Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron

Nội dung text: Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron

1. 118 Võ Khánh Thoại ĐIỀU KHIỂN VỊ TRÍ BÀN TRƯỢT ỨNG DỤNG MẠNG NƠ-RON SLIDING TABLE POSITION CONTROL USING NEURAL NETWORKS Võ Khánh Thoại Trường Cao đẳng Công nghệ - Đại học Đà Nẵng; vkthoai@dct.udn.vn Tóm tắt - Bài báo này đề xuất một giải pháp ứng dụng mạng nơ- Abstract - This paper proposes a solution applying Adaptive ron thích nghi dựa trên suy luận mờ (ANFIS) để điều khiển vị trí Network based Fuzzy Inference System – ANFIS to control position bàn trượt. Mục đích của nghiên cứu này là nhằm đánh giá mức độ of the sliding table. The purpose of this study is to assess the ưu việt của bộ điều khiển thông minh so với bộ điều khiển PID trong superiority of intelligent controllers compared to that of PID điều khiển vị trí hệ động cơ – bàn trượt, qua đó xác định phương controllers in machines as well as sliding table systems, and thereby pháp kết hợp dùng mạng nơ-ron với bộ điều khiển kinh điển sẽ determines that the combined method using neural network mang lại kết quả tốt hơn, đưa ra các cơ sở để lựa chọn phục vụ controllers with PID controllers will give better results, creating the trong thiết kế, sản xuất các máy công cụ. Để đạt được mục tiêu basis for selection to serve the design and manufacture of tool này, tác giả đã sử dụng phần mềm Matlab và Simulink làm công machines. To achieve this goal, the authors use Matlab and Simulink cụ xây dựng mô hình và mô phỏng hệ thống, bao gồm mô hình hóa software as a tool to build simulation models and systems, including đối tượng điều khiển, xây dựng bộ điều khiển PID, bộ điều khiển object control modeling, building the PID controller, the neural mạng nơ-ron. Kết quả mô phỏng cho thấy việc điều khiển vị trí bàn networks controller. The simulation results show that the sliding table trượt ứng dụng mạng nơ-ron cho đáp ứng hệ thống nhanh, sai lệch controller applying neural networks produces fast system response, vị trí của hệ thống được đảm bảo. and position error of the system is guaranteed. Từ khóa - bàn trượt; PID; ANFIS; mạng nơ-ron; điều khiển thông Key words - sliding table; PID; ANFIS; neural network; intelligent minh; động cơ DC. controller; DC motor. 1. Đặt vấn đề i = 1, 2, , n; j = 1, 2, , M. Trong sản xuất và gia công cơ khí, sử dụng máy công Cấu trúc ANFIS gồm 6 lớp như sau: cụ và điều khiển đóng vai trò rất quan trọng, hệ điều khiển Lớp 1: Là lớp đầu vào có tín hiệu vào x . cho máy cần đảm bảo đơn giản, chính xác, ổn định, trơn tru i Lớp 2: Mỗi phần tử là một hàm.  j ()xi và hiệu quả kinh tế. Để điều khiển ổn định vị trí bàn trượt Ai trên các máy có sử dụng động cơ, bộ điều khiển kinh điển Lớp 3: Mỗi phần tử Rj tương ứng thực hiện một luật thứ j: PID luôn là sự lựa chọn vì cấu trúc đơn giản và dễ cài đặt [1], [2], song sẽ gặp khó khăn trong việc tinh chỉnh PID khi hệ thống có các thông số thay đổi khi có nhiễu tác động hay tín hiệu đặt thay đổi khác nhau. Do vậy, hệ thống điều Lớp 4: Mỗi phần tử n tương ứng thực hiện phép tính: khiển tích hợp và điều khiển hiện đại (điều khiển mờ, điều khiển nơ-ron, điều khiển thích nghi ) đã và đang được ứng dụng rộng rãi và mang lại nhiều kết quả thiết thực nhằm phục vụ tốt hơn con người về mọi mặt. Ứng dụng mạng nơ-ron mà cụ thể là mạng nơ-ron thích nghi dựa trên Lớp 5: Mỗi phần tử thứ j thực hiện phép tính: suy luận mờ (Adaptive Network based Fuzzy Inference System - ANFIS) [3], [4], [5] để điều khiển cho các đối tượng, và trong đó vị trí bàn trượt là một hướng nghiên cứu nhằm góp phần vào những mục tiêu trên. Nội dung bài báo Lớp 6: Có một phần tử tính toán giá trị đầu ra: bao gồm: giới thiệu về bộ điều khiển ANFIS, mô tả toán học cho đối tượng là động cơ DC điều khiển vị trí bàn trượt, thiết kế bộ điều khiển dùng PID và ANFIS để điều khiển, và cuối cùng là các nhận xét và kết luận. Sai lệch trung bình bình phương giữa hàm đầu ra mong 2. Bộ điều khiển ANFIS muốn ym và hàm đầu ra y: ANFIS được Jang [3] đề xuất sử dụng luật học mờ TSK (Takasi - Sugeno - Kang). Luật học mờ thứ j của ANFIS là Rj có dạng: IF x1 is A1j AND x2 is nA2j AND xn is Anj j THEN y = fj = p0j +  pxii i 1 3. Mô hình hệ thống điều khiển vị trí bàn trượt với: xi, y tương ứng là các biến vào, ra; Hệ truyền động gồm động cơ chỉnh vị trí bàn trượt với Aij(xi) là biến ngôn ngữ mờ ứng với biến đầu vào xi; tín hiệu vào là điện áp và tín hiệu ra là quãng đường bàn p1j R là hệ số của hàm tuyến tính fj; trượt đi được có sơ đồ như Hình 1.
2. ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(120).2017, QUYỂN 2 119 ta có: Js Js2 UsRa( )= a qsL ( ) a qsKqs ( ) b ( ) KKaa Hay: . qs() K d (3.7) 2 Usa () Ta T c s T c s 1 JR L Hình 1. Mô hình động cơ chỉnh vị trí bàn trượt trong đó, aa gọi là hằng số thời gian cơ TTca ; Sơ đồ cấu trúc hệ động cơ điều chỉnh vị trí bàn trượt thể KKRa b a hiện như trên Hình 2. và hằng số thời gian điện của động cơ; hằng số của động cơ: 1 Kd Kb - Từ các kết quả trên, động cơ điện một chiều kích từ độc lập với từ thông không đổi và bỏ qua mô-men ma sát trên trục động cơ có sơ đồ cấu trúc như Hình 4: Hình 2. Sơ đồ nguyên lý điều khiển vị trí Muốn điều khiển được vị trí, ta cần phải mô hình đối tượng điều khiển. Ở đây, tác giả xét đến đối tượng là động cơ DC điều khiển vị trí bàn trượt có sơ đồ thay thế như Hình 3. Hình 4. Sơ đồ cấu trúc của động cơ điện một chiều Các thông số ban đầu [6], [9] của hệ thống: 10 Bộ chỉnh lưu: W cl 0,00167s 1 0,6 Bộ biến dòng: Wbd1 0,001s 1 Hình 3. Sơ đồ thay thế động cơ điện DC kích từ độc lập 3,14 Các phương trình toán học mô tả động cơ điện một Máy phát tốc: W ft1 0,001s 1 chiều như sau:  Kiaa (3.1) 0,95 Cảm biến vị trí: Wvt1 di 0,005s 1 u R i La e (3.2) a a a adt b Nhiệm vụ của người thiết kế là tìm bộ điều khiển sao cho . hàm truyền của đáp ứng vòng kín hệ thống thể hiện vị trí của bàn trượt bám theo tín hiệu đặt, khử nhiễu tốt. Mục đích của ebb K q (3.3) bài báo là xây dựng bộ điều khiển nơ-ron thích nghi dựa trên Ở chế độ xác lập, tốc độ động cơ có thể tính được qua suy luận mờ để điều khiển vị trí bàn trượt theo yêu cầu. phương trình cân bằng điện áp phần ứng: . 4. Kết quả nghiên cứu URIa a a q (3.4) Thiết kế bộ điều khiển vị trí bàn trượt dùng PID K a Các bộ điều khiển vị trí đơn giản và thường dùng (hơn Phương trình chuyển động của động cơ là: 90%) là bộ điều khiển tỉ lệ - đạo hàm - tích phân (PID). dq Vòng điều khiển cấp trong cùng là bộ điều khiển dòng điện,  L J Jq (3.5) giả sử ea 0, ta có sơ đồ cấu trúc mạch vòng điều khiển dt dòng điện như Hình 5. Trong tính toán, ta giả thiết L = 0, (L là tổng mô-men tải và mô-men ma sát) và biến đổi Laplace (3.5), ta được:  J q s Kaa I (3.6) ở đây, s là toán tử Laplace. Từ (3.1), (3.2), (3.4) và (3.6), sau khi biến đổi Laplace, Hình 5. Sơ đồ cấu trúc mạch vòng điều khiển dòng điện
3. 120 Võ Khánh Thoại Từ sơ đồ, ta có hàm truyền hệ hở (khi chưa có RI) là: Vòng điều khiển ngoài cùng là vị trí của bàn trượt: 1 KRKcl a bd KI WshI () (Tcl s 1) ( T a s 1) ( T bd s 1) ( T a s 1)( T I s 1) Áp dụng các nguyên tắc các hằng số thời gian nhỏ: (Ta >> Tcl + Tbd = T). Hình 7. Sơ đồ cấu trúc mạch vòng điều khiển vị trí Đây là một khâu quán tính bậc 2, áp dụng tiêu chuẩn tối Hàm truyền hệ hở (khi chưa có bộ điều khiển vị trí Rq): ưu độ lớn, chọn bộ điều khiển PI có dạng: 1 RT WWK. )kI a aa Rq Js 1 Kvt WRI W 1 hq K (2KKT )(1 ) 1 ft s Tvt s 1 cl bd  WWK. .kI . a . . 1 Ts Rq a Js Tft s 1 Thay số vào ta được: Thay số vào ta được: 1 0,033(0,048s 1) WRI 0,1392(1 ) W 0,0027s hq s(0,005s 1)(0,00046s22 0,04 s 1)(0,000017s 0,006 s 1) Hàm truyền hệ kín có dạng: Bỏ qua các thành phần bậc cao, đối tượng điều khiển chứa thành phần tích phân nên ta chọn bộ điều khiển PD. 1,67(0,001s 1) WkI Sử dụng phương pháp của Ziegler-Nichols và tiến hành 0,00534s (0,00267s 1) 1 hiệu chỉnh ta có: Vòng điều khiển tiếp theo là tốc độ: k pq1 450; kdq1 150 Thiết kế bộ điều khiển dùng ANFIS Bằng cách sử dụng bộ điều khiển nơ-ron thích nghi thay vào bù PID vị trí, từ các thông số của bộ điều khiển kinh điển PD cho mạch vòng điều khiển vị trí, ta thu thập các Hình 6. Sơ đồ cấu trúc mạch vòng điều khiển tốc độ thông số e, de, Uđk sau để cho mạng nơ-ron học. Ka K ft( T bd s 1) 4.2.1. Cấu trúc hệ nơ-ron thích nghi K 1 ft Kbd Bộ điều khiển nơ-ron thích nghi có thể xây dựng theo W. () s WkI K a hq JsTs(ft 1) [ JsT (2 )] I sTs ( cl 1)( Ts bd 1) 1]( Ts ft 1) nhiều cấu trúc khác nhau, trong nghiên cứu này, tác giả chọn bộ điều khiển nơ-ron thích nghi dựa trên suy luận mờ với Tft = Tbd = 0,001(s) và bỏ qua các thành phần bậc cao, ta có: có cấu trúc như Hình 8. KKa ft JKbd W . hq [s (2 T )]I s 1 Áp dụng tiêu chuẩn tối ưu đối xứng với đối tượng có hàm truyền dạng tích phân quán tính bậc nhất, chọn bộ điều khiển PI có dạng: 1 WK. pq() Rq 1 1 TsIq JK trong đó, ; bd , T. 2 aTI K . Iq pq 2Ka K f t T I a Hình 8. Cấu trúc hệ nơ-ron thích nghi Trong sơ đồ cấu trúc, bộ điều khiển nơ-ron mờ có 2 đầu khi đó: JKbd 1 , W . ( )(1 ) vào và 1 đầu ra. Mỗi đầu vào có 5 nơ-ron mô tả các hàm Rq 2Ka K f t T I a 2aTI s liên thuộc. chọn a = 9 và thay số vào ta được: 4.2.2. Huấn luyện bộ điều khiển Sau 30 kỳ huấn luyện, ta thu được bộ điều khiển nơ-ron ; T . 0,048 K . 0,0039 mờ với sai số giữa dữ liệu vào ra đích và dữ liệu vào ra của Iq pq mạng là 0,97.10-4, sai số giữa tập dữ liệu của mạng nơ-ron 1 và tập dữ liệu đích để đưa vào điều khiển vị trí động cơ, sai Nên: W . 0,0039(1 ) Rq 0,048s số này có thể chấp nhận được như Hình 9.
4. ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(120).2017, QUYỂN 2 121 khó khăn cho quá trình điều khiển, nhất là khi hệ thống gặp nhiễu hoặc có thông số thay đổi. Sử dụng ANFIS kết hợp PID giúp ta bù các tham số trên của bộ PID mà đáp ứng của hệ thống nhanh 0,3s, sai số nhỏ 4.10-11. Hình 9. Dữ liệu sai lệch và kiểm tra của mạng nơ-ron Dữ liệu kiểm tra việc huấn luyện mạng, kết quả trực quan thấy rằng sai số giữa đầu vào và ra của đối tượng bằng 0. Sau khi huấn luyện xong, xuất các dữ liệu để nạp vào hệ thống của bộ mờ, file.fis có các đầu vào, ra và tập luật điều khiển dựa trên suy luận mờ như Hình 10, Hình 11. Hình 13. Đáp ứng hệ thống khi không nhiễu Hình 10. Cấu trúc hệ mờ sau khi huấn luyện mạng Hình 14. Tín hiệu điều khiển vị trí 4.3.2. Điều khiển ở điều kiện có nhiễu Hình 11. Hàm liên thuộc đầu ra và luật điều khiển Trường hợp nhiễu đầu ra (nhiễu vị trí) có giá trị ngẫu Bộ não của bộ điều khiển mờ lúc này là các luật điều nhiên (hàm Random trong đoạn [-0,02 – 0,01]) được thể hiện khiển biểu thị mối quan hệ giữa đầu vào và ra hệ thống. ở Hình 15, đáp ứng bộ điều khiển PID tỏ ra không hiệu quả trong việc làm đáp ứng nhanh hơn. Khi có thay đổi điểm đặt Kết quả mô phỏng và nhiễu vị trí đầu ra xảy ra liên tiếp, chất lượng bám của Kết quả mô phỏng điều khiển vị trí bàn trượt dùng PID giảm xuống rõ rệt. Bộ ANFIS vẫn làm việc một cách phương pháp PID và phương pháp ANFIS tác giả đã thực hiệu quả, cho đáp ứng nhanh, bám điểm đặt tốt, sai số nhỏ. hiện trên Matlab – Simulink có mô hình như Hình 12. Hình 12. Mô hình điều khiển PID và ANFIS 4.3.1. Điều khiển ở điều kiện không nhiễu Sử dụng PID và ANFIS, ở điều kiện không nhiễu, thay đổi điểm đặt, ta được đồ thị Hình 13. Hình 15. Nhiễu và đáp ứng khi nhiễu vị trí (đầu ra) Từ đồ thị và cách tổng hợp bộ điều khiển PID ở mục 4.1, ta nhận thấy rằng, kết quả PID phải có sự chỉnh định Xét trường hợp nhiễu đầu vào (nhiễu đặt ) bằng các các tham số Kp, Ti, Td, và việc chọn các tham số này phụ hàm step nối tiếp kết hợp hàm ngẫu nhiên random có giá thuộc vào các giá trị tham số của hệ thống, điều này sẽ gây trị thay đổi trong khoảng cho phép ±0,5, nhiễu đầu ra
5. 122 Võ Khánh Thoại (nhiễu vị trí) hàm ngẫu nhiên random [-0,02 – 0,01]), tham (Adaptive Network based Fuzzy Inference System - ANFIS) số của động cơ Ra thay đổi tăng/giảm 0,5Ω, kết quả thể hiện vào đối tượng động cơ chỉnh vị trí bàn trượt và so sánh với trên Hình 16. điều khiển kinh điển PID theo phương pháp Ziegler-Nichols, ta thấy rằng, chất lượng điều khiển được nâng lên rất nhiều: độ quá điều chỉnh khá nhỏ, thời gian đáp ứng nhanh và sai số vị trí nhỏ, đây là bước quan trọng để góp phần nâng cao chất lượng sản phẩm và hiệu quả kinh tế. TÀI LIỆU THAM KHẢO [1] Karl Johan Åström, Tore Hägglund, ISA - The Instrumentation, Systems and Automation Society, 2006. [2] Ashwaq Abdulameer, Marizan Sulaiman Mohd Shahrieel Mohd Aras, Tuning Methods of PID Controller for DC Motor Speed Control, 2016. [3] S. M. Yang, Y. J. Tung, and Y. C. Liu, “A Neuro fuzzy system design methodology for vibration control”, Asian Journal of Control, Vol. 7, No. 4, 2005, pp. 393-400. [4] Cheng-Jian Lin, Cheng-Hung Chen, Chi-Yung Lee, A TSK-Type Quantum Neural Fuzzy Network for Temperature Control, International Mathematical Forum, 1, 2006, No. 18, 2006, pp.853-866. [5] Nikos C. Tsourveloudis, Ramesh Kolluru, Kimon P. Valavanis and Denis Gracanin, Suction Control of a Robotic Gripper: A Neuro Fuzzy Approach, Robotics and Automation Laboratory, The Center for Advanjced Computer Studies and A-CIM Center, University of Louisiana at Lafayette, Lafayette, LA, USA, 1999. Hình 16. Đáp ứng khi nhiễu vào, ra, điện trở thay đổi [6] M. Önder Efe, O. Hasan Dagci, Okyay Kaynak, Fuzzy Control of a Khi có nhiễu đầu vào và ra, điện trở của động cơ thay 2-DOF Direct Drive Robot Arm by Using a Parameterized T-Norm, đổi, thời gian đáp ứng của PID chậm (>2 s), trong khi đó Bogazici University, Mechatronics Research and Application bộ ANFIS vẫn cho đáp ứng khá nhanh trong các điều kiện Center, Bebek, 80815, Istanbul, Turkey. (khoảng 0,3 s); sai số PID cũng lớn hơn nhiều so với [7] Babul Salam Bin KSM Kader Ibrahim, Control of a 2 DOF direct drive robot arm using integral sliding mode control, Master thesis, ANFIS, chất lượng điều khiển của ANFIS tốt hơn PID. 2004. [8] Kevin M. Passino, Stephen Yurkovich, Fuzzy control, Addison 5. Kết luận Weslet Longman, Inc., 1998. Từ thực tế khảo sát lý thuyết và ứng dụng mạng nơ-ron, [9] mà cụ thể là mạng nơ-ron thích nghi dựa trên suy luận mờ (BBT nhận bài: 02/10/2017, hoàn tất thủ tục phản biện: 22/10/2017)