Tiến Sĩ Nghiên cứu xây dựng thuật toán điều khiển dự báo theo mô hình cho đối tượng phi tuyến liên tục

LUẬN ÁN TIẾN SĨ
NĂM 2016
MỤC LỤC
CHƯƠNG 1 8
TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO CHO HỆ PHI TUYẾN 8
1.1. Tổng quan các công trình nghiên cứu về điều khiển dự báo hệ phi
tuyến trên thế giới . 9
1.2. Các phương pháp quy hoạch phi tuyến 18
1.2.2. Bài toán tối ưu hóa phi tuyến bị ràng buộc gồm: Kỹ thuật
hàm phạt và hàm chặn, Phương pháp SQP [3], [5[ và GA [2] . 19
1.3. Các phương pháp điều khiển tối ưu . 19
1.4. Các công trình nghiên cứu về điều khiển dự báo hệ phi tuyến
trong nước 20
1.5. Những vấn đề cần tiếp tục nghiên cứu về điều khiển dự báo cho
hệ phi tuyến và hướng nghiên cứu của luận án . 21
1.6. Kết luận chương 1 . 23
CHƯƠNG 2 24
ĐIỀU KHIỂN DỰ BÁO HỆ PHI TUYẾN TRÊN NỀN CÁC
PH
ƯƠNG PHÁP QUY HOẠCH PHI TUYẾN 24
2.1. Nguyên lý làm việc của điều khiển dự báo phi tuyến . 24
2.1.1. Cấu trúc bộ điều khiển dự báo 26
2.1.2. Kỹ thuật cài đặt bộ điều khiển dự báo trên nền các phương
pháp quy hoạch phi tuyến . 29
2.2. Áp dụng vào điều khiển dự báo lớp hệ song tuyến . 31
2.2.1. Thuật toán điều khiển dự báo phi tuyến cho hệ song tuyến . 32
2.2.2.
ĐKDB trên nền tối ưu hóa theo sai lệch tín hiệu điều khiển 36
2.3. Kết luận chương 2 . 42
CH
ƯƠNG 3 43
ĐỀ XUẤT MỘT PHƯƠNG PHÁP MỚI ĐỂ ĐIỀU KHIỂN DỰ BÁO
HỆ PHI TUYẾN LIÊN TỤC TRÊN NỀN BIẾN PHÂN 43
3.1. Nội dung cơ bản của phương pháp biến phân 44
3.1.1. Nguyên lý biến phân . 45
3.1.2. Bộ điều khiển LQR (Linear Quadratic Regulator) 46
3.1.3.Điều kiện đủ cho tính ổn định của hệ LQR . 46
3.1.4. Áp dụng nguyên tắc điều khiển LQR để điều khiển tối ưu hệ
tuyến tính bám ổn định theo giá trị đầu ra cho trước . 47
3.2. Phương pháp đề xuất để điều khiển dự báo với cửa sổ dự báo vô
hạn cho hệ song tuyến liên tục không dừng, bám theo được giá trị
đầu ra cho trước 49
3.2.1. Tư tưởng chính của phương pháp . 49
3.2.2. Xây dựng thuật toán điều khiển 51
3.2.3. Khả năng xử lý điều kiện ràng buộc 53
3.2.4. Chứng minh tính bám ổn định của phương pháp được đề xuất . 54
3.2.5. Khả năng áp dụng cho hệ phi tuyến affine không dừng . 56
CHƯƠNG 4 58
THỰC NGHIỆM KIỂM CHỨNG CHẤT LƯỢNG PHƯƠNG
PHÁP ĐÃ ĐỀ XUẤT TRÊN ĐỐI TƯỢNG TRMS 58
4.1. Mô hình toán c
ủa hệ TRMS . 58
4.1.1. Mô t
ả vật lý hệ TRMS 58
4.1.2. Mô hình t
ựa Newton . 59
4.2. Thiết kế bộ điều khiển dự báo trên nền quy hoạch phi tuyến . 64
4.2.1. Thiết kế và cài đặt bộ điều khiển dự báo cho hệ TRMS 64
4.2.2. Mô phỏng trên MatLab . 65
4.3. Thiết kế bộ điều khiển dự báo trên nền biến phân (phương pháp
điều khiển được luận án đề xuất) 69
4.3.1. Thi
ết kế và cài đặt bộ điều khiển 69
4.3.2. Mô phỏng trên MatLab và so sánh, đánh giá chất lượng . 70
4.4. Thí nghiệm trên mô hình vật lý của hệ TRMS . 74
4.4.1. Cài
đặt bộ quan sát Kalman 75
4.4.2. Các kết quả thực nghiệm . 82
4.5. Kết luận chương 4 90
DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ LIÊN QUAN ĐẾN ĐỀ
TÀI . 92
TÀI LIỆU THAM KHẢO 93
Tiếng Việt 93
Tiếng Anh 93
PHỤ LỤC 102
MỞ ĐẦU
1. Giới thiệu

Điều khiển dự báo dựa trên mô hình (Model Predictive Control -
MPC), hay còn thường được gọi ngắn gọn là điều khiển dự báo, ra đời vào
cuối thập niên 70 và đầu thập niên 80 của thế kỉ trước, là một xu hướng điều
khiển được ưa chuộng. Trong hai thập kỷ trở lại đây, điều khiển dự báo đã có
những bước phát triển rất đáng kể, đóng góp khá nhiều các phương pháp về
mặt học thuật cũng như đẩy mạnh khả năng ứng dụng của MPC trong thực tế,
điều đó được thể hiện trong các tài liệu [13], [14], [15], [27], [68] với hơn
3000 ứng dụng vào điều khiển quá trình, điều khiển các hệ cơ, điều khiển
robot,điều khiển các hệ bay . Bản chất của điều khiển dự báo là sử dụng mô
hình tường minh của đối tượng để tính toán tối ưu các biến được điều khiển
thông qua các phương pháp tối ưu hóa. Để thiết kế, cài đặt bộ điều khiển dự
báo cho một đối tượng cụ thể, cần thực hiện 3 công việc chính đó là:
Xây dựng mô hình dự báo;
Xác định hàm mục tiêu và các điều kiện ràng buộc;
Giải bài toán tối ưu.
Đối với hệ tuyến tính việc thực hiện các công việc này khá dễ dàng do đã
có những nghiên cứu tương đối hoàn chỉnh. Song, đối với hệ phi tuyến, việc
thực hiện các công việc này còn gặp nhiều khó khăn, đặc biệt là việc xây
dựng mô hình dự báo phi tuyến và tìm thuật toán nghiệm toàn cục của bài
toán quy ho
ạch phi tuyến. Vì vậy, xu hướng nghiên cứu hiện nay của MPC là
khai thác, áp dụng bộ điều khiển này để điều khiển các đối tượng thực tế có
tính phi tuyến mạnh, thời gian đáp ứng nhanh, các yêu cầu về điều kiện bị
chặn nghiêm ngặt . mà các bộ điều khiển dự báo tuyến tính truyền thống như
GPC, DMC . khó thực hiện được.
2. Tính cấp thiết của luận án
Điều khiển dự báo dựa trên mô hình cho hệ tuyến tính đã được phát
triển, chấp nhận và ứng dụng cho các ngành công nghiệp quá trình và một số
lĩnh vực khác. Tuy nhiên đối với quá trình phi tuyến (đối tượng điều khiển phi
tuyến) đặc biệt là vừa phi tuyến và vừa có nhiễu thì các phương pháp MPC áp
dụng cho hệ tuyến tính hoàn toàn không sử dụng được. Có hai vấn đề khó
khăn chính đối với điều khiển dự báo dựa trên mô hình phi tuyến đó là:
Nhận dạng đối tượng điều khiển hay xây dựng mô hình dự báo sao cho



đạt được mức độ chính xác cao nhất để xác định được giá trị đầu ra
tương lai và giá trị đó ít bị ảnh hưởng bởi nhiễu quá trình, và
Giải một bài toán tối ưu phi tuyến với rất nhiều ràng buộc.
Bài toán tối ưu hóa với các điều kiện ràng buộc đôi khi không tìm được
lời giải, những trường hợp như vậy thuật toán điều khiển trở nên không khả
thi. Trong trường hợp này cần loại bớt hoặc giới hạn các điều kiện ràng buộc
để thuật toán có thể tìm được lời giải phù hợp, tạo ra tính khả thi cho bài toán
tối ưu. Ở MPC, việc làm này thường được gọi là tạo ra tính khả thi
(feasibility) cho bài toán.
Tóm lại, vì không có một giải pháp mang tính tổng quát cho nên trong
các nghiên cứu thường dùng các phương pháp quy hoạch phi tuyến phổ biến
như SQP (Sequential Quadratic programming), giải thuật di truyền (Genetic
Algorithms - GA), v.v. Do vậy khối lượng tính toán của NMPC sử dụng
phương pháp số cũng nặng hơn nhiều so với MPC tuyến tính, và thậm chí nó
còn tăng theo cấp số nhân khi ta tăng tầm dự báo.
Nếu sử dụng mô hình dự báo phi tuyến thì với bài toán nhận dạng cho hệ
phi tuyến, đặc biệt là cho hệ phi tuyến có tham số bất định sẽ gặp rất nhiều
khó khăn, thậm chí khi giả thiết chúng ta có mô hình dự báo phi tuyến cho đối
tượng thì khi thực hiện giải bài toán tối ưu để tìm tín hiệu điều khiển dự báo
lại gặp khó khăn hơn nữa vì lại tiếp tục phải đụng chạm đến vấn đề giải bài
toán tối ưu phi tuyến với nhiều ràng buộc và hạn chế, do đó cần phải trả lời
cho các câu hỏi sau đây:
Bài toán tối ưu phi tuyến đó có giải được không? Hiện nay cũng chưa có
phương pháp giải bài toán tối ưu phi tuyến tổng quát, hiện tại mới chỉ có
phương pháp điều khiển tối ưu là quy hoạch động Bellman, nguyên lý
cực đại của Pontragin, phương pháp biến phân.
Tầm dự báo của bộ điều khiển dự báo là bao nhiêu để hệ thống kín còn
đảm bảo tính ổn định?
Tính ổn định của hệ kín ra sao khi cửa sổ dự báo tiến đến vô cùng?
Hệ thống kín có đảm bảo về thời gian tính toán để thỏa mãn tính thời
gian th
ực trong điều khiển công nghiệp?
Từ các phân tích ở trên, ta thấy rằng đối với điều khiển dự báo hệ phi
tuyến nói chung còn rất nhiều vấn đề cần được tiếp tục nghiên cứu, hoàn
thiện. Một số trong các vấn đề đó là:
- Xây dựng mô hình dự báo phản ánh trung thực đối tượng phi tuyến.
Khi mô hình dự báo càng gần với mô hình đối tượng thì kết quả dự báo càng
sát và chất lượng bộ điều khiển càng cao. Điều này rất dễ thực hiện đối với
đối tượng tuyến tính, nhưng đối với hệ phi tuyến vẫn còn đang là bài toán mở;
- Chọn phiếm hàm mục tiêu phù hợp cho từng đối tượng, đặc biệt khi các
mục tiêu đối nghịch nhau cần phải có giải pháp "thỏa hiệp" giữa các mục tiêu
để chọn được phiếm hàm mục tiêu phù hợp nhất;
- Tìm ra các phương pháp mới giải bài toán tối ưu phi tuyến và cài đặt
chúng vào bộ điều khiển dự báo.