Lời nói đầu Ngày nay do sự bùng nổ của tiến bộ kỹ thuật trong lĩnh vực điện ,điện tử và tin học, trong những năm gần đây đã dẫn đến sự thay đổi sâu sắc cả về lý thuyết và thực tế của lĩnh vực điều khiển chuyển động . Các đối tượng điều khiển trong công nghệ cao thường có yêu cầu điều khiển phức tạp cần có độ chính xác cao. Người ta thấy rằng các hệ điều khiển phản hồi tuyến tính với hệ số khuếch đaị không đổi thông thường có thể hoạt động tốt trong một điều kiện làm việc ổn định, nhưng khi có nhiều tác động nên hệ thống hoặc tham số của hệ thay đổi thì chất lượng của hệ thống điều khiển sẽ bị ảnh hưởng .Do vậy hiện nay chất lượng của hệ điều khiển luôn là yêu cầu được quan tâm hàng đầu, nên các phương pháp nâng cao độ chính xác trong hệ điều khiển vẫn là mục tiêu quan trọng trong nghiên cứu phát triển kỹ thuật điều khiển . Hiện nay có một số phương pháp nâng cao độ chính xác của hệ thống điều khiển chuyển động,như điều khiển thích nghi,tự chỉnh,điều khiển theo mô hình dự báo Thiết kế này nghiên cứu tổng quan về phương pháp điều khiển theo mô hình dự báo. Đồ án còn nhiều thiếu sót, em rất mong được sự góp ý,nhận xét của các thầy cô. Em xin chân thành cảm ơn. CHƯƠNG 1: TỔNG QUAN VỀ ĐIỀU KHIỂN THEO MÔ HÌNH DỰ BÁO 1.1.Giới thiệu về điều khiển mờ theo mô hình dự báo 1.1.1. Lịch sử phát triển Phương pháp điều khiển theo mô hình dự báo, gọi tắt MPC, là một tập hợp các thuật toán để tính toán một tập hợp các biến đầu vào nhằm tối ưu hoá các đáp ứng tương lai của đối tượng. Đầu tiên, lý thuyết ứng dụng nhiều cũng có thể là các yếu tố liên quan tới khả năng và trình độ của người thực hiện điều khiển quá trình. Chính những hạn chế này đã dẫn đến sự phát triển của một phương pháp điều khiển dựa trên mô hình mà qua đó, bài toán tối ưu hoá động học được giải quyết theo từng trường hợp điều khiển nhất định. Các đầu vào của quá trình được tính toán nhằm tối ưu hoá các đáp ứng tương lai của đối tượng trong một khoảng thời gian nhất định được gọi là khoảng dự báo. Về mặt tổng quát, chúng ta có thể sự dụng bất kỳ một mục tiêu mong muốn nào. Về mặt nguyên tắc, quá trình của đối tượng có thể được mô tả theo một mô hình cụ thể. Mô hình này có thể biểu diễn dưới dạng toán học theo yêu cầu. Các điều kiện đầu vào và đầu ra của quá trình được trực tiếp đưa vào việc hình thành bài toán, vì vậy trong tương lai việc vi phạm các điều kiện ràng buộc là có thể dự báo được và cho phép tránh được việc vi phạm các điều kiện ràng buộc đó. Đầu vào đầu tiên của của dãy các đầu vào tối ưu được đưa vào đối tượng và bài toán được giải lại tại khoảng thời gian tiếp theo bằng cách sử dụng các đại lượng đã đựơc cập nhật của quá trình. Bên cạnh sự phát triển của công nghệ điều khiển linh hoạt, công nghệ mới về nhận dạng quá trình cũng được phát triển cho phép ước tính nhanh các mô hình động học từ dữ liệu kiểm tra, do đó làm giảm đáng kể các chi phí phát triển mô hình .Chính phương pháp mô hình hoá và điều khiển quá trình công nghiệp này được gọi là công nghệ phát triển theo mô hình dự báo. 1.1.2. Khái niệm về mô hình dự báo Phương pháp điều khiển theo mô hình dự báo là một quá trình thiết kế điều khiển mạch vòng hở, ở đó tại mỗi chu kỳ cắt mẫu k, thông số đo được của đối tượng và mô hình của quá trình được dùng để dự báo tín hiệu đầu ra tương lai của hệ thống. Với việc dự báo này, m tín hiệu điều khiển của i u k k   +  ÷   , i = 0, 1, 2….m-1 được tính toán bằng việc cực tiểu hàm ( ) , 0,1,2, , 1 p i u k i m k Minj k   + = −  ÷   Hàm J p (k) phụ thuộc vào các điều kiện ràng buộc của đầu vào điều khiển u(k+i/k), i = 0, 1, 2….m-1, trạng thái x(k+i/k) , i = 0, 1, 2….p, và đầu ra y(k+i/k), , i = 0, 1, 2….p Trong đó: + x(k+i/k),y(k+i/k): Là trạng thái và đầu ra tại thời điểm k + i. Chúng được dự báo dựa trên trạng thái và đầu ra đo được tại thời điểm k, đó là k x k    ÷   và k y k    ÷   +u(k+i/k): Là tín hiệu điều khiển tại thời điểm k+i, được tính toán bằng việc tối ưu hàm ( ) p j k tại thời điểm k ; k u k    ÷   là tín hiệu điều khiển được thực hiện tại thời điểm k. p: là miền dự báo m: là miền điều khiển 1.2. Phân loại Phương pháp điều khiển theo mô hình dự báo MPC đã được các ngành công nghiệp khác nhau nghiên cứu và ứng dụng rộng rãi.Các ứng dụng của phương pháp này có thể kể đến là: điều khiển theo mô hình dự báo tự học (MPHC); điều khiển ma trận động học DMC ( Dynamic Matrix Control ). 1.2.1. Điều khiển theo mô hình dự báo tự học (MPHC) Ứng dụng đầu tiên của công nghệ MPC là MPHC ( Model Predictive Heuristic Control), điều khiển theomô hình dự báo tự học, dưới dạng một phần mềm có tên gọi IDCOm (Identification and Command), hay là nhận dạng và ra lệnh. Mối quan hệ giữa biến đầu vào và biến đầu ra của quá trình được biểu hiện thông qua mô hình đáp ứng xung giới hạn rời rạc FIR ( Finite Impulse Répóne). Đối với hệ SISO, mô hình FIR được biểu diễn như sau: y k+j = ∑ = N i 1 h i u k+j-1 Mô hình này dự báo đầu ra vào một thời điểm nhất định phụ thuộc vào việc kết hợp tuyến tính giá trị đầu và quá khứ; h i là các hệ số đáp ứng xung. Hàm này được chặn tại thời điểm mà tại đó các đầu vào quá khứ không còn khả năng tác động tới đầu ra , điều nảy chỉ có thể xảy ra ở các đối tượng ổn định. Đáp ứng xung giới hạn được các định từ các dữ liệu kiểm tra của đối tượng bằng cách dùng một thuật toán được thiết kế nhằm tối thiểu hoá sai lệch về cấu trúc giữa đáp ứng của đối tượng và các đáp ứng xung mô hình dự báo. Thuật toán tương tác thu được tiến hành điều chỉnh các hệ số đáp ứng xung tại mỗi bước theo nguyên tắc sai lệch liên tục giảm dần. Thuật toán này được dùng để đưa các giá trị ước tính tham số không lệch theo đại lượng nhiễu đầu ra. Bài toán điều khiển được giải bằng chính thuật toán này và lưu ý thêm quá trình điều khiển là một bước nhận dạng qua lại. Trong bài toán nhận dạng, chúng ta biết các đầu ra, đầu vào và yêu cầu là ước tính các hệ số. Trong bài toán điều khiển, chúng ta biết quỹ đạo đầu ra mong muốn và hệ số mô hình với yêu cầu là ước tính các đầu vào cần thiết. Bởi vì việc dự báo đầu ra là giao điểm giữa các vector hệ số, nên một thuật toán tương tự cũng có thể áp dụng để tìm ra một trong hai kết quả đó. Bản chất tương tác của thuật toán điều khiển là cho phép kiểm tra các điều kiện ràng buộc đầu vào và đầu ra khi tìm ra đáp án của bài toán. Do luật điều khiển không phải là tuyến tính và không thể biểu diễn như dạng một hàm truyền, nên phương pháp này được đề cập tới là phương pháp’tự học’’. Ngày nay thuật toán này còn được biết đến như là bộ điều khiển MPC phi tuyến tính. Thuật toán MPC dự báo được một quỹ đạo đầu ra tương lai bám sát với quỹ đạo chuẩn. Toạ độ của đáp ứng mạch kín mong muốn được đặt theo hằng số thời gian của quỹ đạo chuẩn Ứng dụng của thuật toán MPHC được dùng trong các nhà máy PVC, nhà máy phát điện bằng hơi nước. Các ví dụ này chính là các quá trình đa biến có điều kiện ràng buộc. Ví dụ, bài toán bài toán về nhà máy phát điện hơi nước là việc điều khiển nhiệt độ và áp suất của hơi nước chuyển tới turbine. Thời gian đáp ứng quá trình của ứng dụng này lại có quan hệ nghịch đối với sức tải của hệ thống. Vấn đề phi tuyến tính được xử lý bằng cách sử dụng một bộ điều khiển có thời gian mẫu dao động. 1.2.2. Điều khiển ma trận động học DMC ( Dynamic Matrix Control) Ứng dụng thứ hai của MPC được biết đến khi các kỹ sư của nhà máy Sheel Oil phát triển công nghệ MPC độc lập vào đầu những năm 70. Thuật toán mà họ sử dụng được gọi là điều khiển ma trận động học DMC có khả năng giải quyết được vấn đề phi tuyến tính và các điều khiển ràng buộc. Mô hình đáp ứng bước tuyến tính dùng thuật toán DMC kết hợp những thay dổi của đầu ra quá trình với hệ số thay đổi của đầu vào trong quá khứ, hay còn gọi là bước chuyển đầu vào. Đối với hệ SISO, mô hình đáp ứng có dạng: y k+j = ∑ − = 1 1 N i S i ∆u k+j-1 + S N u k+j-N Trong đó: s i là các hệ số đáp ứng . Về mặt toán học, đáp ứng bước được định nghĩa là tích phân cuả đáp ứng xung. Các đầu ra được xử lý bằng phương pháp xếp chồng. Bằng cách sử dụng mô hình đáp ứng bước, chúng ta có thể dự báo được thay đổi đầu ra tương lai khi có kết hợp tuyến tính của các bước đầu vào tương lai. Ma trận điều kiện ràng buộc hai yếu tố này được gọi là ma trận động học. Sử dụng phương pháp này cho phép ta tính toán được vector tối ưu khi giải bài toán bình phương cực tiêủ. Điều khiển tiền định được đưa vào bài toán bằng cách hiệu chỉnh các đầu ra tương lai dự báo. Mục tiêu của bộ điều khiển DMC là đưa ra kết quả đầu ra bám theo các điểm đặt theo phương pháp bình phương cực tiểu. Việc này tương tự như việc tăng kích thước của thành phần chéo trong ma trận vuông kết quả trước khi nghịch đảo. Điều này tính toán được các bước chuyển đầu vào và đáp ứng đầu ra. Cùng với quỹ đạo chuẩn IDCOM, phương pháp này tạo nên độ bền vững của sai số của mô hình. Thuật toán DMC có tác dụng chuyển hệ thống từ trạng thái xác lập tối ưu này sang trạngt hái xác lập tối ưu khác. Mặc dù phương pháp giải hệ thống tuyến tính đưa ra các đầu vào và đầu ra tối ưu của quá trình, thì thuật toán DMC, do ảnh hưởng của nhiễu động học,làm cho các đầu vào chuyển dịch lệch so với đầu vào tối ưu để có được các đầu ra tại trạng thái xác lập tối ưu. Vì dịch chuyển đầu vào sai lệch so với đầu vào tối ưu có thể khó khăn hơn nhiều so với dịch chuyển các giá trị khác, nên hệ thống điều khiển có thể đưa ra một lựa chọn khác hợp lý hơn. Thuật toán DMC sẽ đưa vào một phương trình cho mỗi đầu vào trong mô hình của quá trình. Phương trình mới này yêu cầu tổng các bước dịch chuyển của một đầu vào nhất định sẽ bằng tổng các bước điều chỉnh đầu vào cần thiết để nó đạt tới kết quả tại trạng thái xác lập tối ưu. Điều này cho phép các dầu vào được chuyển động tự do trong một bước nhất định nào đó nhưng nó yêu cầu kết quả đầu vào ở trạng thái xác lập tối ưu phải thoả mãn theo một bình phương cực tiểu. Hai thuật toán IDCOM và DCM chính là thế hệ đầu tiên của công nghệ MPC , chúng có một tác động to lớn đối với điều khiển quá trình công nghiệp và được dùng để tìm ra những bước chuyển thần kì của công nghệ MPC trong công nghiệp. 1.2.3. Điều khiển theo mô hình dự báo tự học đa biến(IDCOM-M). Khi công nghệ MPC đã được ứng dụng một cách rộng rãi hơn,các bài toán áp dụng công nghệ MPC lại càng trở nên phức tạp với quy mô rộng lớn hơn,các kỹ sư điều kgiển đã ứng dụng công nghệ MPC thú hai vào các ván đề thực tế.thuật toán QDMC cung cấp một cách tiếp cận hệ thống khi các điều kiện ràng buộc cứng của đầu vào và đầu ra nhưng không mang lại một giải pháp có tính khả thi .Ví dụ một nhiễu tiền định hoàn toàn có thể dẫn đến một hệ bậc hai không khả thi và quá trình điều khiển sẽ phải xử lý thế nào đối với trường hợp này? Việc tạo lập điều kiện ràng buộc mềm không thể giải quyết được bởi vì nó cho phép tất cả các điều kiện ràng buộc có thể bị vi phạm ở một chừng mực nào đó. Tuy nhiên rõ ràng có một số điều kiện ràng buộc đầu ra quan trọng hơn những điều kiện ràng buộc khác và do vậy những điều kiện ràng buộc quan trọng này không được phép vi phạm. Trên thưc tế, các đầu vào và đầu ra của quá trình có thể bị mất đi trong bước điều khiển thực tế do tín hiệu phần cứng bị sai lệch, hay điều kiện bão hoà do có sự can thiệp trực tiếp của người vận hành. Và chúng có thể quay trở lại bài toán điều khiển vào bất kỳ khoảng thời gian cắt mẫu nào. Việc chuyển các yêu cầu điều khiển thành các hệ số liên quan của hàm mục tiêu là rất khó khăn.Việc đưa tất cả các thành phần bù cần thiết vào một hàm mục tiêu có nghĩa là các hệ số liên quan phải được gắn với giá trị của các vi phạm điểm đặt đầu ra, vi phạm điều kiện ràng buộc mềm đầu ra, các bước đầu vào và vi phạm mục tiêu đầu vào tối ưu. Đối với bài toán phức tạp hơn thì không dễ gì chuyển được các yêu cầu điều khiển thành một hệ gồm các hệ số liên quan. Nói tóm lại việc kết hợp các mục tiêu khác nhau vào một hàm mục tiêu sẽ không cho phép người điều khiển phản ánh được yêu cầu vận hành thực tế. Để giải quyết những vướng mắc trên, điều khiển theo mô hình dự báo tự học đa biến ( IDCOM-M) đã được phát triển với những đặc điểm cơ bản sau: + Mô hình đáp ứng xung tuyến tính của đối tượng. + Có bộ kiểm tra khả năng điều khiển nhằm phát hiện hệ thống đối tượng con ở điều kiện xấu. + Tạo lập một hàm đa mục tiêu, mục tiêu đầu vào bậc hai đưa ra mục tiêu đầu ra bậc hai. + Cho phép điều khiển một điểm đơn lẻ trong tương lai đối với mỗi đầu ra, gọi là điểm ngẫu nhiên trên quỹ đạo chuẩn. + Tính toán một bước chuyển đơn lẻ cho mỗi đầu vào. + Các điều kiện ràng buộc có thể là điều kiện ràng buộc cứng, mềm với điều kiện ràng buộc cứng được ưu tiên hơn. Bộ điều khiển IDCOM-M duy trì mô hình đáp ứng xung tuyến tính của đôí tượng có dùng thuật toán IDCOM. Tuy nhiên, bộ điều khiển IDCOM-M bao gồm một bộ kiẻm tra khả năng điều khiển. Dựa trên tập hợp các đầu vàp và đầu ra hiện taị, bộ kiểm tra này sẽ lựa chọn đầu ra nào được điều khiển một cách độc lập. Một đặc điểm quan trọng của thuật toán IDCOM-M là nó sử dụng hai hàm mục tiêu riêng biệt , một hàm cho đầu vào và một hàm cho đầu ra. Hàm mục tiêu đầu ra bậc hai được tối thiểu hoá trước phụ thuộc theo các điều kiện ràng buộc cứng đầu vào. Thời điểm mà đầu ra bám theo giá trị mong muốn thị gọi là điểm ngẫu nhiên. Cái tên này xuất phát từ thực tế các giá trị dự báo và giá trị mong muốn nằm trong quỹ đạo chuẩn bậc một, mà quỹ đạo này bắt đầu tại giá trị hiện tqại đo được và dần dần bám theo điểm đặt. Mỗi đầu ra có hai tham số hiệu chỉnh cơ bản điểm ngẫu nhiên và thời gian đáp ứng mạch kín để xác định quỹ đạo chuẩn. Phương pháp IDCOM-M bao gồm hai loại điều kiện ràng buộc cứng và mềm. Điều kiện ràng buộc cứng được ưu tiên hơn mềm. Khi tính toán khả thi, điều kiện ràng buộc cứng có mức độ ưu tiên thấp nhất sẽ bị loại bỏ và bài toán được lặp lại. Quá trình tính toán tiêu biểu như sau: + Xác định các đầu vào và đầu ra của quá trình. + Xác định dãy các đầu ra điều khiển bằng bộ kiểm tra khả năng điều khiển. + Tối ưu hoá đầu ra. + Tối ưu hoá đầu vào. Thuật toán IDCOM-M được coi là thế hệ thứ ba của công nghệ MPC. Phương pháp này cho phép phân biệt các loại điều kiện ràng buộc ( cứng, mềm và xếp loại) đưa ra một cơ cấu giải quyết tính bất khả thi của bài toán, chỉ ra được các vấn đề khi cơ cấu điều khiển thay đổi thực sự và cho phép khả năng dao động của quá trình rộng hơn cùng với các yêu cầu của bộ điều khiển. Tóm lại, chương này đã giới thiệu tổng quan về các phương pháp điều khiển theo mô hình dự báo MPC qua đó có thể đánh giá hệ thống điều khiển theo mô hình dự báo có những ưu điểm là: - Khả năng ứng dụng trong nhiều hệ thống ngay cả khi tham số của hệ biến đổi. - Có khả năng khử ảnh hưởng của nhiẽu đầu vào và đầu ra. 1.3.Lựa chọn dạng mô hình điều khiển dự báo Lựa chọn dạng mô hình dự báo của Smith Hình 1.1: Sơ đồ cấu trúc điều khiển theo mô hình dự báo Smith Tín hiệu phản hồi là Y(t) - Y process (t) + Y ideal (t) và sai lệch điều chỉnh sẽ là ( ) ( ) ( ) ( ) ( ) * 1 [y -y +y ] sp p e t y t t t t= − . Nếu mô hình mô tả được chính xác được quá trình thực thì ( ) ( ) y -y p t t =0 hay ( ) ( ) ( ) * y sp i e t y t t= − . Do đó nếu mô hình mô tả được chính xác quá trình thực thì đầu vào của bộ điều khiển sẽ là sai lệch giữa giá trị đặt và giá trị dự báo của quá trình thực , thay vì sai lệch giữa giá trị đặt với giá trị thực của biến quá trình . Dĩ nhiên mô hình động sẽ không bao giờ mô tả được chính xác trạng thái thực của quá trình . Tuy nhiên giả sử rằng khả năng làm ảnh hưởng của thời gian trễ lên hiệu ứng của bộ điều khiển dự báo Smith liên quan trực tiếp đến việc mô hình mô tả quá trình thực tốt đến mức nào . Một sai khác dù rất nhỏ giữa sự dự báo và quá trình thực cũng làm hệ thống kín mất ổn định. CHƯƠNG 2 : TỔNG HỢP BỘ ĐIỀU KHIỂN THEO MÔ HÌNH DỰ BÁO 2.1.Cấu trúc bộ điều khiển MPC MPC là một phương pháp điều khiển các hệ thống động học, trong đó sử dụng một mô hình tường minh của đối tượng để dự đoán tín hiệu đầu ra tương lai của hệ thống tại các chu kỳ cắt mẫu nhất định. Tại mỗi thời điểm lấy mẫu, dựa trên những thông tin đầu ra được dự báo, hệ thống điều khiển sẽ giải một bài toán tối ưu để đưa ra các tín hiệu điều khiển tối ưu, đảm bảo cho tín hiệu ra luôn luôn bám theo tín hiệu chuẩn mong muốn. Sơ đồ cấu trúc bộ điều khiển MPC như hình 2.1 Hình 2.1: Sơ đồ cấu trúc điều khiển bộ điều khiển MPC Mô hình dự báo gồm có 1 khối lý tưởng (không có thời gian chết–Process Model) và 1 khối mô hình thời gian chết (Dead Time Model). Mô hình lý tưởng nhận giá trị hiện thời của đầu ra bộ điều khiển u (t) và tính giá trị ( ) i y t đó là giá trị dự báo của quá trình đo được ( đầu ra dự báo). Giá trị ( ) i y t được đưa vào mô hình thời gian trễ và được lưu giữ đến khi qua một thời gian trễ p θ . Tại thời điểm ( ) i y t được lưu giá trị ( ) p y t của lần trước đó sẽ được đưa ra . Giá trị ( ) p y t [...]... Xây dựng mô hình dự báo Về nguyên tắc có thể xây dựng mô hình toán học tường minh biểu diễn một đối tượng Sự phát triển của công nghệ điều khiển linh hoạt, công nghệ mới về nhận dạng quá trình cũng được phát triển cho phép xây dựng các mô hình rất nhanh từ dữ liệu thu được từ đối tượng thực Mô hình dự báo là một bộ phận rất quan trọng trong hệ thống điều khiển dự báo mô hình Nhiệm vụ của mô hình dự báo. .. các đặc tính mô phỏng như các hình 3.4 và Hình 3.5 Hình 3.4 Đặc tính tín hiệu ra khi chưa có mô hình dự báo Hình 3.5 Đặc tính tín hiệu ra khi có mô hình dự báo Với hệ thống có hằng số thời gian chết ( trễ ) lớn mà chúng ta chỉ sử dụng bộ điều khiển PI mà không có sự tham gia của mô hình dự báo thì đặc tính đầu ra vẫn có độ quá điều chỉnh như hình 3.4 Nhưng khi có sự tham gia của mô hình dự báo thì đặc... đại của bộ điều khiển. ta có: ∆ u (k/k)=KMPC[Yr-Hx(k)] (2-15) Đem giá trị này cộng với u(k) để làm đầu vào điều khiển cho quá trình k+1 tiếp theo CHƯƠNG 3 : MÔ PHỎNG HỆ THỐNG ĐIỀU KHIỂN THEO MÔ HÌNH DỰ BÁO 3.1.Trình tự thiết kế mô phỏng 3.1.1.Công cụ mô phỏng Matlab Đối với kỹ sư điều khiển – tự động hóa nói riêng và những người nghiên cứu khoa học – kỹ thuật nói chung , mô phỏng là công cụ quan trọng... Nhiệm vụ của mô hình dự báo là tại mỗi thời điểm lấy mẫu k sẽ dự đoán được tín hiệu đầu ra ở một số thời điểm tương lai của hệ thống Trong phần này ta sẽ đưa ra cấu trúc của mô hình dự báo .Mô hình dự báo có thể là mô hình hở hoặc kín Dựa trên phương trình trạng thái mô tả đối tượng điều khiển (2-1) ta có phương trình trạng thái của mô hình dự báo tại thời điểm k+j như sau: x(k+j/k) = Ax(k+j-1/k) +Bu(k+j-1/k)...của lần này là giá trị yi (t ) được tính toán và lưu giữ một khoảng thời gian chết trước đó Do đó y p (t ) là giá trị dự báo mô hình của giá trị hiện thời y(t) 2.2 .Tổng hợp bộ điều khiển 2.2.1 Đối tượng điều khiển Xét một đối tượng điều khiển tuyến tính tham số không biến đổi như hình vẽ Hình 2.2:Sơ đồ khối mô tả đối tượng điều khiển Trong đó: u là vector tín hiệu điều khiển W là vector... trận G là [(pxm) x (pxru)] Như vậy ta có hệ phương trình ma trận của mô hình dự báo: Y=Hx(k/k)+G ∆ U (2-7) +)Hàm mục tiêu: Như đã phân tích ở trên,dựa vào các tín hiệu đầu ra dự báo của mô hình sẽ tính toán được vector tín hiệu điều khiển trong khoảng dự báo Δu(k+j/k), j=0-(p-1) bằng tối thiểu hoá hàm mục tiêu: minΔu(k+j/k)J(k) Có nhiều công trình đã công bố về việc lựa chọn hàm mục tiêu J.Đối với hệ... báo thì đặc tính đầu ra đã được cải thiện rất nhiều Kết luận chung Đề tài này đã nghiên cứu và kiểm nghiệm tính đúng đắn của thuật toán điều khiển theo mô hình dự báo thông qua việc mô phỏng một đối tượng cụ thể Tuy đề tài chưa được kiểm nghiệm qua thực tế nhưng phần nào cũng cho ta thấy được ưu điểm của phương pháp MPC Tuy đã đạt được một số kết quả nhất định,song do khả năng còn hạn chế nên đề... của đối tượng là Gc =  1   1 + ÷ K p * (Tc + θ p )  Tp s ÷   Tp Từ đây ta xây dựng được sơ đồ cấu trúc bộ điều khiển và mô phỏng trên Simulink : Hình 3.2 Sơ đồ cấu trúc hệ thống khi chưa có mô hình dự báo Hình 3.3 Sơ đồ cấu trúc bộ điều khiển MPC mô phỏng trên Simulink 3.2 Kết quả mô phỏng Với các thông số Kp =6 Hệ khuếch đại của quá trình To = 12 Hằng số thời gian toàn hệ thống Teta = 1s Hằng... tiêu Jp(k) tại thời điểm k; u(k/k) là tín hiệu điều khiển được thực hiện tại thời điểm k u(k+j/k)=[ u1(k+j/k), u2(k+j/k), , uru(k+j/k)]T Để xây dựng mô hình dự báo, sử dụng phương pháp truy hồi như sau: + Tại thời điểm k+1, tín hiệu ra của mô hình được viết ở dạng sau: + Y(k+1/k)= Cx(k+1/k) Sử dụng phương trình trạng thái (2-2) tại thời điểm k+1 ta nhận được phương trình đầu ra như sau: Y(k+1/k) = C[Ax(k/k)+Bu(k/k)]... CAx(k/k)+CBu(k/k) Tín hiệu điều khiển tại thời điểm k được tính theo phương trình sau: u(k/k)= ∆ u(k/k)+u(k-1/k) Trong trường hợp tổng quát do k biến thiên từ 1 đến N nên có thể coi u(k-1/k)= 0 do đó phương trình (2-3) có thể viết thành: Y(k+1/k) =CAx(k/k)+CB ∆ u(k/k) (2-4) Từ phương trình (2-4) cho thấy tín hiệu đầu ra của mô hình dự báo tại thời điểm k+1 có thể được tính dựa trên trạng thái của nó . VỀ ĐIỀU KHIỂN THEO MÔ HÌNH DỰ BÁO 1.1.Giới thiệu về điều khiển mờ theo mô hình dự báo 1.1.1. Lịch sử phát triển Phương pháp điều khiển theo mô hình dự báo, . thống điều khiển chuyển động,như điều khiển thích nghi,tự chỉnh ,điều khiển theo mô hình dự báo Thiết kế này nghiên cứu tổng quan về phương pháp điều khiển