Professional Documents
Culture Documents
132
còn làm cho hệ thống bị mất ổn định. Có thể f ( X ) - nhiễu không đo được là hàm phi
kể đến các đối tượng có trễ thường được tuyến trơn, phụ thuộc vào trạng thái (state
biết đến trong công nghiệp lọc dầu, hóa dầu, depend disturbance) và biến đổi chậm
công nghiệp hóa chất, công nghiệp thực f ( X ) ≈ 0 . Đây là dạng nhiễu thường gặp
phẩm, công nghiệp giấy,…[1...7]
nhiều trong các lĩnh vực công nghiệp [7].
Dựa vào phương pháp nhận dạng nhiễu
Bài toán nhận dạng trên cơ sở sử dụng
trên cơ sở sử dụng mạng Nơ ron RBF cho
mạng Nơ ron đã thu hút sự quan tâm của rất
một lớp đối tượng có trễ [3], bài báo này
nhiều tác giả [8 … 12]. Ở đây để giải bài
triển khai ứng dụng cho đối tượng cụ thể là
toán nhận dạng nhiễu đặt ra ở phần trên,
bình phản ứng khuấy trộn liên tục CSTR.
chúng ta sẽ sử dụng mô hình song song,
Mỗi khi nhiễu tác động lên hệ thống sẽ được
trong đó nhiễu f ( X ) được xấp xỉ bằng
nhận dạng, bài toán bù trừ ảnh hưởng của
mạng Nơron RBF.
chúng sẽ được giải quyết và bài toán tối ưu
hóa trực tuyến cho các hệ điều khiển MPC sẽ fˆ ( X ) - hàm đánh giá của f ( X ) trên cơ sở
có tính thực thi cao hơn. Áp dụng luật cập mạng Nơron.
nhật trọng số Online đã được phát biểu và Tương tự như đối với (1), mô hình song song
chứng minh ở định lý trong [3], ta dễ dàng biểu diễn bằng phương trình không gian
thực thi và kiểm chứng để nhận dạng được trạng thái:
nhiễu với độ chính xác tùy ý. (t ) = A X (t ) + B u(t − τ ) + Fˆ (X) (2)
X m m m m m
⎜⎝ 2σi2 ⎠⎟⎟
τ - thời gian trễ φi ( X ) = (4)
⎛ X - C 2 ⎞⎟
A, B - các thông số đặc trưng cho động học
m ⎜ ⎟⎟
∑ exp ⎜⎜
j
⎜ ⎟
⎜⎝ 2σ j ⎠⎟⎟
2
của đối tượng j =1
⎡a a " a1n ⎤ ⎡b ⎤ ⎡0 ⎤
⎢ 11 12 ⎥ ⎢ 1⎥ ⎢ ⎥ Đánh giá của hàm phi tuyến fˆ ( X ) được
A = ⎢""""""" ⎥ ; B = ⎢ # ⎥ ; F(X) = ⎢ # ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ biểu diễn thông qua các hàm cơ sở và các
⎢a a " a ⎥ ⎢b ⎥ ⎢ f (X)⎥
⎣ n1 n2 nn ⎦ ⎣ n⎦ ⎣ ⎦ trọng số hiệu chỉnh wˆ i :
133
m
fˆ ( X ) = ∑ wˆ iφi ( X ) (5)
i=1 Trên Hình 1 là sơ đồ cấu trúc hệ thống nhận
Để đánh giá được nhiễu đỏi hỏi phải xác dạng nhiễu cho các đối tượng có trễ trên cơ
định luật hiệu chỉnh thích nghi các trọng số sở mô hình song song và mạng Nơ ron. Sơ
mạng Nơron trong mô hình đảm bảo đồ được xây dựng trên cơ sở phương trình
i → 0 , đồng thời đảm bảo cho hệ thống ổn
w động học của đối tượng (1), phương trình
động học của mô hình song song (2). Khối
định.
hiệu chỉnh thích nghi AB thực hiện hiệu
Định lý: Giả sử A là ma trận Hurwitz.
Hệ thống sẽ ổn định khi thỏa mãn đồng thời chỉnh các trọng số wˆ i của mạng Nơron RBF
các điều kiện sau đây : theo luật cập nhật trọng số.
−Q + λPU max < 0; 3. Xây dựng mô hình toán học của đối
2ε Pn tượng CSTR về mô hình không gian
E(t ) ≥ ; (6) trạng thái theo giả thiết (1)
rmin (Q)
t
= φi ( X )Pn E(t ) ∫ u 2 (ξ )d ξ .
w
t −τ
134
Tìm điểm làm việc h0 , y0 : Ta hoàn toàn có thể đưa hệ phương trình vi
⎧ dh ( t ) phân này về phương trình không gian các
⎪⎪ dt = 0 ta có
⎨ biến trạng thái động học có dạng
⎪ dC b ( t ) = 0 ⎡−0,1 ⎤
⎪⎩ dt ⎢
⎢ h0
0 ⎥
⎥
⎧u10 +u20 −0.2 h0 = 0 A=⎢⎢ ⎥
⎥
⎢−⎜⎛u10 (C −C )+u20 (C −C )⎞⎟⎟ −⎛⎜ 2kk
1 2Cb0 u10 u20 k1 ⎞⎟⎥
⎪ ⎢ ⎜⎜ 2 b1 b0
h02
b2 b0 ⎟ ⎜ + + − ⎟
2 ⎟⎥
⎠⎟ ⎝⎜(1+k2Cb0) h0 h0 (1+k2Cb0) ⎠⎟⎥⎦
3
⎨ C −C u10 + C −C u20 − kC ⎢⎣ ⎝ h0
⎪ ( b1 b0 ) h ( b2 b0 ) h 1+ k C 2 = 0
1 b0
(10)
⎩ 0 0 ( 2 b0 )
⎡ 1 ⎤
Giải hệ trên ta được nghiệm h0 , y0 tổng quát ⎢ ⎥
như sau: B = ⎢ Cb1 − Cb 0 ⎥ (11)
⎢ ⎥
2 ⎢ h0 ⎥
⎛ u + u20 ⎞ ⎣ ⎦
h0 = ⎜⎜ 10 ⎟⎟ = 5(u10 + u20 ) 2
⎝⎜ 0,2 ⎠⎟ ⎡ 0,025 h0h2 ⎤
⎢ f (h ) = − + " ⎥
⎛ u + u20 ⎞ k1 y0 C u + Cb 2 u20 ⎢ 1
h 2 ⎥
y0 ⎜⎜ 10 ⎟⎟ + = b1 10 ⎢ 0 ⎥
⎝⎜ h0 ⎠⎟ (1 + k 2 y0 )
2
h0 ⎢ 2 ⎥
⎢ (u + u ) u kC 2kk C ⎥
F(X) =⎢ f2(h,Cb,u1) = 10 2 20 Ch b + Cb +
1 1 b0
− 12 b ⎥
Với giả thiết van T1 có tín hiệu điều khiển bị ⎢ h0 h0 (1+k2Cb0)2 (1+k2Cb0)2 ⎥
⎢ ⎥
trễ thời gian τ . Khi đó hệ phương trình toán ⎢
− (C − C )
u1
h +
u10
( C −C ) +
u20
(C − C ) +"
⎥
⎢ b1 b0 2 b1 b0 b1 b0 ⎥
học mô tả động lực học của đối tượng CSTR ⎢ h0 h0 h0 ⎥
⎣ ⎦
trong trường hợp này có dạng: (12)
⎧ dh −0,1 h h2 4. Mô phỏng
⎪ = h (t ) + u1 (t − τ ) − 0,025 02
⎪ dt h0 h0 Từ hình 1 ta xây dựng cấu trúc nhận dạng
⎪ nhiễu trên Malab Simulink như sau :
⎪ dCb = − ⎛ u10 (C − C ) + u20 (C − C ) ⎞ h +
⎪ dt ⎜ 2 b1 b0 b2 b0 ⎟
⎝ h0 h02 ⎠
⎪
⎪ ⎛ 2k1k2Cb0 u10 u20 k1 ⎞
⎪ − ⎜ (1 + k C )3 + h + h − (1 + k C ) 2 ⎟ Cb +
⎨ ⎝ 2 b0 0 0 2 b0 ⎠
⎪ (Cb1 − Cb0 ) 2k1k2Cb2 u
⎪+ u1 (t − τ ) − − (Cb1 − Cb0 ) 12 h +
⎪ h0 (1 + k2Cb0 ) 2
h0
⎪ (u10 + u20 ) u1 k1Cb 0
⎪+ Cb h + Cb + +
⎪ h02 h0 (1 + k2Cb 0 ) 2
⎪ u10 u
⎪+ (Cb1 − Cb 0 ) + 20 (Cb1 − Cb 0 ) + "
⎩ 0 h h0 Hình 3 . Cấu trúc nhận dạng nhiễu cho đối
(8) tượng CSTR trên cơ sở mô hình song song
Hay và mạng Nơron RBF
⎧⎪ h = a11h (t ) + u1 (t − τ ) + f1 (h )
⎨
⎪⎩Cb = a21h (t ) + a22Cb (t ) + Ku1 (t − τ ) + f 2 ( h , Cb , u1 )
(9)
Đặt các biến trạng thái:
⎡h ⎤ ⎡ h ⎤
X = ⎢ ⎥; X = ⎢ ⎥ ; Hình 4. Sơ đồ khối mô tả đối tượng thực
⎣Cb ⎦ ⎢⎣C b ⎥⎦
135
Nhận xét :
Việc áp dụng luật cập nhật trọng số
online để nhận dạng nhiễu đối tượng bằng
mạng Nơron RBF thông qua mô phỏng trên
Matlab – Simulink cho thấy được khả năng
ưu việt của thuật toán nhận dạng: đáp ứng
Hình 5. Sơ đồ khối mô tả nhiễu F(X)
đầu ra giữa nồng độ Cb của đối tượng thực
và đáp ứng nồng độ Cbm của mô hình mẫu có
độ sai lệch không đáng kể và bám sát tín
hiệu đặt mong muốn, sau một khoảng thời
gian quá độ sai lệch tĩnh nhỏ và tiến tới bằng
0, hệ làm việc xác lập và ổn định.
Hình 6. Tín hiệu hàm nhiễu f1(h) của đối
tượng thực và sau khi nhận dạng 5. Kết luận
Mục tiêu chính của bài báo này là áp
dụng được lý thuyết của thuật toán nhận
dạng nhiễu trên cơ sở sử dụng mô hình song
song và mạng Nơron RBF với độ chính xác
bất kỳ cho đối tượng có trễ và có nhiễu bất
định - bình khuấy trộn CSTR. Qua việc mô
Hình 7. Tín hiệu hàm nhiễu f2(h,c,u) của đối phỏng hệ thống trên matlab – simulink cho
tượng thực và sau khi nhận dạng thấy được tính ưu việt của phương pháp đề
xuất với cấu trúc đơn giản và thuật toán nhận
dạng thu được dưới dạng luật cập nhật trọng
số dễ thực hiện trong kỹ thuật đã giúp ta
khẳng định được khả năng nhận dạng nhiễu
một cách chính xác, đảm bảo hệ thống được
hội tụ.
Hình 8. Đáp ứng tín hiệu đầu ra của mức
dung dịch
137