tổng quan về ứng dụng của mạng nơron trong nhận dạng và điều khiển. Chương 2. Các mô hình của mạng mờ nơron trong Matlab và ứng dụng trong nhận dạng và điều khiển. Chương 3. Ứng dụng bộ điều khiển NARMA - L2 vào thiết bị lái tự động góc bay của máy bay Boeing. Chương 4: Kết luận chung và kiến nghị. Tôi xin trân trọng bày tỏ lòng biết ơn sâu sắc đến thầy TS. Phạm Hữu Đức Dục người đã hướng dẫn tận tình và giúp đỡ tôi hoàn thành luận văn thạc sĩ này. Tôi xin chân thành cám ơn các thầy cô ở Khoa Điện – Trường Đại học Kỹ thuật Công nghiệp đã đóng góp nhiều ý kiến và tạo điều kiện thuận lợi cho tôi hoàn thành luận văn. 3 Tôi xin chân thành cám ơn Khoa sau Đại học, xin chân thành cám ơn Ban Giám Hiệu Trường Đại Học Kỹ Thuật Công Nghiệp đã tạo những điều kiện thuận lợi nhất về mọi mặt để tôi hoàn thành khóa học. Tôi xin chân thành cám ơn! Thái Nguyên, ngày 30 tháng 07 năm 2010 Người thực hiện Bùi Thị Thu Phương 4 CHƯƠNG I TỔNG QUAN VỀ ỨNG DỤNG CỦA MẠNG NƠRON TRONG NHẬN DẠNG VÀ ĐIỀU KHIỂN 1.1. Các loại mô hình cấu trúc mạng nơron Mạng nơron bao gồm sự liên kết của nhiều nơron. Đầu ra của mỗi nơron kết nối với các nơron khác thông qua các trọng số, hoặc tự phản hồi trở về đầu vào của chính nó. Cấu trúc của mạng nơron là kiểu kết nối hình học của mỗi nơron liên kết trong mạng, đây là đặc điểm quan trọng của từng mạng nơron, dựa vào đó tiến hành phân loại chúng 1.2. Các tính chất của mạng nơron - Là hệ phi tuyến - Là hệ xử lý song song: mạng nơron có cấu trúc song song, do đó có tốc độ tính toán rất cao, rất phù hợp với lĩnh vực nhận dạng và điều khiển. - Là hệ học và thích nghi: Mạng được luyện từ các số liệu quá khứ, có khả năng tự điều chỉnh khi số liệu đầu vào bị mất, có thể điều khiển on-line. - Là hệ nhiều biến, là hệ nhiều đầu vào, nhiều đầu ra (MIMO) rất tiện dùng khi điều khiển đối tượng khi có nhiều biến số. 1.3. Các luật học Mạng nơron sử dụng hai nhóm luật học: Nhóm các luật học thông số (Parameter learning rules) và nhóm các luật học cấu trúc (Structure learning rules) Có 3 kiểu học là: Học có giám sát, học củng cố và học không có giám sát. 1.3.1. Học có giám sát: 1.3.2. Học củng cố 1.3.3. Học không có giám sát 1.4. Ứng dụng của mạng nơron trong nhận dạng và điều khiển 1.4.1.Các vấn đề chung. Mạng nơron đã được ứng dụng thành công trong nhiều lĩnh vực như: các hệ thống điều khiển, xử lý hình ảnh, tiếng nói, tối ưu, truyền thông, y học… 5 Vì có yêu cầu ngày càng tăng về điều khiển, các hệ thống động học phức tạp với điều kiện thông tin không đầy đủ hoặc không xác định nên việc sử dụng mạng nơron rất hấp dẫn bởi khả năng học tập để xấp xỉ hàm và phân loại mẫu của mạng. Ngoài ra còn bởi tính xử lý song song mạnh mẽ của phần cứng thực thi mạng. Thông thường người ta hay dùng mạng nơron truyền thẳng nhiều lớp với luật dạy học có giám sát. Ưu điểm lớn nhất của các mạng loại này là khả năng tổng quát hoá ánh xạ đầu vào - đầu ra để có thể xấp xỉ bất cứ hàm nào với độ chính xác tuỳ ý. Chủ yếu mạng nơron sử dụng để nhận dạng và điều khiển hệ thống. 1.4.2. Mô tả toán học của đối tượng ở rời rạc Xét hệ thống có phương trình trạng thái ở dạng sau đây: • x (t)= φ [ x(t), u(t)] y(t)= ψ[x(t)] (1.5) với x(t) = [x 1 (t), x 2 (t), x n (t)] T u(t) = [u 1 (t), u 2 (t), u p (t)] T y(t) = [y 1 (t), y 2 (t), y m (t)] T p, m tương ứng là số đầu vào, đầu ra của hệ thống bậc n: u i (t), y i (t), tương ứng là các tín hiệu vào, tín hiệu ra: x i (t) là các biến trạng thái: φ(.), ψ(.) là các hàm phi tuyến dừng được định nghĩa tương ứng với R n × R p → R n và R n → R m Viết lại (1.5) ở dạng rời rạc, ta có: x(k+1) = φ[x(k),u(k)] y(k) = ψ[x(k)] (1.6) với u(k), x(k), y(k) là các đại lượng cho ở dạng dãy rời rạc. Giả thiết hệ rời rạc (1.6) là tuyến tính và bất biến, có thể viết lại ở dạng: x(k+1) = Ax(k) + Bu(k) y(k) = Cx(k) (1.7) với A, B, C tương ứng là các ma trận có kích thước (n×n), (n×p) và (m×n) * Đối tượng tuyến tính Xét hệ một vào - một ra (SISO), dạng rời rạc, có thông số tuyến tính bất biến với thời gian được cho ở dạng: 6 y p (k+1)= ∑ ∑ − = − = −β+−α 1n 1i 1m 0j jpi )jk(u)ik(y (1.8) trong đó α i , β j là các hằng số chưa biết : m ≤ n. Tín hiệu ra y p (k+1) là tổ hợp tuyến tính của các giá trị quá khứ của cả tín hiệu đầu vào u(k-j)(j=0,1, ,(m-1)) và tín hiệu đầu ra y p (k-i)(i=1,2, ,(n-1)). * Đối tượng phi tuyến Đối tượng phi tuyến được biểu diễn theo mô hình rời rạc theo bốn dạng sau đây: + Dạng 1: y p (k+1)= )]1mk(u), ,1k(u),k(u[g)ik(y 1n 0t pi +−−+−α ∑ − = (1.9) y p (k+1) phụ thuộc tuyến tính vào các giá trị quá khứ y p (k - i) (i =0,1, , (n-1)) và phụ thuộc phi tuyến vào giá trị quá khứ đầu vào u(k), , u(k-m+1). + Dạng 2: (k+1) = f [(y p (k), y p (k-1), ,y p (k-n+1)]+ ∑ − = −β 1m 0i i )ik(u (1.10) y p (k+1) phụ thuộc tuyến tính vào giá trị quá khứ đầu vào u(k-i)(i=0,1, ,(m-1)) và phụ thuộc phi tuyến vào giá trị quá khứ đầu ra y p (k), , y p (k-n+1). + Dạng 3: y p (k+1) = f [(y p (k), ,y p (k-n+1)]+g[u(k), u(k-m+1)] (1.11) y p (k+1) phụ thuộc phi tuyến vào giá trị quá khứ đầu vào u(k), , u(k-m+1), phụ thuộc phi tuyến vào giá trị quá khứ đầu ra y p (k), , y p (k- n+1). + Dạng 4: y p (k+1) = f [(y p (k), y p (k-1), ,y p (k-n+1), u(k), u(k-1), u(k-m+1)] (1.12) y p (k+1) phụ thuộc phi tuyến vào giá trị quá khứ đầu ra và phụ thuộc vào các giá trị đầu vào cùng với các giá trị quá khứ của nó, [u(k), y p (k)], là các cặp tín hiệu vào ra của đối tượng tại thời điểm k, với m≤ n. f(.), g(.), là các hàm chưa biết trước của đối tượng, chúng cần được xấp xỉ gần đúng bởi mạng nơron với độ chính xác mong muốn. Số lượng các lớp, số nơron 7 ở mỗi lớp và số lượng mối liên kết trọng số giữa các nơron mỗi lớp với nhau của mạng nơron nhận dạng cần được chọn phù hợp với độ chính xác và đặc tính vào ra của hàm phi tuyến tương ứng của đối tượng đã cho. 1.4.3. Ứng dụng của mạng nơron trong nhận dạng Vấn đề nhận dạng được đặt ra khi các hàm số φ(.), ψ(.), của (1.6), hoặc các ma trận A, B và C của (1.7) hoặc α i , β j của (1.8) hoặc của các hàm phi tuyến f(.), g(.), (từ 1.9 đến 1.12) là chưa được biết trước. Vì đầu vào và đầu ra của hệ bất biến theo thời gian, nên hệ động học rời rạc là u(k) và y(k) tương ứng: trong đó u(k) là hàm giới hạn, thay đổi theo thời gian. Đối tượng được giả thiết là ổn định, nhưng chưa biết các giá trị thông số của đối tượng này. Hình 1.4. Mô hình nhận dạng 1.4.1.1. Mô hình nhận dạng song song 1.4.1.2. Mô hình nhận dạng nối tiếp - song song 1.4.2. Ứng dụng của mạng nơron trong điều khiển 1.4.2.1 Bộ điều khiển ổn định 1.4.2.2. Điều khiển ngược thích nghi 1.4.2.3. Mô hình điều khiển phi tuyến 1.4.2.4. Mô hình điều khiển dự báo 1.4.2.5 Điều khiển thích nghi theo mô hình mẫu hoặc điều khiển nơron thích nghi. y p (k) p (k) Đối tượng Mô hình nhận dạng e i (k) + + = = + - u(k) Y p (k) 8 1.4.2.6. Đánh giá thích nghi 1.4.2.7. Phản hồi tuyến tính hóa phản hồi thích nghi dùng mạng nơron 1.4.2.8. Điều khiển thích nghi trực tiếp ổn định KẾT LUẬN CHƯƠNG 1 9 CHƯƠNG 2 CÁC MÔ HÌNH CỦA MẠNG MỜ NƠRON TRONG MATLAB VÀ ỨNG DỤNG TRONG NHẬN DẠNG VÀ ĐIỀU KHIỂN 2.1. Giới thiệu SIMULINK NEURAL TOOLBOX của MATLAB 2.1.1. Khối các hàm chuyển đổi 2.1.2. Khối đầu vào 2.1.3. Khối các hàm trọng số 2.1.4. Khối các hệ thống điều khiển 2.2. Các mô hình ứng dụng của Matlab trong điều khiển - Mô hình điều khiển dự báo: NN Predictive Control - Điều khiển Narma - L2: NARMA - L2 Control - Điều khiển theo mô hình mẫu: Model Reference Control. Có hai bước thực hiện cho mỗi kiểu điều khiển nói trên khi sử dụng mạng nơron truyền thẳng nhiều lớp để điều khiển sau đây: - Bước 1: Nhận dạng đối tượng điều khiển. - Bước 2: Điều khiển đối tượng 2.2.1. Bộ điều khiển dự báo sử dụng mạng nơron 2.2.1.1 Nhận dạng đối tượng 2.2.1.2. Điều khiển dự báo 2.2.2. Bộ điều khiển Narma - L2 Bộ điều khiển Narma-L2 (bộ điều khiển phản hồi tuyến tính) được mô tả là dạng phản hồi tuyến tính khi mô hình đối tượng là đồng dạng. Đó là vì sử dụng bộ điều khiển Narma-L2 khi mô hình đối tượng có thể sấp xỉ bởi một dạng cùng loại. Đặc biệt nổi bật của bộ điều khiển này là hệ động học phi tuyến được thay thế bởi đối tượng tuyến tính bằng phương pháp tuyến tính hoá đoạn đặc tính làm việc. Phần này trình bày về sử dụng mô hình mạng nơron nhận dạng đối tượng, sử dụng mô hình mạng nơron đó vào tham gia quá trình điều khiển khi sử dụng bộ điều khiển trong quá trình huấn luyện và cách sử dụng khối Narma-L2 Control được cài đặt trong Neural network Toolbox blockset. 10 [...]... đối tượng sử dụng trong bước điều khiển tìm tín hiệu điều khiển u 2.2.3 Điều khiển theo mô hình mẫu KẾT LUẬN CHƯƠNG 2 12 CHƯƠNG 3 ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA-L2 VÀO THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING 3.1 Động học góc bay của máy bay Mô hình động học của máy bay được biểu diễn trên hình 3.1 [6, 7] Động học của máy bay rất phức tạp, ở đây chỉ tập trung phân tích động học góc bay của nó Ngay... ngược của sai lệch rất hiệu quả Với phương pháp mô hình nhận dạng song song và điều khiển phản hồi tuyến tính hóa phản hồi thích nghi dùng mạng nơron, luận văn này đã lựa chọn bộ điều khiển NARMA-L2 là bộ điều khiển hội tụ đầy đủ các ưu điểm của mạng nơron để tập trung nghiên cứu ứng dụng nó vào thiết bị lái tự động góc bay của máy bay Boeing - Căn cứ vào kết quả mô phỏng ta thấy góc bay tính toán của máy. .. quả mô phỏng của hai giai đoạn nhận dạng và điều khiển, ta nhận thấy rằng nghiên cứu ứng dụng bộ điều khiển NARMA-L2 đóng vai trò là thiết bị lái tự động điều khiển góc bay của máy bay là một lựa chọn đúng đắn, vì  góc bay tính toán của máy bay θ đã bám theo rất sát với góc bay mong muốn θ m Cũng nhận thấy rằng kết quả mô phỏng đã cho thấy rằng mặc dù góc bay mong muốn θ m ở dạng dao động hình sin,... số góc bay của máy bay cũng phụ thuộc vào nhiều biến số và phụ thuộc vào trạng thái hiện tại của máy bay Để giảm mức độ phức tạp của quá trình nghiên cứu thiết kế thiết bị lái tự động này, ta xem xét mô hình động học góc bay của máy bay với các giả thiết sau Giả thiết máy bay đang bay ở trạng thái ổn định với độ cao và tốc độ không đổi Do đó trên mô hình động học của góc bay tại thời điểm nghiên cứu. .. cân bằng giữa các cặp lực tác động tương ứng vào máy bay Đó là trạng thái cân bằng của lực đẩy với lực cản và trạng thái cân bằng của lực nâng làm máy bay bay bổng lên cao và trọng lực của máy bay Mặt khác cũng giả thiết rằng sự thay đổi của góc bay không làm cho tốc độ bay của máy bay thay đổi trong mọi trạng thái Với các giả thiết trên, động học góc bay của máy bay được mô tả bởi các phương trình sau:... Lực nâng Trọng lực Hình 3.1 Mô hình động học của máy bay 13 Lực cản Từ (3.1), (3.2), (3.3) thấy rằng hệ phương trình này có tính phi tuyến vì có các thành phần tỷ lệ với sin γ Mặt khác cũng thấy rằng để điều khiển góc bay θ cần thực hiện điều khiển góc của bánh lái ở đuôi máy bay δ 3.2 Ứng dụng bộ điều khiển NARMA-L2 vào thiết bị lái tự động góc bay của máy bay Các phương trình (3.1), (3.2), (3.3) có... θ m , điều đó cho thấy được ưu điểm của giải pháp này 21 CHƯƠNG 4 KẾT LUẬN CHUNG VÀ KIẾN NGHỊ 4.1 Kết luận chung - Luận văn đã hoàn thành những yêu cầu đặt ra là khảo sát về phương pháp ứng dụng bộ điều khiển NARMA-L2 vào thiết bị lái tự động góc bay của máy bay Boeing - Bằng phương pháp phân tích, so sánh về cấu trúc, các luật học và khả năng ứng dụng thực tiễn của các loại mạng nơron Luận văn đã... toán của máy bay đã bám theo rất sát với góc bay mong muốn của máy bay 4.2 Kiến nghị: Do thời gian nghiên cứu có hạn và điều kiện về cơ sở vật chất còn giới hạn nên luận văn chỉ dừng lại ở kết quả mô phỏng, tuy nhiên kết quả mô phỏng cũng cho thấy tính đúng đắn của đề tài cần nghiên cứu Để phát triển hơn nữa có thể tiến hành nghiên cứu ứng dụng trực tiếp trên thiết bị lái tự động thật của máy bay 22 TÀI... Controller- Bộ điều khiển trung bình trượt, phi tuyến tự hồi quy L2) đóng vai trò là thiết bị lái tự động điều khiển góc bay của máy bay θ trình bày trên (hình 3.2) Đặc điểm của bộ điều khiển này là thường được sử dụng để điều khiển đối tượng phi tuyến, với điều kiện đối tượng đã được thay thế xấp xỉ bởi mô hình đối tượng tuyến tính dựa trên phương pháp tuyến tính hoá đoạn đặc tính làm việc Quá trình điều khiển. .. sử dụng hai mạng nơron truyền thẳng 3 lớp có trong bộ điều khiển NARMA-L2 nhận dạng hai thành phần f(.) và g(.) tương ứng của đối tượng (3.7) Dựa trên các thông số của hai mạng nơron truyền thẳng đã tìm được trong giai đoạn học, thực hiện giai đoạn thứ hai là giai đoạn điều khiển Trong giai đoạn điều khiển bộ điều khiển NARMA-L2 15 có nhiệm vụ tạo ra tín hiệu điều khiển là δ cung cấp đối tượng điều khiển . khi điều khiển máy bay. Trong máy bay yêu cầu nhiều khối lượng điều khiển tự động, trong đó có khối điều khiển tự động góc bay của máy bay, khi đó không cần có người điều khiển mà máy bay vẫn. HỌC KỸ THUẬT CÔNG NGHIỆP BÙI THỊ THU PHƯƠNG NGHIÊN CỨU ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA-L2 VÀO THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING Chuyên ngành: Tự Động Hóa Mã số: 605260 TÓM TẮT LUẬN. thể bay với góc bay thực, bám với góc bay mong muốn. Từ yêu cầu đó, tôi đã lựa chọn đề tài: " ;Nghiên cứu ứng dụng bộ điều khiển NARMA-L2 vào thiết bị lái tự động góc bay của máy bay boeing& quot;