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

Tóm tắt - Bài báo này đề xuất một giải pháp ứng dụng mạng nơ-

ron thích nghi dựa trên suy luận mờ (ANFIS) để điều khiển vị trí

bàn trượt. Mục đích của nghiên cứu này là nhằm đánh giá mức độ

ưu việt của bộ điều khiển thông minh so với bộ điều khiển PID trong

điều khiển vị trí hệ động cơ – bàn trượt, qua đó xác định phương

pháp kết hợp dùng mạng nơ-ron với bộ điều khiển kinh điển sẽ

mang lại kết quả tốt hơn, đưa ra các cơ sở để lựa chọn phục vụ

trong thiết kế, sản xuất các máy công cụ. Để đạt được mục tiêu

này, tác giả đã sử dụng phần mềm Matlab và Simulink làm công

cụ xây dựng mô hình và mô phỏng hệ thống, bao gồm mô hình hóa

đối tượng điều khiển, xây dựng bộ điều khiển PID, bộ điều khiển

mạng nơ-ron. Kết quả mô phỏng cho thấy việc điều khiển vị trí bàn

trượt ứng dụng mạng nơ-ron cho đáp ứng hệ thống nhanh, sai lệch

vị trí của hệ thống được đảm bảo.

Abstract - This paper proposes a solution applying Adaptive

Network based Fuzzy Inference System – ANFIS to control position

of the sliding table. The purpose of this study is to assess the

superiority of intelligent controllers compared to that of PID

controllers in machines as well as sliding table systems, and thereby

determines that the combined method using neural network

controllers with PID controllers will give better results, creating the

basis for selection to serve the design and manufacture of tool

machines. To achieve this goal, the authors use Matlab and Simulink

software as a tool to build simulation models and systems, including

object control modeling, building the PID controller, the neural

networks controller. The simulation results show that the sliding table

controller applying neural networks produces fast system response,

and position error of the system is guaranteed.

Từ khóa - bàn trượt; PID; ANFIS; mạng nơ-ron; điều khiển thông

minh; động cơ DC.

Key words - sliding table; PID; ANFIS; neural network; intelligent

controller; DC motor.

Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron trang 1

Trang 1

Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron trang 2

Trang 2

Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron trang 3

Trang 3

Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron trang 4

Trang 4

Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron trang 5

Trang 5

pdf 5 trang baonam 6680
Bạn đang xem tài liệu "Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

Tóm tắt nội dung tài liệu: Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron

Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron
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-
ron thích nghi dựa trên suy luận mờ (ANFIS) để điều khiển vị trí 
bàn trượt. Mục đích của nghiên cứu này là nhằm đánh giá mức độ 
ưu việt của bộ điều khiển thông minh so với bộ điều khiển PID trong 
điều khiển vị trí hệ động cơ – bàn trượt, qua đó xác định phương 
pháp kết hợp dùng mạng nơ-ron với bộ điều khiển kinh điển sẽ 
mang lại kết quả tốt hơn, đưa ra các cơ sở để lựa chọn phục vụ 
trong thiết kế, sản xuất các máy công cụ. Để đạt được mục tiêu 
này, tác giả đã sử dụng phần mềm Matlab và Simulink làm công 
cụ xây dựng mô hình và mô phỏng hệ thống, bao gồm mô hình hóa 
đối tượng điều khiển, xây dựng bộ điều khiển PID, bộ điều khiển 
mạng nơ-ron. Kết quả mô phỏng cho thấy việc điều khiển vị trí bàn 
trượt ứng dụng mạng nơ-ron cho đáp ứng hệ thống nhanh, sai lệch 
vị trí của hệ thống được đảm bảo. 
 Abstract - This paper proposes a solution applying Adaptive 
Network based Fuzzy Inference System – ANFIS to control position 
of the sliding table. The purpose of this study is to assess the 
superiority of intelligent controllers compared to that of PID 
controllers in machines as well as sliding table systems, and thereby 
determines that the combined method using neural network 
controllers with PID controllers will give better results, creating the 
basis for selection to serve the design and manufacture of tool 
machines. To achieve this goal, the authors use Matlab and Simulink 
software as a tool to build simulation models and systems, including 
object control modeling, building the PID controller, the neural 
networks controller. The simulation results show that the sliding table 
controller applying neural networks produces fast system response, 
and position error of the system is guaranteed. 
Từ khóa - bàn trượt; PID; ANFIS; mạng nơ-ron; điều khiển thông 
minh; động cơ DC. 
Key words - sliding table; PID; ANFIS; neural network; intelligent 
controller; DC motor. 
1. Đặt vấn đề 
Trong sản xuất và gia công cơ khí, sử dụng máy công 
cụ và điều khiển đóng vai trò rất quan trọng, hệ điều khiển 
cho máy cần đảm bảo đơn giản, chính xác, ổn định, trơn tru 
và hiệu quả kinh tế. Để điều khiển ổn định vị trí bàn trượt 
trên các máy có sử dụng động cơ, bộ điều khiển kinh điển 
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 
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 
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 
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. 
2. Bộ điều khiển ANFIS 
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 A2j.... AND xn is Anj 
THEN y = fj = p0j + 
với: xi, y tương ứng là các biến vào, ra; 
Aij(xi) là biến ngôn ngữ mờ ứng với biến đầu vào xi; 
p1j R là hệ số của hàm tuyến tính fj; 
i = 1, 2,..., n; j = 1, 2,..., M. 
Cấu trúc ANFIS gồm 6 lớp như sau: 
Lớp 1: Là lớp đầu vào có tín hiệu vào xi. 
Lớp 2: Mỗi phần tử là một hàm. 
Lớp 3: Mỗi phần tử Rj tương ứng thực hiện một luật thứ j: 
Lớp 4: Mỗi phần tử n tương ứng thực hiện phép tính: 
Lớp 5: Mỗi phần tử thứ j thực hiện phép tính: 
Lớp 6: Có một phần tử tính toán giá trị đầu ra: 
Sai lệch trung bình bình phương giữa hàm đầu ra mong 
muốn ym và hàm đầu ra y: 
3. Mô hình hệ thống điều khiển vị trí bàn trượt 
Hệ truyền động gồm động cơ chỉnh vị trí bàn trượt với 
tín hiệu vào là điện áp và tín hiệu ra là quãng đường bàn 
trượt đi được có sơ đồ như Hình 1. 
( )j
i
iA
x
1
n
j
i i
i
p x

ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(120).2017, QUYỂN 2 119 
Hình 1. Mô hình động cơ chỉnh vị trí bàn trượt 
Sơ đồ cấu trúc hệ động cơ điều chỉnh vị trí bàn trượt thể 
hiện như trên Hình 2. 
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 3. Sơ đồ thay thế động cơ điện DC kích từ độc lập 
Các phương trình toán học mô tả động cơ điện một 
chiều như sau: 
a aK i (3.1) 
adi
d
a a a a bu R i L e
t
 (3.2) 
.
b be K q (3.3) 
Ở chế độ xác lập, tốc độ động cơ có thể tính được qua 
phương trình cân bằng điện áp phần ứng: 
.
a a a
a
U R I
q
K
 (3.4) 
Phương trình chuyển động của động cơ là: 
L
dq
J Jq
dt
  (3.5) 
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: 
. . a aJ q s K 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, 
ta có: 
2. . .
( )= ( ) ( ) ( )a a a b
a a
Js Js
U s R q s L q s K q s
K K
Hay: 
.
2
( )
( ) 1
d
a a c c
Kq s
U s T T s T s
 (3.7) 
trong đó, ;a ac a
a b a
JR L
T T
K K R
 gọi là hằng số thời gian cơ 
và hằng số thời gian điện của động cơ; hằng số của động 
cơ: 1
d
b
K
K
- 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 4. Sơ đồ cấu trúc của động cơ điện một chiều 
Các thông số ban đầu [6], [9] của hệ thống: 
Bộ chỉnh lưu: 
10
0,00167 1
clW
s
Bộ biến dòng: 
1
0,6
0,001 1
bdW
s
Máy phát tốc: 
1
3,14
0,001 1
ftW
s
Cảm biến vị trí: 
1
0,95
0,005 1
vtW
s
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 
bài báo là xây dựng bộ điều khiển nơ-ron thích nghi dựa trên 
suy luận mờ để điều khiển vị trí bàn trượt theo yêu cầu. 
4. Kết quả nghiên cứu 
 Thiết kế bộ điều khiển vị trí bàn trượt dùng PID 
Các bộ điều khiển vị trí đơn giản và thường dùng (hơn 
90%) là bộ điều khiển tỉ lệ - đạo hàm - tích phân (PID). 
Vòng điều khiển cấp trong cùng là bộ điều khiển dòng điện, 
giả sử ea 0, ta có sơ đồ cấu trúc mạch vòng điều khiển 
dòng điện như Hình 5. 
Hình 5. Sơ đồ cấu trúc mạch vòng điều khiển dòng điện 
120 Võ Khánh Thoại 
Từ sơ đồ, ta có hàm truyền hệ hở (khi chưa có RI) là: 
1
( ) . . .
( 1) ( 1) ( 1) ( 1)( 1)
cl a bd I
hI
cl a bd a I
K R K K
W s
T s T s T s T s T s
Áp dụng các nguyên tắc các hằng số thời gian nhỏ: 
(Ta >> Tcl + Tbd = T). 
Đây là một khâu quán tính bậc 2, áp dụng tiêu chuẩn tối 
ưu độ lớn, chọn bộ điều khiển PI có dạng: 
a
1
(2 )(1 )
T s
a a
RI
cl bd
R T
W
K K T
Thay số vào ta được: 
1
0,1392(1 )
0,0027s
RIW 
Hàm truyền hệ kín có dạng: 
1,67(0,001s 1)
0,00534 (0,00267s 1) 1
kIW
s
Vòng điều khiển tiếp theo là tốc độ: 
Hình 6. Sơ đồ cấu trúc mạch vòng điều khiển tốc độ 
.
( 1)
1
( ) . .
( 1) [ (2 )] ( 1)( 1) 1]( 1)
a ft bd
ft bd
kI a
hq
ft I cl bd ft
K K T s
K K
W s W K
Js T s Js T s T s T s T s
với Tft = Tbd = 0,001(s) và bỏ qua các thành phần bậc cao, ta có: 
.
[ (2 )] 1
a ft
bd
hq
I
K K
JK
W
s T s
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
( )
1
1
pq
R q
Iq
W K
T s
trong đó, 
. 2 I
I q
T aT ; .
2
bd
pq
a f t I
JK
K
K K T a
 , 
khi đó: 
.
1
( )(1 )
22
bd
Rq
Ia f t I
JK
W
aT sK K T a 
 , 
chọn a = 9 và thay số vào ta được: 
. 0,048
I q
T ; . 0,0039
pq
K 
Nên: 
.
1
0,0039(1 )
0,048R q
W
s
Vòng điều khiển ngoài cùng là vị trí của bàn trượt: 
Hình 7. Sơ đồ cấu trúc mạch vòng điều khiển vị trí 
Hàm truyền hệ hở (khi chưa có bộ điều khiển vị trí Rq): 
.
.
1
. . . )
1
W . .
1 1
. . . . 1
1
kI a
Rq vt
hq
f t vt
kI a
Rq
f t
W W K
KJs
K s T s
W W K
Js T s
Thay số vào ta được: 
2 2
0,033(0,048s 1)
s(0,005 1)(0,00046s 0,04 1)(0,000017s 0,006 1)
hqW
s s s
Bỏ qua các thành phần bậc cao, đối tượng điều khiển 
chứa thành phần tích phân nên ta chọn bộ điều khiển PD. 
Sử dụng phương pháp của Ziegler-Nichols và tiến hành 
hiệu chỉnh ta có: 
1 450;pqk 1 150dqk 
 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 
thông số e, de, Uđk sau để cho mạng nơ-ron học. 
4.2.1. Cấu trúc hệ nơ-ron thích nghi 
Bộ điều khiển nơ-ron thích nghi có thể xây dựng theo 
nhiều cấu trúc khác nhau, trong nghiên cứu này, tác giả 
chọn bộ điều khiển nơ-ron thích nghi dựa trên suy luận mờ 
có cấu trúc như Hình 8. 
Hình 8. Cấu trúc hệ nơ-ron thích nghi 
Trong sơ đồ cấu trúc, bộ điều khiển nơ-ron mờ có 2 đầu 
vào và 1 đầu ra. Mỗi đầu vào có 5 nơ-ron mô tả các hàm 
liên thuộc. 
4.2.2. Huấn luyện bộ điều khiển 
Sau 30 kỳ huấn luyện, ta thu được bộ điều khiển nơ-ron 
mờ với sai số giữa dữ liệu vào ra đích và dữ liệu vào ra của 
mạng là 0,97.10-4, sai số giữa tập dữ liệu của mạng nơ-ron 
và tập dữ liệu đích để đưa vào điều khiển vị trí động cơ, sai 
số này có thể chấp nhận được như Hình 9. 
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(120).2017, QUYỂN 2 121 
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 10. Cấu trúc hệ mờ sau khi huấn luyện mạng 
Hình 11. Hàm liên thuộc đầu ra và luật điều khiển 
Bộ não của bộ điều khiển mờ lúc này là các luật điều 
khiển biểu thị mối quan hệ giữa đầu vào và ra hệ thống. 
 Kết quả mô phỏng 
Kết quả mô phỏng điều khiển vị trí bàn trượt dùng 
phương pháp PID và phương pháp ANFIS tác giả đã thực 
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. 
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 
các tham số Kp, Ti, Td, và việc chọn các tham số này phụ 
thuộc vào các giá trị tham số của hệ thống, điều này sẽ gây 
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 13. Đáp ứng hệ thống khi không nhiễu 
Hình 14. Tín hiệu điều khiển vị trí 
4.3.2. Điều khiển ở điều kiện có nhiễu 
Trường hợp nhiễu đầu ra (nhiễu vị trí) có giá trị ngẫu 
nhiên (hàm Random trong đoạn [-0,02 – 0,01]) được thể hiện 
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 
và nhiễu vị trí đầu ra xảy ra liên tiếp, chất lượng bám của 
PID giảm xuống rõ rệt. Bộ ANFIS vẫn làm việc một cách 
hiệu quả, cho đáp ứng nhanh, bám điểm đặt tốt, sai số nhỏ. 
Hình 15. Nhiễu và đáp ứng khi nhiễu vị trí (đầu ra) 
Xét trường hợp nhiễu đầu vào (nhiễu đặt) bằng các 
hàm step nối tiếp kết hợp hàm ngẫu nhiên random có giá 
trị thay đổi trong khoảng cho phép ±0,5, nhiễu đầu ra 
122 Võ Khánh Thoại 
(nhiễu vị trí) hàm ngẫu nhiên random [-0,02 – 0,01]), tham 
số của động cơ Ra thay đổi tăng/giảm 0,5Ω, kết quả thể hiện 
trên Hình 16. 
Hình 16. Đáp ứng khi nhiễu vào, ra, điện trở thay đổi 
Khi có nhiễu đầu vào và ra, điện trở của động cơ thay 
đổi, thời gian đáp ứng của PID chậm (>2 s), trong khi đó 
bộ ANFIS vẫn cho đáp ứng khá nhanh trong các điều kiện 
(khoảng 0,3 s); sai số PID cũng lớn hơn nhiều so với 
ANFIS, chất lượng điều khiển của ANFIS tốt hơn PID. 
5. Kết luận 
Từ thực tế khảo sát lý thuyết và ứng dụng mạng nơ-ron, 
mà cụ thể là mạng nơ-ron thích nghi dựa trên suy luận mờ 
(Adaptive Network based Fuzzy Inference System - ANFIS) 
vào đối tượng động cơ chỉnh vị trí bàn trượt và so sánh với 
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. 
[6] M. Önder Efe, O. Hasan Dagci, Okyay Kaynak, Fuzzy Control of a 
2-DOF Direct Drive Robot Arm by Using a Parameterized T-Norm, 
Bogazici University, Mechatronics Research and Application 
Center, Bebek, 80815, Istanbul, Turkey. 
[7] Babul Salam Bin KSM Kader Ibrahim, Control of a 2 DOF direct 
drive robot arm using integral sliding mode control, Master thesis, 
2004. 
[8] Kevin M. Passino, Stephen Yurkovich, Fuzzy control, Addison 
Weslet Longman, Inc., 1998. 
[9] https://www.aerotech.com/product-catalog/motors.aspx 
(BBT nhận bài: 02/10/2017, hoàn tất thủ tục phản biện: 22/10/2017) 

File đính kèm:

  • pdfdieu_khien_vi_tri_ban_truot_ung_dung_mang_no_ron.pdf