intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Đề tài: Hệ mờ-nơron nhận dạng và điều khiển điều tốc tuốc bin thủy lực

Chia sẻ: PHAM DA | Ngày: | Loại File: PDF | Số trang:6

85
lượt xem
14
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài báo này trình bày việc áp dụng hệ mờ-nơron để nhận dạng và điều khiển hệ chuyển động phi tuyến cũng như cho hệ điều tốc tuốc bin thuỷ lực. Kết quả mô phỏng cho khả năng ứng dụng tốt, ổn định và thời gian quá độ nhỏ.

Chủ đề:
Lưu

Nội dung Text: Đề tài: Hệ mờ-nơron nhận dạng và điều khiển điều tốc tuốc bin thủy lực

Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011<br /> <br /> <br /> Hệ mờ-nơron nhận dạng và điều khiển<br /> điều tốc tuốc bin thuỷ lực<br /> Fuzzy-neural System For Identification And Control<br /> The Hydro Turbin Governors<br /> Nguyễn Tăng Cường, Nguyễn Chỉ Sáng, Phạm Văn Đa<br /> e-Mail: dapv.ima@gmail.com<br /> <br /> <br /> Tóm tắt mạng nơron 5 lớp [2],[4]. Xét một cấu trúc hệ NFCs<br /> Bài báo này trình bày việc áp dụng hệ mờ - nơron gồm 5 lớp, 2 lớp ngoài vào và ra thực hiện nhiệm vụ<br /> để nhận dạng và điều khiển hệ chuyển động phi tuyến nhận tín hiệu vào và tính giá trị ra của hệ. 03 lớp trong<br /> cũng như cho hệ điều tốc tuốc bin thuỷ lực. Kết quả thực hiện chức năng mờ hoá, thực hiện các luật mờ và<br /> mô phỏng cho khả năng ứng dụng tốt, ổn định và thời giải mờ. Để nhận dạng hệ thống, ta dùng hệ mờ-nơron<br /> gian quá độ nhỏ. với luật mờ T-S [2],[4],[9]. Điểm khác nhau cơ bản<br /> Abstract: This paper describes the fuzzy-neural giữa hai mô hình mờ T-S và mô hình mờ Mamdani là<br /> system applying to identification and controls the mệnh đề kết luận của các luật hợp thành. Mệnh đề kết<br /> non-linear motion system as well as the hydro turbine luận trong mô hình mờ T-S luôn là những hàm giá trị<br /> governors. Simulation results show the feasibility of thực, nó thay thế cho các tập mờ.<br /> using, stability and the improved of overshoot time. Giả sử luật mờ thứ j trong mô hình mờ T-S có dạng:<br /> j j j<br /> Nếu x1 là A1 và x2 là A2 và … và xn là An<br /> Ký hiệu Thì y = f j = a0 + a1 x1 + a2 x2 + ... + an xn<br /> j j j j<br /> (1)<br /> Ký hiệu Đơn vị Ý nghĩa<br /> i<br /> f hàm phi tuyến Với: xi là biến đầu vào ; y là biến đầu ra ; A là biến<br /> j<br /> μ A ( xi )<br /> j hàm liên thuộc ngôn ngữ của mệnh đề điều kiện với hàm liên thuộc<br /> i<br /> <br /> x Véc tơ trạng thái μ A ( xi ) ; aij<br /> j là hệ số ; j=1…m ; i=1…n.<br /> i<br /> <br /> Xét một hệ chuyển động SISO có phương trình<br /> Chữ viết tắt động lực học phi tuyến tổng quát được mô tả bởi hệ<br /> SISO Single Input – Single Output phương trình trạng thái (2) như sau:<br /> MISO Multi Input – Single Output<br /> MIMO Multi Input – Multi Output<br /> NFCs Neuro Fuzzy Controllers<br /> T-S Takagi-Sugeno ⎧ dx<br /> ⎪ = F ( x ) + G ( x )u (2)<br /> ⎨ dt<br /> 1. Phần mở đầu ⎪⎩ y = x1<br /> Kết hợp mạng nơron vào bộ điều khiển mờ, tạo<br /> thành một bộ điều khiển mới gọi là bộ điều khiển mờ Trong đó: x = ( x1 , x2 ,..., xn ) là một vector các<br /> - nơron (NFCs) hay còn gọi là hệ mờ-nơron. Sự kết biến trạng thái của hệ; F(x) và G(x) là hai hàm phi<br /> hợp này chính là sự tích hợp chặt chẽ những kiến thức<br /> chuyên gia trong hệ mờ và lặp lại nó trong suốt quá tuyến phụ thuộc vào các biến trạng thái x của hệ; u<br /> trình học của mạng nơron. Hệ mờ-nơron sẽ sử dụng là tín hiệu điều khiển tác động vào hệ; y là tín hiệu ra<br /> quá trình học của mạng để chỉnh lại các tham số hàm của hệ. Nếu hệ đã nêu là hệ thống ổn định, tức khi nó<br /> liên thuộc của tập mờ (như tâm, độ rộng) với mong bắt đầu ở một vị trí nào đó, nó sẽ tiếp tục làm việc ở<br /> muốn đầu ra của hệ thỏa mãn yêu cầu cho trước [2]. lân cận vị trí này, giá trị đầu ra không vượt quá giới<br /> Hệ chuyển động phi tuyến còn có thể được điều hạn cho phép trong suốt thời gian sau đó và quỹ đạo<br /> khiển bằng hệ mờ thích nghi [1], để đạt được sai lệch chuyển động trơn, liên tục, thì chúng ta có thể dùng<br /> tiệm cậm về 0 cho một lớp đối tượng. các công cụ toán học để đưa hệ trên về dạng chuẩn (3)<br /> Kết quả này cũng áp dụng hiệu quả cho nhận dạng .<br /> và điều khiển hệ điều tốc tuốc bin thuỷ lực, chỉ ra khả ⎧ x&1 = x2<br /> năng ứng dụng của phương pháp, sự ổn định làm việc ⎪ x& = x<br /> cũng như thời gian đáp ứng tốt. ⎪⎪ 2 3<br /> (3)<br /> ⎨...........<br /> 2. Hệ NFCs với mô hình Takagi-Sugeno ⎪ x& = F ( x ) + G ( x )u<br /> ⎪ n<br /> (T-S) áp dụng cho nhận dạng hệ ⎪⎩ y = x1<br /> chuyển động. Cụ thể hoá, ta xét hệ có 04 biến trạng thái và được<br /> Việc áp dụng mô hình mờ T-S đã được nghiên cứu mô tả bởi phương trình (4) [3],[4],[9], trong đó<br /> trong nhiều công trình khác nhau, thường sử dụng<br /> 1<br /> Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011<br /> <br /> <br /> x = ( x1 , x2 , x3 , x4 ) là các biến trạng thái của hệ; u là Hệ mờ-nơron dùng để nhận dạng hai hàm F(x) và<br /> đầu vào và y là đầu ra của hệ. G(x) có cấu trúc giống nhau, các trọng số trong mạng<br /> F ( x ) = F ( x1 , x2 , x3 , x4 ) , G( x ) = G( x1 , x2 , x3 , x4 ) là hai được cập nhật là khác nhau và là hệ MISO có 4 đầu<br /> hàm phi tuyến phụ thuộc vào các biến trạng thái của vào và một đầu ra. Chọn mỗi đầu vào có hai hàm liên<br /> hệ. thuộc, thì sẽ có 2n luật hợp thành. Với n =4 là số biến<br /> ⎧ x&1 = x 2 đầu vào ta được 16 luật hợp thành từ R1 đến R16 theo<br /> ⎪ x& = x luật mờ T-S (1) như các phương trình từ (5) đến (20)<br /> ⎪⎪ 2 3<br /> (4) sau:<br /> ⎨ x&3 = x 4<br /> ⎪ x& = F ( x ) + G ( x )u<br /> ⎪ 4<br /> ⎪⎩ y = x1<br /> <br /> <br /> R1 : Nếu x1 là A11 và x2 là A21 và x3 là A31 và x4 là A41<br /> Thì : y = f1 = a01 + a11 x1 + a12 x2 + a31 x3 + a14 x4 (5)<br /> 1 1 1 2<br /> R2 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f 2 = a0 + a1 x1 + a2 x2 + a3 x3 + a4 x4<br /> 2 2 2 2 2<br /> (6)<br /> 1 1 2 1<br /> R3 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f 3 = a0 + a1 x1 + a2 x2 + a3 x3 + a4 x4<br /> 3 3 3 3 3<br /> (7)<br /> 1 1 2 2<br /> R4 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f 4 = a0 + a1 x1 + a2 x2 + a3 x3 + a4 x4<br /> 4 4 4 4 4<br /> (8)<br /> 1 2 1 1<br /> R5 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f 5 = a0 + a1 x1 + a2 x2 + a3 x3 + a4 x4<br /> 5 5 5 5 5<br /> (9)<br /> 1 2 1 2<br /> R6 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f 6 = a0 + a1 x1 + a2 x2 + a3 x3 + a4 x4<br /> 6 6 6 6 6<br /> (10)<br /> 1 2 2 1<br /> R7 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f 7 = a0 + a1 x1 + a2 x2 + a3 x3 + a4 x4<br /> 7 7 7 7 7<br /> (11)<br /> 1 2 2 2<br /> R8 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f8 = a0 + a1 x1 + a2 x2 + a3 x3 + a4 x4<br /> 8 8 8 8 8<br /> (12)<br /> 2 1 1 1<br /> R9 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f 9 = a0 + a1 x1 + a2 x2 + a3 x3 + a4 x4<br /> 9 9 9 9 9<br /> (13)<br /> 2 1 1 2<br /> R10 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f10 = a0 + a1 x1 + a10<br /> 2 x2 + a3 x3 + a4 x4<br /> 10 10 10 10<br /> (14)<br /> 2 1 2 1<br /> R11 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f11 = a0 + a1 x1 + a11<br /> 2 x2 + a3 x3 + a4 x4<br /> 11 11 11 11<br /> (15)<br /> 2 1 2 2<br /> R12 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f12 = a0 + a1 x1 + a12<br /> 2 x2 + a3 x3 + a4 x4<br /> 12 12 12 12<br /> (16)<br /> 2 2 1 1<br /> R13 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f13 = a0 + a1 x1 + a13<br /> 2 x2 + a3 x3 + a4 x4<br /> 13 13 13 13<br /> (17)<br /> 2 2 1 2<br /> R14 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> <br /> <br /> 2<br /> Thì : y = f14 = a0 + a1 x1 + a14<br /> 2 x2 + a3 x3 + a4 x4<br /> 14 14 14 14<br /> (18)<br /> 2 2 2 1<br /> R15 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f15 = a0 + a1 x1 + a15<br /> 2 x2 + a3 x3 + a4 x4<br /> 15 15 15 15<br /> (19)<br /> 2 2 2 2<br /> R16 : Nếu x1 là A và x2 là A và x3 là A và x4 là A<br /> 1 2 3 4<br /> <br /> Thì : y = f16 = a0 + a1 x1 + a16<br /> 2 x2 + a3 x3 + a4 x4<br /> 16 16 16 16<br /> (20)<br /> <br /> <br /> A 11<br /> x1<br /> <br /> <br /> A12<br /> A12<br /> x2<br /> <br /> y*<br /> A 22<br /> A13<br /> x3<br /> <br /> <br /> A 32<br /> A14<br /> x4<br /> <br /> <br /> A 24<br /> <br /> H.1 Cấu trúc hệ NFCs theo luật mờ T-S, với n=4, luật hợp thành 2<br /> μ 1 = μ A ( x1 ).μ A ( x 2 ).μ A ( x3 ).μ A ( x 4 )<br /> 1 1 1 1<br /> 1 2 3 4<br /> Trong đó x1 ; x 2 ; x3 ; x4 là các biến đầu vào; y là<br /> μ 2 = μ A ( x1 ).μ A ( x 2 ).μ A ( x3 ).μ A ( x 4 )<br /> 1 1 1 2<br /> 1 2 3 4<br /> biến đầu ra ; Aij là biến ngôn ngữ của mệnh đề điều<br /> μ 3 = μ A ( x1 ).μ A ( x 2 ).μ A ( x3 ).μ A ( x 4 )<br /> 1 1 2 1<br /> 1 2 3 4<br /> kiện với hàm liên thuộc μ A j ( x i ) ; a là hệ số. Sơ đồ<br /> j<br /> i μ 4 = μ A ( x1 ).μ A ( x 2 ).μ A ( x3 ).μ A ( x 4 )<br /> i 1 1 2 2<br /> 1 2 3 4<br /> <br /> cấu trúc mạng NFCs thực hiện các luật mờ từ (5) đến μ 5 = μ A ( x1 ).μ A ( x 2 ).μ A ( x3 ).μ A ( x 4 )<br /> 1 2 1 1<br /> 1 2 3 4<br /> <br /> (20) có cấu trúc như hình H.1. μ 6 = μ A ( x1 ).μ A ( x 2 ).μ A ( x3 ).μ A ( x 4 )<br /> 1 2 1 2<br /> 1 2 3 4<br /> + Lớp 1: làm nhiệm vụ nhận tín hiệu vào.<br /> + Lớp 2: tất cả các nút trong lớp này thực hiện chức<br /> μ 7 = μ A ( x1 ).μ A ( x 2 ).μ A ( x3 ).μ A ( x 4 )<br /> 1 2 2 1<br /> 1 2 3 4<br /> <br /> năng mờ hoá, tạo hàm liên thuộc. Đầu ra của chúng μ 8 = μ A ( x1 ).μ A ( x 2 ).μ A ( x3 ).μ A ( x 4 )<br /> 1 2 2 2<br /> chỉ rõ độ thoả mãn của biến đầu vào xi với mỗi biến 1 2 3 4<br /> <br /> Aij. Hàm liên thuộc chọn là hàm Gaus có dạng: μ9 = μ A ( x1 ).μ A ( x2 ).μ A ( x3 ).μ A ( x4 )<br /> 1 1 1 1<br /> 2 1 2 3 4<br /> ⎛ x −m j ⎞<br /> −⎜ i j i<br /> ⎜ σ<br /> ⎟<br /> ⎟ μ10 = μ A ( x1 ).μ A ( x2 ).μ A ( x3 ).μ A ( x4 )<br /> μ A ( xi ) = e ⎝ i ⎠ 2 1 1 2<br /> j (21) 1 2 3 4<br /> <br /> <br /> μ11 = μ A ( x1 ).μ A ( x2 ).μ A ( x3 ).μ A ( x4 )<br /> i<br /> <br /> j<br /> σij lần lượt là tâm và độ rộng của hàm liên<br /> 2 1 2 1<br /> Với mi ; 1 2 3 4<br /> <br /> <br /> thuộc. μ12 = μ A ( x1 ).μ A ( x2 ).μ A ( x3 ).μ A ( x4 )<br /> 2 1 2 2<br /> 1 2 3 4<br /> + Lớp 3: thực hiện phép toán trong mệnh đề điều<br /> kiện, theo luật tích đại số, để tìm các giá trị hàm liên<br /> thuộc tích tương ứng với các trường hợp, từ 1 đến n.<br /> Trường hợp cụ thể, n= 4 ta có các phương trình từ 1<br /> đến 16 như sau.<br /> <br /> <br /> 3<br /> Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011<br /> <br /> <br /> μ13 = μ A ( x1 ).μ A ( x2 ).μ A ( x3 ).μ A ( x4 ) μ1 μ μ<br /> 2<br /> 1<br /> 2<br /> 2<br /> 1<br /> 3<br /> 1<br /> 4 μ1 = ; μ2 = 2 ;...; μn = n ;<br /> μ14 = μ A ( x1 ).μ A ( x2 ).μ A ( x3 ).μ A ( x4 ) μSum μSum μSum<br /> 2 2 1 2<br /> 1 2 3 4 n<br /> <br /> μ15 = μ A ( x1 ).μ A ( x2 ).μ A ( x3 ).μ A ( x4 )<br /> 2 2 2 1<br /> Với : μ Sum = ∑μ i =1<br /> i<br /> (22)<br /> 1 2 3 4<br /> <br /> <br /> μ16 = μ A ( x1 ).μ A ( x2 ).μ A ( x3 ).μ A ( x4 ) + Lớp 5: tính giá trị đầu ra của hệ theo (23).<br /> 2 2 2 2<br /> 1 2 3 4 Như vậy quá trình cập nhật trọng số của mạng, đặc<br /> biệt là lớp 2, thì các hàm liên thuộc của tập mờ luôn<br /> + Lớp 4: thực hiện phép toán theo mệnh đề kết luận được điều chỉnh để đảm bảo các luật hợp thành được<br /> thực hiện tại lớp 3 thoả mãn mô hình mờ T-S và sai<br /> lệch của hệ tiệm cận về 0.<br /> y* = μ1 f1 + μ2 f 2 + ... + μn f n (23)<br /> <br /> <br /> <br /> 3. Hệ NFCs với phương pháp tuyến tính u=<br /> 1 ) (n)<br /> ( y − F ( x) ) (26)<br /> hoá chính xác cho điều khiển hệ chuyển G ( x)<br /> động phi tuyến Gọi lượng ra mong muốn là ym. Khi đó sai lệch<br /> )<br /> Phương pháp tuyến tính hoá chính xác được áp em = ym − y . Để em→0 sau một khoảng thời gian<br /> dụng để điều khiển hệ phi tuyến đạt được độ chính hữu hạn thì em là nghiệm của phương trình vi phân<br /> xác cao trong việc điều khiển đầu ra bám theo quỹ tuyến tính [2]:<br /> đạo đặt mong muốn.<br /> em( n ) + α1em( n −1) + ... + α n −1e&m + α n em = 0 (27)<br /> Trở lại hệ chuyển động được mô tả toán dạng (3),<br /> hai hàm F ( x ); G ( x ) được nhận dạng dựa trên hệ Với các hệ số α1 , α 2 ,..., α n được chọn sao cho<br /> mờ-nơron sử dụng mô hình mờ T-S như phần 2 (hình tất cả các nghiệm của phương trình đặc trưng<br /> 1). Điều kiện để hệ thống điều khiển được là tất cả các s n + α1s n −1 + ... + α n −1s + α n = 0 có phần thực nằm<br /> biến trạng thái trong hệ bị chặn và G(x) ≠ 0 [2]. Biến<br /> bên trái trục ảo. Như vậy việc chọn các hệ số<br /> đổi (3) ta được: α i , i = 1 → n có thể thực hiện theo phương pháp gán<br /> y ( n ) = F ( x ) + G ( x )u (24) điểm cực của Luenberger. Thay biểu thức sai lệch vào<br /> 1 (27) ta được (28) và (29).<br /> u=<br /> G ( x)<br /> ( y ( n ) − F ( x) ) (25)<br /> Thay (29) vào (26) ta tìm được luật điều khiển<br /> ) ) (30). Trường hợp xét n=4, ta được cấu trúc nhận dạng<br /> Gọi y là ước lượng đầu ra, ta giả thiết y = y và và điều khiển hệ theo phương pháp tuyến tính hoá<br /> )<br /> y ( n ) = y ( n ) , với sai số được xác định bởi mô hình chính xác thích nghi như hình H.2.<br /> mờ T-S, bị chặn và tiệm cận về 0 [3]. Khi đó:<br /> <br /> Hệ chuyển động mô hình<br /> <br /> ) &&y) )<br /> y&<br /> y (3)<br /> Bộ điều )<br /> ym u 1 1 1 1 y<br /> khiển với<br /> luật (30) s s s s<br /> <br /> Hệ mờ-nơron<br /> F(x)<br /> Hệ mờ-nơron<br /> G(x) (-)<br /> <br /> x4<br /> Hệ chuyển động x3<br /> thực tế x2 y<br /> x1<br /> <br /> H.2 Mô hình cấu trúc hệ nhận dạng và điều khiển với n=4<br /> <br /> 4<br /> ) ) ) )<br /> ( ym( n ) − y ( n ) ) + α 1 ( ym( n −1) − y ( n −1) ) + ... + α n −1 ( y& m − y& ) + α n ( ym − y ) = 0 (28)<br /> ) ) ) )<br /> y ( n ) = ym( n ) + α 1 ( ym( n −1) − y ( n −1) ) + ... + α n −1 ( y& m − y& ) + α n ( ym − y ) (29)<br /> 1<br /> u=<br /> G(x)<br /> ( ) ) )<br /> ym(n) +α1( ym(n−1) − y(n−1) ) + ... +αn−1( y&m − y&) +αn ( ym − y) − F(x) ) (30)<br /> <br /> <br /> <br /> 4. Mô phỏng hệ NFCs cho nhận dạng và<br /> điều khiển điều tốc tuốc bin thuỷ lực<br /> Hệ thống điều khiển điều tốc (governor) trong trong hình H.3 như hình H.4 để thuận lợi cho việc<br /> nhà máy thuỷ điện có chức năng rất quan trọng đối mô phỏng áp dụng hệ NFCs cho nhận dạng và<br /> với sự hoạt động ổn định về chất lượng và hiệu điều khiển điều tốc tuốc bin thuỷ lực.<br /> suất của toàn hệ thống. Trong tài liệu [5], hệ<br /> governor được mô tả như tại hình H.3, trong đó<br /> hàm truyền của các hệ thống chuyển động thực tế<br /> đã được nghiên cứu và đưa ra và được áp dụng<br /> trong nhiều công trình nghiên cứu như [2], [7],<br /> [9], [11], ta có thể cụ thể hoá các khối chức năng<br /> <br /> Hệ thống chuyển động thực tế Tải<br /> Tần số (plant) Tần số<br /> đặt Van Thuỷ lực, Tuốc bin Lưới<br /> Governor Lưới<br /> Servomotor Cơ khí Máy phát<br /> <br /> <br /> <br /> <br /> H.3 Khối chức năng hệ thống nhà máy thuỷ điện<br /> <br /> Tần số<br /> 1 1− Tw.p 1 1 Δw<br /> Đặt ∑<br /> ∑ G(p) 1 + Tg p 1 + 0.5Tw.p 1 + Tm.p Kd + TL .p<br /> <br /> - Lưới<br /> - Governor Servomotor Cánh hướng Tuốc bin Máy phát ΔPL<br /> <br /> <br /> H.4 Sơ đồ khối hệ thống điều khiển tổ máy thuỷ điện độc lập<br /> <br /> <br /> <br /> <br /> H.5 Sai lệch tần số của hệ khi tải H.6 Sai lệch tần số của hệ khi tải<br /> ngẫu nhiên 95%, 80%, 120% Pm ngẫu nhiên ổn định tại 20%, 95% Pm<br /> <br /> <br /> <br /> 5<br /> Kết quả mô phỏng bằng Matlab Simulink khi Dynamical Neural Networks, IEEE Transactions<br /> hệ thống làm việc không tải ngẫu nhiên thì tần số On Systems, Man, And Cybernetics, Vol. 24,<br /> của hệ bằng tần số đặt. Khi cho tải ngẫu nhiên tác No. 3, 1994, pp. 400-412.<br /> động với các giá trị khác nhau là 95%, 80% và [6] George Ellis, Robert D.Lorenz, Resonant Load<br /> 120% tải ngẫu nhiên định mức cho phép, trong Control Methods for Industrial Servo Driver,<br /> mỗi khoảng thời gian 20 giây, thì sai lệch tần số IEEE Industrial Application Sosiety Annual<br /> của hệ như đường xanh lá cây tại hình H.5. Mô Meeting – Rome, Italy, 2000, pp. 1438-1445.<br /> phỏng trong hai trường hợp tải ngẫu nhiên ổn [7] G.Andersson, “Dynamics and Control of<br /> định bằng 20% và 95% tải ngẫu nhiên định mức, Electric Power Systems”, Swiss Federal<br /> thì biểu đồ sai lệch tần số của hệ chỉ ra như hình Institute of Technology Zurich, 2006.<br /> H.6. [8] Nand Kishor, RP. Saini, S.P. Singh, “A Review<br /> Các thông số của hệ động học được lấy theo on Hydropower Plant Models and<br /> một hệ thực tế như sau: Control”,ScienceDirect, Renewable and<br /> Tm: 7 (s), hằng số thời gian quán tính cơ khí, Sustainable Energy Reviews 11, 2007, pp.776–<br /> Tw: 2,17 (s), hằng số quán tính cột nước, 796.<br /> Tg: 0,2 (s), hằng số thời gian của hệ van và động [9] O.B.Tör, U. Karaağaç, and, E. Benlier, “Step-<br /> cơ séc vô, Response Tests of a Unit at Atatürk Hydro<br /> TL: 7 (s), hằng số thời gian của lưới, Power Plant and Investigation of the Simple<br /> Kd: 2, hệ số tải của lưới, Representation of Unit Control System ”,<br /> P: toán tử Laplace, Information Technology and Electronics<br /> ΔPL: Tải ngẫu nhiên (%Pm), Research Institute, METU, Ankara, Turkey,<br /> Δw: sai lệch tần số lưới (%). 2006<br /> [10] Siemens Pse Sro Slovakia, The Adaptive<br /> Control of Nonlinear Systems Using the T-S-K<br /> 5. Kết luận Fuzzy Logic, Acta Polytechnica Hungarica, Vol.<br /> Hệ NFCs với mô hình mờ T-S đã được áp dụng để 6, No. 2, 2009, pp.5-16.<br /> nhận dạng rất thành công cho nhiều hệ động học phi [11] Yin Chin Choo, Kashem M.Muttaqi,<br /> tuyến. Trong bài báo này đã chỉ ra sự áp dụng thành M.Negnevitsky, “Modelling of Hydraulic<br /> công cho nhận dạng hệ động học phi tuyến cho bộ Governor-turbine for Control Stabilisation”,<br /> điều tốc tuốc bin thuỷ lực. Với luật điều khiển áp Austral. Mathematical Soc.2008, ISSN 1446-<br /> dụng phương pháp tuyến tính hoá thích nghi, thì hệ 8735, ANZIAM J.49 (EMAC2007), 2008,<br /> NFCs sử dụng để nhận dạng và điều khiển cho một hệ PP.C681-C698.<br /> điều tốc tuốc bin phi tuyến cụ thể, có tải ngẫu nhiên<br /> tác động đã đảm bảo tần số sai lệch của hệ nhỏ<br /> (0,5%), thời gian quá độ ngắn (30s) đối với hệ động<br /> học có quán tính lớn như tuốc bin thuỷ lực trong các<br /> nhà máy thuỷ điện. Trong mô phỏng cũng chỉ ra sự<br /> sai lệch ổn định trong quá trình làm việc của hệ.<br /> <br /> Tài liệu tham khảo<br /> [1] Phạm Văn Đa, Tổng hợp bộ điều khiển thích<br /> nghi cho đối tượng phi tuyến trên cơ sở lôgíc<br /> mờ, Tạp chí Khoa học và Kỹ thuật - Số 130(10-<br /> 2009) - Học viện KTQS, 2009, tr.54-62.<br /> [2] Nguyễn Tăng Cường, Nguyễn Ngọc Hoà, Phạm<br /> Văn Đa, Áp dụng hệ mờ - Nơron để nhận dạng<br /> và điều khiển hệ chuyển động phi tuyến bằng<br /> phương pháp tuyến tính hoá chính xác, Tạp chí<br /> Khoa học và Kỹ thuật - Số 134(6-2010), Học<br /> viện KTQS, 2010, tr.5-14.<br /> [3] Nguyễn Doãn Phước, Lý thuyết điều khiển nâng<br /> cao, Nhà xuất bản Khoa học và kỹ thuật, Hà<br /> Nội, 2005.<br /> [4] Nguyễn Trọng Thuần, Đỗ Trung Hải, “Mô hình<br /> thực nghiệm ứng dụng hệ mờ - nơron nhận dạng<br /> trực tuyến (online) và điều khiển hệ phi tuyến”.<br /> Tạp chí Khoa học & công nghệ các trường Đại<br /> học Kỹ thuật, Số 63(2008), Hà Nội, Tr.6-10.<br /> [5] George A.Rovithakis, Manolis A.Christodoulou,<br /> Adaptive Control of Unknown Plants Using<br /> <br /> 6<br />
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2