You are on page 1of 114

§å ¸n thiÕt kÕ vµ m« pháng 200

9
Chương 1: Mô hình hóa đối tượng
Mục đích của chương này là giúp người đọc hiểu rõ hơn về mô hình trong việc
phát triển hệ thống nói chung và các phương pháp để xây dựng mô hình của đối
tượng.“Không có mô hình nào chính xác, nhưng có một số mô hình có ích”, nhiệm
vụ của chương này chính là việc đi tìm một số mô hình có ích cho nhiệm vụ phát
triển hệ thống.
1. Giới thiệu chung
1.1 Mô hình và mục đích mô hình hóa:
Mô hình: Là một hình thức mô tả khoa học và cô đọng các khía cạnh thiết yếu
của một hệ thống thực, có thể có sẵn hoặc cần phải xây dựng.
Phân loại mô hình: (theo tài liệu [5])
Mô hình vật lý: Là một sự thu nhỏ và đơn giản hóa của thiết bị thực, được xây
dựng trên cơ sở vật lý, hóa học giống như các quá trình và thiết bị thực. Nó là
phương tiện hữu ích phục vụ đào tạo cơ bản và nghiên cứu các ứng dụng nhưng lại
ít phù hợp cho công việc thiết kế và phát triển hệ thống.
Mô hình trừu tượng: Được xây dựng trên cơ sở một ngôn ngữ bậc cao, nhằm
mô tả một các logic các quan hệ về mặt chức năng giữa các thành phần của hệ
thống. Việc xây dựng mô hình trừu tượng của hệ thống gọi là mô hình hóa. Trong
các mô hình trừu tượng, mô hình toán học đóng vai trò then chốt trong hầu hết các
nhiệm vụ phát triển hệ thống. Bởi vì nó giúp cho người kỹ sư:
 Hiểu rõ hơn về quá trình sẽ điều khiển và vận hành
 Tối ưu hóa thiết kế công nghệ và điều kiện vận hành
 Thiết kế sách lược và cấu trúc điều khiển
 Lựa chọn bộ điều khiển và xác định tham số cho bộ điều khiển
 Phân tích và kiểm chứng các kết quả thiết kế
 Mô phỏng trên máy tính phục vụ đào tạo vận hành
1.2.Các phương pháp xây dựng mô hình toán học:
Mô hình hoá bằng lý thuyết (mô hình hóa vật lý): phương pháp dựa trên các
định luật cơ bản của vật lý và hoá học kết hợp thông số của thiết bị công nghệ, kết
quả nhận được là phương trình vi phân và phương trình đại số.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 1
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Mô hình hoá bằng thực nghiệm (nhận dạng): dựa trên thông tin ban đầu về quá
trình, quan sát tín hiệu vào ra, phân tích số liệu thu được để xác định cấu trúc và
tham số mô hìnhtừ một lớp các mô hình thích hợp.
Phương pháp kết hợp: kết hợp ưu điểm của các hai phương pháp để thu được
mô hình có chất lượng mong muốn.

1.3 Các bước tiến hành:
• Thu thập, khai thác thông tin về quá trình.
• Lựa chọn phương pháp nhận dạng.
• Tiến hành lấy số liệu thực nghiệm cho từng cặp biến vào ra.
• Quyết định dạng mô hình.
• Xác định tham số mô hình.
• Mô phỏng kiểm chứng kết quả.
2.Phân loại các phương pháp mô hình hóa đối tượng
2.1 Mô hình hóa lý thuyết
Theo [5], pp. 53-56 và chương 3, ta thấy rằng phương pháp mô hình hóa lý
thuyết có những đặc điểm sau:
* Ưu điểm:
• Phương pháp lý thuyết cho phép ta hiểu sâu các quan hệ bên trong hệ thống có
liên quan trực tiếp tới các hiện tượng vật lý, hóa học.
• Ngoài ra, nếu được tiến hành chi tiết, cấu trúc của mô hình cũng sẽ được xây
dựng tương đối chính xác.
*Nhược điểm:
• Việc xây dựng mô hình phụ thuộc nhiều vào quá trình cụ thể, không có bài bản
chung cho các đối tượng khác nhau.
• Sự chính xác của mô hình nhiều khi phụ thuộc vào các quan hệ động học có
được.Vậy việc bỏ qua động học các khâu như đo lường, chấp hành…sẽ giảm độ
chính xác của mô hình.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 2
§å ¸n thiÕt kÕ vµ m« pháng 200
9
• Để xây dựng mô hình lý thuyết, không thể tránh khỏi các giả thiết mang tính
“lý tưởng”, trong đó có ảnh hưởng của yếu tố nhiễu, đặc biệt là các loại nhiễu
không đo được.
Do đó, mô hình hóa lý thuyết được dùng chủ yếu để xây dựng được cấu trúc của
đối tượng.
Các bước thực hiện mô hình hóa lý thuyết bạn đọc có thể tham khảo trong
chương 3 của tài liệu số [5], pp 87-88 . Ta có thể tóm lược lại thành 4 bước dưới
đây:
1. Phân tích bài toán mô hình hóa.
Tức là xác định các biến:
• Biến cần điều khiển.
• Biến điều khiển.
• Biến nhiễu.
• Biến quá trình không can thiệp (hoặc không cần can thiệp).
2. Xây dựng các phương trình mô hình.
3. Kiểm chứng mô hình (đảm bảo tính nhất quán của mô hình)
4. Phát triển mô hình.
2.2 Mô hình hóa thực nghiệm ( nhận dạng quá trình )
Cũng theo chương 4 của tài liệu [5] ta thấy rằng:
* Ưu điểm của phương pháp này đó là:
• Cho phép xác định tương đối chính xác các tham số mô hình trong trường hợp
biết trước cấu trúc mô hình.
• Hỗ trợ mạnh từ các công cụ nhận dạng phần mềm.
* Nhược điểm:
• Số liệu của phép đo nhiều khi không chính xác. Các thông số hệ thống thay
đổi, tác động của các yếu tố nhiễu…ảnh hưởng mạnh tới chất lượng của mô
hình thu được.
• Cấu trúc mô hình nếu không được biết trước.
Như vậy, có thể thấy dù là tiếp cận bằng phương pháp nào chăng nữa cũng
không thể tránh được những khó khăn đó đó, cách tiếp cận tốt nhất đó chính là
phương pháp kết hợp giữa phân tích lý thuyết và nhận dạng quá trình. Trước hết,
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 3
§å ¸n thiÕt kÕ vµ m« pháng 200
9
cần phân tích nhằm tìm ra cấu trúc mô hình, sau đó tiến hành nhận dạng để xác
định các tham số của mô hình
“Nhận dạng hệ thống là những thủ tục suy luận một mô hình toán học biểu diễn
đặc tính tĩnh và đặc tính quá độ của một hệ thống từ đáp ứng của nó với một tín
hiệu đầu vào xác định, ví dụ hàm bậc thang, một xung hoặc nhiễu ồn trắng”.
Bản chất của nhận dạng đó chính là phương pháp xây dựng mô hình toán học
trên cơ sở các số liệu vào ra thực nghiệm.
Công việc này bao gồm 7 bước:
1. Thu thập, khai thác thông tin ban đầu về quá trình:
2. Lựa chọn phương pháp nhận dạng
3. Tiến hành lấy số liệu thực nghiệm cho từng cặp biến vào ra. Sau đó xử
lý thô các số liệu, loại bỏ các giá trị đo kém tin cậy.
4. Kết hợp yêu cầu về khả năng ứng dụng của phương pháp nhận dạng
đã cho.
5. Xác định các tham số mô hình theo phương pháp đã chọn. Kết hợp các
mô hình con lại với nhau (nếu có)
6. Mô phỏng, kiểm chứng, đánh giá mô hình theo các tiêu chuẩn đã được
lựa chọn, tốt nhất là trên các tập dữ liệu khác nhau. Đây là công việc cuối cùng khi
nhận dạng mô hình, là quá trình quay trở về với thực tiễn.
7. Nếu chưa đạt, ta có thể quay trở lại các bước 1-4.
Theo dạng mô hình sử dụng, chúng ta phân ra các phương pháp như nhận dạng
hệ phi tuyến/tuyến tính, liên tục/gián đoạn, trên miền thời gian/tần số, nhận dạng
mô hình không tham số/có tham số, nhận dạng mô hình rõ/mờ. Trong đó, hai loại
mô hình được ứng dụng phổ biến nhất đó là mô hình tính tính bậc nhất và bậc hai
(có hoặc không có trễ, có hoặc không có dao đọgn, có hoặc không thành phần tích
phân) là những dạng thực dụng nhất.
Theo dạng tín hiệu thực nghiệm chúng ta có nhận dạng chủ động và nhận dạng
bị động. Nhận dạng được gọi là chủ động nếu tín hiệu vào được chủ động lựa chọn
và kích thích. Đây là phương pháp tốt nhất nếu thực tế cho phép. Nếu hệ thống
đang vận hành ổn định, không cho phép có sự can thiệp nào gây ảnh hưởng tới chất
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 4
§å ¸n thiÕt kÕ vµ m« pháng 200
9
lượng sản phẩm, ta sử dụng các số liệu vào ra trong quá trình vận hành. Đó là
phương pháp nhận dạng bị động. Số liệu thu được phản ánh hệ thống ở chế độ xác
lập, mang ít thông tin cần thiết cho việc điều khiển.
Theo cấu trúc ta có nhận dạng vòng kín và nhận dạng vòng hở. Nhận dạng
vòng hở là phương pháp trong đó mô hình của đối tượng có thể nhận được trực tiếp
trên cơ sở tiến hành thực nghiệm và tính toán với các tín hiệu vào ra của nó.
Phương pháp này có nhược điểm là có khả năng đưa hệ thống đến trạng thái mất
ổn định. Giải pháp thay thế đó chính là nhận dạng vòng kín, có được bằng cách
đưa vào một vòng phản hồi đơn giản, giúp duy trì sự ổn định của hệ thống.
Nhận dạng trực tuyến và nhận dạng ngoại tuyến. Tùy theo yêu cầu của việc
nhận dạng :nếu phục vụ chỉnh định trực tuyến và liên tục tham số của bộ điều
khiển, tối ưu hóa thời gian thực hệ thống điều khiên thì ta sử dụng nhận dạng trực
tuyến. Nếu quá trình thu thập dữ liệu độc lập với việc tính toán, ta co nhận dạng
ngoại tuyến.
Theo thuật toán ước lượng ta có một số thuật toán thông dụng: bình phương
tối thiểu, xác suất cực đại, phân tích tương quan, phân tích phổ, phân tích thành
phần cơ bản, phương pháp dự báo lỗi, phương pháp không gian con…
Đánh giá và kiểm chứng mô hình: Việc xây dựng các tiêu chuẩn đánh giá và
kiểm chứng mô hình thu được đóng vai trò hết sức quan trọng. Tiêu chuẩn quen
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 5
§å ¸n thiÕt kÕ vµ m« pháng 200
9
thuộc nhất đó là dựa số liệu đáp ứng thời gian. Ta có công thức tính tổng bình
phương sai số:
2
1
1
[ ( ) ( )] min
N
k
y k y k
N
ε
·
· − →

%
Với N là số lần trích mẫu tín hiệu,y(k) là giá trị đầu ra thực của quá trình ở thời
điểm trích mẫu thứ k,
( ) y k %
: giá trị đầu ra của mô hình ước lượng lấy từ mô phỏng.
Ta có thể sử dụng tín hiệu dạng bậc thang. Ngoài ra, việc đánh giá sai số có thể
được thực hiện trên miền tần số, kèm theo đó là phương pháp lấy đặc tính tần số
sao cho phù hợp. Sai lệch lớn nhất:
ˆ
( ) ( )
100%
( )
max
O
G j G j
G j
E
ω
ω ω
ω

¹ ¹
− ¹ ¹
×
' '
¹ ¹
¹ ¹
·
Trong đó
( ) G j ω
là đặc tính tần số của quá trình thực.
ˆ
( ) G j ω là đặc tính tần
số của mô hình và O là tập số cần quan tâm đánh giá.
3. Các phương pháp nhận dạng
3.1 Các phương pháp nhận dạng dựa trên đáp ứng quá độ.
Nội dung phần này sẽ trình bày các phương pháp nhận dạng dựa trực tiếp trên đồ
thì đáp ứng quá độ, Đây là một phương pháp trực quan và đơn giản, tuy nhiên độ
chính xác của nó chính là vấn đề mà chúng ta cần xem xét tới để có thể lựa chọn
phương pháp cho việc thiết kế và phát triển hệ thống. Dưới đây sẽ trình bày một số
phương pháp nhận dạng dựa trên đáp ứng quá độ đang được sử dụng trong thực tế
để thiết kế hệ thống.
 Mô hình quán tính bậc nhất có trễ.
Có dạng:
Với k là hệ số khuếch đại tĩnh của đối tượng, T là hằng số thời gian và L là
thời gian trễ xấp xỉ.
• Phương pháp kẻ tiếp tuyến.
Việc thực hiện tiến hành như sau:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 6
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Kẻ tiệm cận với đường cong tại trạng thái xác lập-> tìm ra k.
Kẻ tiếp tuyến tại điểm uốn giao với trục tung ->L
Xác định trên đường cong điểm có tung độ
0.632 y


ta có L+T
Nhược điểm của phương pháp này là việc kẻ tiếp tuyến mang tính chủ quan,
thiếu chính xác và khó khăn trong việc vi tính hóa. Ngoài ra, ảnh hưởng của nhiễu
đo tương đối lớn, nên phương pháp này không được ưa dùng.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 7
§å ¸n thiÕt kÕ vµ m« pháng 200
9
• Phương pháp hai điểm quy chiếu.
Ta sử dụng hai điểm quy chiếu ứng với các giá trị
0.632 y



0.283 y


.
Công thức tính toán được xác định như trên.
• Phương pháp diện tích.
Để giảm ảnh hưởng của nhiễu đo, có thể sử dụng phương pháp tính lấy tích
phân thay vì các giá trị đơn lẻ.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 8
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Mô hình quán tính bậc hai có trễ.
Có dạng:
• Phương pháp kẻ tiếp tuyến và hai điểm quy chiếu.
Tương tự như đối với mô hình bậc nhất, ta có thể sử dụng phương pháp kẻ
tiếp tuyến và hai điểm quy chiếu.
 Hệ số khuếch đại tĩnh k được xác định nhờ kẻ tiệm cận với đáp ứng quá độ
tại trạng thái xác lập.
 Giao điểm giữa trục thời gian với tiếp tuyến tại điểm uốn sẽ cho ta thời
gian trễ L.
 Các hằng số thời gian T
1
và T
2
được ước lượng:
Trên thực tế, hai điểm thường được chọn tương ứng với 33% và 67% giá trị
cuối
y


• Phương pháp ba điểm quy chiếu
Nhìn chung việc kẻ tiếp tuyến vẫn không tránh khỏi nhược điểm đó là độ
chính xác kém và khả năng vi tính hóa thấp. Để tránh nhược điểm này, có thể sử
dụng 3 điểm quy chiếu ứng với 14%, 55% và 91% độ biến thiên tín hiệu ra. Mô
hình đưa ra dưới dạng
2 2
( )
2 1
Ls
k
G s e
T S T S ξ

·
+ +
Các thông số được tính toán như sau:
2 2 3 4 5
2 3 4
1 2
2 3 4
2
0.50906 0.51743 0.076284 0.041363 0.0049224 0.00021235
( ) / (0.85818 0.62907 1.2897 0.36859 0.03889 )
(1.392 0.52536 1.2991 0.36014 0.037605 )
T t t
L t T
ξ β β ξ β β
ξ ξ ξ ξ
ξ ξ ξ ξ
· + − + − +
· − − + − +
· − − + − +
Trong đó
3 2 2 1
ln( / (2.485 ))
( )( ) t t t t
β α α
α
· −
· − −
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 9
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Mô hình chứa khâu tích phân
Ta xét mô hình có dạng quán tính-tích phân bậc nhất và bậc hai có trễ:
Ta có thể đưa về bài toán quen thuộc đã xét ở trên thông qua hai cách:
• Thay vì tín hiệu bậc thang, có thể sử dụng kích thích dạng xung. Đầu ra lúc
này sẽ tương đương trường hợp kích thích khâu quán tính bậc nhất và bậc hai
thông thường bằng tín hiệu bậc thang, nếu diện tích của xung được chọn bằng
biên độ của tín hiệu bậc thang.
• Sử dụng tín hiệu kích thích dạng bậc thang, với số liệu thu được là đạo hàm
của tín hiệu đầu ra. Cách làm này có thể khiến hệ mất ổn định.
Kết quả thu được hàm truyền và sau đó chỉ cần nhân với 1/s thì sẽ có
được mô hình mong muốn.
3.2 Nhận dạng trên miền tần số.
Ở đây ta lưu ý đặc điểm đó là đặc tính đáp ứng tần số được xác định tại những
tần số quan tâm. Cách kích thích có thể là một trong hai dạng: kích thích trực tiếp
tín hiệu hình sin hoặc dùng các dạng tín hiệu khác.
• Kích thích trực tiếp với tín hiệu hình sin
Tín hiệu kích thích được sử dụng đó là tín hiệu dạng sin dao động xác lập
với biên độ u ∆ và tần số
ω
. Đáp ứng ra thu được ở trạng thái xác lập chính là dao
động hình sin với biên độ
y ∆
và tần số
ω
.
Tiến hành ghi lại hệ số khuếch đại
y
A
x

·

và độ lệch pha
ϕ
. Quá trình thực
nghiệm được lặp lại với các tần số khác nhau, nằm trong dải tần cần quan tâm.
Dựa trên các số liệu cần khảo sát được, ta vẽ các biểu đồ trên miền tần số
(Bode, nyquist) từ đó đánh giá chất lượng của mô hình. Để có độ chính xác cao
hơn, có thể kết hợp đánh giá trên máy tính.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 10
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nhận xét:
 Cho ra chất lượng mô hình tốt hơn hẳn so với các phương pháp đã nêu ở
trên.
 Số lượng số liệu không hẳn quyết định tới chất lượng mô hình, thậm chí có
thể gây những ảnh hưởng xấu. Việc chọn lựa dữ liệu nằm trong vùng dải tần quan
tâm đóng vai trò rất quan trọng đối với chất lượng mô hình. Đặc biệt, đối với bài
toán điều khiển, ta quan tâm tới dải tần nằm trong phạm vi [ ] 0,
π
ω

.
 Ưu điểm nổi trội của phương pháp này đó là khả năng bền vững với nhiễu.
Do tần số dao động của toàn hệ thống là xác định, sẽ không khó để tách riêng ảnh
hưởng của nhiễu ra khỏi đáp ứng hệ thống.
 Phương pháp này có nhược điểm, đó chính là thời gian trễ không được thể
hiện trong phương pháp. Nếu đối tượng có trễ, việc nhận dạng theo phương pháp
này có thể gây ra sai lầm. Để giải quyết vấn đề này, ta có thể nhận biết thời gian
trễ riêng, sau đó chỉnh sửa đặc tính pha thu được rồi nhận dạng mô hình không
trễ như bình thường. Hoặc có thể sử dụng mô hình với bậc cao hơn, với mục đích
chính là xấp xỉ trễ về một khâu bậc 1 hoặc 2.
 Ngoài ra, việc lấy số liệu đặc tính đáp ứng tần làm mất rất nhiều thời gian,
đặc biệt là với những quá trình có tính quán tính lớn. Do đó, thông thường ta chỉ
quan tâm tới một vài tấn số quan trọng.
 Hơn thế nữa, trên thực tế việc kích thích trực tiếp với tín hiệu hình sin không
phải lúc nào cũng thực hiện được.
• Kích thích bằng tín hiệu dạng xung.
Được thực hiện trên nền phép biến đỏi Furier. Cơ sở của phương pháp này
đó là việc phân tích tín hiệu vào ra thành các thành phần tần số khác nhau.Hiện
cũng được ứng dụng khá phổ biến.
3.3 Các phương pháp bình phương tối thiểu
Khi mà yêu cầu về chất lượng trở nên khắt khe hơn, thì một trong những
phương pháp nhận dạng ưa dùng là phương pháp bình phương tối thiểu. Lúc này,
bài toán nhận dạng được đưa về bài toán tối ưu với hàm mục tiêu cần cự tiểu hóa
chính là tổng bình phương sai lệch giữa các giá trị thực quan sát được các giá trị
tính toán ước lượng.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 11
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Các phương pháp thuộc nhóm này có thể được áp dụng rộng rãi đối với cả
hệ thống phi tuyến và tuyến tính, trên miền thời gian cũng như miền tần số, nhận
dạng trức tuyến cũng như ngoại tuyến. Nguyên lý bình phương tối thiểu như sau :
Giả sử hệ thống được mô tả bởi một mô hình toán học đơn giản có dạng :

1 1 2 2
( ) ( ) ( ) ..... ( ) ( )
T
i i i n i n i
y t t t t t ϕ θ ϕ θ ϕ θ ϕ θ · + + + ·

Trong đó y(t
i
) là giá trị quan sát được tại thời điểm t
i
, θ là vector tham số
của mô hình cần xác định :
θ = [θ
1
θ
2
… θ
n
]
T

i
ϕ
là các hàm biết trước ( dãy giá trị biến vào hoặc ra)
Vector hàm
( )
T
i
t ϕ
= [
1
( )
i
t ϕ

2
( )
i
t ϕ
….
( )
n i
t ϕ
] gọi là biến hồi quy. Bài toán
nhận dạng được đưa về bài toán xác định các tham số mô hình sao cho sai lệch
giữa các giá trị quan sát thực và các giá trị tính toán theo mô hình ước lượng là
nhỏ nhất. Tiêu chuẩn thông dụng nhất được sử dụng dựa trên tổng bình phương
của từng giá trị sai lệch. Có nghĩa là, vector tham số θ cần được lựa chọn nhằm tối
thiểu hóa hàm mục tiêu cho một khoảng thời gian quan sát [t
1,
t
N
] :
%
2 2
1 0
( , ) ( ( ) ( )) ( ( ) ( ) )
N N
T
N i i i i
i i
V t y t y t y t t θ ϕ θ
· ·
· − · −
∑ ∑
Ta kí hiệu:
1 1 1 2 1 1
1 2 2 2 2 2
1 2
( ) ( ) ( )..... ( )
( ) ( )..... ( ) ( )
( ) ( ).... ( )
( )
T
n
T
n
T
N N n N
n
t t t t
t t t t
t t t
t
ϕ ϕ ϕ ϕ
ϕ ϕ ϕ ϕ
φ
ϕ ϕ ϕ
ϕ
]
]
]
]
]
]
· ·
]
]
]
]
]
]
]
;
1
2
( )
( )
( )
N
y t
y t
y t
ψ
]
]
]
·
]
]
]
Thu được hệ phương trình: φθ ψ · . Ta cần tìm nghiệm tối ưu thỏa:
arg min[( ) ( )]
T
θ ψ φθ ψ φθ · − −
)
Với N≥ n hệ trên có nghiệm. Ta tìm được :
1
( )
T T t
θ φ φ φ ψ φ ψ

· ·
)
Các giá trị đo trong thực tế kém không đảm bảo độ chính xác. Ta cần phải
tăng số điểm quan sát N. Điều này có thể gây khó khăn cho quá trình tính toán.
3.4 Nhận dạng vòng kín.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 12
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Một trong những ưu điểm của nhận dạng vòng kín đó là hệ thống được duy
trì trong vùng làm việc cho phép, ngay cả khi chủ động kích thích. Ảnh hưởng của
nhiễu tới kết quả cũng sẽ giảm, tín hiệu chủ đạo có thể được thay đổi để kích thích
hệ thống theo ý muốn.
Phương pháp nổi tiếng và thực dụng nhất trong nhóm các phương pháp nhận
dạng vòng kín đó chính là phương pháp phản hồi rơ le. Đây là sự cải tiến của
phương pháp Ziegler-Nichols, phục vụ cho việc chỉnh định tham số bộ điều khiển
PID theo công thức Ziegler-Nichols 2.
Trong phương pháp này, bộ điều khiển được thay thế bằng khâu rơle 2 vị trí.
Đáp ứng ra có dạng dao động như hình vẽ:
Từ hình vẽ, dễ dàng xác định được: tần số dao động tới hạn:
2
u
u
T
π
ω
và biên
độ tín hiệu ra biên độ tín hiệu ra
4
( )
u
d
a G jw
π
·
Các ưu điểm của phương pháp nhận dạng dựa trên phản hồi rơle đã được
khẳng định trong thực tế:
Thứ nhất, phương pháp này đơn giản, dễ dàng thử nghiệm đối với đa số các
quá trình công nghiệp. Nếu quá trình có đặc tính dao động tới hạn thì hệ kín sẽ tự
động tiến đến dao động.
Thứ hai, nhờ khả năng tự do lựa chọn biên độ khâu rơ le mà ta có thể hoàn
toàn kiểm soát được quá trình.
Thứ ba, loại bỏ được ảnh hưởng của nhiễu.
4. Thực nghiệm
4.1 Mô hình hóa lý thuyết động cơ một chiều
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 13
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Bài toán đặt ra ở đây là xây dựng mô hình lý thuyết cho đối tượng độ ng cơ
điện mộ t chiề u:
 Phân tích:
• Biến cần điều khiển: tốc độ n .
• Biến điều khiển: điện áp
A
u

• Biến nhiễu: momen tải
T
m
o Hệ thống phương trình mô tả động cơ điện một chiều:
 Phương trình cân bằng điện áp phần ứng:

A
A A A A a
di
u e R i L
dt
· + +
(1)
 * Sức điện động phần ứng : A e
e k n · Φ
(2)
 * Phương trình chuyển động :
M T
d
m m J
dt
ω
− ·
(3)
 * Tốc độ quay:
1
( )
2
M T
dn
m m
dt J π
· −
(4)
 Mô hì nh trạ ng thá i củ a động cơ mộ t chiề u
T A M
A
A
e A
A
A
m
J
i k
J dt
dn
u
L
n k i
T dt
di
π π 2
1
.
2
1
1
.
1
− Φ ·
+ Φ − − ·
Để điều khiể n tốc độ độ ng cơ mộ t chiề u trong vùng tố c độ nhỏ hơn tố c độ
đị nh mứ c, ta sử dụ ng phương phá p thay đổ i điện á p phầ n ứ ng. Vì thế để thay đổi
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 14
§å ¸n thiÕt kÕ vµ m« pháng 200
9
điện á p nà y ta thườ ng dùng bộ chỉ nh lưu hoặc bộ băm xung điệ n áp mộ t chiề u. Do
quán tính củ a bộ biế n đổi điệ n áp nhỏ ta có thể coi là khâu quán tính bậc mộ t với
hằ ng số thờ i gian quá n tí nh là T
CL
và hệ số khuyế c đạ i là k
Ta có thêm phương trì nh củ a bộ biế n đổi điệ n áp:
u
T
k
u
T dt
du
CL
A
CL
A
.
1
+ − ·
Vậ y mô hình trạ ng thá i củ a đố i tượ ng độ ng cơ điện mộ t chiề u là
T A M
A
A
e A
A
A
CL
A
CL
A
m
J
i k
J dt
dn
u
L
n k i
T dt
di
u
T
k
u
T dt
du
π π 2
1
.
2
1
1
.
1
.
1
− Φ ·
+ Φ − − ·
+ − ·
]
]
]
]
]

·
n
i
u
t x
A
A
) (
;
]
]
]
]
]
]
]
]

Φ
Φ − −

·
0
2
1
0
1 1
0 0
1
M
e
A A
CL
k
J
k
T L
T
A
π
;
]
]
]
]
]
]
]

·
0
0
CL
T
k
B
;
]
]
]
]
]
]


·
J
N
π 2
1
0
0
;
[ ] 1 0 0 · C
; D=0
Vậ y mô hình trạ ng thá i củ a độ ng cơ được viế t dướ i dạng thu gọ n
¹
'
¹
+ ·
+ + ·
) ( . ) ( . ) (
) ( . ) ( . ) ( . ) (
t u D t x C t y
t m N t u B t x A t x
T

 Mô hình hàm truyền đạt:
Sử phép biến đổi Laplace tín hiệu liên tục u
a
(t) và n(t) sang miền ảnh
Laplace:
( ) ( ) x t X s →
. Bằng cách biến đổi ta tìm hàm truyền đạt
( )
( )
( )
A
N s
G s
U s
·
. Ta
biến đổi ra được:
2 2
( )
2 2
M
A A A e M
k
G s
JR T s R Js k k π π
Φ
·
+ +Φ
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 15
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Do quá n tí nh của bộ biế n đổ i điện á p nhỏ ta có thể coi là khâu quá n tí nh bậ c
mộ t vớ i hằng số thờ i gian quá n tính là T
CL
và hệ số khuyế c đạ i là k nên
( )
1
CL
CL
k
G s
T s
·
+
, đơn giản thì k=1, T
CL
=0.01s
2 2
( ) 1
( ) .
( ) 1 2 2
M
CL A A A e M
k N s
G s
U s T s JR T s R Js k k π π
Φ
· ·
+ + + Φ
Sơ đồ khối cấu trúc của động cơ
Khi đó hàm quá độ của động cơ thu được là
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 16
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nhận xét:
 Độ quá điều chỉnh là 11.88%
 Vào là 1 nhưng ra chỉ có 0.08315 do đó cần thêm bộ khuếch đại mắc thêm
vào để vào là 1 và ra cũng là 1
 Thời gian quá độ T
5%
=0.06s
 Khi có tải (nhiễu thì động cơ bị sụt tốc ngay lập tức và không có khả năng
kéo tốc độ về như cũ. Vì thế ta cần phải thiết kế bộ điều khiển để giữ ổn
định tốc độ động cơ kể cả khi có tải.
4.2 Matlab Indentification Toolbox
Nhận dạng đối tượng là một trong những bước đầu tiên và quan trọng để thực
hiện quá trình thiết kế và phát triển hệ thống. Sau khi thu thập được dữ liệu vào ra
theo thời gian hoặc là phổ tín hiệu của đối tượng thì nhiệm vụ của việc nhận dạng
đối tượng là tìm mô hình toán học, hàm truyền đạt thích hợp mô tả gần đúng nhất
đối tượng thực. Để hỗ trợ dễ dàng cho việc nhận dạng đối tượng ta có thể sử dụng
toolbox tích hợp sẵn trong Matlab: Indentification Toolbox (ID). Identification
Toolbox là một công cụ rất mạnh được tích hợp sẵn trong matlab. Nó hỗ trợ người
sử dụng các chức năng như xây dựng mô hình toán học của hệ thống, nhận dạng hệ
thống với những công cụ cụ thể sau: Matlab, Fuzzy logic, Image processing,
Neural network, Signal processing, Simulink, symbolicmath. Tuy nhiên để sử dụng
tốt công cụ này chúng ta cần phải hiểu rõ các phương pháp nhận dạng, phạm vi sử
dụng và ưu nhược điểm của từng phương pháp cộng với khả năng về phân tích hệ
thống thông qua các đặc tính thu được.
Các bước nhận dạng sử dụng Identification Toolbox :
• Bước 1: Chuẩn bị dữ liệu để nhận dạng
 Dữ liệu được nhập trực tiếp từ cửa sổ Matlab
 Dữ liệu lưu trong exel
 Nếu dữ liệu lưu trong text
• Bước 2: Nhập dữ liệu cho việc mô phỏng
Gõ lệnh ident vào workpace của matlab
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 17
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Time-Domain Data dữ liệu trong miền thời gian
Import data > Time domain data
Sau đó để đặt thêm tên biến,
đơn vị biến ta click vào More
(đặc tính chung của các quá
trình thực hiện vào dữ liệu)


Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 18
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 19
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Frequency-Domain Data dữ liệu trong miền tần số
 Freq.Function(Complex)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 20
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Amplitudeand Phase Frequency-Response Data
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 21
§å ¸n thiÕt kÕ vµ m« pháng 200
9
• Bước 3: Lựa chọn mô hình và nhận dạng trong toolbox Matlab:
Trước hết cần xuất dữ liệu vào trong GUI như đã nêu trong bước chuẩn bị dữ
liệu. Sau đó phải lựa chọn mô hình nhận dạng. Bộ công cụ ID có hỗ trợ nhận dạng
các mô hình không tham số và mô hình có tham số. Các dạng mô hình không tham
số bao gồm đáp ứng xung hữu hạn, đặc tính tần số, và đặc tính phổ công suất. Còn
mô hình có tham số bao gồm các mô hình đa thức gián đoạn, mô hình trạng thái và
mô hình hàm truyền đạt. Dưới đây là một số mô hình hay dùng cùng với câu lệnh
và thuật toán nhận dạng:
 Đáp ứng xung hữu hạn (hàm trọng lượng):
m=impule(data)
Thuật toán nhận dạng dựa trên phân tích tương quan giữa các giá trị vào ra.
Kết quả trả về mô hình FIR được ước lượng và vẽ trên đồ thị
 Mô hì nh đáp ứng quá độ:
m=step(data,Time)
 Đặc tính tầ n số:
( )
j
G e
ω
m=spa(data)
m=spa(data,M,w,maxsize)
m=etfe(data)
m=etfe(data,M,N)
Chú ý: thuật toán spa ước lượng mô hình đặc tính tần số kèm theo phổ công
suất nhiễu dựa trên phương pháp phân tích phổ tín hiệu vào ra. Còn thuật toán efte
thì dựa trên thuật toán biến đổi Fourier nhanh. Kết quả trả về mô hình đặc tính tần
số với đặc tính tần số được ước lượng tại các tần số cho trong vector hàng. Thông
số M là chỉ số lag M của cửa sổ Hamming. Tham số N được sử dụng cho tính toán
vector chứa các tần số quan tâm: w=[1:N]/N*pi/T
 Mô hình đa thức gián đoạn
Tổng quát:
1 1
1
1 1
( ) ( )
( ). ( ) ( ) ( )
( ) ( )
B q C q
A q y t u t e t
F q D q
− −

− −
· +
Cá c đa thức toá n tử trễ biểu diễ n dưới dạ ng cá c vector hà ng theo số mũ giả m dầ n.
Ví dụ
1 1 2
1 2
( ) 1 ....
n
n
A q a q a q a q
− − − −
· + + + +
thì
[1 1 ... ] A a an ·
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 22
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Một số mô hình gián đoạn đặc biệt và lệnh nhận dạng mô hình đó:
 ARX:
1 1
( ). ( ) ( ) ( ) ( ) A q y t B q u t nk e t
− −
· − +

m=arx(data,order)
m=arx(data,’na’,na,’nb’,nb,’nk’,nk)
trong đó na, nb là bậc của đa thức A, B
nk là số chu kỳ trễ mà tín hiệu vào ảnh hưởng tới tín hiệu ra
Thuật toán nhận dạng theo phương pháp bình phương cực tiểu
Có thể thay hàm iv4 khi nhiễu đầu ra không phải cồn trắng
 ARMAX:
1 1 1
( ). ( ) ( ) ( ) ( ) ( ) A q y t B q u t nk C q e t
− − −
· − +
m=armax(data,orders)
trong đó : orders=[na nb nc nk]
na, nb, nc: bậc củ a đa thứ c A, B, C
nk: số chu kỳ trễ mà tín hiệu vào ảnh hưởng tới tín hiệu ra
Thuật toán ước lượng theo phương pháp lỗi dự báo (PEM)
Hàm armax chỉ hỗ trợ mô hình SISO hoặc MISO
 OE:
1
1
( )
( ) ( ) ( )
( )
B q
y t u t e t
F q


· +
m=oe(data,orders)
trong đó orders=[nb nf nk]
Tương tự như ước lượng mô hình ARMAX
 BJ:
1 1
1 1
( ) ( )
( ) ( ) ( )
( ) ( )
B q C q
y t u t e t
F q D q
− −
− −
· +
m=bj(data,orders)
trong đó orders=[nb nc nd nf nk]
 Ước lượng thời gian trễ: delayest(data)
Ước lượng bậc của mô hình
NN=struc(na,nb,nk)
V=arxstruc(data_e, data_v, NN)
selstruc(V) : hiệ n bả ng đánh giá sai số mô hì nh để lựa chọ n bậ c mô hì nh
phù hợ p
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 23
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Mô hình hàm truyền đạt:
m=pem(data,’PnZDU’)
trong đó :
n=1:3 là số điể m cự c
Z: để chỉ có 1 điể m không
D: để chỉ có thờ i gian trễ Td
U: để chỉ có điể m cực phứ c
Ví dụ :
 Quá n tính bậ c nhấ t có trễ
1
( )
1
d
sT
p
K
G s e
sT

·
+
m=pem(data,’P1D’)
 Khâu dao động bậ c hai
2 2
( )
1 2
d
p sT
K
G s e
s T s T
ω ω
ζ

·
+ +
m=pem(data,’P2U’)
 Khâu quá n tí nh bậ c ba có điểm không
1 2 3
(1 )
( )
(1 )(1 )(1 )
p z
p p p
K sT
G s
sT sT sT
+
·
+ + +
m=pem(data,’P3Z’)
 Mô hình trạng thái gián đoạn:
( ) ( ) ( ) ( )
( ) ( ) ( )
x t Ts A x t B u t K e t
( y t C x t D u t e t
+ · + +
· + +
m= n4sid(data,[order])
trong đó order có thể là một vector hàng chứa các bậc của mô hình cần
thử nghiệm
• Bước 4: Khảo sát và kiểm chứng mô hình:
Bộ công cụ IT còn cài đặt sẵn một số hàm phục vụ khảo sát và kiểm chứng
mô hình nhận được cũng như phục vụ chuyển đổi mô hình. Tất cả các hàm này đều
sử dụng tham số có kiểu tương thích với idmodel .
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 24
1 2 3
(1 )
( )
(1 )(1 )(1 )
d
p z sT
p p p
K sT
G s e
s sT sT sT

+
·
+ + +
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Bảng 1. Nhóm lệnh phục vụ khảo sát mô hình
bode Vẽ đồ thị bode
compare So sánh các giá trị đầu ra đo được với kết quả mô phỏng
ffplot Vẽ đồ thị đặc tính tần số và phổ
impulse, step Vẽ đáp ứng xung và đáp ứng bậc thang đơn vị
nyquist Vẽ đồ thị Nyquist
present Hiển thị mô hình trên cửa sổ màn hình
pzmap Vẽ đồ thị các điểm cực và điểm không
view Vẽ đặc tính mô hình sử dụng LTI Viewer
Bảng 2. Nhóm lệnh phục vụ kiểm chứng mô hình
aic,fpe Tính toán tiêu chuẩn lựa chọn mô hình
arxstruc,
selstruc
Lựa chọn cấu trúc ARX
compare So sánh đầu ra mô phỏng hoặc đầu ra dự báo với đầu ra thực
pe Tính toán lỗi dự báo
predict Dự báo đầu ra tương lai
resid Tính toán và thử lỗi dự báo của mô hình
sim Mô phỏng một mô hình
Bảng 3. Nhóm lệnh phục vụ chuyển đổi mô hình
arxdata Tính toán các đa thức mô hình ARX
idmodred Giảm bậc mô hình
c2d, d2c Chuyển đổi mô hình tương tự sang gián đoạn và ngược lại
freqresp Tính toán đặc tính tần số
idfrd Chuyển đổi idmodel sang idfrd
ssdata Tính toán các ma trận không gian trạng thái
tfdata Tính toán các đa thức hàm truyền đạt
ss, tf,zpk,frd Chuyển đổi mô hình idmodel sang các đối tượng LTI
zpkdata Tính toán các điểm không, điểm cực và hệ số k
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 25
§å ¸n thiÕt kÕ vµ m« pháng 200
9
• Áp dụng: Nhận dạng động cơ sử dụng Identification System Toolbox
 Bước 1: Thu thập bộ số liệu
Sau khi chạy mô phỏng thì giá trị của tín hiệu vào và ra thông qua khối To
Workspace sẽ thành các vector cột u, n. Để được điều này thì khối To Worksapce
và tham số mô phỏng cần chỉnh thông số như sau:

Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 26
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Bước 2: Nhập số liệu vào Toolbox
 Gõ ident trong cửa sổ Command của Matlab rồi nhập dữ liệu vào: Dữ liệu
trên miền thời gian
 Nhập các biến u, n tương ứng vào ô Input và Output cùng theo đơn vị

Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 27
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Bước 3: Hiển thị dữ liệu thực nghiệm trên đồ thị
 Đánh dấu vào ô Time Plot thì đồ thị tín hiệu vào và ra sẽ hiện ra
 Để xem dạng tín hiệu vào và tín hiệu ra, từ đó đánh giá chọn mô hình đối
tượng phù hợp
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 28
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Đồ thị dữ liệu thực nghiệm
Nhận xét: Tín hiệu vào là hàm 100.1(t) nên đầu ra thu được là có dạng hàm quá
độ h(t). Vì thế nhìn vào h(t) ta thấy đối tượng có trễ, có dao động. Vì thế chọn mô
hình đối tượng có trễ và có điểm cực phức sẽ cho kết quả gần giống nhất.

 Bước 4: Chọn dữ liệu để ước lượng và dữ liệu để kiểm chứng
 Chọn phạm vi dữ liệu vào ra
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 29
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Kéo và thả vào vùng Working Data và vùng Validation Data
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 30
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Bước 5 Lựa chọn mô hình nhận dạng
 Chọn Estimate> rồi lựa chọn loại mô hình.
 Chọn mô hình hàm truyền đạt: Có khá nhiều loại
 Cần phải chọn số điểm cực
 Điểm cực thực hay phức
 Có trễ hay không
 Các thông số tự động nhận giá trị ban đầu
 Có cần mô hình nhiễu không
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 31
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Để tổng quát ta thử với một số mô hình có ích lợi cho việc thiết kế bộ điều
khiển và phục vụ mô phỏng .
Kết quả thu được như sau:
 Mô hình quán tính bậc nhất có trễ
1
0.08339
( ) * ( 0.03 )
1 0.0063479
P D
G s e s
s
· −
+
 Mô hình quán tính bậc hai có trễ:
2
0.083402
( ) * ( 0.02994 )
(1 0.0030121 )(1 0.0030121 )
P D
G s e s
s s
· −
+ +
 Mô hình khâu dao động bậc 2 có trễ
2 2 2
( ) * ( )
1 2* * * .
P DU d
k
G s e T s
T s T s ξ
· −
+ +
Trong đó k=0.083271 T=0.0045467s
Td=0.03
0.16439 ξ ·
 Mô hình khâu dao động bậc 3 có trễ:
3 2 2
3
( ) * ( )
(1 2* * * . )(1 )
P DU d
k
G s e T s
T s T s T s ξ
· −
+ + +
Trong đó: k=0.083327; T=0.0045342,

0.13603 ξ ·
, Td=2.0961*e-5
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 32
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Đánh giá độ chính xác của các mô hình ước lượng với mô hình thật
Nhận xét:
 Mô hình P3DU là chính xác nhất phục vụ để mô phỏng kiểm chứng. Nhưng
ta cũng có thể sử dụng mô hình P2DU.
 Mô hình P2D và P1D rất thích hợp cho việc thiết kế bộ điều khiển PID trên
miền tần số.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 33
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Nhận dạng mô hình trạng thái gián đoạn: để thiết kế bộ điều khiển
trên miền không gian trạng thái
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 34
§å ¸n thiÕt kÕ vµ m« pháng 200
9
>> n4s3
State-space model: x(t+Ts) = A x(t) + B u(t)
+ K e(t)
y(t) = C x(t) + D u(t) + e(t)
A =
x1 x2 x3
x1 0.89575 -0.0084876
-0.045319
x2 0.060608 0.96586
-0.21777
x3 0.17232 0.16793
0.93797
B =
Voltage
x1 0.0016453
x2 -0.00072238
x3 0.0010042
C =
x1 x2 x3
Speed -0.65122 -5.1008
-2.5378
D =
Voltage
Speed 0
K =
Speed
x1 0.00071956
x2 -0.19822
x3 -0.02033
x(0) =

x1 -6.0862e-007
x2 3.3656e-007
x3 -5.2018e-007
Estimated using N4SID from data set
data_DC_100Ve
Loss function 5.97668e-018 and FPE
6.28187e-018
Sampling interval: 0.001
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 35
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Chương 2. Thiết kế hệ thống điều khiển trên nền tảng bộ
điều khiển PID
Bộ điều khiển PID là bộ điều khiển thông dụng nhất trong các hệ thống điều
khiển bởi cấu trúc và nguyên lý của nó đơn giản, dễ hiểu, dễ sử dụng trong thực tế.
Mục đích của chương này là trình bày về các phương pháp thiết kế bộ điều khiển
PID, so sánh chất lượng của các phương pháp để tìm ra giải pháp tối ưu cho bài
toán thiết kế và phát triển hệ thống.
1. Tổng quan và đề xuất lựa chọn các phương pháp thiết kế
Đã có rất nhiều những nghiên cứu từ trước đến nay về việc thiết kế bộ điều
khiển trên miền tấn số cũng như trên cơ sở thực nghiệm. Cho đến nay đã có rất
nhiều những ứng dụng thiết kế thành công và cho chất lượng rất tốt khi sử dụng
những phương pháp thiết kế kinh điển đó. Đó là các phương pháp thiết kế trên
miền tần số như tối ưu độ lớn, tối ưu đối xứng hay bộ dự báo Smith cho các đối
tượng có trễ, các phương pháp thực nghiệm của Zigler_Nichols...
Với sự phát triển vượt bậc của vi xử lý, vi điều khiển như ngày nay, bộ điều
khiển PID số trở thành một trong nhưng phương án thiết kế mà kĩ sư lựa chọn cho
việc phát triển hệ thống. Tuy nhiên mỗi phương pháp đều có những ưu và nhược
điểm của nó và vấn đề đặt ra là phải tìm ra một phương pháp thiết kế cho phù hợp
nhất với các yêu cầu về chất lượng của hệ thống.
Lựa chọn phương pháp thiết kế :
• Thiết kế bộ điều khiển PID số trên nề n vi điều khiển
• Lự a chọ n cấu trú c và tham số cho bộ điều khiể n động
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 36
§å ¸n thiÕt kÕ vµ m« pháng 200
9
2. Thiết kế bộ điều khiể n PID số trên nề n vi điề u khiể n
2.1 Bộ điề u khiển PID
Bộ điều khiể n PID lý tưở ng trên miề n liên tục:

,
`

.
|
+ + ·

dt
t de
T d e
T
t e k t u
d
t
i
p
) (
) (
1
) ( ) (
0
τ τ
Trong đó p
k
: hệ số khuế ch đạ i củ a bộ điều khiể n
i
T
: Hằ ng số thời gian tích phân
d
T
: Hằ ng số thời gian tích phân
) (t e
: Sai lệch điều khiể n
) ( ) ( ) ( t y t r t e − ·
) (t u
: Đầu ra của bộ điề u khiể n
Thà nh phầ n tỉ lệ (P):
) ( ) ( t e k t u
p d
·
tá c độ ng nhanh và tứ c thờ i sẽ có khả năng
cả i thiệ n đặc tí nh động họ c của hệ kí n song với việ c tăng k
p
thì cũ ng có thể gây sự
giả m độ trữ ổn định, hoặ c có khi là m hệ kí n mấ t ổn định.
Thà nh phầ n tí ch phân (I) có tác dụng triệ t tiêu sai lệ ch tĩnh nhưng sự có mặ t
củ a thà nh phầ n I đã là m xấu đi tính ổ n đị nh củ a hệ kí n, làm cho đá p ứng củ a hệ kí n
dao động hơn cũng ké m bền vữ ng ổ n định hơn. Mứ c độ ả nh hưởng củ a thà nh phầ n
I phụ thuộ c và o hằ ng số thờ i gian tích phân i
T
. i
T
cà ng lớn thì mứ c độ ả nh hưở ng
củ a thà nh phầ n vi phân càng giả m và ngượ c lạ i. Nế u hệ đã dao động thì việ c giả m
i
T
sẽ làm hệ dao động mạ nh hơn và ké o dà i hơn, độ quá điều chỉ nh tăng lên.
Ngược lại việ c tăng i
T
có tá c dụ ng bền vững củ a hệ kí n, giả m dao độ ng nhưng
cũ ng dẫ n đến sai lệch điều khiể n chậ m bị triệ t tiêu và thời gian quá độ lớ n
Khi sử dụng bộ PI mà muố n tăng tốc độ đá p ứng ta có thể tăng k
p
hoặ c giả m
i
T
nhưng kè m theo đó là thườ ng phả i chấ p nhậ n độ quá điều chỉ nh lớ n lên và độ dự
trữ ổ n định cũ ng thu hẹp lạ i. Khi đó bộ điều khiể n PID có thà nh phầ n D để khắ c
phục hiệ n tượ ng trên tức là có thể tăng tố c độ đá p ứng và tăng độ dự trữ ổn định.
Thế nhưng ta cũng phả i trả giá ở mặ t: là m cho hệ kí n nhạ y cả m hơn vớ i nhiễ u đo
và tín hiệ u điều khiể n thay đổi mạ nh hơn. Cũng chí nh vì thế mà bộ PID thích hợp
với cá c quá trì nh chậ m hoặ c không ổn đị nh mà ở đó sự ả nh hưởng củ a nhiễ u đo
không đá ng kể .
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 37
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Từ việ c phân tích trên ta có thể rút ra những kế t luận sau mang tính tương đối
bở i vì ba tham số PID có ảnh hưởng qua lạ i vẫ n nhau và sự thay đổi củ a bấ t kỳ mộ t
tham số nà o cũ ng có thể ả nh hưởng không nhỏ đế n tá c dụng củ a hai tham số cò n
lại
Chỉ tiêu chấ t lượ ng
Thay đổ i tham số
Tăng Giả m Giả m
Thời gian đá p ứng giả m Giả m ít Giả m ít
Thời gian quá độ Thay đổ i í t Giả m Giả m
Độ quá điều chỉ nh Tăng Tăng Giả m ít
Hệ số tắt dầ n Thay đổ i í t Tăng Giả m
Sai lệ ch tĩ nh Giả m Triệ t tiêu Thay đổ i í t
Tí n hiệ u điều khiể n Tăng Tăng Tăng
Độ dữ trữ ổ n đị nh Giả m Giả m Tăng
Bề n vững với nhiễ u đo Giả m Thay đổ i í t Giả m
2.2 Phân tí ch yêu cầu thiế t kế
a) Tí nh linh hoạ t củ a bộ điều khiể n (khả năng điều khiể n cá c đối tượng có mô hình
toá n học khá c nhau)
• Khả năng thay đổi tham số củ a bộ điều khiể n Kp, Ti, Td
 Với cá c đối tượng khá c nhau thì thông số củ a bộ điều khiể n cũng khá
nhau do đó cầ n phả i nhậ p lạ i thông số bộ điều khiể n.
 Trong quá trì nh hoạ t độ ng lâu dài, các thông số của đối tượng bị thay đổi.
Điều đó làm cho chấ t lượng điều khiể n giả m. Vì vậ y khả năng thay đổi tham
số của bộ điều khiể n là rấ t cầ n thiế t.
• Khả năng thay đổi luậ t điều khiể n:
Để có thể sử dụ ng bộ điều khiể n cho nhiề u đố i tượ ng có nhiề u cấu trúc khá c
nhau thì việ c thay đổi cấu trúc luật điều khiể n cũ ng cầ n thiế t. Chẳng hạn, thà nh
phầ n tích phân có thể sẽ không cần thiế t khi đố i tượ ng đã có sẵn thà nh phầ n tí ch
phân.
Từ luậ t PID có thể chuyể n đối qua lạ i thà nh luậ t P, PI (hay dùng), PD, I.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 38
§å ¸n thiÕt kÕ vµ m« pháng 200
9
• Khả năng khá ng nhiễ u: Là khả năng có thể chố ng lại sự ảnh hưởng của nhiễ u.
Thông thườ ng thì có thể loạ i bỏ hai loạ i nhiễ u sau:
 Nhiễ u hằ ng: là nhiễ u mà tá c động của nó lên đối tượng là không đổi hay
thay đổ i í t theo thời gian. Nhiễ u hằ ng sinh ra có thể do điều kiệ n sử dụ ng khá c
điều kiệ n vậ n hà nh, do tí nh phi tuyế n củ a thiế t bị. Việ c loạ i bỏ nhiễ u hằng
bằ ng cá ch xá c định chí nh xá c độ lớn củ a nhiễ u hằ ng và bù thêm mộ t lượng
và o bộ điều khiể n.
 Nhiễ u biế n thiên nhanh vớ i biên độ nhỏ như nhiễ u đo. Thà nh phầ n nhiễ u
này sẽ gây ra sự ả nh lớn đế n thà nh phầ n tá c động nhanh như thà nh phầ n vi
phân. Để loạ i bỏ nhiễ u nà y thì nên sử dụ ng khâu lọc thông thấ p đầu và o.
• Khả năng ghé p nố i vớ i đối tượng
 Người sử dụng tự cà i đặt tham số
 Bộ điều khiể n tự chọ n tham số (self-turning)
 Bộ điều khiể n tự điều chỉ nh tham số (auto turning) để đả m bảo chấ t
lượ ng đầu ra không đổi
2.3 Cá c giải phá p phần cứng
a) Chọ n vi điề u khiể n
Mộ t số dòng vi điều khiể n phổ biế n: PIC, AVR29, PS.o.C, …
Để có thể chọ n lựa được vi điều khiể n hợp lý thì cầ n chú ý đến cá c vấ n đề sau:
• Chu kỳ trí ch mẫ u tín hiệ u: Vì bộ điều khiể n là bộ điều khiể n số nên trong mộ t
chu kỳ nó phả i thực hiệ n lấy mẫ u tín hiệu và o và sau đó bộ điều khiể n phả i tính
toá n xong tín hiệu điều khiể n. Do đó tố c độ xử lý phả i phù hợ p đáp ứng được
thời gian gian tính toá n và lấy mẫ u phả i nhỏ hơn chu kỳ trí ch mẫ u tí n hiệu. Như
ta đã biế t chu kỳ trí ch mẫ u càng nhỏ thì chấ t lượ ng bộ điều khiể n số cà ng lớn
thế nhưng tốc độ vi xử lý cà ng phả i cao. Do đó cầ n xem xé t tốc độ tính toá n củ a
vi điều khiể n
• Cá c ngoạ i vi có sẵn trên chip như các timer, cá c ngắ t, bộ so sánh, bộ PWM
• Khả năng giao tiế p ngoạ i vi
 Giao tiế p với cá c thiế t bị chấ p hà nh, thiế t bị cả m biế n:
 Giao tiế p với thiế t bị chấ p hà nh kiể u số: kiể u ON/OFF hay kiể u PWM
 Giao tiế p với thiế t bị chấ p hà nh kiể u tương tự : (í t chí p hỗ trợ hơn)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 39
N bit
N bit
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Giao tiế p với thiế t bị cảm biế n số :
 Giao tiế p với thiế t bị cả m biế n tương tụ : kiể u dòng, kiể u á p. Nếu vi
điều khiể n có sẵn ADC thì việ c ghé p nố i vớ i cả m biế n tương tự sẽ dễ dà ng
hơn.
 Giao tiế p với cá c thiế t bị cấ p cao khá c như PC, PLC có thể qua
chuẩ n RS-232 hoặc RS-485 hoặ c qua mạ ng truyề n thông như Profibus DP
hay Modbus,…
• Cá c chuẩ n giao tiế p mà chip hỗ trợ :
 Giao tiế p không đồ ng bộ nối tiế p: USART có ưu điểm đơn giả n, phổ
biế n, nhưng nhược điểm độ tin cậ y không cao. Đặc biệ t là cá c việ c giao tiế p
với cổng COM củ a má y tính
 Giao tiế p truyề n thông nối tiế p đồng bộ I
2
C: thí ch hợp cho các ứng dụ ng
truyề n thông giữ a cá c đơn vị truyề n thông, đặc biệ t thí ch hợp cho cá c ứng
dụ ng truyề n thông giữ a cá c đơn vị trên cùng mộ t bo mạ ch vớ i khoả ng cá ch
ngắ n và tố c độ thấ p.
 Giao tiế p truyề n thông nối tiế p đồng bộ SPI: vớ i 3 dây cho phé p kế t nố i
truyề n thông nhiề u vi điều khiể n.
 Khả năng thí ch hợp vớ i môi trườ ng: trong những điề u kiệ n khắ c nhiệ t
củ a môi trườ ng như độ ẩm, nhiệ t độ, từ tính,… đều có thể gây ra hỏng bộ
điều khiể n hoặ c là m bộ điều khiể n hoạ t động sai.
b) Chọ n kế t nố i vi điề u khiể n vớ i đố i tượng
• Cả m biế n số: sẽ được gắ n với 1 bí t của mộ t cổ ng và o củ a vi điều khiể n. Nếu
cả m biế n số có mứ c tí n hiệu khá c với mứ c tí n hiệu của vi điều khiể n thì ta có
thể lắ p thêm bộ chuyể n đổ i mức tín hiệ u.
• Cả m biế n tương tự:
- Được lắ p với chân ADC củ a vi điều khiể n (nế u có)
- Cầ n thêm mạ ch chuyể n đổ i ADC là khâu chuyể n đổ i giá trị tương tự từ đầu
ra củ a cả m biế n thà nh giá trị số n bit (thông thườ ng 8 bí t hoặ c 10 bí t hoặc
12 bít). Giá trị số n bit
- Để có thể có nhiề u dả i phạ m vi đầu và o ta có thể lắp thêm phầ n mạ ch phụ
như sau:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 40
N bit
N bit
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Hoặ c

• Thiế t bị chấ p hà nh số : kiể u on/off thì được gắ n vớ i 1 bít củ a mộ t cổng ra củ a vi
điều khiể n. Nếu thiế t bị chấ p hà nh số có dò ng lớ n thì ta có thể lắp rơ le chuyể n
mạ ch hoặc khó a chuyể n mạ ch bằ ng bá n dẫ n như transitor công suấ t, IGBT
công suất, tiristo công suất,…
• Thiế t bị chấ p hà nh số có tầ n số đó ng cắ t cao thì có thể phá t tín hiệ u dưới dạ ng
PWM. Trong mộ t chu kỳ điều chế T
PWM
thì bật T
on
còn khoả ng thời gian cò n lại
thì off
Khi đó có: ref
PWM
on
r
U
T
T
U ·
có giá trị gầ n với giá trị tương tự
c) Chọ n kế t nố i vớ i ngoạ i vi thự c hiệ n giao diệ n HMI (Human Machine
Interface)
• Giả i phá p1: Ghé p nố i vớ i PC thông qua cổ ng COM. Lợi thế củ a PC là
 Kế t nối dễ
 Tố c độ xử lý cao
 Dễ lậ p trì nh bằng ngôn ngữ cấp cao cho phầ n giao diệ n HMI chẳng hạn
như C++, Vissual Basic
• Giả i phá p 2: Ghé p nố i qua bà n phí m và mà n hì nh
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 41
K
bd
ADC
Uref=5V
N bit
Cam ̉
biên ́
vao la ̀ ̀
aṕ
K
bd
ADC
Uref=5V
N bit
Cam ̉
biên ́
vao la ̀ ̀
dong ̀
điêṇ
R
m
a
u
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Bà n phí m đơn giả n: nút tăng, nú t giả m, nú t menu, nút chọ n. Với ít
phí m thì việ c nhậ p số sẽ khó khăn
 Bà n phí m có cả số luôn: tiệ n lợi cho việ c nhậ p tham số củ a bộ điều
khiể n
 Mà n hì nh bằng led ma trậ n: công dụng ít hơn
 Mà n hì nh LCD: nhỏ gọ n, lậ p trì nh khó hơn, có thể hiệ n thị chữ nhiề u
hơn
d) Mỹ thuậ t công nghiệ p: Tham khả o cá c mẫ u mã sản phẩ m trên thị trường
 Kí ch thước vỏ hộp
 Đè n bá o: chạ y, dừng, sự cố
 Vị trí cá c phí m ấn
2.4 Giải phá p phần mề m
a) Tậ p hợ p tấ t cả công thứ c cầ n tí nh
Thuậ t toá n PID số được xây dự ng bằng cá ch giá n đoá n hóa thuậ t toá n PID liên
tụ c nghĩ a là phả i xấ p xỉ hai thà nh phầ n vi phân (D) và tích phân (I) từ phương trì nh
củ a bộ điều khiể n PID với chu kỳ trí ch mẫ u T
• Xấ p xỉ thà nh phầ n I:
τ τ d e
T
k u
t
i
p I

·
0
) (
1
có thể sử dụng phương phá p hì nh chữ
nhậ t hoặc hì nh thang, trong đó phương phá p hì nh thang cho độ chí nh xá c
cao hơn nhưng tính toá n phức tạp hơn
• Phương phá p hì nh chữ nhậ t:
1
1
1
1
1
1
) 1 ( ) ( ) 1 (


·

·

+ − ≈ ⇒ ≈ − ⇒ ≈
∑ ∑ k
i
p I I
k
i
i
i
p I
k
i
i
i
p I
e
T
T
k k u k u e
T
T
k k u e
T
T
k u
suy ra cầ n
1 phé p nhân và 1 phé p cộ ng và 2 ô nhớ
) (k u
I
và
) 1 ( − k u
I
• Phương phá p hì nh thang:
( ) ( )
) (
2
1
) 1 ( ) (
2
1
) 1 (
2
1
1
1
1
1
1
1
k k
i
p I I
k
i
i i p I
k
i
i i
i
p I
e e
T
T
k k u k u
e e k k u e e
T
T
k u
+ + − ≈ ⇒
]
]
]

+ ≈ − ⇒
]
]
]

+ ≈


·

·
− ∑ ∑
Suy ra cầ n 2 phé p cộng và 1 phé p nhân và 3 ô nhớ
) (k u
I
và
) 1 ( − k u
I
và 1 − k
e
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 42
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Xấ p xỉ thà nh phầ n vi phân D:
dt
t de
T k u
d p D
) (
·
có thể xấ p xỉ với bậ c 1 hoặ c bậ c
2. Với bậ c cà ng cao thì cà ng chí nh xác nhưng mức độ tính toá n càng cao.
 Xấ p xỉ bậ c 1:

) (
1
) (
1 −
− ·
k k d p D
e e
T
T k k u
chỉ cầ n hai ô nhớ và mộ t phé p trừ, mộ t phé p nhân
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 43
Tính:
tg1= t ; tg1=tg1 + u(k-1)
Tg2= T ; Tg1=tg1+tg2
Tg2= T ; u(k)=tg1+tg2
Sử dụ ng đầu ra số theo kiể u PWM S
L u gia tri ư ́ ̣


u(k-1)=u(k)
Lấy các tham số LL
Các tham số thay đổi khi có ngắt
truyề n thông
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Xấ p xỉ bậ c 2:
) 4 3 (
2
1
) (
2 1 − −
+ − ·
k k k d p D
e e e
T
T k k u
suy ra 3 phé p nhân, 2 phé p cộ ng, 3 ô nhớ.
Như vậ y mức độ tính toá n đã phức tạp hơn hẳ n so vớ i bậ c 1
• Tổ ng lạ i:
Nếu ta tá ch từng phầ n rồi cộng và o thì việ c lập trì nh để loạ i bỏ mộ t thà nh
phầ n sẽ dễ dàng hơn
Cò n nếu gộ p lạ i thà nh mộ t công thứ c tính toá n cho PID thì số lượng phé p tính ít
đi
 Xấ p xỉ thà nh phầ n I theo phương phá p hình chữ nhậ t và thà nh phầ n D
bậc 1
]
]
]

+ − + + − + ·
− − − − − 2 1 1 1 1
2 (
k k k
d
k
i
k k p k k
e e e
T
T
e
T
T
e e k u u
2 2 1 1 0 1 2 1 1
2
1 1
− − − − − −
+ + + · +

,
`

.
|
− + −
,
`

.
|
+ + ·
k k k k k
d
p k
i
d
p k
d
p k k
e r e r e r u e
T
T
k e
T
T
T
T
k e
T
T
k u u
trong đó

,
`

.
|
+ ·
T
T
k r
d
p
1
0 ;

,
`

.
|
− + − ·
i
d
p
T
T
T
T
k r
2
1
1 ;

,
`

.
|
− ·
T
T
k r
d
p 2
 Xấ p xỉ thà nh phầ n I theo phương phá p hình thang cho thà nh phầ n I và
thà nh phầ n D bậ c 2 3 3 2 2 1 1 0 1 − − − −
+ + + + ·
k k k k k k
e r e r e r e r u u
trong đó :

,
`

.
|
+ + ·
T
T
T
T
k r
d
i
p
2
3
2
1
0 ;

,
`

.
|
− + − ·
i
d
p
T
T
T
T
k r
2 2
7
1
1 ;
T
T
k r
d
p
2
5
2
·
 Nhưng khó cho việ c thay đổi cấu trúc từ PID thà nh PI hay P.
b) Phân bố bộ nhớ RAM
Việ c phân bố bộ nhớ RAM đóng vai trò quan trọ ng. Nên phân chia vùng nhớ
thà nh 2 vùng:
• Vùng là m việ c: chuyên tính toá n như vù ng nhá p, cá c phé p tính tạ m thờ i, cá c
biế n trung gian
• Vùng dữ liệ u: lưu dữ liệu sau từ ng chu kỳ trí ch mẫ u: phân bổ cho cá c biế n
trong chương trì nh
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 44
+ Truyề n tham số + từ vùng
nhớ dữ liệ u lên máy tí nh
+ Nhận các tham số + từ
máy tí nh rồi lưu vào vùng
nhớ dữ liệ u
+ Tính toá n lại các tham
số: r
0
, r
1
, r
2
rồi lưu lại vùng
nhớ dữ liệ u
Tính:
tg1= t ; tg1=tg1 + u(k-1)
Tg2= T ; Tg1=tg1+tg2
Tg2= T ; u(k)=tg1+tg2
Sử dụ ng đầu ra số theo kiể u PWM S
L u gia tri ư ́ ̣


u(k-1)=u(k)
Lấy các tham số LL
Các tham số thay đổi khi có ngắt
truyề n thông
§å ¸n thiÕt kÕ vµ m« pháng 200
9
c) Xây dự ng cấ u trú c chương trì nh
 Chương trì nh phụ c vụ ngắ t theo thời gian trí ch mẫ u
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 45
+ Truyề n tham số + từ vùng
nhớ dữ liệ u lên máy tí nh
+ Nhận các tham số + từ
máy tí nh rồi lưu vào vùng
nhớ dữ liệ u
+ Tính toá n lại các tham
số: r
0
, r
1
, r
2
rồi lưu lại vùng
nhớ dữ liệ u
Tính:
tg1= t ; tg1=tg1 + u(k-1)
Tg2= T ; Tg1=tg1+tg2
Tg2= T ; u(k)=tg1+tg2
Sử dụ ng đầu ra số theo kiể u PWM S
L u gia tri ư ́ ̣


u(k-1)=u(k)
End
Begin
Trí ch mẫu thu được tí n hiệ u đầu ra
y(k) bằng ngắt thờ i gian
- khởi động ADC
- Chờ ADC bằng ngắt
- có ngắt thì đọc ADC
- Chuyể n đổi đơn vị % nế u cầ n
- Tinh sai lêch: e(k)=r(k)-y(k) ́ ̣
Lấy các tham số LL
Các tham số thay đổi khi có ngắt
truyề n thông
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Chương trì nh giao tiế p truyề n thông vớ i má y tính được chạ y khi có
ngắ t truyề n thông
d) Viế t chương trì nh
Dự a và o cấu trú c chương trình, thì tù y và o loạ i vi điều khiể n và cá ch phân bổ ô
nhớ mà ta có thể viế t chương trinh dễ dàng.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 46
S
Begin
+ Truyề n tham số + từ vùng
nhớ dữ liệ u lên máy tí nh
Bit = 1
+ Nhận các tham số + từ
máy tí nh rồi lưu vào vùng
nhớ dữ liệ u
+ Tính toá n lại các tham
số: r
0
, r
1
, r
2
rồi lưu lại vùng
nhớ dữ liệ u
End
§å ¸n thiÕt kÕ vµ m« pháng 200
9
3. Lự a chọ n cấu trúc và tham số cho bộ điề u khiể n động
3.1 Phương phá p thiế t kế ở miề n tần số
• Xét hệ thống kín:
Hàm truyền đạt của hệ kín là:
Bộ điều khiển lý tưởng R(s) thỏa mãn: |G(jω)|=1 với mọi ω.
Nhưng trong thực tế ta chỉ thiết kế R(s) sao cho |G(jω)|

1.( |G(jω)|=1 trong một
dải tần số rộng lân cận 0).
a) Sử dụng phương pháp tổng T của Kuhn:
Những đối tượng thích hợp: bậc cao n

2, ổn định,không dao động và có đặc
tính hình chữ S.
( )
( )
s
n
i
i
m
j
Dj đt
đt
e
s T
s T k
s G
τ −
·
·


+
+
·
1
1
1
1
) (
trong đó:
dt
m
j
dj
n
i
i
K
A
T T T · − + ·
∑ ∑
· ·

1 1
τ
.
Với A là diện tích phần được tô đậm như hình vẽ:

Kuhn đã đề ra phương pháp xác định tham số bộ điều khiển như sau:
PI: PID:
k
k
p
2
1
· ;
2

·
T
T
I

k
k
p
1
· ;
3
2

·
T
T
I
;

· T T
D
167 . 0
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 47
S R
S R
G
. 1
.
+
·
§å ¸n thiÕt kÕ vµ m« pháng 200
9
b) Phương pháp tối ưu đối xứng :
Lớ p mô hình đối tượng thí ch hợ p có dạng :
( )
( )
1
0
1
1
( )
. . 1
m
đt Dj
j s
đt n
i
i
k sT
G s e
T s sT
τ · −
·
+
·
+


Bà i toá n chuẩ n củ a phương phá p :
• Mô hình đối tượng :
0 1
( )
(1 )
dt
dt
k
G s
T s T s
·
+
• Các yêu cầu về chất lượng:

| ( ) | 1 G jω →
ở dải tần rộng lân cân 0

Sai lệch tĩnh = 0 khi tí n hiệu đặt là 1(t) hoặc t.1(t)

Giả i quyế t bà i toá n
Để thỏ a mã n sai lệch tĩnh bằ ng 0 khi tín hiệ u đặt là hàm t.1(t) thì hàm truyề n
hệ hở phả i có khâu 1/s
2
. Do đó bộ điề u khiể n phả i chứa thêm thà nh phầ n tích phân.
Chọ n bộ điều khiể n PI
( )
s T
sT k
s G
I
I p
đt
.
1
) (
+
·
Khi đó hàm truyề n của hệ hở là :

( )
( )
2
0 1
1
( )
. . . 1
đt p I
đt
I
k k sT
G s
T T s sT
+
·
+
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 48
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Sử dụ ng đồ thị Bode củ a hệ hở ta thấ y chọ n tần số cắt
ω
c
nằ m giữ a tần số
ω
I
và tầ n
số
ω
T1
thì độ dữ trự ổ n đị nh cho hệ kí n sẽ lớ n nhấ t. Đó cũ ng là lý do mà tên gọ i củ a
phương phá p tối ưu đối xứng.
Đặt T
I
= a.T
1
vớ i a>1
Mong muố n |G(j
ω
)|

1
∀ω
thì ta phả i là m cá c hệ số của
ω
2
và
ω
4

bằng 0 ở dưới mẫ u thì ta được
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 49
1
0
*
. . 2
4
T k
T
k
a
đt
p
·
·
1
0
. . T k a
T
k
đt
p
·
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nhưng mộ t vấ n để nả y sinh là độ quá điều chỉ nh lớn tới 40% vì thế cần tìm
biệ n phá p khắ c phụ c. Có hai biệ n phá p khắ c phục vấ n đề trên :

Tăng a lên. Lú c đó

Vẫ n giữ a=4 nhưng lắ p thêm bộ
lọc đầu và o :
Ứng dụng cho đối tượng khác:
( )
( )
1
0
1
1
( )
. . 1
m
đt Dj
j s
đt n
i
i
k T s
G s e
T s Ts
τ · −
·
+
·
+


 Cách 1: Đưa về bài toán chuẩn bằng cách xấp xỉ
0 1
( )
(1 )
đt
đt
k
G s
T s T s
·
+
trong đó 1
1 1
n m
i Dj
i j
T T T τ
· ·
· + −
∑ ∑ là hằng số thời gian Kuhn
Chọn luật điều khiển là luật PI:
s T
s T k
s T
k s G
I
I p
I
p đk
) 1 (
1
1 ) (
+
·

,
`

.
|
+ ·
Với tham số là
1
4
I
T T ·

0
1
2. .
p
dt
T
k
k T
·
còn
0
T
tùy chọn
 Cách 2: Đưa về đối tượng có một hằng số thời gian lớn thì có thể xấp xỉ về
đối tượng dạng:
0 1
( )
(1 )(1 )
đt
đt
k
G s
T s T s Ts
·
+ +
trong đó: ∑ ∑
· ·
− + ·
m
j
Dj
n
i
i
T T T
1 2
τ
Chọn bộ điều khiển là PID_MUL:
(1 )(1 )
( )
p I D
đk
I
k T s T s
G s
T s
+ +
·
Với
1 D
T T ·
;
4.
I
T T ·
;
0
2. .
p
dt
T
k
k T
·

Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 50
s T
s M
1
. 4 1
1
) (
+
·
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Hoặc bộ điều điều khiển PID_ADD:
1
( ) 1
đk p D
I
G s k T s
T s
| `
· + +

. ,
Với 1
4.
I
T T T · +
;
1
4. .
D
I
T T
T
T
·
;
0
2
.
8. .
I
p
dt
T T
k
k T
·
Để có thể giảm độ quá điều chỉnh thì lắp thêm bộ lọc đầu vào:
1
( )
1
I
M s
T s
·
+
Tổng kết: Phương pháp tối ưu đối xưng chỉ thích hợp với các đối tượng có thời
gian trễ nhỏ
k
T τ >>
. Điểm đặc trưng của phương pháp này là độ quá điều chỉnh
thường hơi lớn ( 20% - 25%). Tuy nhiên có thể làm giảm bớt bằng vệc bổ xung
khâu lọc trước cho tín hiệu chủ đạo hoặc sử dụng trọng số cho giá trị đặt.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 51
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Ví dụ cho đối tượng:
s
e
s s s
s G
5
) 1 )( 10 1 )( 150 1 (
5 . 2
) (

+ + +
·
Yêu cầu : Thiết kế bộ điều khiển đảm bảo hệ thống đảm bảo bám giá trị đặt r(t)
với sai lệch bám bằng 0 khi tín hiệu vào có dạng hình thang và G(jw) tối ưu.
Phân tích :
Do tín hiệu đặt có xuất hiện hàm t.1(t) nên nhất thiết hệ hở phải có khâu 1/s thì
mới có khả năng làm sai lệch e bằng 0. Vì vậy ta có cấu trúc điều khiển thêm khâu
tích phân. Ta có :

s
dt
e
s s s s T
s G
5
0
) 1 )( 10 1 )( 150 1 (
5 . 2 1
) (

+ + +
·
Do đối tượng có khâu tích phân và yêu cầu sai lệch tiến về 0 khi r(t)=t.1(t) và
modun của G(jw) tối ưu nên ta lựa chọn các tham số bộ điều khiển theo phương
pháp tối ưu đối xứng.
Theo phương pháp này, ta có 2 khả năng chọn bộ PI hoặc PID
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 52
§å ¸n thiÕt kÕ vµ m« pháng 200
9

Với khả năng chọn
PI thì ta xấp xỉ đối tượng có :
T
1
=166s, k
đt
=2.5. Từ đó chọn được thông số bộ điều khiển là
s T T
I
664 . 4
1
· ·


s T 10
0
·


012 . 0
83
1
. . 2
1
0
· · ·
T k
T
k
dt
p

Với khả
năng chọn PID có dạng là
thì ta xấp xỉ đối tượng có :
s T 150
1
·

s T 16 ·

s k
đt
5 . 2 ·

Do đó tham số bộ điều khiển là :
s T T T
I
214 . 4
1
· + ·

s
T
T T
T
I
D
86 . 44
107
4800 . . 4
1
≈ · ·


s T 10
0
·

418 . 0
256
107
. . 8
.
2
0
· · ·
T k
T T
k
dt
I
p

Nếu sử dụng thêm bộ lọc :
1 1
( )
1 1 214
I
M s
T s s
· ·
+ +
Kết quả mô phỏng cho thấy:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 53

,
`

.
|
+ + · s T
s T
k s G
d
I
p PID
1
1 ) (
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Với đáp ứng là hàm 1(t)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 54
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Từ đồ thị ta thấy:
Bộ PI
không có
bộ lọc
Bộ PI
có bộ lọc
Bộ PID
không có bộ
lọc
Bộ PID
có bộ lọc
Thời gian quá độ T
5%
1663s 1956s 388.4s 630.5s
Độ quá điều chỉnh 43.1% 7.6% 34.8% 0
Sai lệch tĩnh 0 0 0 0
Điều này thấy:
• Có bộ lọc vào thì độ quá điều chỉnh đã giảm xuống đáng kể đặc biệt là bộ PID
có bộ lọc. Đến đây nếu yêu cầu thời gian quá độ không khắt khe thì ta chọn bộ
PID có bộ lọc.
• Nếu yêu cầu tác động nhanh thì ta sẽ chọn bộ PID không có bộ lọc. Và điều trả
giá là độ quá điều chỉnh khá lớn.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 55
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Với đầu vào là hàm t.1(t)
Bộ PI không
có bộ lọc
Bộ PI
có bộ lọc
Bộ PID
không có bộ
lọc
Bộ PID
có bộ lọc
Thời gian quá độ 1442s 1505s 128.5s 371.2s
Độ quá điều chỉnh 16.5% 0% 0% 0%
Sai lệch tĩnh 0 Có 0 Có
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 56
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nhìn vào đây: rõ ràng bộ PID có bộ lọc đã chiếm ưu thế cả về độ quá điều
chỉnh và thời gian quá độ khi yêu cầu bám nhanh giá trị đặt là t.1(t).
Bàn thêm về tín hiệu ra từ bộ điều khiển:
Tốc độ tăng của bộ PID không có bộ lọc khá cao, sau đó mới quay trở về bình
thường.
Như vậy ta quyết định chọn bộ PID và không bộ lọc khi tín hiệu vào là hàm
A.t.1(t) và có bộ lọc khi tín hiệu vào là hàm A.1(t) nghĩa là cần tới khóa chuyển
đổi khi thay đổi giá trị đặt
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 57
§å ¸n thiÕt kÕ vµ m« pháng 200
9
c) Phương pháp tối ưu module:
• Lớp mô hình thích hợp: Đối tượng ổn định thuộc loại khâu động học sau:
( )
( )
s
n
i
i
m
j
Dj đt
đt
e
s T
s T k
s G
τ −
·
·


+
+
·
1
1
1
1
) (
• Bài toán chuẩn của phương pháp:
 Mô hình đối tượng:
Ts
k
s G
đt
đt
+
·
1
) (
 Chỉ tiêu chất lượng:
 Sai lệch tĩnh
0 ·

e
khi tín hiệu đặt r(t)=1(t)

1 | ) ( | → ω j G
trong một dải tần rộng lân cận 0
 Giải quyết bài toán:
Để thỏa mãn
0 ·

e
khi tín hiệu đặt r(t)=1(t) thì hàm truyền của hệ hở phải
chứa khâu tích phân. Vì thế bộ điều khiển phải chứa thành phần tích phân.
Chọn luật điều khiển: luật I có
s T
k
s G
I
p
đk
· ) (
Do đó hàm truyền đạt hệ hở sẽ là
s T Ts
k k
s G
I
p đt
o
) 1 (
.
) (
+
·
Xác định được
p đt I
p đt
o
o
k
k k s T Ts
k k
s G
s G
s G
. ) 1 (
.
) ( 1
) (
) (
+ +
·
+
·
Tính được
1
) ( ) . . (
) . (
) ( 1
) (
) (
2 2
2

+ −
·
+
·
ω ω
ω
I I p đt
p đt
o
o
k
T T T k k
k k
s G
s G
j G
Cần loại bỏ thành phần bậc thấp đối với
ω
ta suy ra được
T k
T
k
đt
I
p
. 2
·
với
I
T
tùy chọn
Tổng kết lại phương pháp:
Với đối tượng
Ts
k
s G
đt
đt
+
·
1
) (
thì lựa chọn bộ điều khiển là luật I
s T
k
s G
I
p
đk
· ) (
với tham số tối ưu là
T k
T
k
đt
I
p
. 2
·
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 58
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Chất lượng của hệ kín:
 Sai lệch tĩnh
0 ·

e
khi tín hiệu đặt r(t)=1(t)

1 | ) ( | → ω j G
trong một dải tần rộng lân cận 0
 Độ quá điều chỉnh:
% 5
max
≤ ∆h
Ứng dụng cho đối tượng khác:
( )
( )
s
n
i
i
m
j
Dj đt
đt
e
s T
s T k
s G
τ −
·
·


+
+
·
1
1
1
1
) (
 Cách 1: Đưa về bài toán chuẩn bằng cách xấp xỉ
Ts
k
s G
đt
đt
+
·
1
) (

trong đó ∑ ∑
· ·
− + ·
m
j
Dj
n
i
i
T T T
1 1
τ
là hằng số thời gian Kuhn
Chọn luật điều khiển là
s T
k
s G
I
p
đk
· ) (
với tham số là
T k
T
k
đt
I
p
. 2
·
Dĩ nhiên cách này do việc xấp xỉ quá nhiều nên chất lượng không được tốt
 Cách 2: Đối với đối tượng có hằng số thời gian
1
T
lớn hơn rất
nhiều so với các hằng số thời gian khác thì đối tượng có thể được xấp xỉ về
) 1 )( 1 (
) (
1
Ts s T
k
s G
đt
đt
+ +
·
trong đó ∑ ∑
· ·
− + ·
m
j
Dj
n
i
i
T T T
1 2
τ
Chọn bộ điều khiển PI có
s T
s T k
s T
k s G
I
I p
I
p đk
) 1 (
1
1 ) (
+
·

,
`

.
|
+ ·
Để đưa về đối tượng của bài toán chuẩn thì
I
T
=
1
T
,khi đó
T k
T
T k
T
k
đt đt
I
p
. 2 . 2
1
· ·
 Cách 3: Đối với đối tượng có hai hằng số tích phân lớn thì có thể
xấp xỉ đối tượng dưới dạng
) 1 )( 1 )( 1 (
) (
2 1
Ts s T s T
k
s G
đt
đt
+ + +
·
trong đó
∑ ∑
· ·
− + ·
m
j
Dj
n
i
i
T T T
1 3
τ
Khi đó chọn bộ điều khiên PID_mul
_
(1 )(1 )
( )
p I D
PID MUL
I
k T s T s
G s
T s
+ +
·
Với các tham số tối ưu là
2 D
T T ·

1 I
T T ·

2.
I
p
đt
T
k
k T
·
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 59
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Hoặc chọn bộ điều khiển PID_ADD:
1
( ) 1
đk p D
I
G s k T s
T s
| `
· + +

. ,
với các tham số
sẽ là 2 1 I
T T T · +

2 1
2 1
D
T T
T
T T
·
+

2.
I
p
đt
T
k
k T
·
Ví dụ cho đối tượng
3
2.5
( )
(1 5 )
đt
G s
s
·
+
. Hãy thiết kế bộ điều khiển để hệ kín ổn định
và có sai lệch tĩnh bằng 0 khi tín hiệu đặt là hâm 1(t) và tối ưu về module
( ) G jω
Giải quyết bài toán:
 Cách 1: Sử dụng luật I
s T
k
s G
I
p
đk
· ) (
thì
2.5
( )
1 15
đt
G s
s

+
suy ra T=15s
Suy ra
10
I
T s ·
;
10
0,1333
2. 2*2, 5*15
I
p
đt
T
k
k T
· · ·
 Cách 2: bộ điều khiển PI có
s T
s T k
s T
k s G
I
I p
I
p đk
) 1 (
1
1 ) (
+
·

,
`

.
|
+ ·
: Khi đó
đối tượng được xấp xỉ về
2.5
( )
(1 5 )(1 10 )
đt
G s
s s
·
+ +
nên các tham số được chọn
như sau:
1
5
I
T T s · ·

5
0,1
2. 2*2, 5*10
I
p
đt
T
k
k T
· · ·
 Cách 3: bộ điều khiển PID_ADD:
1
( ) 1
đk p D
I
G s k T s
T s
| `
· + +

. ,
. Khi đó
các tham số của bộ điều khiển là:
2 1
10
I
T T T s · + ·
;
2 1
2 1
2.5
D
T T
T s
T T
· ·
+
;
2
2. 5
I
p
đt
T
k
k T
· ·
Kết quả mô phỏng:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 60
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nhận xét:
Luật I Luật PI Luật PID
Thời gian quá độ
T
2%
105.26s 74.87s 47.29
Độ quá điều chỉnh 4.7% 4.7% 9.7%
Sai lệch tĩnh 0 0 0
Phương án lựa chọn:nếu yêu cầu đáp ứng nhanh quá độ ngắn thì chọn PID, còn
nếu yêu cầu độ quá điều chỉnh phải nhỏ hơn 5% thì ta lựa chọn luật PI.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 61
§å ¸n thiÕt kÕ vµ m« pháng 200
9
d) Phương pháp dựa trên mô hình nội IMC:
Phương pháp IMC có thể áp dụng cho một quá trình không ổn định bằng
cách sử dụng cấu trúc điều khiển tầng . Trong đó, vòng điều khiển bên trong có vai
trò ổn định trước quá trình.
Đối tượng điều khiển
Mô hình đích thực G(s)
Mô hình xác định trên cơ sở phương pháp mô hình hoá G
1
(s)
Cấu trúc điều khiển theo phương pháp IMC là :
G
K
(s) =
) ( ) ( 1
) ( ) (
s G s G
s G s G
dk
dk
+
= 1 với mọi
ω

Gdk (s) =
) ( ) ( 1
) (
1
s G s G
s G
IMC
IMC



GIMC (s)* G
1
(s) = 1

GIMC (s) =
) (
1
1
s G
Trong thực tế :
- Với đối tượng có pha cực tiểu
GIMC (s) =
) (
) (
1
s G
s G
L
Với G
L
(s) =
r
L
s T ) * 1 (
1
+
Trong đó chọn r sao cho hệ có tính tiền định chọn T
L
sao cho không làm ảnh
hưởng nhiều đến đặc tính hệ thống.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 62
§å ¸n thiÕt kÕ vµ m« pháng 200
9
- Với đối tượng không có pha cực tiểu
G
1
(s) = G

(s)* G
+
(s)
G

(s) là thành phần có pha cực tiểu
G
+
(s) là thành phần có pha không cực tiểu
GIMC (s) =
) (
) (
s G
s G
L


Ví dụ: Xét đối tượng ĐCMC: G(s)=
) 2 , 0 1 )( 1 (
085 , 0
s s + +
Chọn khâu lọc trước: G
L
= 2
) 1 (
1
s +

G
IMC
(s) =
) 1 .( 085 , 0
2 , 0 1
s
s
+
+

G
dk
=
) 2 ( 085 , 0
) 1 )( 2 , 0 1 (
+
+ +
s s
s s
= G
PI
(s)* G
2 L
(s)
Với G
PI
=
s
s
085 , 0
) 2 , 0 1 ( +
Và G
L2
=
) 2 (
) 1 (
+
+
s
s
Mô phỏng bằng simulink:
Ta có đặc tính quá độ của hệ thống:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 63
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Ta thấy:
Thời gian quá độ là 9s, không có độ quá điều chỉnh

Hệ thống đáp ứng tốt.
* Xét với tác động của nhiễu: ở 10s ta đặt 1 nhiễu hằng =0.1
Ta có đặc tính quá độ của hệ thống:
Nhận xét: Khi có nhiễu thì sau khoảng 5s thì bộ điều khiển đưa đầu ra về giá trị
đặt

kháng nhiễu tốt.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 64
§å ¸n thiÕt kÕ vµ m« pháng 200
9
e) Thiết kế hệ thống bù ảnh hưởng của khâu chậm trễ bằng bộ dự báo Smith:
Nguyên tắc dự báo Smith: Để thiết kế bộ điều khiển G
R
(s) cho đối tượng có trễ
G
S
(s) = S(s)
• Thiết bộ điề khiển R(s) riêng cho đối tượng S(s) không có thành phần trễ.
• Xây dựng bộ điều khiển
G
R
(s) =
Cấu trúc :
Các phương pháp thiết kế S(s) có thể lựa chọn một trong số các phương pháp nêu
trên tùy vào yêu cầu của bài toán
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 65
§å ¸n thiÕt kÕ vµ m« pháng 200
9
3.2 Phương pháp thực nghiệm
a) Phương pháp Ziegler – Nichols:
Ziegler & Nichols đưa ra hai phương pháp thực nghiệm để xác định tham số
của bộ điều khiển PID.
Phương pháp thứ nhất sử dụng mô hình xấp xỉ bậc nhất có trễ của đối tượng
cho đối tượng có đặc tính động học hình chữ S
Phương pháp thứ hai không cần đến mô hình toán học của đối tượng nhưng
chỉ áp dụng cho một số lớp đối tượng nhất định
 Ph ươ ng pháp Ziegler & Nichols th ứ nh ấ t:
Để áp dụng phương pháp thực nghiệm này ta phải xấp xỉ mô hình đối tượng về
dạng:
1
s dt
dt
K
G e
Ts
τ −
·
+

0.3s τ ·
; T = b = 3,2 ;
1
dt
K ·
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 66
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Bảng 1 thiết kế của Ziegler & Nichols: dựa trên 2 tham số T và
τ
:
Luật điều khiển K
p
T
I
T
D
Luật P
125, 49
.
dt
T
K τ
·

-- --
Luật PI
0, 9 112, 94
dt
T
K τ
·
10
1
3
τ ·
--
Luật PID

1, 2 150.29
dt
T
K τ
·
2 0.6s τ ·
0, 5 0.15s τ ·
Khảo sát đặc tính động học của đối tượng:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 67
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Khi có bộ điều khiển:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 68
§å ¸n thiÕt kÕ vµ m« pháng 200
9
T

= 8 s ; σ
max
= 66,7% ;
T

= 8 s ; σ
max
= 44,4% ;
T

= 8 s ; σ
max
= 33,3% ;
Nhận xét: phương pháp này với cả luật PI và PID đều có thời gian quá độ đạt yêu
cầu bài toán nhưng lại có độ quá điều chỉnh lớn nên không dùng (không đạt chỉ
tiêu yêu cầu cho bài toán).
 Phương pháp Ziegler & Nichols 2:
Nội dung phương pháp:
Thay bộ điều khiển của hệ kín bằng bộ khuyếch đại. Sau đó thay đổi hệ số khuếch
đại nhằm đạt tới giá trị tới hạn k
th
.Lúc đó hệ kín ở chế độ biên giới ổn định , tức là
h(t) có dạng dao động điều hoà.Từ đó xác định chu kỳ dao động T
th .
Các thông số của bộ điều khiển được tính theo các đại lượng T và k
th

Ta có bảng thiết kế:
Luật điều khiển K
p
T
I
T
D
Luật P
0,5 Kgh
-- --
Luật PI 0,45 Kgh Tgh/1,2 --
Luật PID 0,6Kgh 2Tgh 0,125.Tgh
Chương 3: Thiết kế hệ thống điều khiển
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 69
§å ¸n thiÕt kÕ vµ m« pháng 200
9
trên không gian trạng thái
1. Tổng quan
Mô tả một hệ thống tuyến tính liên tục ta có thể thông qua hàm truyền đạt,
hàm quá độ … song để mô tả đối tượng một cách đầy đủ nhất thì ta có thể sử dụng
mô hình không gian trạng thái
Mô hình trạng thái có dạng:
d x
Ax Bu
dt
y Cx Du
· +
· +

Liên quan đến thiết kế bộ điều khiển trên miền không gian trạng thái cần biết
đến tính điều khiển được và tính quan sát được của đối tượng.
 Tính điều khiển được:
• Mộ t hệ thố ng tuyế n tí nh, liên tục được gọ i là điều khiể n được nếu tồ n tại
í t nhấ t mộ t tí n hiệu điều khiể n đưa được nó từ mộ t điể m trạ ng thá i ban
đầu tù y ý về được gố c tọ a độ trong khoả ng thời gian hữu hạn.
• Hai tiêu chuẩ n hay được dù ng để kiể m tra tí nh điều khiể n được cho hệ
tuyế n tí nh tham số hằ ng.
Có 2 tiêu chuẩn để đánh giá tính điều khiển được của hệ:
 Tiêu chuẩ n Kalman: Điều kiệ n cầ n và đủ để hệ tuyế n tính điều
khiể n được hoà n toà n là hạ ng củ a ma trậ n điều khiể n P
B
bằ ng n,
trong đó :
[ ] B A AB B P
n
B
1
,..., ,

·
hay là
n P Rank
B
· ) (
hay
0 ) det(P
B

thì
hệ điều khiể n được hoà n toà n
 Tiêu chuẩ n Hautus: Điều kiệ n cầ n và đủ để hệ tuyế n tí nh điều
khiể n được hoà n toà n là hạ ng củ a ma trậ n điều khiể n H
B
bằng n
trong đó:
] ), [( B A sI H
B
− ·
hay là
n H Rank
B
· ) (
vớ i mọ i số phứ c s
• Hệ mà điều khiển được hoàn toàn thì có thể thiết kế bộ điều khiển trạng thái
 Tính quan sát được:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 70
§å ¸n thiÕt kÕ vµ m« pháng 200
9
• Quan sát một tín hiệu là việc xác định tín hiệu một cách gián
tiếp thông qua các tín hiệu đo khác (thường là các tín hiệu vào ra).
• Hệ thống với tín hiệu vào u(t) và tín hiệu ra y(t) được gọi là
quan sát được hoàn toàn tại thời điểm t
0
nếu với mọi T >t
0
điểm trạng thái
x
0
=x
0
(t) luôn xác định được một cách chính xác từ vector các tín hiệu vào ra
u(t), y(t) trong khoảng thời gian [t
0
T]. Cũng có 2 tiêu chuẩn để đánh giá
tính quan sát được của hệ tuyến tính.
 Tiêu chuẩn của Hautus: Điều kiệ n cầ n và đủ để hệ tuyế n tính quan
sát được hoà n toà n là hạng củ a ma trậ n điều khiể n H
C
bằ ng n trong đó:
[( ) , ]
T T
C
H sI A C · −
hay là
( )
C
Rank H n ·
với mọ i số phức s
 Tiêu chuẩn của Kalman: Điều kiệ n cần và đủ để hệ tuyế n tí nh quan sát
được hoà n toà n là hạng của ma trậ n điều khiể n P
C
bằng n, trong đó:
1
, ,..., ( )
T T T n T T
C
P C A C A C

] ·
]
hay là
( )
C
Rank P n ·
hay
det(P ) 0
C

thì hệ điều
khiể n được hoà n toà n.
• Hệ thống mà quan sát được hoàn toàn thì có thể thiết kế được bộ quan
sát trạng thái.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 71
§å ¸n thiÕt kÕ vµ m« pháng 200
9
2. Thiết kế bộ điều khiể n gán điểm cự c
Trước hế t kiể m tra tí nh điều khiể n được củ a đối tượ ng thông qua tiêu chuẩ n
Kalman hoặ c tiêu chuẩ n Hautus.
Sau khi hệ có tính điều khiể n được thì có thể hoà n toà n thiế t kế được bộ điều
khiể n gá n điể m cự c.
Đố i với hệ tuyế n tính thì điểm cự c đó ng vai trò rất quan trọ ng:
 Nếu tấ t cả cá c điểm cự c đều nằ m bên trá i trụ c ảo thì hệ sẽ ổ n đị nh
 Cá c điể m cực cà ng xa trục ảo về phí a bên trá i thì quá trì nh quá độ của hệ
cà ng ngắ n, tức là quá n tí nh của hệ cà ng nhỏ
 Nếu hệ có ít nhấ t mộ t điể m cự c ở gố c tọa độ thì hệ có chứ a thà nh phầ n tí ch
phân do đó hệ ở trạ ng thá i biên giớ i ổ n đị nh.
Chí nh vì vậ y khi có yêu cầ u về chỉ tiêu chấ t lượ ng ta tìm tấ t cả các điể m cự c
mong muố n sao cho hệ đạt được chỉ tiêu đề ra.
Bà i toá n thiế t kế là : Xá c đị nh luật điều khiể n u(t) = - K.x(t) với
] ... [
2 1 n
k k k K ·

để hệ kí n nhậ n được cá c điểm cực là n
p p p ,... ,
2 1 là cá c điể m cực của hệ kí n, biế t mô
hình trạ ng thá i của đố i tượng điều khiể n là
) ( ) ( t Bu t x A x + · 
.
Sơ đồ cấu trú c hệ thố ng điều khiể n
Ta phải đi tì m ma trậ n K để
) )....( )( ( )) ( det(
2 1 n
p s p s p s BK A sI − − − · − −
(1)
Phương phá p giả i:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 72
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Cá ch 1: Đặt cá c phầ n tử củ a K là biế n. Sau đó tính det(sI-A+BR) rồ i cân bằ ng hệ
số 2 vế củ a (1) ta thu được cá c phương trì nh để tìm cá c phầ n tử củ a R. Cá ch nà y
khá lâu và khó viế t thà nh thuậ t toá n
Cá ch 2: Dù ng phương phá p Ackermann là phương phá p thiế t kế bộ điều khiể n gá n
điểm cự c R theo nguyên lý phả n hồ i trạ ng thá i cho đối tượ ng chỉ có một tín hiệu
và o
 Tí nh cá c hệ số a
i
củ a phương trì nh đặc tí nh cầ n phả i có củ a hệ kí n từ những
giá trị điể m cực s
i
đã cho theo:
n n
n n
s s s s s s s s s s s A + + + + + · − − − ·


1
1
2
2 1 0 2 1
... ) )....( )( ( ) ( α α α α

n n
n
A A A A I A + + + + + · Φ


1
1
2
2 1 0
... ) ( α α α α
 Bộ điều khiể n K cầ n tìm sẽ là :
) ( . ]. 1 ... 0 [
1
A P K
B
Φ − ·

Cá ch 3: Sử dụ ng Matlab để tì m K theo lệ nh
K=place(A,B, pole)
K=acker(A,B, pole)
Á p dụng cho đối tượng động cơ một chiều
Ở chương 1, từ việc mô hình hóa lý thuyết đối tượng động cơ một chiều và tìm
được mô hình trạ ng thá i của đối tượng động cơ điệ n mộ t chiề u là
T A M
A
A
e A
A
A
CL
A
CL
A
m
J
i k
J dt
dn
u
L
n k i
T dt
di
u
T
k
u
T dt
du
π π 2
1
.
2
1
1
.
1
.
1
− Φ ·
+ Φ − − ·
+ − ·
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 73
§å ¸n thiÕt kÕ vµ m« pháng 200
9
]
]
]
]
]

·
n
i
u
t x
A
A
) (
;
]
]
]
]
]
]
]
]

Φ
Φ − −

·
0
2
1
0
1 1
0 0
1
M
e
A A
CL
k
J
k
T L
T
A
π
;
]
]
]
]
]
]
]

·
0
0
CL
T
k
B
;
]
]
]
]
]
]


·
J
N
π 2
1
0
0
;
[ ] 1 0 0 · C
; D=0
Vậ y mô hình trạ ng thá i củ a độ ng cơ được viế t dướ i dạng thu gọ n
¹
'
¹
+ ·
+ + ·
) ( . ) ( . ) (
) ( . ) ( . ) ( . ) (
t u D t x C t y
t m N t u B t x A t x
T

Lậ p trì nh trên Matlab
Ra = 0.3;
La = 0.005;
Phi = 0.05;
J = 0.015;
Km = 38.2;
Ke = 2*pi*Km;
Tcl=0.1;
k=100/100;
A = [-1/Tcl 0 0;
1/La -Ra/La -Ke*Phi/La;
0 Km*Phi/2/pi/J 0];
B = [k/Tcl ; 0; 0]
C = [0 0 1]; D=0;
N = [0; 0; -1/(2*pi*J)];
G_m = ss(A, B, C, D)
G_m=ss(A-B*K,B,C,D)
G_m.InputName={'u'}
G_m.StateName={'uA','iA','n'}
G_m.OutputName={ 'n'}
pole(G_m)
polc=10*(real(pole(G_m)))+imag(pole(G_m))/10*i
K=acker(A,B,polc)
K1=place(A,B,polc)
G_k=ss(A-B*K,B,C,D)
G_k1=ss(A-B*K,B,C,D)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 74
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Kế t quả thu được khi không có nhiễ u
Nhận xét:
 Đối tượng động cơ chưa có bộ điều khiển thì có độ quá điều chỉnh và thời
gian quá độ lớn
 Sau khi có bộ điều khiển gán điểm cực thì chất lượng động học của hệ đã cải
thiện một cách đáng kể: không có độ quá điều chỉnh, và thời gian quá độ
ngắn. Tuy nhiên vẫn còn sai lệch tĩnh đối với giá trị đặt và với nhiễu.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 75
§å ¸n thiÕt kÕ vµ m« pháng 200
9
3. Thiết kế bộ điều khiể n phả n hồ i đầ u ra
Bà i toá n thiế t kế bộ điều khiể n phả n hồi đầu ra được thay bằng bài toá n thiế t kế
bộ quan sát trạ ng thá i và bộ điều khiể n phả n hồi trạ ng thá i.
 Lợ i ích của việ c sử dụng khâu quan sá t trạ ng thá i ?
 Giả m bớ t cả m biế n đo cá c biế n trạ ng thá i.
 Ước lượng được cá c biế n trạ ng thá i không thể đo được.
 Nhược điểm củ a việ c sử dụ ng khâu quan sát trạ ng thá i
 Cầ n biế t chí nh xá c mô hì nh đối tượng
 Mấ t nhiề u thờ i gian hơn.
 Yêu cầu đối vớ i khâu quan sá t trạ ng thá i: phả i có
độ ng học nhanh hơn bộ điều khiể n phả n hồ i trạ ng thá i và phải chính xác.
Sơ đồ cấu trú c của bộ quan sát Luenberger
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 76
§å ¸n thiÕt kÕ vµ m« pháng 200
9
 Nhiệ m vụ thiế t kế là xá c định L để có được yêu cầu
) ( ) (
~
t x t x ≈
sau mộ t
khoả ng thờ i gian T đủ ngắ n (nhanh hơn so vớ i bộ điều khiể n phả n hồ i trạ ng
thá i).
Ta có sai lệ ch mô hình là
) (
~
) ( ) ( t x t x t e − ·
Suy ra: ) ( ) ( ) ( . ) ( . ) (
~
) ( ) ( t e LC A t e LC t e A t x t x t e − · − · − ·

 
Để
0 ) ( → t e
thì ma trậ n
LC A−
phả i là ma trậ n bề n, tức là có các giá trị
riêng có phầ n thự c âm (giố ng như các điể m cự c). Do đó tố c độ tiế n về 0 cà ng
nhanh khi cá c giá trị riêng cà ng nằ m xa trụ c ảo về phí a bên trá i.
Hơn nữ a giá trị riêng của ma trậ n bấ t biế n vớ i phé p chuyể n vị nên việ c
tì m L để LC A− có được giá trị riêng mong muố n cũng đồng nghĩ a tì m L
T
để
T T T T
L C A LC A − · − ) (
nhậ n nhữ ng giá trị riêng đó và đây cũng là bà i toá n thiế t
kế bộ điề u khiể n gá n điểm cự c đã trì nh bà y ở mụ c 3.1.1
Vì yêu cầu bộ quan sát phả i nhanh hơn độ ng họ c củ a hệ kí n nên chọ n cá c
điể m cực nằm ở xa trục ảo hơn so với các điể m cự c củ a hệ kí n (cá c điể m cực
dùng để thiế t kế bộ điều khiể n phả n hồi trạ ng thá i) về phía trá i. Và công việ c
tí nh toá n L
T
cũng giố ng vớ i R nhưng cho đố i tượng đối ngẫ u:
) ( . ) ( . ) ( t u C t x A t x
T T
+ · 
Với Matlab ta thự c hiệ n lệnh sau:
polo=20*(real(pole(G_m)))+imag(pole(G_m))/20*i
L=acker(A',C',polo) % tinh ma tran phan hoi L
L=L'
 Kế t hợ p cả bộ điều khiể n phả n hồ i trạ ng thá i và khâu quan sá t trạ ng thá i ta
được bộ điều khiể n phả n hồ i đầu ra hoà n chỉ nh
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 77
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Kế t quả thu được như sau:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 78
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nhận xét:
 Hệ kín không có độ quá điều chỉnh
 Thời gian quá độ ngắn cỡ 0.02s
 Tín hiệu điều khiển u tăng vọt ở thời điểm ban đầu.
 Vẫn còn sai lệch tĩnh khi có nhiễu.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 79
§å ¸n thiÕt kÕ vµ m« pháng 200
9
4. Thiết kế bộ điều khiể n LQR
a) Lý thuyế t
- Bà i toá n: Cho hệ tuyế n tí nh có mô hì nh trạ ng thá i là
) ( . ) ( . ) ( t u B t x A t x + · 
. Tì m bộ
điều khiể n làm hệ ổ n định tối ưu, theo nghĩ a là sau mộ t tác động tứ c thờ i đưa hệ ra
khỏ i điểm cân bằ ng 0 (tạ i gố c tọ a độ ) thì bộ điều khiể n sẽ ké o hệ quay về 0 vớ i
năng lượ ng tổn hao tính theo
( ) min
2
1
0
→ + ·


dt u F u x E x Q
T T
Trong đó E là ma trậ n xá c định không âm, F là ma trậ n xác đị nh dương
- Giả i bà i toá n: Áp dụ ng phương phá p biế n phân thì bộ điều khiể n LQR sẽ được
tìm như sau:
+ Bước 1: Tìm K đố i xứng xác định bá n âm từ phương trì nh đạ i số Riccati:
E A K K A K B F B K
T
· − −

. . . . .
1
+ Bướ c 2: Bộ điề u khiể n LQR là
K B F R
LQR
. .
1 −
·
+ Bướ c 3: Kiể m tra tí nh ổn định của hệ kí n
- Trong Matlab có hỗ trợ việ c tí nh toá n bộ điều khiể n LQR như sau:
[R,K,e] = lqr(SYS,E,F,N)
[R,K,e] = LQR(A,B,E,F,N)
Trong đó : SYS là đố i tượng tuyế n tí nh
N được chọ n bằ ng 0 (vì trong Matlab chọ n phiế m hàm mục tiêu là
( ) min 2
2
1
0
→ + + ·


dt u N x u F u x E x Q
T T T
)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 80
§å ¸n thiÕt kÕ vµ m« pháng 200
9
b) Áp dụng và o độ ng cơ mộ t chiề u
 Bà i toá n tiế t kiệ m năng lượ ng: hã y xác định bộ điều khiể n tố i ưu cho độ ng
cơ điện mộ t chiề u kí ch từ độ c lập, cự c tiể u hóa tổn hao năng lượng điện và
cơ năng. Biế t mômen cả n:
ω
1
k M
C
·
; trong đó
s gcm k / 10
1
·
 Giả i quyế t bà i toá n: Tì m phiế m hà m mụ c tiêu
Năng lượng tổn thấ t gồ m tốn thấ t điệ n đ
P ∆
trên điệ n trở phầ n ứng và tổ n
thấ t cơ c
P ∆
trên trục do có mômen cả n.
Ta có :
2 2
2 2 a
đ a a
a a
u u
P I R k
R R
∆ · · ·
;
5 2
1
.9,81.10
c c
P M k n ω

∆ · ·
Suy ra
5
1
0 0 0
0 0 0
0 0 9.81.10
E
k

]
]
·
]
]
]
và
a
R
k
F
2
·
Cá c lệ nh trong Matlab
% Thiet ke bo dieu khien toi uu nang luong lqr
k1=10
N=0;
E=[0 0 0;
0 0 0;
0 0 9.81e-5*k1]
F=k^2/Ra
[R_Lqr,K,e] = LQR(A,B,E,F,N)
sim('bodkphanhoiLQR.mdl')
plot(t,n.signals.values)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 81
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nhận xét: Do tối ưu về năng lượng nên chấ t lượng về độ quá điều chỉ nh cũng như
sai lệ ch tĩ nh và thờ i gian quá độ không đả m bảo.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 82
§å ¸n thiÕt kÕ vµ m« pháng 200
9
5. Thiết kế bộ điều khiể n LQG
a) Lý thuyế t
Bà i toán: Thiế t kế bộ điề u khiể n phả n hồi tí n hiệ u ra cho đối tượng
) ( . ) ( . ) ( t u B t x A t x + · 
là m hệ ổn định tố i ưu, theo nghĩ a là sau mộ t tá c độ ng tứ c thờ i
đưa hệ ra khỏ i điểm cân bằ ng 0 (tạ i gố c tọa độ) thì bộ điều khiể n sẽ ké o hệ quay về
0 với năng lượ ng tổn hao tính theo
( ) min
2
1
0
→ + ·


dt u F u x E x Q
T T
 Giả i bà i toá n: Bộ điề u khiể n LQG thự c chấ t là bộ điều khiể n bao gồ m mộ t
bộ điều khiể n phả n hồ i trạ ng thá i tối ưu R
LQR
và mộ t bộ quan sát trạ ng thá i
Kalman
Bộ quan sá t Kalman cũng có mô hình giố ng như bộ quan sát củ a Luenberger
Nhưng khá c vớ i Luenberger, Kalman đã tì m L sao cho
min ] [ ] [
1
2
→ · ·

·
n
i
i
T
e M e e M Q hay min ) (
2
1
0
→ + ·


dt u N u x N x Q
y
T
x
T
Trong đó
( ) ) (
~
) ) ( t x t x t e − ·
và M[.] là ký hiệu lấ y trung bình (kỳ vọ ng)
N
x
, N
y
là ma trậ n hỗ tương quan của n
x
(t) và n
y
(t)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 83
§å ¸n thiÕt kÕ vµ m« pháng 200
9
- Kalman đã tì m ra được L như sau:
CP N L
y
T 1 −
·
Trong đó P là nghiệ m củ a phương trì nh Riccati
x
T
y
T
N AP PA CP N PC · − −
−1
Việ c tìm L cũng giố ng hệ t vớ i bà i toá n tì m R
LQR
cho hệ đối ngẫ u
) ( . ) ( . ) ( t u C t x A t x
T T
+ · 
và hàm mục tiêu là
min ) (
2
1
0
→ + ·


dt u N u x N x Q
y
T
x
T
- Như vậ y để thiế t kế bộ điều khiể n LQG thì ta phả i sử dụ ng hai lần thuậ t toá n
thiế t kế bộ điều khiể n LQR:
+ Lầ n 1 để xây dự ng bộ điều khiể n phả n hồi trạ ng thá i tố i ưu R
LQR
cho đố i
tượ ng
) ( . ) ( . ) ( t u B t x A t x + · 
với hàm mục tiêu là
( ) min
2
1
0
→ + ·


dt u F u x E x Q
T T
+ Lầ n 2 để xác đị nh L của bộ quan sá t Kalman hay L
T
chí nh là bộ điều khiể n
phả n hồi trạ ng thá i tố i ưu LQR cho đối tượng đối ngẫ u ) ( . ) ( . ) ( t u C t x A t x
T T
+ · 

và hàm mục tiêu là
min ) (
2
1
0
→ + ·


dt u N u x N x Q
y
T
x
T
b) Áp dụng và o độ ng cơ mộ t chiề u
N=0;
E=[0 0 0;
0 0 0;
0 0 9.81e-5*k1]
F=k^2/Ra;
[R_Lqr,K,e] = LQR(A,B,E,F,N)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 84
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nx=[1 0 0
0 1 0
0 0 1];
Ny=1/(2*pi*J)
[L,K,e] = LQR(A,B,E,F,N)
L=L'
sim('bodkphanhoiLQG.mdl')
plot(t,n.signals.values)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 85
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nhận xét: Vẫn còn độ quá điều chỉnh, chất lượng động học không được cải thiện
nhiều lắm.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 86
§å ¸n thiÕt kÕ vµ m« pháng 200
9
6. Loạ i bỏ sai lệch tĩ nh bằ ng bộ tiề n xử lý
- Nế u chỉ cần loạ i bỏ sai lệ ch tĩ nh khi đáp ứng giá trị đặt thì ta chỉ cần thiế t kế khâu
khuyế c đại vớ i hệ số

·
K
V
1
trong đó

K
là giá trị xác lậ p củ a đầu ra khi tín hiệ u
và o là hà m 1(t). Hiể n nhiên trong trườ ng hợp nà y thì sẽ vẫ n tồn tạ i sai lệch tĩ nh khi
có nhiễ u
- Để triệ t tiêu sai lệch tĩnh đố i với nhiễ u và sai lệ ch của mô hì nh (mà điều nà y luôn
được yêu cầu đối vớ i cá c bộ điều khiể n) do đó cầ n phả i thiế t kế bộ PI nằ m ờ vò ng
ngoà i

Để thiế t kế khâu PI, ta có thể sử dụng cá c phương phá p thiế t kế PID đã trì nh bà y ở
chương trướ c
Để đơn giả n, thì ta sử dụng phương phá p thự c nghiệ m. Ta chọ n được
Kp=1
Ti=0.0001s
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 87
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Kế t quả mô phỏ ng thu được:
Từ kế t quả mô phỏ ng ta thấ y
- Việ c thêm thà nh phầ n tí ch phân đã là m triệ t tiêu sai lệ ch tĩ nh kể cả với đá p ứng
giá trị đặt mà cả với nhiễ u.
- So với bộ PI mà không có bộ điều khiể n trạ ng thá i thì bộ điều khiể n có dùng bộ
điều khiể n phả n hồ i trạ ng thá i có chấ t lượ ng đầu ra tố t hơn.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 88
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 89
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Nhận xét:
 Đối với bộ điều khiển trạng thái kết hợp với PI đã cho tín hiệu điều khiển rất
tốt khi đáp ứng với giá trị đặt. Tuy nhiên nó khi đáp ứng với nhiễu thì nó
tăng vọt lên, còn đặc tính động học rất tốt
 Còn nếu dùng mỗi bộ PI không thì có độ quá điều chỉnh, thời gian quá độ
dài hơn
 Kết hợp sử dụng PI và bộ điều khiển phản hồi đầu ra sẽ cho chất lượng điều
khiển tốt hơn. Nhưng nó kén tham số hơn và kém bền vững với sai lệch mô
hình.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 90
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Chương 4 : Thiết kế bộ điều khiển phi tuyến
Chương này chúng ta sẽ đi vào thiết kế bộ điều khiển dự báo trên cơ sở mạng
Nơron nhân tạo cho một đối tượng phi tuyến. Thông qua đó sẽ thấy được ưu thế của
bộ điều khiển Nơron trong thực tế.
1. Tổng quan
Điều khiển dự báo là phương pháp điều khiển nâng cao trong điều khiển quá
trình và đã được ứng dụng từ những năm 1980s trong điều khiển quá trình như hóa
chất, lọc dầu...Ngày nay điều khiển dự báo là chiến lược được sử dụng phổ biến
nhất trong việc điều khiển quá trình. Bộ điều khiển dự báo sử dụng một mô hình để
đoán trước đáp ứng tương lai của đối tượng điều khiển tại các thời điểm rời rạc
trong một phạm vi dự báo (prediction horizon) nhất định. Dựa vào đáp ứng dự báo
này, một thuật toán tối ưu được sử dụng để tính toán chuỗi các tín hiệu điều khiển
tương lai trong phạm vi điều khiển (control horizon) sao cho sai lệch giữa đáp ứng
dự báo bởi mô hình và tín hiệu chuẩn cho trước là tối thiểu.
Phương pháp điều khiển dự báo là phương pháo tổng quát để thiết kế bộ điều
khiển trong miền thời gian, có thể áp dụng cho hệ tuyến tính cũng như hệ phi
tuyến, tuy nhiên trong thực tế việc áp dụng chiến lược điều khiển dự báo cho hệ
phí tuyến gặp nhiều khó khăn.Do vậy mà mục đích thiết kế ở đây là thiết kế bộ
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 91
§å ¸n thiÕt kÕ vµ m« pháng 200
9
điều khiển dự báo trên cơ sở mạng Nơron cho đối tượng bình khuấy trong công
nghiệp.
Dựa trên tiêu chí đặt ra mà phần thiết kế bộ điều khiển dự báo trên cơ sở mạng
Nơron sẽ trình bày cơ sở lý thuyết về điều khiển dự báo và mạng Nơron, xây dựng
mô hình tính toán để dự báo chính xác trạng thái của quá trình cần điều khiển trong
phạm vi dự báo, thuật toán tối ưu hóa sử dụng và áp dụng công cụ matlab để kiểm
chứng mô hình.
2. Tổng quan về điều khiển dự báo
Mục tiêu nôi dung này là cung cấp các kiến thức cơ bản nhất được sử dụng trong
điều khiển dự báo, trong đó tập trung sâu vào lý thuyết điều khiển dự báo trên cơ sở
mạng Nơron nhân tạo và kiểm chứng nó trên Matlab và Simulink.
Đầu tiên, ta cần biết mô hình điều khiển dự báo được viết tắt dưới dạng rút gọn của
thuật ngữ quốc tế MPC – Model based Predictive Control.
Một cách hình tượng hóa, MPC phản ảnh thói quen của con người nhờ vào sự lựa
chọn hành động điều khiển để đưa ra một kết quả dự đoán tốt nhất có thể trong
phạm vi giới hạn điều khiển. Để có được sự lựa chọn này, chúng ta cần sử dụng mô
hình của quá trình. Khi dự báo được, chúng ta sẽ cập nhật những hành động mới.
Do đó, luật điều khiển dự báo sẽ bao gồm các thành phần chính sau :
1. Luật điều khiển phụ thuộc vào thói quen dự báo.
2. Kết quả dự báo được ước lượng tính qua một mô hình quá trình.
3. Đầu vào được xác định bằng cách tối ưu hóa một vài thông số của kết quả dự
báo.
4. Đầu vào điều khiển sẽ được cập nhật trong mỗi chu kì.
Kiến trúc của một hệ thống MPC đặc thù :
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 92
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Các thành phần chính của MPC :
- Sự độc lập của đáp ứng trong dự báo : hầu hết các luật điều khiển (như PID)
đều không đề cập tới toàn bộ sự kiện tương lai của đáp ứng điều khiển. Trong
một số trường hợp nó chỉ đóng góp bởi vòng động học kín. Nhưng MPC, ở một
chiều hướng khác, lại dự báo đặc tính tương lai trong một phạm vi giới hạn. Bởi
vậy có thể giảm thiểu được các kết quả không mong muốn trong tương lai.
- Dự báo dựa trên mô hình: với mục đích dự báo các đặc tính tương lai của quá
trình, ta phải có một mô hình mô tả quá trình hoạt động như thế nào. Đặc biệt,
mô hình này phải mô tả sự phụ thuộc của đầu ra trong vào khoảng biến thiên
giá trị và đầu vào tương lai. Mô hình này không bắt buộc phải tuyến tính ( hàm
truyền đạt, không gian trạng thái...) và trong thực tế có thể về bất kể một quá
trình nào đó.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 93
§å ¸n thiÕt kÕ vµ m« pháng 200
9
- Lựa chọn đầu vào: Trước khi lựa chọn hành động điều khiển, ta cần một tiêu
chuẩn để đánh giá liệu đáp ứng có tốt không. Bởi vì MPC thường được thực thi
bằng máy tính nên yêu cầu này phải là định nghĩa về mặt số học từ đó có thể đạt
được kết quả tính toán chính xác. Công thức số học nên càng đơn giản càng tốt
để tiết kiệm. Theo kinh nghiệm thì lựa chọn thực tế ít ảnh hưởng tới chất lượng
vòng kín. Do đó mà yêu cầu chính là hàm chi phí chỉ phụ thuộc và điều khiển
tương lai và là hàm chi phí thấp hàm ý chất lượng vòng kín tốt. Dĩ nhiên lựa
chọn của hàm chi phí ảnh hưởng tới sự phức tạp của tối ưu hóa.
- Giới hạn: MPC hoạt động trên nguyên tắc dự báo đáp ứng trong phạm vi giới
hạn về thời gian tương lai, vì vậy tại mỗi thời điểm hiện tại nó lại dự báo một
khoảng thời gian sau đó. Mỗi khi thông tin mới có được, đáp ứng vào lại được
tự động xử lý. Vậy “ Giới hạn bao nhiêu thì đủ?”. Bằng trực giác, có thể nói
rằng giới hạn nên lớn hơn thời gian sắp đặt và phải chứa các đặc tính động học
quan trọng.
- Tối ưu hóa: Để điều khiển quá trình chính xác, chúng ta cần một mô hình chính
xác. Việc đó sẽ giúp gia tăng được giới hạn dự báo và có được các đáp ứng tốt
hơn. Đó chính là tư tưởng của tối ưu hóa.
- Điều chỉnh: Điều chỉnh sẽ tốt hơn nếu ta có mối quan hệ mật thiết với các thông
số. Nếu như có hàm chi phí chính xác, ổn định thì sẽ tối ưu hóa được hàm chi
phí và chất lượng tốt. Khi được chỉ dẫn tốt, MPC sẽ luôn điều khiển ổn định
hoặc chí ít cũng là bình thường. Bởi vậy tầm quan trong ở đây là:
- Điều chỉnh: Điều chỉnh sẽ tốt hơn nếu ta có mối quan hệ mật thiết với các thông
số. Nếu như có hàm chi phí chính xác, ổn định thì sẽ tối ưu hóa được hàm chi
phí và chất lượng tốt. Khi được chỉ dẫn tốt, MPC sẽ luôn điều khiển ổn định
hoặc chí ít cũng là bình thường. Bởi vậy tầm quan trong ở đây là: làm thế nào
để cân bằng giữa chất lượng giữa các vòng khác nhau và giữa các đáp ứng vào
với tốc độ đáp ứng? Trước kia thường sử dụng ma trận trọng số để đặt tầm quan
trọng lên chất lượng trong các vòng khác nhau. Tuy nhiên, điều đó vẫn còn
nhiều bàn cãi rằng ta có thể cấu trúc trọng số một cách hệ thống từ quan điểm
tài chính và nhân công. Trong thực tế điều chỉnh được yêu cầu cho tới khi cân
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 94
§å ¸n thiÕt kÕ vµ m« pháng 200
9
bằng đạt được, tuy nhiên rất khó để tổng quá hóa việc điều chỉnh vì mỗi một
quá trình có đặc điểm riêng.
- Mối ràng buộc: Một trong những ưu điểm của MPC là khả năng giải quyết được
các vấn đề rằng buộc liên động nhau.
- Sử dụng một cách hệ thống các nhu cầu tương lai: MPC có khả năng hợp tác
được với Feedforward một cách rất hệ thống. Tối ưu hóa hàm chi phí sẽ góp
vào các thay đổi tương lai của đường đặc tính mong muốn và nhiễu đo được.
- Thiết kế điều khiển một cách hệ thống cho hệ MIMO: MPC có thể làm việc một
cách hệ thống với hệ MIMO. Việc thiết kế bộ PID cho hệ MIMO có tính tương
tác cao là rất khó khăn. Mặc dug giải pháp được phát triển qua sự kết hợp giữa
kinh nghiệm và thời gian, tuy nhiên vẫn có thể làm chệch hướng. Sự khó khăn
của PID với hệ MIMO liên quan chặt chẽ tới mô hình, thiết kế PID sử dụng ít
mối liên hệ thông tin với đối tượng nên khó có thể là việc khi tương tác giữa
các thành phần trong mô hình đối tượng cao. MPC khắc phục được những
khuyết điểm đó của PID.
3. Dự báo trong MPC
Cấu trúc tổng quát của mô hình dự báo
Giả sử trạng thái hệ thống là , có thể chứa giá trị đầu vào/ra quá khứ thì bộ dự
báo tương lai sẽ là:
k
= H
k-1
+ P
k
Trong đó: H là ma trận Toeplitz
P là ma trận có hệ số phụ thuộc vào thông số mô hình
Từ cấu trúc tổng quát của mô hình dự báo mà ta có thể xây dựng các mô hình dự
báo trong không gian trạng thái, dự báo mô hình hàm truyền đạt, dự báo với mô
hình FIR, dự báo với mô hình độc lập...Các bạn có thể tham khảo chúng trong tài
liệu tham khảo ở cuối cuốn đồ án này.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 95
§å ¸n thiÕt kÕ vµ m« pháng 200
9
4. Mạng Nơron
4.1 Cơ sở về mạng Nơron
Đầu tiên ta cần phải nắm rõ khái niệm về mạng nơron:
Mạng nơron là sự tái tạo bằng kĩ thuật những chức năng của hệ thần kinh con
người. Trong quá trình tái tạo không phải tất cả các chức năng của bộ nào con
người có đều được tái tạo mà chỉ có những chức năng cần thiết. Bên cạnh đó còn có
những chức năng mới được tạo ra nhằm giải quyết một bài toán điều khiển định
trước.
Để hiểu rõ hơn về mạng nơron ta cần tìm hiểu cấu trúc của một nơron tự nhiên.
Cụ thể bạn có thể xem trong tài liệu [2], pp. 203-205. Một tính chất cơ bản của
mạng Nơron sinh học mà ta cần lưu ý là các đáp ứng theo kích thích có khả năng
thay đổi theo thời gian. Các đáp ứng có thể tăng lên, giảm đi hoặc hoàn toàn biến
mất.Qua các nhánh axon liên kết tế bào nơron này với tế bào nơron khác, sự thay
đổi trạng thái của một nơron cũng kéo theo sự thay đổi trạng thái của các nơron
khác và do đó là sự thay đổi của toàn bộ mạng nơron. Việc thay đổi trạng thái của
mạng nơron có thể thực hiện qua một quá trình dạy hoặc do khả năng học tự nhiên.
Mạng nơron nhân tạo chính là sự thay thế tính chất đó của mạng nơron tự nhiên
bằng một mô hình toán học tương đương. Mạng nơron có thể được chế tạo bằng
nhiều cách khác nhau vì vậy trong thực tế tồn tại rất nhiều kiểu mạng nơron nhân
tạo.
Nơron nhân tạo nhiều đầu vào một đầu ra.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 96
W
1
W
2
W
n
b
f
a
Pn
P2
P1
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Đứng về mặt mặt hệ thống, một nơron là một hệ thống MISO quen thuộc với
nhiều đầu vào và một đầu ra. Cấu trúc của một nơron gồm một bộ tổng và một hàm
truyền f(n).
Quan hệ giữa các đầu vào ra của một nơron được biểu diễn bằng phương trình toán
học như sau:
+ b = * + b = Wp +b
a = f(n), trong đó f là hàm truyền, w là trọng số và b là tham số bù.
Một số hàm f cơ bản thường được sử dụng:
Hàm a = f(a) Mô tả
a = tansig(n) a = -1
a = logsig(n) a =
a = radbas(n) a =
a = satlins(n) a =
a = hardlim(n) a =
a = hardlims(n) a=
a = purelin(n) a = n
4.2 Cấu trúc mạng nơron
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 97
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Để xây dựng được hệ thống điều khiển tự động trước tiên phải xây dựng được mô
hình thích hợp cho đối tượng và xác định các tham số của mô hình. Ở đây mô hình
được sử dụng thay thế cho đối tượng là một mạng nơron. Như vậy vấn đề của
chúng ta là phải xác đinh được một cấu trúc mạng nơron hợp lý và huấn luyện các
tham số của mạng. Đây chính là bài toán nhận dạng đối tượng bằng mạng nơron.
Nó là bài toán đầu tiên cũng là bài toán quan trọng nhất trong quá trình thiết kế bộ
điều khiển trên cơ sở mạng nơron.
Ta có thể phân loại mạng nơron thành 3 loại như sau:
- Mạng nơron động học tuyến tính : Quan hệ vào/ra của mạng có tính chất động
học tuyến tính.
- Mạng nơron phi tuyến tĩnh: Quan hệ vào/ra của mạng có tính chất phi tuyến
tĩnh.
- Mạng nơron động học phi tuyến: Quan hệ vào/ra của mạng có tính chất động
học phi tuyến.
4.3 Huấn luyện mạng nơron
Nguyên tắc huấn luyện
Huấn luyện mạng là công việc xác đinh vector trọng số w
i
có trong từng nơron
của mạng sao cho mạng nơron có khả năng tạo ra cá đáp ứng đầu ra mong
muốn khi cùng được kích thích bằng một lượng thông tin đầu vào của hệ thống
đó.
Như vậy có thể xem việc huấn luyện mạng là tạo ra cho mạng một khả năng
của một thiết bị xấp xỉ thông tin.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 98
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Đầu vào Lớp vào Lớp ẩn Lớp ra
Để huấn luyện người ta cho tác động hàng loạt kích thích x
k
, k =1, 2...có khả
năng lặp lại trong quá trình mạng làm việc. Những tác động này gọi là kích thích
mẫu. Các giá trị y’
k
tương ứng tại đầu ra của mạng được so sánh với đáp ứng mẫu
y
k
cho trước. Các phần tử của vector trọng số w
i
, i = 1, 2,...,n có trong tất cả n
nơron của mạng được hiệu chỉnh theo từng bước huấn luyện sao cho tổng các sai
lệch E
k
= |e
(k)
|
2
= | y’
k
- y
k
|
2
là nhỏ nhất. Thực chất của bài toán huấn luyện mạng là
giải bài toán tối ưu tham số và để thực hiện bài toán đó cần phải xây dựng được
phiến hàm mục đích mô tả rõ sai lệch.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 99
Đối tượng
NN
e
P
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Để thấy rõ hơn về quá trình huấn luyện mạng nơron, bạn có thể xem thêm ở tài
liệu [2], pp. 214-215 về mạng nơron MLP 3 lớp. Như vậy việc huấn luyện mạng ở
đây chính là giải bài toán tối ưu với sự hỗ trợ của thuật toán tìm kiếm ngược
Gradient.
Với mạng MLP truyền thẳng, khi huấn luyện mạng với một mẫu cho trước mà
thuật toán xác định vector trọng số không hội tụ, người ta sẽ nghĩ tới mạng nhiều
lớp (MLP) và mạng này phải có quan hệ phi tuyến không chỉ nằm ở lớp nơron đầu
ra. Một trong những phương pháp được ứng dụng nhiều trong thực tế để giải quyết
bài toán huấn luyện mạng MLP truyền thẳng là thuật toán lan truyền ngược
(Backpropagation) được đề cập trong tài liệu [2], pp. 223-227.
5. Nhận dạng mô hình đối tượng điều khiển
Để xây dựng được một bộ điều khiển, đầu tiên ta cần phải có mô hình toán học
của đối tượng. Mô hình này càng giống với đối tượng thì bộ điều khiển thiết kế càng
đảm bảo yêu cầu chất lượng của hệ thống. Xác định mô hình toán học của đối
tượng có nghĩa là phải xác định được cấu trúc cũng như các tham số của nó. Trước
tiên ta phải xác định cấu trúc đối tượng, sau đó là xác định tham số.
Xây dựng mô hình toán học của đối tượng ta có thể sử dụng các phương pháp lý
thuyết hoặc phương pháp thực nghiệm (nhận dạng). Các phương pháp này các bạn
có thể thấy rất rõ trong chương 1 của đồ án này. Như vậy bài toán nhận dạng sẽ
được phân biệt với nhau bở các điểm sau: Lớp mô hình thích hợp, Loại tín hiệu
quan sát được là tiền định hay ngẫu nhiên, Phương thức mô tả sai lệch giữa mô
hình và đối tượng thực.
Bài toán nhận dạng đối tượng bằng mạng nơron được xây dựng trên cơ sở:
• Lớp mô hình thích hợp được chọn là mô hình mạng nơron
• Loại tín hiệu quan sát là tín hiệu ngẫu nhiên
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 100
§å ¸n thiÕt kÕ vµ m« pháng 200
9
5.1 Nhận dạng thông số offline
Sơ đồ tổng quát nhận dạng thông số mô hinh
Vector Z(t) bao gồm các vector trạng thái với nhiễu tác động v(t) và đâu vào u(t)
Z(t) = h[x(t),u(t),v(t),P
2
(t),t]
Với P
2
(t) là thông số chưa biết của hệ thống.
Vector trạng thái của hệ được mô tả bởi phương trình
(t) = f[x(t),u(t),w(t),P
1
(t)]
Trong đó w(t) là vector nhiễu tác động từ ngoài.
Bài toán đặt ra là cần tìm các thông số mô hình đảm bảo cực trị theo một tiêu
chuẩn nhận dạng.
Vector thông số (t) = P
1
(t),P
2
(t)] có thể chứa cá hệ số của phương trình vi phân,
phương trình quan sát và đồng thời có thể đặc trưng thống kê của nhiễu v(t), w(t).
Có nhiều phương pháp nhận dạng thông số offline như phương pháp xấp xỉ vi
phân, phương pháp gradient, phương pháp tìm kiếm trực tiếp, phương pháp tựa
tuyến tính, phương pháp sử dụng hàm nhậy. Nhưng ở đây tôi chỉ giới thiệu phương
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 101
§å ¸n thiÕt kÕ vµ m« pháng 200
9
pháp Gradient cong cá phương pháp khác bạn có thể tra cứu trong tài liệu tham
khảo.
Phương pháp Gradient
Giả thiết rằng mô hình phi tuyến được biểu diễn dưới dạng rời rạc. Cần xác định
vector thông số P sao cho x(t) với độ chính xác cho trước phù hợp với z(t) dưới tác
động điều khiển u(t).
Tiêu chuẩn sai số J bao gồm hiệu sai số đầu ra của mô hình và đối tượng (hệ thống)
J = [(t
i
)-z(t
i
)]
Trong đó H là hàm, thường được chọn dưới dạng tổng bình phương các thành phần
vector sai số.
Nhận dạng theo phương pháp Gradient.
Thuật toán nhận dạng Gradient như sau:
1. Cho các giá trị ban đầu P
o
2. Giải các phương trình sai phân hoặc vi phân và xác định được J
3. Cho p
i
= p
io
+ ∆ và giải các phương trình đó, xác định được
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 102
§å ¸n thiÕt kÕ vµ m« pháng 200
9
4. Thông tin về hướng gradient được sử dụng tùy theo từng trường hợp để xây
dựng thuật toán tìm vector thông số P.
Thuật toán Gradient lặp đơn giản nhất để xác đinh thông số P, là phương pháp hạ
nhanh nhất. Hướng của phương pháp hạ nhanh nhất ngược hướng với gradient và ở
điểm ban đầu trùng với hướng trong đó tiêu chuẩn sai số giảm nhanh nhất. Có
nghĩa là hướng của phương pháp hạ nhất nhất được mô tả bằng vector:
p
(k+1)
= p
(k)
+ ∆p
∆p = [∆p
1
, ∆p
2
, ..., ∆p
m
]
T
Trong đó ∆p
i
= -C ∕ [
1/2
Với được tính xấp xỉ theo công thức
= [J(p
1
, p
2
, ..., p
j
+∆, ..., p
m
) – J(p
1
, p
2
,...,p
m
)] / ∆
Hằng số C xác định bước thay đổi vector thông số theo hướng Gradient. Nếu C quá
lớn thì tiêu chuẩn sai số nhận dạng J cũng có thể lớn, ngược lại khi chọn C nhỏ thì
tốc độ hội tụ chậm vì vậy cần chọn C = C
*
tối ưu theo nghĩa cự tiểu hàm J theo
hướng gradient.
J(P+C
*
∆P) = J(P + C∆P)]
Chúng ta có thể tìm C
*
theo các phương pháp tối ưu thông thường.
5.2 Nhận dạng thông số hệ thống online
Do các phương pháp nhận dạng offline có nhược điểm: mất thông tin do phép rời
rạc hóa, khó thực hiện trên phần cứng, khi thông số lớn khó xác định chính xác
vector thông số, không sử dụng được khi hệ không dừng nên cần phải tìm một
phương pháp nhận dạng khác để đáp ứng được bài toán điều khiển.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 103
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Mục tiêu của nhận dạng là phục vụ cho bài toán điều khiển. VÌ vậy quan sát thu
được theo thời gian phải sử dụng để nhận dạng mô hình tốt hơn đồng thời hiệu
chỉnh điều khiển. Như vậy nhận dạng và thiết kế hệ điều khiển phải được tiến hành
đồng thời. Trong chế độ online, mô hình phải thật đơn giản. Số các thông số chọn
đủ nhỏ và cấu trúc mô hình tuyến tính theo thông số. Thuật toán nhận dạng online
được xây dựng sao cho trên mỗi bước tính không cần xử lý lại toàn bộ chuỗi quan
sát, có nghĩa là sử dụng quá trình lặp.
Một số phương pháp nhận dạng online được sử dụng như phương pháp lặp bình
phương cực tiểu, phương pháp xấp xỉ ngẫu nhiên, phương pháp lọc Kalman. Bạn
có thể tìm đọc trong phần tài liệu tham khảo [6], pp. 75-79.
6. Kiểm chứng trên Matlab và Simulink
Bộ điều khiển sự báo dự trên cơ sở mạng nơron là một ứng dụng được tích hợp
sẵn trên toolbox Neural Network của Matlab (Neural Network Controller). Sử dụng
mô hình mạng nơron cho quá trình phi tuyến để dự báo đặc tính tương lai, bộ điều
khiển tính toán các giá trị điều khiển đầu vào sao cho tối ưu hóa đầu ra tại một thời
điểm tương lai. Bước đầu tiên trong mô hinh điều khiển dự báo là nhận dạng hệ
thống, sau đó bộ điều khiển sử dụng mô hình quá trình để dự báo tương lai.
6.1 Nhận dạng hệ thống
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 104
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Mô hình quá trình mạng nơron sử dụng tín hiệu vào ra để dự báo các đầu ra tương
lai.
Cấu trúc mô hình mạng nơron
Mạng này có thể được huấn luyện chung, sử dụng dữ liệu thu được từ tính toán của
quá trình. Ở đây ta sẽ sử dụng thuật toán lan truyền ngược (Backpropagation).
6.2 Điều khiển dự báo
Bộ dự báo được sử dụng bở chương trình tối ưu toán học để xác định tín hiệu điều
khiển để cực tiểu hóa các đáp ứng trong giới hạn dự báo
N
1,
N
2
, N
u
định nghĩa giới hạn sai lệch theo dõi và ước lượng điều khiển tăng tịnh
tiến. Biến u’ là tín hiệu điều khiển, y
r
là đáp ứng mong muốn, y
m
là đáp ứng mô
hình nhận dạng. Giá trị p xác định sự đóng góp mà tổng bình phương của các biến
điều khiển tăng tịnh tiến có trong chỉ số chất lượng.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 105
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Bộ điều khiển NN Controller
Bộ điều khiển chứ mô hình quá trình mạng nơron và khối tối ưu hóa. Bộ tối ưu hóa
xác định giá trị của u’ mà cực tiểu hàm J, sau đó tối ưu u (đầu vào quá trình)
6.3 Xây dựng bộ điều khiển kiểm chứng
X(2Y)
G rap h
Ra ndom Re ferenc e
P l ant
(Con t i nuous S t i rred Tan k Reac t o r )
NN P red i c t i ve Con t rol l er
P l an t
O ut put
Refe re nc e
Cont rol
S i gn al
O pt i m.
NN
M odel
Cl o c k
Flo w Ra te Co n c en tr at ion
Sơ đồ khối bộ điều khiển trong simulink
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 106
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Đối tượng sử dụng là bình khuấy, một trong những đối tương phổ biến trong
công nghiệp.
Phương trình động học của hệ thống:
h(t) mức chất lỏng
Cb1 Nồng độ dòng cấp cô đọng
Cb2 Nồng độ dòng cấp loãng
Cb(t) Nồng độ sản phẩm tại đầu ra
W1(t) tốc độ dòng cấp cô đọng Cb1
W2(t) tốc độ dòng cấp loãng Cb2
Ban đầu đặt sao cho Cb1 = 24.9; Cb2 = 0.1
Hằng số tốc độ tiêu thụ k1 = 1; k2 =1
Mục tiêu điều khiển duy trì sự cô dọng của sản phẩm thông qua điều chỉnh dòng
W1(t).
Để đơn giản hóa quá trình coi W
2
(t) = 0.1 => Mức của bể h(t) không được điều
chỉnh.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 107
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Đối tượng có thể sử dụng mô hình trực tiếp trong matlab hoặc có thể xây dựng
theo sơ đồ sau:
Cb
2
h
1
k2
1
k1
1
S quare
u
2
S Q RT
s qrt
P roduc t 2
P roduc t 1
P roduc t
Int egrat or _h
1
s
Int egrat or _Cb
1
s
G ai n
0.2
Cons t ant
1
Cb2
0.1 0
Cb1
24.9
w2
2
w1
1
Sơ đồ khối bình khuấy trong simulink
Bộ điều khiển NN Predictive Controller được hỗ trợ trong toolbox của matlab.
Cost horizon (N2) là số bước mà sai lệc dự báo là tối thiểu.
Control horizon (Nu) số bước mà lượng tăng điều khiển là cực đại.
Control Weighting Factor nhân với tổng bình phương của lượng tăng điều khiển
trong hàm chất lượng J
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 108
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Của sổ bộ điều khiển dự báo trên cơ sở mạng nơron
Bộ điều khiển NN Predictive Controller được hỗ trợ trong toolbox của matlab.
Cost horizon (N2) là số bước mà sai lệc dự báo là tối thiểu.
Control horizon (Nu) số bước mà lượng tăng điều khiển là cực đại.
Control Weighting Factor nhân với tổng bình phương của lượng tăng điều khiển
trong hàm chất lượng J
Cửa sổ Plant identification cho phép ta phát triển mô hình mạng nơron. Mô hình
mạng nơron ở đây có một lớp ẩn, ta có thể lựa chọn kích cỡ lớp, lượng đầu vào/ra
trễ, hàm huấn luyện.
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 109
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Khi tạo dữ liệu huấn luyện, chương trình tự tạo dữ liệu huấn luyện bằng các đầu
vào là bước nhảy ngẫu nhiên vào mô hình quá trình trong Simulink. Dữ liêu huấn
luyện tiềm năng thu được:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 110
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Sau khi có được dữ liệu huấn luyện, ta sẽ cho huấn luyện mạng (Tranning
Network)
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 111
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Huấn luyện
Sau khi xác định thông số cần thiết ta cho simulnik chạy và thu được kết quả:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 112
§å ¸n thiÕt kÕ vµ m« pháng 200
9
Tăng giới hạn dự báo lên N
2
=9, N
u
= 2 ta thu được kết quả
Đáp ứng thu được:
Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 113
§å ¸n thiÕt kÕ vµ m« pháng 200
9
6.4 Nhận xét
Kết quả mô phỏng trên matlab cho thấy chiến lược điều khiển dự báo phủ hợp với
đối tượng bình khuấy. Khi thay đổi giới hạn dự báo ta thấy chất lượng điều khiển
bộ dự báo vẫn tốt. Với sự phát triển của ngành công nghệ thông tin, tốc độ tính
toán của Vi xử lý được cải thiên rất lớn. Điều này tạo điều kiên cho việc áp dụng
các thuật toán tối ưu vào các bài toán điều khiển thời gian thực. Khả năng tăng
phạm vi sự báo, phạm vi điều khiển cho bộ điều khiển nơron.

Sinh viên : Nguyễn Mạnh Hà – Nguyễn Văn Quý – Đỗ Ngọc Sắc Page 114