Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 649 Mã bài: 145 Nâng cao chất lượng hệ thống điều khiển ứng dụng thuật toán PID-Neural và hiện thực hóa trên cơ sở ARM 32 bít Enhancing the Quality of Controlling System with the Application of PID-Neural Algorithm and Its Realization on the Basis of ARM 32 bits Trịnh Mạnh Tuyên, Nguyễn Văn Xuân, Phan Quốc Thắng Học viện Kỹ thuật Quân sự e-Mail: tuyentm7584@gmail.com, nguyenvanxuanirf@yahoo.com, thuyquynh9901@yahoo.com Tóm tắt: Bài báo trình bày về một giải pháp nâng cao chất lượng hệ thống điều khiển trên cơ sở ứng dụng thuật toán kết hợp PID-Neural. Nhóm tác giả đã tiến hành khảo sát, mô phỏng, đánh giá thuật toán điều khiển với các đối tượng khác nhau sử dụng phần mềm Matlab. Bài báo cũng trình bày việc hiện thực hóa thuật toán trên cơ sở ARM 32 bit-Cortex M3 của STMicroelectronics, thiết kế xây dựng phần cứng hệ thống, tổ chức chương trình phần mềm điều khiển PID-Neural cùng các kết quả thử nghiệm thực tế với đối tượng điều khiển là động cơ điện một chiều. Abstract: This paper presents a solution to enhance the quality of controlling system on the basis of applying the PID-Neural algorithm. The authors have carried out a survey, simulation and assessment on the controlling algorithm with different objects, utilizing the Matlab software. We present the realization of the PID-Neural algorithm on the basis of ARM 32 bits-Cortex M3 manufactured by STMicroelectronics. The paper also designs and constructs the hardware and organizes the software programme of PID-Neural controlling along with actual experimental results based on DC motor. Ký hiệu Ký hi ệu Đơn v ị Ý ngh ĩa   x s Hàm purelin G ( s ) H àm truy ền đạt N S ố xung encoder E Sai l ệch V Vòng/phút T ốc độ động c ơ Γ H ệ số thích nghi l ij w Các trọng số liên kết W p Tr ọng số th ành ph ần k hu ếch đại W I Tr ọng số th ành ph ần tích phân W D Tr ọng số th ành ph ần vi phân Chữ viết tắt ADC Analog to Digital Converter CAN Controller Area Network DC Motor Direct Current Motor LCD Liquid Crystal Display PID Proportional - Integral - Derivative PSRAM Pseudo Random Access Memory PWM Pulse Width Modulation RAM Random Access Memory RISC Reduced Instruction Set Computing SRAM Static Random Access Memory UART Universal Asynchronous Receiver Transmitter 1. Đặt vấn đề Phương pháp điều khiển kinh điển PID là phương pháp được áp dụng rất phổ biến trong các bộ điều khiển công nghiệp. Sở dĩ như vậy là do mức độ yêu cầu về chất lượng điều khiển của hệ thống và sự đơn giản trong thực hiện cũng như hiệu quả về mặt kinh tế. Khi đặt yêu cầu nâng cao chất lượng hệ thống điều khiển, một trong những hướng nghiên cứu được quan tâm là kết hợp với phương pháp điều khiển thông minh, trong đó có mạng nơron nhân tạo, và đây là nội dung chính được trình bày trong bài báo này. Để xây dựng một bộ điều khiển như vậy, thiết kế phần cứng đòi hỏi việc sử dụng dòng vi điều khiển có dung lượng nhớ lớn, tần số hoạt động cao và các yêu cầu cần thiết khác về ngoại vi. Dòng ARM 32 bit-Cortex M3 là dòng vi điều khiển khá mạnh của STMicroelectronics với nhiều tính năng ưu việt - là sự lựa chọn phù hợp, đáp ứng được yêu cầu. Tuy nhiên, do khối lượng tính toán của mạng nơron trên board ARM 32 bit là rất lớn nên yêu cầu cần thiết kế cấu trúc mạng phù hợp với vi điều khiển và tối ưu thời gian điều khiển được đặt lên hàng đầu. Cấu trúc mạng nơron sẽ bao gồm luôn 650 Trịnh Mạnh Tuyên, Nguyễn Văn Xuân, Phan Quốc Thắng VCM2012 cả đối tượng điều khiển nên không thể sử dụng các luật học thông thường như luật học lan truyền ngược mà cần một luật học khác phù hợp. Ở đây, nhóm tác giả đã sử dụng thuật toán Brandt-Lin do 2 nhà khoa học Robert D. Brandt và Feng Lin đưa ra làm giải pháp cho việc huấn luyện mạng nơron. 2. Thuật toán điều khiển PID-Nueral 2.1 Thuật toán Brandt-Lin Tư tưởng của thuật toán Brandt-Lin chia nhỏ một hệ thống phức tạp thành N hệ thống con gọi là các nút. Mỗi nút có một tín hiệu đầu ra khả tích y n và nhiều tín hiệu đầu vào khả tích x n . Đầu vào và đầu ra của các nút được nối với nhau thông qua các trọng số. Đặc tính động học của mỗi trạm được mô tả bằng một hàm nhân quả: F n : X n → Y n , n Є N={1,2, N}, trong đó X n và Y n là không gian đầu vào và đầu ra. Như vậy, đầu ra y n (t) của nút thứ n được xác định bằng phương trình sau: y n (t)=F n (x n (t)), n Є N. Định lý: Đối với một hệ thống có tính động học cho bởi [4]: p l l l l j i i j i j y F w y               1 1 các trọng số liên kết l ij w được thích nghi theo q l l l+1 l' l l ij jk jk i ij i l l k j j E w ( w w )F ( x )y y y g         1 1 1 1   thì chỉ số chất lượng 2 1 1 ( ) 2 n m i i E y y     sẽ giảm dần theo thời gian, trong đó γ>0 là hệ số thích nghi. Trong đó l ij w là trọng số liên kết của nút thứ j thuộc lớp l xuất phát từ nút thứ i. l j y là đầu ra của nút thứ j thuộc lớp l. l l l ij ij i x w .y   1 là đầu vào của nút thứ j thuộc lớp l xuất phát từ nút thứ i, q là số lượng nhánh ra xuất phát từ nút thứ j của lớp l. Chứng minh: H. 1 Một phần của mạng nơron 1 1 l l l j ij j l i l l l l l l ij j ij ij j ij l' l l j ij i l j dy dx dy dE dE dE y dw dy dx dw dy dx dE F ( x ) y dy      ' 1 ij ij 1 1 1 1 1' +1 jk 1 1 1 (1) w ( ) ( ) (2) l l l l l j j i l q k l l l l k j j k j q l l l jk k l l k j k dE dE dy d F x y dy dE E dE dy y dy dy E dE w F x y dy                     1 1 1 1 1 1 3 3 1 l l+1 l ' l+1 l k jk k jk j q l jk l l l+1 l k j j jk j mà theo ( ) suy ra : dE dE ( ) dy dw F ( x )y thay ( ) vào (2) ta có : dE E dE w dy y dw y           1 1 1 1 l+1 jk l+1 jk q l l+1 jk jk l l l k j j j dE mà w dw dE E nên: w w dy y y              1 1 1 1 1 1 1 1 1 1 l l' l l ij i ij i l l ij j q l l+1 l' l l jk jk i ij i l l k j j q l l+1 l' l l jk jk i ij i l l k j j dE dE w F ( x )y dw dy E ( w w )F ( x )y y y E ( w w )F ( x )y y y                               2.2 Bộ điều khiển PID-Neural chỉnh định thích nghi trọng số theo thuật toán Brandt-Lin. Trong phần này nhóm tác giả trình bày việc vận dụng thuật toán Brandt-Lin vào việc chỉnh định các trọng số W p, W I, W D của bộ điều khiển PID- Neural. Hình H.2 là sơ đồ khối của hệ thống điều khiển với bộ điều khiển PID-Neural. Hình H.4 là sơ đồ bộ điều khiển PID-Neural có chỉnh định thích nghi trọng số của mạng. Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 651 Mã bài: 145 H. 2 Hệ thống điều khiển PID-Neural Mạng nơron được dùng để thiết kế bộ điều khiển chỉ có 1 nơron với 3 đầu vào, một đầu ra, hàm truyền của nơron là hàm purelin.   x x s  H. 3 Neural network controller Theo thuật toán Brandt-Lin, hệ thống trên được chia thành 3 lớp, 5 nút. Hình H.4 mô tả sự phân tích hệ thống theo thuật toán này. Nút mã số 11 là khâu P có hệ số khuếch đại bằng 1, nút mã số 12 là khâu I, nút mã số 13 là khâu D, nút mã số 21 gồm phần mạng nơron không chứa các trọng số đối tượng, nút mã số 31 là đối tượng. Các trọng số là 2 2 2 11 21 31 3 11 w ,w ,w ,w . Trọng số liên kết giữa nút mã số 21 và nút mã số 31 là 3 11 w bằng hằng số nên 3 3 11 11 w w = 0  . Do vậy công thức tính các trọng số sẽ còn là: E l l' l l w F ( x )y ij i ij i l y j g      1  H. 4 Phân tích hệ thống theo thuật toán Brandt- Lin E 2 2' 2 w F ( x )e 11 1 11 p 2 z 1         2 1 1 2 E e x y m 2 2    E E y y e 2 2 2 y z z z 1 1 1            2 1 y z   chính là đạo hàm đầu ra của đối tượng theo đầu vào. 2 2 2 1 1 1 1 y y y z z t z t           Chuyển sang miền Laplace:         sY s Y s sU s U s  = hàm truyền đối tượng. Do vậy với một hệ động học ổn định, có thể xấp xỉ 2 1 y z   về 1 hằng số. Các kết quả mô phỏng bằng Matlab/Simulink và kết quả điều khiển thực tế cho thấy sự xấp xỉ này không ảnh hưởng xấu đến việc điều khiển. Hằng số này được đưa vào trong hệ số bước học nên sai lệch trọng số sẽ là: 2 11 p w e e    Tính toán tương tự thu được: 2 21 I w e e    2 31 D w e e    2.3 Kết quả mô phỏng Dưới đây là các kết quả mô phỏng bộ điều khiển PID-Neural chỉnh định thích nghi trọng số của mạng với các loại đối tượng và điều kiện mô phỏng khác nhau. Các kết quả này được so sánh với các kết quả điều khiển từ bộ PID truyền thống. Tín hiệu mẫu là tín hiệu mức 1. Các mô phỏng được thực hiện bằng Matlab/Simulink. a) Đối tượng ổn định Đối tượng điều khiển là đối tượng quán tính bậc 2 ổn định có hàm truyền G(s) là:    1 G( s ) s 1 s 5    Bộ điều khiển PID-Neural: Có hệ số thích nghi γ=1 và các trọng số có giá trị ban đầu là: 2 2 2 11 21 31 w 1.68, w 2.76 ,w 0.43     . 652 Trịnh Mạnh Tuyên, Nguyễn Văn Xuân, Phan Quốc Thắng VCM2012 Mô hình điều khiển: H. 5 Mô hình điều khiển với đối tượng ổn định Bộ điều khiển PID truyền thống với các hệ số K p , T I , T D được tính theo phương pháp hằng số thời gian tổng Kuhn: Hàm truyền của đối tượng được viết lại như sau:    0.2 G( s ) 1 s 1 0.2s      T 1 0.2 1.2 s     ; P 2 K 10 0.2   ; 0.8 *1.2 0.96 I T   ; 0.194 *1.2 0.2328 D T   Kết quả mô phỏng: H. 6 Tín hiệu đặt và các tín hiệu đầu ra Nhận xét: So sánh đường đặc tính quá độ trong hai trường hợp, ta nhận thấy với bộ điều khiển PID-Neural đối tượng xác lập nhanh hơn và có độ quá điều chỉnh nhỏ hơn so với khi sử dụng bộ điều khiển PID truyền thống sử dụng phương pháp tổng T của Kuhn b) Đối tượng có nhiễu Nghiên cứu trường hợp có nhiễu, đưa vào hệ thống nhiễu ồn trắng có cường độ noise power =0.01 và nhiễu được cộng thêm vào đầu vào của đối tượng. Đối tượng nghiên cứu không đổi. Các tham số bộ điều khiển vẫn giữ như trường hợp a. Kết quả mô phỏng: H. 7 Tín hiệu đặt và các tín hiệu đầu ra khi có nhiễu Nhận xét: Xem xét trường hợp khi có nhiễu tác động ở đầu vào của đối tượng, thì đường đặc tính quá độ bộ điều khiển PID-Neural vẫn duy trì điều khiển tín hiệu đầu ra bám tốt theo tín hiệu đặt và cũng không xẩy ra quá điều chỉnh. c) Đối tượng có trễ Để tạo ra đối tượng có trễ, ta thêm vào 1 khâu trễ trước đối tượng điều khiển. Thời gian trễ là 0.2 giây. Đối tượng điều khiển có hàm truyền là:      0.2s e G s s 1 s 5     Bộ điều khiển PID-Neural: Bộ điều khiển có hệ số thích nghi γ=0.3 và các trọng số có giá trị ban đầu là: 2 2 2 11 21 31 w 2.758,w 3.722,w 0.8847     . Mô hình điều khiển: H. 8 Mô hình điều khiển với đối tượng có trễ Bộ điều khiển PID truyền thống với các hệ số K p , T I , T D được tính theo phương pháp hằng số thời gian tổng Kuhn: Hàm truyền của đối tượng được viết lại như sau:    0.2s 0.2e G( s ) 1 s 1 0.2s       T 1 0.2 0.2 1.4 s      ; 2 10 ; 0.8 *1.4 1.12 0.2 P I K T    ; 0.194*1.4 0.2716 D T   Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 653 Mã bài: 145 Kết quả mô phỏng: H. 9 Tín hiệu đặt và các tín hiệu đầu ra khi có trễ Nhận xét: Với bộ điều khiển PID-Neural sử dụng cho đối tượng có trễ thì độ quá điều chỉnh là nhỏ và thời gian quá độ cũng nhỏ hơn PID truyền thống. Căn cứ vào các kết quả thu được, có thể thấy thấy bộ điều khiển PID-Neural cho đường đặc tính điều khiển tốt hơn rõ so với bộ điều khiển PID truyền thống theo phương pháp tổng T của Kuhn. 3. Xây dựng hệ thống điều khiển với ARM 32 bít-STM32F103VCT6 3.1. Giới thiệu vi điều khiển STM32F103VCT6 - Là bộ vi điều khiển có cấu trúc RISC 32 bit, tần số làm việc lên tới 72MHz, tiêu tốn năng lượng thấp. - Bộ nhớ chương trình lên tới 256 Kbytes Flash; dung lượng RAM 64 Kbytes; giao diện bộ nhớ bên ngoài cho 4 băng của SRAM, PSRAM, Flash, NOR. - Nguồn cấp: 3.0 đến 3.6V, có ba chế độ tiết kiệm năng lượng: SLEEP, STOP và STANDBY. - Điều khiển ngắt nhanh với nhiều vector ngắt, 16 vector ngắt ngoài. - Số lượng cổng vào ra lớn: lên tới 80 cổng vào ra - Có 11 bộ định thời: 2 bộ định thời watchdog 16 bit; 4 bộ định thời 16 bit ; 2 bộ định thời cho DAC, 2 bộ định thời cho PWM ; 01 systick timer. - Gồm 13 giao diện truyền thông: 2 giao diện I2C; 5 giao diện UART không đồng bộ; 3 giao diện SPI ; giao diện CAN (2.0B tích cực); giao diện USB với tốc độ tối đa (12 Mbit/s); giao tiếp SDIO. - 3 kênh chuyển đổi ADC (tương tự/số) 12 bit: tần số trích mẫu lên tới 1MHz; dải chuyển đổi từ 0 đến 3.6V. 3.2. Sơ đồ khối phần cứng hệ thống điều khiển - Bộ điều khiển trung tâm là vi điều khiển ARM 32 bít - STM32F103VCT6. - Khối nguồn sử dụng IC AMS1117 (3.3V) - Bàn phím cho phép nhập các tham số, chế độ điều khiển trực tiếp ngay trên Boad mạch trung tâm. - LCD cho phép hiển thị các tham số trong quá trình điều khiển hệ thống. - Giao diện RS232 giao tiếp Boad mạch trung tâm với máy tính sử dụng bộ thu phát trung tâm là MAX3232, nguồn cấp (3.3V), tốc độ truyền lên tới 1 Mbps. - DC Motor với các tham số chính: nguồn cấp 12V, tốc độ định mức 4000 vòng/phút, công suất 25W, dòng tiêu thụ ~2A, độ phân giải của encoder 100 xung/vòng. - Driver điều khiển DC Motor sử dụng IC cầu H là L298, nguồn cấp 12V, khả năng chịu được dòng điện lên tới 4A. Ở đây IC74ALVC164245DL được sử dụng để tương thích logic điện áp 5V của mạch L298 với điện áp 3.3V của vi điều khiển ARM 32 bít. H. 10 Sơ đồ khối hệ thống điều khiển - Nhờ thiết kế đa dạng đầu vào và đầu ra theo các chuẩn công nghiệp như trên, bộ điều khiển có khả năng giao tiếp với nhiều loại thiết bị cảm biến và cơ cấu chấp hành khác nhau. Kết quả thi công thực tế hệ thống điều khiển: H. 11 Hệ thống phần cứng điều khiển DC Motor UART PWM TIMER Máy tính RS232 Bộ điều khiển trung tâm (STM32 F103VCT6) K h ối công su ất DC Motor Encoder Kh ối nguồn LCD Bàn phím Đ ầu v ào số, đầu v ào tương tự Đ ầu ra số, đầu ra tương tự 654 Trịnh Mạnh Tuyên, Nguyễn Văn Xuân, Phan Quốc Thắng VCM2012 4. Thực hiện thuật toán PID-Neural trên ARM 32 bít và kết quả đạt được 4.1 Cấu trúc chương trình điều khiển H. 12 Cấu trúc chương trình điều khiển - Khối cộng: Nhiệm vụ của khối cộng là tạo đầu vào e cho mạng nơron bằng sai lệch giữa tín hiệu đặt và tín hiệu phản hồi. Đầu vào của khối cộng là tín hiệu đặt nhận từ máy tính và tín hiệu phản hồi nhận từ đối tượng điều khiển. - Khối xử lý đầu vào của mạng nơron: Nhiệm vụ của khối xử lý đầu vào là đa dạng hóa tín hiệu đầu vào cho mạng nơron thành P I D e ,e ,e thông qua các khâu khuếch đại, khâu tích phân, khâu vi phân. Tín hiệu P e được tạo ra từ khâu khuếch đại có hệ số khuếch đại bằng 1, tín hiệu I e được tạo ra từ khâu tích phân s 1 , tín hiệu D e được tạo ra từ khâu vi phân s. Đầu vào của khối xử lý đầu vào là sai lệch e. - Khối tạo cấu trúc mạng nơron: Nhiệm vụ của khối tạo cấu trúc mạng nơron là tính toán đầu ra của mạng nơron theo các trọng số mới nhận từ khối huấn luyện mạng. Đầu vào của khối này là P I D e ,e ,e nhận từ khối xử lý đầu vào và các trọng số mới nhất được chỉnh định từ khối huấn luyện mạng nơron. - Khối huấn luyện mạng nơron: Nhiệm vụ của khối huấn luyện mạng nơron là chỉnh định các trọng số của mạng theo hàm mục tiêu là giảm sai lệch e về 0. Đầu vào của khối này là sai lệch e. - Khối xử lý đầu ra: Nhiệm vụ của khối xử lý đầu ra là cung cấp tín hiệu điều khiển cho đối tượng thông qua bộ điều chế độ rộng xung. Bộ điều chế độ rộng xung được tích hợp sẵn trong vi điều khiển ARM 32 bít. Đối tượng điều khiển là động cơ nên tín hiệu điều khiển là các xung số. Đầu vào của khối xử lý đầu ra là giá trị của đầu ra mạng nơron. - Khối giao tiếp máy tính: Khối này có nhiệm vụ truyền giá trị đầu ra của đối tượng lên máy tính, đồng thời cài đặt tham số điều khiển xuống bộ điều khiển trung tâm. Đầu vào của khối này là tín hiệu phản hồi từ đối tượng điều khiển. 4.2 Thiết kế vòng điều khiển chương trình H. 13 Vòng điều khiển chương trình Hình trên mô tả vòng điều khiển chương trình. Đầu tiên thực hiện việc đọc giá trị đầu ra của đối tượng và tính toán sai lệch e, tiếp đó sẽ thực hiện việc đa dạng hóa đầu vào cho mạng nơron, rồi thực hiện tác vụ tạo cấu trúc mạng, sau đó tác vụ huấn luyện mạng được thực hiện, sau khi huấn luyện mạng thì thực hiện điều chế độ rộng xung tạo tín hiệu điều khiển động cơ một chiều, cuối cùng là thực hiện việc truyền dữ liệu lên máy tính. Thời gian thực hiện 1 vòng quét là 30ms. Việc cố định thời gian này được thực hiện bằng Timer 2. Khi Timer 2 báo hết 30ms sẽ xuất hiện ngắt tràn cho phép thực hiện vòng quét tiếp theo. 4.3 Chương trình điều khiển Chương trình cho vi điều khiển ARM 32 bít được viết trên phần mềm Keil C for ARM V4.0 H. 14 Cửa sổ làm việc chính của phần mềm Keil C Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 655 Mã bài: 145 Giao diện người dùng được viết bằng phần mềm C# (Microsoft). Chương trình điều khiển được viết theo lưu đồ thuật toán được đưa ra ở hình dưới đây: H. 15 Lưu đồ thuật toán hệ thống điều khiển Chương trình điều khiển được tổ chức dưới dạng module (file) lần lượt thực hiện các công việc: đếm xung từ encoder; đa dạng hóa đầu vào cho mạng nơron, huấn luyện mạng, tính đầu ra; điều chế độ rộng xung PWM; truyền dữ liệu lên máy tính. 4.4 Kết quả thực nghiệm Ban đầu mức điều khiển là 1000 vòng/phút, sau đó giảm mức điều khiển xuống 800 vòng/phút và lại quay lại với tốc độ là 1000 vòng/phút. Công thức tính tốc độ động cơ theo số xung đo được từ encoder trong 30ms là: 60*1000* 20* 30*100 n v n   (vòng/phút) Trong đó: v: tốc độ động cơ (vòng/phút) n: số xung encoder đo được H. 16 Kết quả thử nghiệm với động cơ điện một chiều Nhận xét: Ở mức 1000 vòng/phút, động cơ đạt được xác lập ở giá trị này với sai số trên dưới 1.5%, khi giá trị đặt là thấp thì sai số lớn hơn. Thời gian quá độ của hệ thống khoảng 0.6s. Nguyên nhân của sự sai lệch này là do độ phân giải encoder của động cơ thấp. 5. Kết luận Bộ điều khiển được thiết kế dựa trên dòng vi điều khiển ARM 32 bít cho phép tăng hiệu quả tính toán, mặt khác lại có khả năng kết nối vào ra theo các chuẩn công nghiệp phổ biến, qua đó góp phần đem lại khả năng điều khiển đa dạng các đối tượng công nghiệp có chu kỳ điều khiển lớn nhỏ khác nhau. Bộ điều khiển kết hợp PID-Neural có khả năng ứng dụng linh hoạt, cho chất lượng điều khiển tốt khi thay đổi giá trị đặt và ngay cả khi hệ thống chịu ảnh hưởng của nhiễu. Điều này khắc phục hạn chế của bộ điều khiển PID kinh điển, thường không đem lại chất lượng mong muốn khi hệ thống có giá trị đặt thay đổi trong khoảng rộng hoặc có nhiễu tác động. Phương pháp điều khiển kết hợp PID-Neural trên nền vi điều khiển mạnh như ARM 32 bít hứa hẹn khả năng xây dựng bộ điều khiển công nghiệp trong tương lại. Tài liệu tham khảo [1] Phan Xuân Minh, Nguyễn Doãn Phước, “Lý thuyết điều khiển mờ”, NXB Khoa học và Kỹ thuật, 2006. [2] Nguyễn Tăng Cường, Phan Quốc Thắng, “ Cấu trúc và lập trình họ vi điều khiển 8051”, NXB Khoa học và Kỹ thuật, 2003. [3] Nguyễn Phùng Quang, “Matlab & Simulink dành cho kỹ sư điều khiển tự động”, NXB Khoa học và Kỹ thuật, 2010. [4] R. D. Brandt, F. Lin, “Adaptive Interaction and Its Application to Neural Networks”, Elsevier, Information Science 121, pp 201- 215 1999. [5] F. Lin, R. D. Brandt, G. Saikalis, “Self-Tuning of PID Controllers by Adaptive Interaction”, IEEE CONTROL SOCIETY, 2000 American Control Conference, Chicago, 2000. [6] R.Rojas, “Neural Networks”, Springer-Verlag, Berlin, 1996. [7] ARM-STM32F103VCT6, Datasheet. 656 Trịnh Mạnh Tuyên, Nguyễn Văn Xuân, Phan Quốc Thắng VCM2012 Trịnh Mạnh Tuyên sinh năm 1984. Anh nhận bằng Kỹ sư ngành Điều khiển tự động của trường Đại học Bách Khoa Hà Nội năm 2008. Từ năm 2009 đến nay, anh là giáo viên Bộ môn Tự động và Kỹ thuật tính, Khoa Kỹ thuật Điều khiển, Học viện Kỹ thuật Quân sự (HVKTQS). Hiện anh đang làm luận văn tốt nghiệp cao học chuyên ngành Tự động hóa tại HVKTQS. Hướng nghiên cứu chính là tự động hóa các quá trình công nghệ, tích hợp hệ thống điều khiển giám sát, các hệ thống mạng máy tính và truyền thông công nghiệp. Nguyễn Văn Xuân sinh năm 1981. Năm 2005 anh nhận bằng Kỹ sư ngành Toán tin, năm 2010 anh nhận bằng thạc sỹ ngành Tự động hóa tại HVKTQS. Từ năm 2005 đến nay anh là giáo viên Bộ môn Tự động và Kỹ thuật tính, Khoa Kỹ thuật Điều khiển, HVKTQS. Hướng nghiên cứu chính là ứng dụng vi điều khiển cho hệ thống nhúng, các thuật toán điều khiển phỏng sinh học, các hệ thống mạng truyền thông công nghiệp. Phan Quốc Thắng sinh năm 1954. Ông nhận bằng kỹ sư và Tiến sỹ ngành vô tuyến điện năm 1978 và 1990 đều tại Học viện Kỹ thuật quân sự WAT-Ba Lan. Từ năm 1991 đến nay, là giảng viên Bộ môn Tự động và Kỹ thuật tính, Khoa Kỹ thuật Điều khiển, HVKTQS. Hướng nghiên cứu chính là các hệ thống xử lý số, điều khiển số, các hệ thống đo lường tự động, các hệ thống điện tử lập trình, hệ thống nhúng, các phương pháp điều khiển thông minh, mạng nơron nhân tạo và hệ nhúng. . động và Kỹ thuật tính, Khoa Kỹ thuật Điều khiển, HVKTQS. Hướng nghiên cứu chính là ứng dụng vi điều khiển cho hệ thống nhúng, các thuật toán điều khiển phỏng sinh học, các hệ thống mạng truyền. huấn luyện mạng nơron. 2. Thuật toán điều khiển PID-Nueral 2.1 Thuật toán Brandt-Lin Tư tưởng của thuật toán Brandt-Lin chia nhỏ một hệ thống phức tạp thành N hệ thống con gọi là các nút (Microsoft). Chương trình điều khiển được viết theo lưu đồ thuật toán được đưa ra ở hình dưới đây: H. 15 Lưu đồ thuật toán hệ thống điều khiển Chương trình điều khiển được tổ chức dưới dạng