Professional Documents
Culture Documents
Can Bang He Con Nem Nguoc Dung Phuong Phap LQR - Compress
Can Bang He Con Nem Nguoc Dung Phuong Phap LQR - Compress
0 0
158 Kỹ thuật và Công nghệ
(2003). Đề tài sử dụng phương pháp điều khiển mờ lớn nhất là 50% so với trạng thái cài đặt ban đầu.
- trượt để cân bằng hệ con nêm ngược. Mô hình sử
Đề tài “Balancing Control of Sliding
dụng vật nặng di chuyển trên mặt phẳng ngang và Inverted Wedge System: classical-method-based
dùng dây đai kéo vật nặng. Kết quả mô phỏng cho compensation” do các tác giả Shinq-Jen Wu,
thấy hệ thống cân bằng ổn định với thời gian xác
Cheng-Tao Wu, Yung-Yi chiou, Chin-Teng Lin,
lập khoảng 7s.
Yi-Nung Chung nghiên cứu vào năm 2006 sử dụng
Năm 2002, đề tài “Genetic Adaptive Control for hệ thống dây đai kéo hai vật nặng ở hai cạnh của hệ
an Inverted Wedge: Experiments and Comparative con nêm ngược giúp hệ thống cân bằng. Phương
Analyses” do các tác giả Moore M.L, Musacchio pháp điều khiển chính của đề tài là thiết kế bộ điều
J.T, PassinoK.M nghiên cứu. Hệ thống sử dụng dây khiển tối ưu tuyến tính dạng toàn phương LQR và
xích nằm ở trung tâm để kéo vật nặng di chuyển điều khiển trượt cho kết quả hệ thống cân bằng ổn
trên mặt phẳng ngang. Giải thuật điều khiển đã định trong 2,5s với góc nghiêng nhỏ.
nghiên cứu trong đề tài là giải thuật di truyền.
2. Nội dung
Kết quả cho thấy hệ thống cân bằng ổn định trong
khoảng thời gian 3s và độ dao động góc nghiêng 2.1. Mô hình hóa hệ con nêm ngược:
Áp dụng phương pháp Euler – Lagrange ta có: T: môment; q: biến trạng thái
L=K-P Đối với hệ thống con nêm ngược, ta có q1=θ;
q2 = x
d ∂K ∂K ∂P
− + = Ti (1) Ta xác định được phương trình phi tuyến hệ con
dt ∂qi ∂qi ∂qi nêm ngược (theo Đặng Hữu Phúc 2012) như sau:
Trong đó:
K: tổng động năng; P: tổng thế năng
0 0
Kỹ thuật và Công nghệ 159
θ =
( 2
)
− b1θ − 2mxxθ − b2 dx + mdx (θ ) − mgxcos(θ ) + Mgcsin(θ )
+
2d
F
( Mc + mx )
2 2
( Mc + mx )
2 2
(2)
(
x =
2 2 2
)
−b1dθ − 2 mxxθ − b 2d x + md x ( θ ) − mgdxcos ( θ ) + Mgdcsin ( θ ) b x 2d 2
− 2 + x ( θ ) − gsin (θ ) +
2 1
+ F
( Mc + mx )
2 2
m ( Mc + mx ) m
2 2
Từ (2) và tuyến tính hóa tại điểm cân bằng (θ 0 ≈ 0;θ0 ≈ 0; x0 ≈ 0; x 0 ≈ 0 ), ta suy ra phương trình
tuyến tính hoá hệ thống (với F=Km.U là môment của vật nặng)(Đặng Hữu Phúc 2012):
0 1 0 0 0
θ g −b1 −mg −b2d θ 2d
c 2 2 2
θ
K m 2
θ Mc Mc Mc Mc
⇒ = + U
x 0 0 0 1 x 0 (3)
x gd
− b1d − mgd b d2
b x 2 d2
1
− g
K
2 2 − 2
2
+ 2
m +
Mc Mc m
2
c Mc Mc m
2.2. Xây dựng mô hình điều khiển hệ con nêm Ma trận K tối ưu được xác định từ phương trình
ngược Riccati có dạng:
2.2.1. Điều khiển LQR (Linear Quadratic K = R −1B TP (6)
Regulator) (Nguyễn Thị Phương Hà 2012)
Như vậy, luật điều khiển tối ưu cho bài toán
LQR là thuật toán điều khiển được xây dựng điều khiển tối ưu dạng toàn phương với chỉ tiêu
dựa trên cơ sở nguyên lý phản hồi trạng thái. Bộ chất lượng là phương trình tuyến tính và có dạng:
điều khiển nhận tín hiệu vào là trạng thái của hệ
u (t ) = − Kx (t ) = R −1B T Px (t ) (7)
thống và tín hiệu mẫu sau đó tính toán và chuyển
thành tín hiệu điều khiển cho quá trình. Ma trận P khi đó phải thỏa mãn phương trình
Riccati:
Xét hệ thống có tác động ngoài (u ≠ 0):
x = Ax + Bu (4) PA + AT P + Q − PBR −1 BT P = P (8)
Chúng ta cần tìm ma trận K của vector điều Khi P không thay đổi theo thời gian , ta
khiển tối ưu: u ( t ) = −Kx (t ) thỏa mãn chỉ tiêu có phương trình đại số Riccati:
chất lượng J đạt giá trị cực tiểu: PA + A TP +Q − PBR −1B TP = 0 (9)
∞
Xét tại điểm làm việc xác lập của hệ con nêm
(
J = ∫ x T Qx + u T Ru dt ) (5) ngược đã được tuyến tính hóa (x=0, , θ=0,
0
và u=0), dựa vào phần mềm Matlab ta tìm
Trong đó, Q là ma trận xác định dương (hoặc được các ma trận trạng thái A, B và chọn ma trận
bán xác định dương), R là ma trận xác định dương. Q, R sao cho hàm mục tiêu J đạt giá trị cực tiểu và
thỏa mãn phương trình Riccati như sau:
0 0 10 0 0 0
1 0 0 160 0
1 0 0
A = 196.2 −6.67 −784.8 − 720 ;B = ;Q = ;R = 10
0 0 0 1 0
0 0 0 1
27.533
13.734 −0.8 − 94.176 − 161.4 0 0 0 1
0 0
160 Kỹ thuật và Công nghệ
Hình 3: Cc biến ngôn ngữ và hàm liên thuộc ngõ vào/ra bộ điều khiển mờ
Ta xây dựng các luật điều khiển mờ theo: R49= If x=ZE and x =PO and θ =ZE and x
• Phương pháp suy diễn mờ MAX – MIN. =ZE Then U49=NS
Tương ứng với các giá trị Input đã cho ta xác
• Phương pháp giải mờ tổng có trọng số.
định các giá trị rõ như sau:
Giả sử, ta có các giá trị đầu vào bộ điều khiển
mờ như sau: LXNE(x)=0,4 và LXZE( x )=0,65 và LXNE(θ)=0,1
và LXNE( x
)=0,1 và U10 = -0,667
Input=[x x θ θ]= [-0,5 0,4 -0,2 -0,2] dựa vào
bảng luật mờ cho hệ Tagaki – Sugeno ta xác định LXNE(x)=0,6 và LXZE( x
)=0,35 và LXNE(θ)=0,8
được các luật mờ ảnh hưởng trực tiếp đến giá trị và LXNE(θ )=0,8 và U49 = -0,333
điều khiển ngõ ra như sau: Trong đó, LX là các vùng mờ được mô tả theo
=ZE and θ =NE and x Tagaki – Sugeno.
R10= If x=NE and x
=NE Then U10=NM Tiếp theo, sử dụng phương pháp suy diễn mờ
0 0
Kỹ thuật và Công nghệ 161
Hình 5: Kết qu mô phỏng với góc θ=600, x=0,3m và có nhiễu tc động
* Nhận xét: 2.4. Kết quả thực nghiệm cân bằng hệ con nêm
ngược dùng bộ điều khiển mờ
Kết quả so sánh cho thấy cả hai bộ điều khiển
đều có khả năng điều khiển cân bằng hệ con nêm
ngược. Trong đó, phương pháp điều khiển mờ cho
kết quả là tốt nhất, hệ thống cân bằng, ổn định, có
khả năng điều khiển góc nghiêng ban đầu lớn, thời
gian xác lập ngắn.
0 0
162 Kỹ thuật và Công nghệ
Hình 7: Đp ứng gi tr góc nghiêng con nêm thực nghiệm
Hình 8: Đp ứng gi tr điện p điều khiển động cơ DC thực nghiệm
Số 22, tháng 7/2016 162
0 0
Kỹ thuật và Công nghệ 163
3. Kết luận khiển tốt nhất, con nêm có thể giữ cân bằng với
góc nghiêng θ=[-π/2;π/2], hệ thống ổn định và thời
Trong nội dung đề tài này, chúng tôi đã áp dụng
gian xác lập ngắn phù hợp với yêu cầu cân bằng
hai phương pháp điều khiển khác nhau để điều
của hệ thống.
khiển đối tượng con nêm ngược tự cân bằng là
điều khiển tối ưu LQR và phương pháp điều khiển - Đồng thời, tác giả đã thiết kế và điều khiển
mờ. Các kết quả đạt được như sau: thành công mô hình thực nghiệm hệ con nêm
ngược tự cân bằng, thông qua hệ thống giao tiếp
- Phương pháp LQR cho tín hiệu điều khiển
thời gian thực sử dụng card DSP TMS320F28335.
khá tốt, góc nghiêng lớn, độ vọt lố thấp, tuy nhiên
Kết quả thực nghiệm cho thấy giá trị góc nghiêng
thời gian xác lập là tương đối lớn (5s).
và vị trí vật năng luôn dao động xung quanh vị trí
- Phương pháp điều khiển mờ cho kết quả điều cân bằng.
Đài , Hi liệu tham khảo đã thiết kế và điều khiển thành công mô hình thực n, T liệu tham khảo đã thiết
kế và điều khiể, s liệu tham khảo đã thiết kế và đ
Jeng-Hann Li, Tzuu-Hseng S. Li, Ting-Han Ou. July 2003. “Design and Implementation of Fuzzy
Sliding-Mode Controller for a Wedge Balancing System”, Journal of Intelligent and Robotic Systems,
Volume 37 Issue 3, pp. 285-306.
Moore M.L., Musacchio J.T., PassinoK.M. 2002. “Genetic Adaptive Control for an Inverted Wedge:
Experiments and Comparative Analyses”, IEEE - American Control Conference, Proceedings of the
1999 (vol 1), pp. 400 – 404.
Nguyễn, Thị Phương Hà. 2012. Lý thuyết điều khiển hiện đại, NXB Đại học Quốc Gia TP. Hồ Chí
Minh, trang 163 – 165.
Shinq-Jen Wu, Cheng-Tao Wu, Yung-Yi chiou, Chin-Teng Lin, Yi-Nung Chung .2006. “Balancing
Control of Sliding Inverted-Wedge System:classical-method-based compensation”, IEEE International
Conference on SMC 06, pp. 1349 – 1354.
0 0