Đang tải... (xem toàn văn)
Phát triển bộ điều khiển trượt thích nghi nêu trên thành bộ điều khiển trượt thích nghi phân ly DANSMC cho hệ phi tuyến đa biến. Áp dụng các nghiên cứu về điều khiển trượt thích nghi phân ly lên hệ con lắc ngược xoay và con lắc ngược hai chiều thông qua mô phỏng và thực nghiệm.
ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN ĐỨC MINH ĐIỀU KHIỂN TRƯỢT THÍCH NGHI HỆ THỐNG ĐỘNG PHI TUYẾN LUẬN ÁN TIẾN SĨ KỸ THUẬT TP HỒ CHÍ MINH NĂM 2012 ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN ĐỨC MINH ĐIỀU KHIỂN TRƯỢT THÍCH NGHI HỆ THỐNG ĐỘNG PHI TUYẾN Chuyên ngành: TỰ ĐỘNG HÓA Mã số chuyên ngành: 6252600 Phản biện độc lập 1: GS.TSKH NGUYỄN XUÂN QUỲNH Phản biện độc lập 2: PGS.TS NGUYỄN NGỌC PHƯƠNG Phản biện 1: TS NGUYỄN CHÍ NGÔN Phản biện 2: PGS.TSKH HỒ ĐẮC LỘC Phản biện 3: PGS.TS NGUYỄN TẤN TIẾN NGƯỜI HƯỚNG DẪN KHOA HỌC PGS TS DƯƠNG HOÀI NGHĨA TS NGUYỄN ĐỨC THÀNH LỜI CAM ĐOAN Tác giả xin cam đoan công trình nghiên cứu thân tác giả Các kết nghiên cứu kết luận luận án trung thực, không chép từ nguồn hình thức Việc tham khảo nguồn tài liệu (nếu có) thực trích dẫn ghi nguồn tài liệu tham khảo theo yêu cầu Tác giả luận án Nguyễn Đức Minh i ABSTRACT Variable Structure Control with sliding mode or Sliding Mode Control is wellknown as a simple but effective robust non-linear control method This method has many advanced features such as good performance and robustness against parameter variations However, because of the switching of the control signal, there is a high frequency oscillation of the phase portrait around the sliding surface Furthermore, designing SMC requires an upper bound of the model uncertainty The model uncertainty often consists of the non-model dynamic and the variation of the plant parameters If the actual modelling error exceeds the uncertainty upper bound used to design the controller, the system stability will not be guaranteed In addition, like traditional control methods, designing SMC requires a mathematical model of the plant The control performance may be deteriorated in case of imprecise or time varying model parameters This work aims to study a neural network based adaptive sliding mode controller for uncertain non-linear dynamical system It consists of three main points: - The combination of neural networks and the sliding mode control theory to design an adaptive sliding mode controller for uncertain non-linear dynamical systems This new controller can be characterized by: (i) it is a direct neural network controller; (ii) the controller is identified on line without need of initial model, (iii) it has the ability to adjust itself to cope with the variations of the upper bounds of the uncertainty and it is noise insensitive - The development of the adaptive sliding mode controller mentioned above to the Decoupled Adaptive Sliding Mode Controller DANSMC for multivariable nonlinear systems - The proposed controller has been successfully tested with an inverted rotary pendulum and an inverted two-dimensional pendulum through simulations and experiments Main results ii - The proposed sliding mode controller consists of two components: the equivalent controller and the robust controller; it has a smooth form, it can overcome the chattering phenomenon and it is appropriate for training the neural network - The update-law for one hidden layer feed forward neural network has been carried out based on Lyapunov stability theory, which involves two feedback signals: sliding surface signal and its derivative The neural network can be trained online without need of plant model nor its uncertainty upper bound - It is shown that the proposed neural network controller can completely replace the traditional sliding mode controller By using the system states as inputs instead of sliding surface signals, DANSMC exploits the ability of neural network Simulation results also show that the system can self-develop to improve the control performance - Theories and simulations show that the DNSMC controller can adjust itself to adapt to the variations of the plant as well as its uncertainty iii TÓM TẮT LUẬN ÁN Điều khiển có cấu trúc thay đổi VSC (Variable Structure Control) với chế độ trượt, hay điều khiển trượt SMC (Sliding Mode Control) biết đến phương pháp điều khiển phi tuyến bền vững đơn giản, hiệu Phương pháp điều khiển có nhiều ưu điểm như: (i) nhạy với biến thiên thông số hệ thống; (ii) có khả chống nhiễu tốt; (iii) đáp ứng động học nhanh Tuy nhiên tín hiệu điều khiển trượt cổ điển có dạng chuyển mạch nên tồn tượng dao động có tần số cao (chattering) quỹ đạo pha xung quanh mặt trượt Hơn nữa, thiết kế điều khiển SMC yêu cầu phải biết trước giá trị chặn thành phần bất định hệ thống Các thành phần bất định thường bao gồm thành phần động học không mô hình, biến thiên thông số nhiễu loạn Nếu giá trị chặn thực vượt giá trị chặn giả thiết thiết kế điều khiển, ổn định hệ thống không bảo đảm Ngoài giống phương pháp điều khiển kinh điển khác, việc thiết kế điều khiển trượt yêu cầu phải biết mô hình toán học thông số mô hình đối tượng Điều ảnh hưởng tới chất lượng điều khiển số ứng dụng mà mô hình toán học đối tượng điều khiển khó xác định cách xác thông số có tầm biến thiên rộng Luận án tiến sĩ nghiên cứu phương pháp điều khiển trượt thích nghi dùng mạng nơ-ron áp dụng cho hệ phi tuyến động bất định không rõ thông số mô hình với ba nội dung chính: Kết hợp lý thuyết điều khiển trượt mạng nơ-ron để thiết kế điều khiển trượt thích nghi dùng mạng nơ-ron áp dụng cho hệ thống phi tuyến động bất định không rõ thông số mô hình Bộ điều khiển có đặc điểm: (i) mạng nơ-ron dùng làm điều khiển trực tiếp; (ii) không cần nhận dạng trước thông số mô hình đối tượng, luật điều khiển suy trực tiếp trình huấn luyện trực tuyến; (iii) có khả thích nghi trước thay đổi chặn thành phần bất định có khả kháng nhiễu tốt Phát triển điều khiển trượt thích nghi nêu thành điều khiển trượt thích nghi phân ly DANSMC cho hệ phi tuyến đa biến Áp dụng nghiên cứu điều khiển trượt thích nghi phân ly lên hệ lắc ngược xoay lắc ngược hai chiều thông qua mô thực nghiệm iv Các kết đạt luận án - Luật điều khiển trượt đề nghị luận án bao gồm hai thành phần điều khiển tương đương điều khiển bền vững, có dạng hàm trơn, có khả khắc phục tượng chattering phù hợp để huấn luyện cho mạng nơ-ron - Luật cập nhật cho mạng nơ-ron truyền thẳng lớp ẩn đề nghị dựa lý thuyết ổn định Lyapunov với hai tín hiệu hồi tiếp bao gồm tín hiệu mặt trượt đạo hàm chứng minh đáp ứng yêu cầu luật điều khiển trượt đề nghị có khả huấn luyện trực tuyến cho mạng nơ-ron trở thành điều khiển trượt thích nghi mà không cần phải nhận dạng trước thông số đối tượng giá trị chặn thành phần bất định hệ thống - Với mô hình điều khiển đề nghị luận án mạng nơ-ron truyền thẳng lớp ẩn thay hoàn toàn điều khiển trượt Với đặc điểm ngõ vào mạng biến trạng thái (khác với ngõ vào tín hiệu mặt trượt số phương pháp điều khiển trượt dùng mạng nơ-ron khác), phương pháp DANSMC khai thác khả nhớ theo trạng thái mạng nơ-ron qua kết mô cho thấy khả tự nâng cấp chất lượng điều khiển hệ thống qua phiên điều khiển - Lý thuyết mô cho thấy khả tự thay đổi để thích nghi điều khiển DANSMC trước thay đổi thông số đối tượng chặn thành phần bất định v LỜI CÁM ƠN Tôi xin tỏ lòng biết ơn sâu sắc đến PGS TS Dương Hoài Nghĩa TS Nguyễn Đức Thành, hai người thầy hướng dẫn tận tình suốt thời gian làm nghiên cứu sinh Đại học Bách Khoa Những gợi ý lúc quý báu ý kiến phản biện sâu sắc thầy giúp nhận thức, định hướng hoàn thiện nghiên cứu Trong năm làm nghiên cứu với thầy, không học phương pháp nghiên cứu khoa học mà học nhiều điều tư cách, đạo đức sống Xin chân thành cảm ơn thầy cô Bộ môn Tự Động ĐHBK TPHCM truyền đạt cho kiến thức tảng quý báu thời gian học cao học, góp ý khoa học phản biện thẳng thắn thực chuyên đề tiến sĩ sở có giá trị giúp hoàn chỉnh luận án Xin cảm ơn vợ, chia xẻ ngày khó khăn vật chất tinh thần để yên tâm thực luận án Xin gửi lời cảm ơn đến đồng nghiệp giảng viên Khoa tin học trường Đại học Yersin bạn bè thân hữu, người giúp đỡ động viên năm tháng làm luận án Mặc dù cố gắng luận án không tránh khỏi thiếu xót Tác giả mong góp ý quý thầy cô bạn đồng nghiệp vi MỤC LỤC TỔNG QUAN 1.1 Đặt vấn đề 1.2 Mục tiêu phương pháp nghiên cứu luận án LÝ THUYẾT CƠ SỞ 2.1 2.1.1 Đối tượng điều khiển 2.1.2 Mặt trượt 2.1.3 Luật điều khiển trượt kinh điển 10 2.1.4 Điều khiển trượt cho hệ thống MIMO 12 2.1.5 Đặc điểm điều khiển trượt 14 2.2 Xấp xỉ hàm mạng nơ-ron truyền thẳng 15 2.3 Một số mô hình điều khiển trượt dùng mạng nơ-ron 18 2.3.1 Mô hình sử dụng mạng nơ-ron làm thành phần điều khiển tương đương 19 2.3.2 Mô hình điều khiển trượt phân ly dùng mạng nơ-ron 20 ĐIỀU KHIỂN TRƯỢT THÍCH NGHI PHÂN LY DÙNG MẠNG NƠ-RON 28 3.1 Điều khiển trượt thích nghi dùng mạng nơ-ron 28 3.1.1 Mô tả điều khiển 28 3.1.2 Luật cập nhật thích nghi để huấn luyện mạng 29 3.2 Lý thuyết điều khiển trượt Điều khiển trượt thích nghi phân ly dùng mạng nơ-ron DANSMC 33 KẾT QUẢ MÔ PHỎNG VÀ THỰC NGHIỆM 38 4.1 Điều khiển trượt thích nghi phân ly lắc ngược hai bậc xoay tự 38 4.1.1 Mô tả lắc ngược xoay 38 4.1.2 Phân tích điều khiển 39 4.1.3 Mô tả trình kết mô 42 4.1.4 Mô tả trình kết thực nghiệm 56 4.2 Điều khiển trượt thích nghi phân ly lắc hai chiều 66 KẾT LUẬN 73 CÁC TÀI LIỆU CÔNG BỐ CỦA TÁC GIẢ 77 Tài liệu tham khảo 78 vii DANH MỤC CÁC HÌNH ẢNH Hình 2-1 Tín hiệu điều khiển trượt có dạng chuyển mạch 14 Hình 2-2 Mô quỹ đạo pha tượng chattering 15 Hình 2-3 Mạng nơ-ron lớp ẩn điều khiển DNNSMC 23 Hình 2-4 Hệ thống DNNSMC Lon-Chen Hung Hung Yuan Chung 24 Hình 2-5 Mô hình điều khiển trượt phân ly dùng thuật toán SPSA 25 Hình 2-6 Đáp ứng góc lắc ngược điều khiển DNNSMC so với DFSM 25 Hình 3-1 Mạng nơ-ron dùng làm điều khiển 29 Hình 3-2 Mô hình điều khiển trượt thích nghi phân ly 35 Hình 4-1 Mô hình lắc ngược xoay 39 Hình 4-2 Mô hình lắc ngược simulink 41 Hình 4-3 Mô điều khiển DANSMC lên lắc ngược xoay 41 Hình 4-4 Mô điều khiển DNNSMC lên lắc ngược xoay 10s 45 Hình 4-5 Mô điều khiển DNNSMC lên lắc ngược xoay 0.5s 46 Hình 4-6 Đáp ứng tín hiệu mặt trượt điều khiển DNNSMC 47 Hình 4-7 Quỹ đạo pha biến trạng thái điều khiển DNNSMC 48 Hình 4-8 Quỹ đạo pha biến trạng thái điều khiển DNNSMC trình độ 49 Hình 4-9 Quá trình huấn luyện hội tụ điều khiển DANSMC 50 Hình 4-10 Đáp ứng tín hiệu trượt qua phiên huấn luyện điều khiển DANSMC 51 Hình 4-11 Đáp ứng điều khiển DANSMC 52 Hình 4-12 Đáp ứng tín hiệu mặt trượtcủa điều khiển DASMC 53 Hình 4-13 Quỹ đạo pha biến trạng thái điều khiển DANSMC 54 Hình 4-14 So sánh đáp ứng điều khiển DNNSMC DANSMC 55 Hình 4-15 Kết cấu phần cứng mô hình thực nghiệm để điều khiển trượt thích nghi phân ly lắc ngược xoay dùng mạng nơ-ron 57 Hình 4-16 Mô hình thực lắc ngược phòng thí nghiệm 58 Hình 4-17 Sơ đồ khối chip vi điều khiển TMS320 2812 59 Hình 4-18 Đáp ứng 30 giây.(lật lên ổn định) 62 Hình 4-19 Đáp ứng 30 giây 62 Hình 4-20 Tín hiệu điều khiển u 30 giây 63 Hình 4-21 Đáp ứng góc thay đổi khối lượng chiều dài lắc 64 Hình 4-22 Đáp ứng góc thay đổi khối lượng chiều dài lắc 65 Hình 4-23 Con lắc ngược hai chiều 66 Hình 4-24 Biểu diễn hệ tọa độ lắc ngược hai chiều 67 Hình 4-25 Mô hình điều khiển DANSMC cho lắc ngược hai chiều 69 Hình 4-26 Kết phiên huấn luyện thứ 70 Hình 4-27 Kết phiên huấn luyện thứ hai 70 Hình 4-28 Quỹ đạo x-y phiên huấn luyện thứ thứ hai 71 Hình 4-29 Mô với biên độ nhiễu biến thiên 71 Hình 4-30 Mô với biên độ nhiễu biến thiên mạnh 72 viii Hình 4-26 Kết phiên huấn luyện thứ Hình 4-27 Kết phiên huấn luyện thứ hai 70 Hình 4-28 Quỹ đạo x-y phiên huấn luyện thứ thứ hai Hình 4.27 4.28 mô tả trình điều khiển có tác động nhiễu với biên độ nhiễu biến thiên phức tạp Các kết cho thấy biên độ tín hiệu điều khiển u biến thiên theo biến thiên biên độ nhiễu chất lượng tín hiệu ngõ thay đổi không đáng kể, cho thấy khả kháng nhiễu tốt điều khiển Hình 4-29 Mô với biên độ nhiễu biến thiên 71 Hình 4-30 Mô với biên độ nhiễu biến thiên mạnh Kết luận Trong chương này, loạt mô thực nghiệm thực nhằm mục đích kiểm nghiệm khả phương pháp điều khiển DANSMC so sánh với phương pháp điều khiển khác Các kết cho thấy phương pháp điều khiển DANSMC đòi hỏi trình huấn luyện phức tạp hơn, cho kết điều khiển tối ưu đáp ứng tín hiệu điều khiển so với phương pháp điều khiển DNNSMC đặc biệt không tượng chattering Với phần thực nghiệm lắc ngược xoay mô lắc ngược hai chiều mở triển vọng ứng dụng điều khiển DANSMC lên đối tương phi tuyến thực tiễn có độ phức tạp cao điều kiện bất định tồn bên hệ thống ảnh hưởng tác động từ bên 72 KẾT LUẬN Ngày nay, điều khiển học đại hướng tới nghiên cứu giải toán điều khiển hệ thống bất định không rõ thông số mô hình dựa sở phương pháp điều khiển thông minh điều khiển mờ điều khiển dùng mạng nơron Hướng nghiên cứu dựa việc kết hợp lý thuyết điều khiển cổ điển điều khiển thông minh hướng nghiên cứu đầy triển vọng kết hợp khả điều khiển xác, bền vững phương pháp điều khiển cổ điển khả học thích nghi phương pháp điều khiển thông minh để tiến tới hình thành điều khiển thích nghi bền vững mà không cần biết đầy đủ tính chất đối tượng Các phương pháp dùng mạng nơ-ron hay nơ-ron mờ để nhận dạng đối tượng sau áp dụng kết nhận dạng để thực vào lý thuyết thuyết điều khiển dựa mô hình khó thựchiện đối tượng thực có tính phi tuyến cao có thành phần bất định Các điều khiển thiết kế phương pháp có chi phí cao phải trải qua nhiều giai đoạn (nhận dạng điều khiển), có độ tin cậy không cao, tính xác tín hiệu điều khiển phụ thuộc vào sai số nhận dạng, thường phải có điều khiển thích nghi để bù cho sai số Nguyên lý phương pháp điều khiển trượt dùng mạng nơ-ron giới thiệu tài liệu [2] – [10] cho phép thay thành phần điều khiển tương đương điều khiển trượt cổ điển mạng nơ-ron hai lớp với luật cập nhật thích nghi đơn giản, mà không cần phải nhận dạng trước hàm phi tuyến đối tượng Tuy nhiên chất điều khiển loại luật điều khiển trượt cổ điển, phải có trả giá chất lượng điều khiển tính bền vững hệ thống Hơn nữa, cần biết trước giá trị chặn thành phần bất định Đóng góp khoa học luận án Trong bối cảnh nghiên cứu luận án nhằm mục đích khắc phục tồn phương pháp điều khiển trượt dùng mạng nơ-ron trước số kết cụ thể sau: 73 - Luật điều khiển trượt đề nghị luận án bao gồm hai thành phần điều khiển tương đương điều khiển bền vững, có dạng hàm trơn, có khả khắc phục tượng chattering phù hợp để huấn luyện cho mạng nơ-ron - Luật cập nhật cho mạng nơ-ron truyền thẳng lớp ẩn đề nghị dựa lý thuyết ổn định Lyapunov với hai tín hiệu hồi tiếp bao gồm tín hiệu mặt trượt đạo hàm chứng minh đáp ứng yêu cầu luật điều khiển trượt đề nghị có khả huấn luyện trực tuyến cho mạng nơ-ron trở thành điều khiển trượt thích nghi mà không cần phải nhận dạng trước thông số đối tượng giá trị chặn thành phần bất định hệ thống - Với mô hình điều khiển đề nghị luận án mạng nơ-ron truyền thẳng lớp ẩn thay hoàn toàn điều khiển trượt Với đặc điểm ngõ vào mạng biến trạng thái (khác với ngõ vào tín hiệu mặt trượt số phương pháp điều khiển trượt dùng mạng nơ-ron khác), phương pháp DANSMC khai thác khả nhớ theo trạng thái mạng nơ-ron qua kết mô cho thấy khả tự nâng cấp chất lượng điều khiển hệ thống qua phiên điều khiển - Lý thuyết mô cho thấy khả tự thay đổi để thích nghi điều khiển DANSMC trước thay đổi thông số đối tượng chặn thành phần bất định - Mô hình điều khiển phân ly đề nghị luận án chứng minh có khả đáp ứng yêu cầu điều khiển đối tượng phi tuyến có triển vọng áp dụng cho nhiều đối tượng phi tuyến đa biến phức tạp khác - Các nghiên cứu lý thuyết minh chứng với ứng dụng cụ thể lên đối tượng có tính phi tuyến cao phức tạp lắc ngược hai bậc xoay tự lắc ngược hai chiều Trong mô hình điều khiển tự động nay, hệ thống có kết cấu khí dạng di chuyển ngang hai trục (như CNC) có dạng giống thí nghiệm lắc ngược hai chiều, thường đòi hỏi điều khiển phải có độ xác cao điều kiện thông số khí không đồng toàn bề mặt di chuyển độ rơ khí tạo nên bất định thông số vấn đề khó thiết kế điều khiển Phương pháp DANSMC, với khả nhớ điều khiển cho phép tạo tín hiệu điều khiển phù hợp vị trí tọa độ qua vài 74 phiên huấn luyện mô hình đầy triển vọng cho nghiên cứu ứng dụng Một vấn đề điều khiển DANSMC khả kháng nhiễu điều khiển phụ thuộc vào tỉ lệ tần số lấy mẫu so với tần số cao nhiễu bên nhiễu loạn bên hệ thống Tuy nhiên ngày với phát triển công nghệ DSP với tốc độ xử lý số thực ngày nhanh cho phép thực điều khiển trượt dùng mạng nơ-ron với độ tốc độ lấy mẫu nhỏ 0.01s, đáp ứng yêu cầu điều khiển thực Một vấn đề khác điều khiển DANSMC thực tế nguồn cung cấp điều khiển hàm có dạng hàm bão hòa, vùng huấn luyện cho mạng nơron cần phải giới hạn phạm vi cho tín hiệu điều khiển nhỏ giới hạn vùng bão hòa Phương pháp khắc phục vùng bão hòa nguồn cung cấp lượng, tín hiệu điều khiển mạng nơ-ron thay tín hiệu điều khiển hiệu chỉnh điều khiển trượt cổ điển Ngoài trình huấn luyện mạng cần triển khai vùng sát với điểm cân mở rộng dần vùng xa Trong tất thí nghiệm dùng mô thực nghiệm, giá trị biến trạng thái tín hiệu mặt trượt lấy theo kiểu đạo hàm rời rạc đơn giản mà chưa có quan sát hoàn hảo Vì chất lượng điều khiển DANSMC bị hạn chế ảnh hưởng nhiễu đo đạc đầu ra, tần số lấy mẫu cần phải cao để bảo đảm xác việc lấy đạo hàm Hướng phát triển luận án Mô hình điều khiển DASMC đơn giản hiệu Các phương pháp nghiên cứu tương tự không phát triển điều khiển trượt thích nghi phân ly mạng truyền thẳng lớp ẩn thẳng mà áp dụng cho loại mạng khác mạng RBF mạng nơ-ron mờ Việc nghiên cứu áp dụng mạng nơ-ron mờ làm điều khiển giúp làm giảm thời gian huấn luyện hiệu số đối tượng thực Dựa sở lý thuyết điều khiển trượt thích nghi hướng nghiên cứu việc xây dựng quan sát biến trạng thái hoàn toàn khả thi cho hệ thống phi tuyến bất định không rõ thông số mô hình, nhằm tăng cường chất lượng 75 điều khiển DANSMC giảm tần số lấy mẫu giảm chi phí thực điều khiển Bộ điều khiển DANSMC cần tiếp tục nghiên cứu hoàn thiện đối tượng điều khiển phi tuyến đa biến phức tạp bất định khác cánh tay máy nhiều bậc tự do, xe cân bằng, rô bốt biết … 76 CÁC TÀI LIỆU CÔNG BỐ CỦA TÁC GIẢ [CB1] N.D Minh, N.D Thanh, D.H Nghia, "Decoupled Adaptive Sliding Mode Control," Tạp chí khoa học công nghệ, vol 79, pp 70-75, 2011 [CB2] N Đ Minh, D H Nghĩa, N Đ Thành, "Điều khiển ổn định lắc ngược sử dụng mạng nơ-ron," Tạp chí Tin học Điều khiển học, vol 26, no 3, pp 245255, 2010 [CB3] N Đ Minh, D H Nghĩa, N Đ Thành, "“Điều khiển lắc ngược hai bậc xoay tự dùng mạng nơ-ron”," in Hội thảo Công nghệ thông tin Đại học Đà lạt 2010, 2010 [CB4] N D Minh, N.D Thanh, D.H Nghia , "Stabilizing Inverted Pendulum using Neural Network," in Hội nghị điện tử toàn quốc lần thứ 10 VCM2010, 2010 [CB5] N.D Minh, N.D Thanh, D.N Nghia , "Decoupled Adaptive Sliding Mode Control for two Dimentional Inverted Pendulum Using Neural Network," in IFOST, 2009 [CB6] N Đ Minh, D H Nghĩa, N Đ Thành, "Điều khiển Trượt Thích nghi Dùng Mạng Nơ-ron," Tạp chí Khoa học Công nghệ, vol 71, pp 1-5, 2009 77 Tài liệu tham khảo [1] V.I Utkin et al, Sliding Mode Control in Electromechanical Systems Taylor & Francis, 1999 [2] A Sabanovic, K Jezernik, M Rodic, "Neural network Application in Sliding Mode Control Systems," in IEEE Internationl Workshop Proceedings on Variable Structure Systems, 1996, pp 143-147 [3] C.H Tsai, H.Y Chung and F.M Yu , "Neuro-Sliding Mode Control With Its Applications to Seesaw Systems," IEEE Transactions on Neural Networks, vol 15, no 1, pp 124-134, 2004 [4] H Morioka et al, "Neural Network Based Chattering Free Sliding Mode Control," in Proceedings of the 34th SICE Annual Conference, 1995, pp 1303-1308 [5] M Onder Efe, O Kaynak, X Yu and B.M Wilamowski, "Sliding Mode Control of Nonlinear Systems Using Gaussian Radial Basis Function Neural Networks," in Neural Networks, 2001 Proceedings IJCNN '01 International Joint Conference on, 2001, pp 474-479 [6] N.T Hiệp, P.T Cát, "Điều khiển Rôbôt theo nguyên lý trượt sử dụng mạng nơron," Tạp chí tin học điều khiển học, vol 24, no 3, pp 236-246, 2008 [7] J.C Lo and Y.H Kuo, "Decoupled Fuzzy Sliding Mode Control," IEEE Transactions On Fuzzy Systems, vol 6, no 3, pp 426-435, 1998 [8] L.C Hung and H.Y Chung, "Decoupled control using neural network-based sliding-mode controller for nonlinear systems," Expert Systems with Applications, vol 32, no 4, pp 1168-1182, 2007 [9] L.C Hung and H.Y Chung, "Decoupled sliding-mode with fuzzy-neural network controller for nonlinear systems," International Journal of Approximate Reasoning, vol 46, no 1, pp 74-97, 2007 [10] C.H Lee et alt, "Neural Network-based Decoupled Sliding mode Controller Design forDiscrete-time Nonlinear MIMO Systems by SPSA Algorithm," in IMECS 2010, Hong Kong, 2010, pp 978-988 [11] C Edwards, and S Spurgeon, Sliding Mode Control: Theory and Applications 78 London: Taylor and Franci, 1998 [12] H K Khalil, Nonlinear Systems, 3rd ed Prentice Hall, 1996 [13] A Zinober, Variable Structure and Lyapunov Control London: Springer-Verlag, 1994 [14] J J E Slotine, Aplied Nonlinear Control Prentice Hall, 2002 [15] M Farrokhi and A Ghanbarie, "Decentralized Decoupled Sliding Mode Control For Two Dimensional inverted Pendulum Using Neuro – Fuzzy Modeling," in IEEE International Conference on Engineering of Intelligent Systems, 2006, pp 1-6 [16] A Ghanbari and M Farrokhi, "Decentralized Neuro-Fuzzy Controller Design Using Decoupled Sliding-Mode Structure for Two-Dimensional Inverted Pendulum," in IEEE International Conference on Engineering of intelligent systems, 2006, pp 1-6 [17] M Akar and U Ozguner, "Decentralized Sliding Mode Control Design for Hybrid Systems," in Proceedings of the American Control Conference 1999, 1999, p 525–529 [18] N.V.M Tri, et al, "Sliding Mode Neural Controller for Nonlinear Systems with Higher Order and Uncertainties," in Robotics, Automation and Mechatronics, 2004 IEEE Conference on, 2004, pp 1026-1031 [19] C W Anderson, "Learning to Control an Inverted Pendulum Using Neural Networks Control Systems," Transactions on Control Systems Magazine, vol 9, no 3, pp 31-37, 1989 [20] S.J Huang and K.C Chiou , "An Adaptive Neural Sliding Mode Controller for MIMO Systems," Intelligent & Robotic Systems, vol 46, no 3, pp 285-301, 2006 [21] M.A Hussian and P.Y Ho , "Adaptive Sliding Mode Control with Neural Network based Hybrid Models," Journal of Process Control, vol 14, no 2, pp 157-176, 2004 [22] C.Y Lee and J.J Lee , "Adaptive Control for Uncertain Nonlinear Systems Based on Multiple Neural Networks," IEEE Transactions on Systems Man and Cybernetics, vol 34, no 1, pp 325-333, 2004 [23] J Peng et al, "A Neural Network Sliding Mode Controller with Application to Robotic Manipulator," in Proceedings of the 6th World Congress on Intelligent 79 Control and Automation, 2006, pp 2101-2105 [24] S B Roland, Advanced control Engineering Butterworth Heinement , 1996 [25] V I Utkin, Sliding Modes in Control and Optimization New York: Springer, 1992 [26] V I Utkin, "Sliding Mode Control Design Principles and Applications to Electric Drives," IEEE Transactions on Industrial Electronics, vol 40, no 1, p 23–36, 1993 [27] V I Utkin, "Sliding mode control in discrete-time and difference systems," in Lecture Notes in Control and Information Sciences Springer, 1994, pp 87-107 [28] V I Utkin, "Variable structure systems with sliding modes," IEEEE Transaction Automatic Control, vol 22, no 2, pp 212-222, 1997 [29] W Perruquetti and J.P Barbot, Sliding Mode Control in Enginnering Marcel Dekker - INC, 2002 [30] R Hecht-Neilsen, "Kolmogorov’s mapping neural network existence theorem," in The First IEEE Annual International Conference on Neural Networks, 1987, pp 11-13 [31] G Cybenko, "Approximations by superpositions of sigmoidal functions," Mathematics of Control, Signals, and Systems, vol 2, no 4, pp 303-314, 1989 [32] K Funahashi, "On the approximate realization of continous mappings by neural network," Neurals Networks, vol 2, no 3, pp 359-366, 1989 [33] K Honick, M Stinchcombe and H White, "Multilayer feedforward networks are universal approximators," Neural Network, vol 2, no 5, pp 359-366, 1989 [34] K Hornik, "Approximation Capabilities of Multilayer Feedforward Networks," Neural Networks, vol 4, no 2, p 251–257, 1991 [35] M Leshno , S Schocken , "Multilayer feedforward networks with a nonpolynomial activation function can approximate any function," Neural Networks, vol 6, pp 359-366, 1989 [36] T.P Chen, H Chen and R.W Liu , "Approximation Cability in C by Multilayer Feedforward Networks and Related Problems," IEEE Transaction on Neural Network, vol 6, pp 861-867, 1993 [37] D.T Pham and X Liu, Neural Networks for Identification, Prediction, and 80 Control New York: Springer-Verlag, 1995 [38] M Polycarpou and P.A Ioannou, "Identification and control of Nonlinear Systems Using Neural Network Models : Design and Stability Analysis," Derpartment of Electrical Engineering Systems of Southern California, Technical Report 91-09-01, 1991 [39] F Nardi, "Neural Network based Adaptive Algorithms for Nonlinear Control," School of Aerospace Engineering, Georgia Institute of Technology Thesis, 2000 [40] K S Narendra, "Adaptive Control Using Neural Networks anh Approximate Models," IEEE Transactions on Neural Networks, vol 8, no 3, pp 475-485, 1997 [41] J Sarangapani, Neural Network Control of Nonlinear Discrete Time Systems Taylor and Francis Group, 2006 [42] V Acary and B Brogliato, Numerical Methods for Nonsmooth Dynamical Systems Applications in Mechanics and Electronics Springer, 2008 [43] K.J Astromand and K Furuta, "Swinging Up a Pendulum by Energy Control," Automatica, vol 36, no 2, pp 287-295, 2000 [44] K,J Astrom and B Wittenmark, Adaptive Control 1989: Addison-Wesley [45] S.M Azizi, B.W Gordon and V Ramachandran, "A Decentralized Sliding Control Approach for Distributed Simulation of Differential-Algebraic Equation Systems," in Proceedings of the 2006 American Control Conference Minneapolis, Minnesota, USA, 2006, p [46] A.G Batto, R.S Sutton R.S and C.W Anderson, "Neurolike Adaptive Element That can Solve Difficult Learning Control Problems," IEEE Transactions on Man and Cybernetics, vol 15, no 3, pp 834-846, 1983 [47] J.G Bollinger and N.A Duffie, Computer Control of Machines and Proccesses Addison-Wesley, 1989 [48] R Chassaing, DSP Aplications using C and the TMS320C6x DSK John Wiley and Son, 2002 [49] F.C Chen F.C and H.K Khalil, "Adaptive control of Nonlinear Systems using Neural Networks," in American Control Conference 1991, 1991, pp 667-672 [50] K.M Hagos, J Bokor and G Szederkenyi, Analysis and control of nonlinear process systems Springer, 2003 81 [51] C.L Hwang, L.J Chang, Y.S Yu, "Network-Based Fuzzy Decentralized SlidingMode Control for Car-Like Mobile Robots," IEEE Transactions on Industrial Electronics, vol 54, no 1, pp 547-585, 2007 [52] A Ioannou and J Sun, Robust Adaptive Control Prentice Hall, 2003 [53] J.S.R Jang, C.T Sun, Neuro – fuzzy and soft computing Prentice Hall, 1997 [54] C J A Kats, "Nonlinear Control of a Furuta Rotary Inverted Pendulum," Eindhoven University of Technology, Department of Mechanical Engineering, DCT Report 2004.69, 2004 [55] Y.J Huang et alt, "Adaptive Sliding mode Control for Robot with Uncertain Parameters," Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions on, vol 38, no 2, pp 534-539, 2008 [56] S Labiod, M.S Boucherit, T.M Guerra, "Adaptive fuzzy control of a class of MIMO nonlinear systems," Fuzzy Set and Systems, vol 151, no 1, p 59–77 [57] C.Y Lee, P.C Tung, and W.H Chu, "Adaptive fuzzy sliding mode control for an automatic arc welding system," The International Journal of Advanced manufacturing Technology, vol 29, no 5, pp 481-489, 2006 [58] Y.G Leu, T.T Lee, and W.Y Wang, "Observer – based adaptive fuzzy – neural control for unknown linear dynamical systems," IEEE Transactions on Systems, Man, and Cybernetics, vol 29, no 5, pp 583-591, 1999 [59] C.T Lin, C.S.G Lee, Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Intelligent Systems Prentice Hall, 1996 [60] F.J Lin and P.H Shen, "Robust Fuzzy Neural Network Sliding-Mode Control for Two-Axis Motion Control System," Transactions on Inductrial Electronics, vol 53, no 4, pp 1209-1225, 2006 [61] D Munoz, D Sbarbaro, "An Adaptive Sliding Mode Controller for Discrete Nonlinear Systems, IEEE Transactions on Industrial Electronics," vol 47, no 3, p 574–581, 2000 [62] O Omidvar and D.L Elliott, Neural Systems for Control USA: Academic Press, 1997 [63] R Sanner and J.J Slotine, "Gaussian networks for direct adaptive," IEEE Transactions on Neural Networks, vol 3, no 6, p 837–863, 1992 [64] D Soloway and P.J Haley, "Neural Generalized Predictive Control," in IEEE 82 International Symposium Proceedings on Intelligent Control, 199, p 277–281 [65] S Sastry and M Bodson, Adaptive Control: Stability, Convergence, and Robustness Prentice-Hall, 1994 [66] R.J Wai and L.J Chang, "Stabilizing and Tracking Control of Nonlinear DualAxis Inverted-Pendulum System Using Fuzzy Neural Network," IEEE Transactions on Fuzzy Systems, vol 14, no 1, p 145–168, 2006 [67] R.J Wai, J.D Lee, L J Chang, "Development of adaptive sliding-mode control for nonlinear dual-axis inverted-pendulum system," in IEEE International Conference on Advanced Intelligent Mechatronics, vol 2, 2003, pp 815-820 [68] L X Wang, Adaptive Fuzzy Systems and control : Design and Stability Analysis Englewood Cliffs Prentice – Hall, 1994 [69] W.Y Wang et alt, "Output – feedback control of non – linear systems using direct adaptive fuzzy neural controller," Fuzzy Set and Systems, vol 140, no 2, pp 341358, 2003 [70] F.C Chen and C.C Liu, "Adaptive controlling nonlinear continuous time systems using multilayer Neural Networks," IEEE Transactions on Automatic Control, vol 39, no 6, pp 1306-1310, 1994 [71] Z Chen, C Shan and H Zhu, "Adaptive Fuzzy Sliding Mode Control Algorithm for a Non-Affine Nonlinear System," IEEE Transactions on Industrial Informatics, vol 3, no 4, p 302–311, 2007 [72] C Edwards, E Fossas, and L Fridman, Advances in Variable Structure and Sliding Mode Control Springer-Verlag, 2006 [73] S V Drakunov, "An adaptive quasioptimal filter with discontinuous parameters," Automation and Remote Control, vol 44, no 9, p 1167–1175, 1983 [74] F Da, "Decentralized Sliding Mode Adaptive Controller Design Based on Fuzzy Neural Networks for Interconnected Uncertain Nonlinear Systems," IEEE Transactions on Neural Networks, vol 11, no 6, pp 1471-1480, 2000 [75] G.F Franklin, J.D Powell and M.L Workman, Digital Control of Dynamic Systems USA: Addison-Wesley, 2001 [76] T.S Cheng, C Bin and W Yongfu, "Fuzzy adaptive output feedback control for MIMO nonlinear systems," Fuzzy set and Systems, vol 156, no 1, p 285–299, 2005 83 [77] M Cirtea, A Dinu, M McCormick and J.G Khor, Neural and Fuzzy Logic Control of Drives and Power Systems Newnes- Oxford, 2002 [78] G Debbache, A Bennia, "Neural Network Based MRAC Control of Dynamic Nonlinear Systems," Int J Appl Math Comput Sci., vol 16, no 2, p 219–232, 2006 [79] M.T Hagan and H.B Demuth, "Neural Networks for Control," in American Control Conference,, San Diego, 1999, pp 1642-1656 [80] S Haykin, Neural Networks: A Comprehensive Foundation, 2nd ed Prentice Hall, 1998 [81] S V Drakunov, "Sliding-Mode Observers Based on Equivalent Control Method," in Proceedings of the 31st IEEE Conference on Decision and Control, 1992, pp 2368-2370 [82] S Ferrari and R.F Stengel, "Smoth function approximation using neural networks," IEEE Transactions on Neural Networks, vol 16, pp 24-38, 2005 [83] B Ming et alt, "Decoupled Fuzzy Sliding Mode Control to Ball andPlate System," in The 2nd International Conference on Intelligent Control and Information Processing, 2011, pp 685-690 [84] T.H.S Li, Y.C Huang, "MIMO adaptive fuzzy terminal sliding mode controller for robotic manipullators," Elservier Informatic Sciences, vol 180, no 23, pp 4641-4660, Aug 2010 [85] G Bartolini et alt, "Multi input Slding Mode Control of Nonlinear Systems with Uncertain Affine Dependence on the Control," in Variable Structure Systems (VSS), 2010 11th International Workshop on, Mexico, 2010, pp 148-153 84 [...]... hệ thống phi tuyến đa biến có số ngõ vào điều khiển ít hơn số bậc của hệ thống Các 13 phương pháp này dựa trên cơ sở phép đổi biến để đưa hệ thống trở về dạng chuẩn, và đã áp dụng thành công cho các hệ thống bậc bốn 2.1.5 Đặc điểm của điều khiển trượt Hình 2-1 Tín hiệu điều khiển trượt có dạng chuyển mạch Từ mục 2.1.3 và 2.1.4 cho thấy để tính toán thành phần điều khiển tương đương của điều khiển trượt. .. bậc của hệ thống ( m = p = n ) Trong trường hợp đó hệ thống (2.23) được gọi là hệ thống chuẩn Trong thực tế nhiều hệ thống phi tuyến có số ngõ vào điều khiển ít hơn số bậc của hệ thống, điển hình là các hệ thống cơ khí như xe con lắc ngược hoặc con lắc ngược xoay …, lúc đó bài toán thiết kế điều khiển trượt trở nên phức tạp hơn Trong [1], Utkin đã trình bày một số phương pháp thiết kế điều khiển trượt. .. Swinging up: Điều khiển lật lên (cho con lắc ngược) Sliding surface : mặt trượt VSC (Variable Structure Control): điều khiển có cấu trúc thay đổi x 1 TỔNG QUAN 1.1 Đặt vấn đề Giới thiệu về điều khiển trượt Điều khiển trượt là một phương pháp điều khiển phi tuyến đơn giản hiệu quả, dựa vào hồi tiếp các biến trạng thái của hệ thống Bộ điều khiển được thiết kế sao cho các trạng thái của hệ thống luôn luôn... đối tượng, điều khiển trượt trở thành một công cụ mạnh để điều khiển các hệ thống động học bậc cao, phức tạp dưới các điều kiện bất định của hệ thống Các nghi n cứu lý thuyết và thực hành điển hình về điều khiển trượt cổ điển đã được trình bày đầy đủ trong các tài liệu [1], [11], [12], [13], [14] Trong những năm gần đây nhiều công trình nghi n cứu kết hợp giữa điều khiển trượt cổ điển và điều khiển thông... thông minh, nhiều mô hình điều khiển ứng dụng các kỹ thuật điều khiển thông minh như điều khiển mờ, mạng nơ-ron, nơ-ron mờ, được nghi n cứu áp dụng vào thành phần của điều khiển trượt cổ điển thành các bộ điều khiển mờ, trượt mờ, trượt dùng mạng nơ-ron, nhằm cải thiện chất lượng của bộ điều khiển trượt Các 18 công bố đã cho thấy những thành công nhất định của các bộ điều khiển trượt cải tiến trên [2]-[10],... thành phần điều khiển tương đương Các mô hình trong mục này tổng hợp từ các nghi n cứu [2]-[6], cũng là những nghi n cứu bước đầu phối hợp giữa điều khiển trượt và điều khiển thông minh, trong đó các nghi n cứu tập trung vào việc thay thế thành phần điều khiển tương đương bằng bộ điều khiển dùng mạng nơ-ron truyền thẳng một lớp Trong mô hình điều khiển trượt dạng này tín hiệu điều khiển trượt được... điều khiển bền vững Về ứng dụng - Cuối cùng luận án nghi n cứu kết hợp giữa điều khiển trượt dùng mạng nơ-ron với lý thuyết điều khiển phân ly để hình thành bộ điều khiển trượt thích nghi phân ly áp dụng được cho các hệ thống đa biến Các luật điều khiển và luật cập nhật được chứng minh dựa vào các hàm điều khiển Lyapunov 5 Các kết quả mô phỏng trên hệ thống con lắc ngược hai bậc xoay tự do và con lắc... trên mặt trượt thì chúng sẽ tiến về gốc tọa độ Vì vậy mục đích điều khiển ổn định trạng thái trở thành điều khiển ổn định tiệm cận các trạng thái bám trên mặt trượt Điều khiển trượt có hai thành phần là thành phần điều khiển tương đương và thành phần điều khiển bền vững Thành phần điều khiển bền vững mà trong nhiều tài liệu còn gọi là thành phần điều khiển hiệu chỉnh có nhiệm vụ chính là điều khiển quỹ... trạng thái hướng về mặt trượt Khi quỹ đạo các trạng thái đã ở lân cận mặt trượt thì thành phần điều khiển tương đương có tác dụng điều khiển các trạng thái bám chặt trên mặt trượt Để thiết kế thành phần điều khiển tương đương trong điều khiển trượt cần phải biết rõ các hàm toán học phi tuyến của mô hình đối tượng và để thiết kế thành phần điều khiển bền vững trong điều khiển trượt thì cần phải biết... thành phần điều khiển bền vững với thành phần điều khiển tương đương hoặc việc thay thế hàm dấu bằng hàm bão hòa trong thành phần điều khiển bền vững đã làm giảm tính bền vững của hệ thống trước nhiễu ở vùng sát mặt trượt 1.2 Mục tiêu và phương pháp nghi n cứu của luận án Mục tiêu nghi n cứu của luận án Mục tiêu luận án là phát triển các nghi n cứu về điều khiển trượt cổ điển và điều khiển trượt dùng ... số ngõ bậc hệ thống ( m = p = n ) Trong trường hợp hệ thống (2.23) gọi hệ thống chuẩn Trong thực tế nhiều hệ thống phi tuyến có số ngõ vào điều khiển số bậc hệ thống, điển hình hệ thống khí xe... tiêu nghi n cứu luận án Mục tiêu luận án phát triển nghi n cứu điều khiển trượt cổ điển điều khiển trượt dùng mạng nơ-ron để thiết kế điều khiển trượt thích nghi phân ly DANSMC áp dụng cho hệ phi. .. luận án nghi n cứu kết hợp điều khiển trượt dùng mạng nơ-ron với lý thuyết điều khiển phân ly để hình thành điều khiển trượt thích nghi phân ly áp dụng cho hệ thống đa biến Các luật điều khiển