Nghiên cứu ứng dụng nguyên lý điều khiển mờ để nâng cao chất lượng hệ thống điều khiển nhiệt độ lò nung nhà máy gạch granít trung đô thành phố vinh

Giới thiệu tổng quan dây chuyền sản xuất

Nguyên vật liệu

Đất sét chủ yếu được cấu thành từ các khoáng alumôsilicát ngậm nước, có công thức hóa học là nSiO2.mAl2O3.pH2O, hình thành từ quá trình phong hóa fenspat Thành phần của các khoáng này có sự khác biệt tùy thuộc vào điều kiện môi trường, trong đó nổi bật là khoáng caolinít với công thức 2SiO2.Al2O3.nH2O và khoáng montmorillonit có công thức 4SiO2.Al2O3.nH2O.

H 2 O là hai khoáng quyết định những tính chất quan trọng của đất sét nh− độ dẻo, độ co, độ phân tán, khả năng chịu lửa

Đất sét chứa nhiều tạp chất vô cơ và hữu cơ, bao gồm thạch anh (SiO2), cácbonat (CaCO3, MgCO3), hợp chất sắt (Fe(OH)3, Fe2) cùng với tạp chất hữu cơ như than bùn và bitum.

Đất sét có những tính chất chủ yếu như tính dẻo khi trộn với nước, sự co thể tích khi chịu tác dụng của nhiệt và biến đổi lý hoá khi nung Sự thay đổi thành phần khoáng vật trong quá trình nung tạo ra sản phẩm gốm với những tính chất khác biệt so với nguyên liệu ban đầu Sau khi nung, khoáng cơ bản của vật liệu gốm là mulít (3Al2O3.2SiO2), giúp sản phẩm đạt độ cứng cao và bền nhiệt.

Vật liệu gầy được pha trộn vào đất sét để giảm độ dẻo và hạn chế sự co rút khi sấy và nung Các loại vật liệu gầy phổ biến bao gồm samốt, đất sét nung non, cát, tro nhiệt điện và xỉ hạt hoá.

Phụ gia cháy như mùn c−a, tro nhiệt điện và b giấy giúp tăng độ rỗng cho sản phẩm gạch, đồng thời cải thiện quá trình gia nhiệt một cách đồng đều Các phụ gia hoạt động bề mặt, cùng với đất sét có độ dẻo cao và đất bentônit, đóng vai trò quan trọng trong việc tăng cường độ dẻo cho đất sét, nâng cao chất lượng sản phẩm gạch.

Sơ l−ợc quá trình công nghệ sản xuất gạch granit

Quy trình sản xuất gạch granít bao gồm nhiều giai đoạn quan trọng: nạp liệu, nhào trộn, phối màu, sấy phun, tạo hình, phơi sấy, nung và làm nguội, cùng với gia công giai đoạn cuối.

Công đoạn nạp liệu bao gồm việc cung cấp các nguyên liệu như đất sét, fenpat, cát thạch anh, cùng với các phụ gia tăng độ lưu biến và các phụ gia khác để tiến hành quá trình nhào trộn.

Nghiền và nhào trộn nguyên liệu thành hồ lỏng theo tiêu chuẩn công nghệ giúp tăng tính dẻo và độ đồng đều của đất sét, từ đó tạo điều kiện thuận lợi cho việc tạo hình.

Trộn hồ lỏng với màu theo đơn công nghệ

Gia công giai đoạn cuối

Tạo hình Sấy gạch méc

Hình 1.1 Sơ đồ quá trình công nghệ sản xuất gạch granít

Sấy hồ thành bột với độ ẩm và kích thước theo tiêu chuẩn công nghệ

Dùng máy ép ép bột để tạo hình viên gạch

Khi mới tạo hình, gạch mộc có độ ẩm cao, nếu nung ngay sẽ dẫn đến nứt do mất nước đột ngột Do đó, cần phải phơi sấy để giảm độ ẩm từ 7% xuống còn 0,5% và tăng độ cứng cần thiết, giúp gạch không bị biến dạng khi xếp vào lò nung.

Giai đoạn này có vai trò quan trọng nhất, quyết định chất l−ợng của gạch

Quá trình nung gồm các công đoạn:

- Tiền nung: Nung nóng đến nhiệt độ 450°C, gạch bị mất nước, tạp chất hữu cơ cháy

Nung và giữ nhiệt là quá trình quan trọng, trong đó nhiệt độ được nâng dần lên khoảng 1120 °C Quá trình này giúp biến đổi các thành phần khoáng, tạo ra sản phẩm với cường độ cao và màu sắc đỏ hồng đặc trưng.

- Làm nguội: Quá trình làm nguội phải từ từ để tránh nứt tách sản phẩm Khi ra lò nhiệt độ của gạch khoảng 50 ữ 55 °C ảnh hưởng của nhiệt độ:

- Quyết định tính chất cơ lý của sản phảm:

- Quyết định màu của sản phẩm

- Quyết định chất lượng sản phẩm về mặt kích thước: độ phẳng, độ cong vênh, độ đồng đều

Vì vậy, việc khống chế nhiệt độ chính xác ở các vùng là một yêu cầu bắt buộc

Gia công giai đoạn cuối

Giai đoạn này gồm các công việc: vát cạnh, mài, phân loại, đóng gói

Nguyên liệu chính để sản xuất gạch gốm granít bao gồm đất sét, cao lanh, fenspat và thạch anh Hỗn hợp này được nghiền mịn thành hồ lỏng, sau đó sấy khô và ép với áp lực lớn để tạo hình sản phẩm Gạch granít được nung ở nhiệt độ 1210°C trong khoảng 60 đến 70 phút, tạo ra sản phẩm đồng chất từ đáy đến bề mặt.

Lò nung liên tục loại tunel được sử dụng trong sản xuất gạch granít, có khả năng tạo nhiệt độ vượt quá 1000°C Đặc điểm nổi bật của lò này là kích thước lớn với chiều dài tunel hơn 100 m, được chia thành nhiều vùng xử lý nhiệt Sản phẩm gạch di chuyển qua tunel với lưu lượng ổn định.

Lò nung được khảo sát có cấu trúc gồm 47 ngăn, mỗi ngăn dài 2,2m, tổng chiều dài là 103,4m Lò nung gạch granít bao gồm nhiều hệ con hoạt động liên kết với nhau, được chia thành 3 vùng chính: vùng sấy, vùng nung và vùng làm mát.

Vùng sấy: ngăn 1 đến ngăn 11

Vùng nung: ngăn 12 đến ngăn 28

Vùng làm mát trực tiếp: ngăn 29 đến ngăn 31

Vùng làm mát gián tiếp : ngăn 32 đến ngăn 39

Vùng làm mát tự nhiên : ngăn 40 đến ngăn 47

Bố trí các vòi đốt nh− sau:

- Từ ngăn 14 đến ngăn 28: 2 vòi đốt trên, 2 vòi đốt dưới

Ga (dân dụng) ở dạng ga lỏng, hoá hơi, đ−a vào vòi đốt cùng với không khÝ

Giới thiệu thiết bị điều khiển nhiệt độ lò nung

Sơ đồ khối hệ thống điều khiển nhiệt độ lò nung đ−ợc trình bày ở hình 1.3

Giá trị tham số nhiệt độ đặt đ−ợc xác định thích hợp cho từng vùng của lò theo yêu cầu kỹ thuật

Nhiệt độ yêu cầu cho từng vùng đ−ợc trình bày ở bảng 1.1

Hình 1.3 Sơ đồ khối hệ thống điều khiển nhiệt độ lò nung

Bé ®iÒu khiÓn Van tiÕt lưu

Hình 1.2 Sơ đồ bố trí các vùng của lò nung

Bảng 1.1 Nhiệt độ của các vùng làm việc Mođun Nhiệt độ (° C) Ghi chú

Khi nhiệt độ lệch trong giới hạn cho phép, tín hiệu sẽ kích hoạt bộ điều khiển nhiệt độ, từ đó điều chỉnh van tiết lưu để đưa nhiệt độ lò về mức ban đầu.

Tình trạng hiện tại là có lúc nhiệt độ lò nung không ổn định theo yêu cầu kỹ thuật, làm ảnh hưởng đến chất lượng sản phẩm

Vì vậy, việc nghiên cứu ứng dụng nguyên lý điều khiển mờ để nâng cao chất l−ợng hệ thống điều khiển nhiệt độ lò nung đ−ợc đặt ra

Ch−ơng 2 - Cơ sở lý thuyết điều khiển mờ

Biến ngôn ngữ

Khái niệm tập hợp

Theo Georg Cantor, nhà toán học người Đức, tập hợp là một sự sắp xếp các đối tượng hoặc sự vật có chung một đặc điểm, được gọi là các phần tử của tập hợp đó.

Người ta thường dùng các chữ in hoa để ký hiệu một tập hợp

Phần tử x thuộc tập A đ−ợc ký hiệu bằng x ∈ A

Phần tử x không thuộc tập A đ−ợc ký hiệu bằng

Cho tập hợp A ánh xạ à A : A → R định nghĩa nh− sau:

0 nÕu x∉ A đ−ợc gọi là hàm thuộc của tập A

Hàm thuộc à A ( x )chỉ nhận giá trị hoặc bằng 1 hoặc bằng 0

Tập không có phần tử nào đ−ợc gọi là tập rỗng, ký hiệu là ∅

Một tập A luôn có à A ( x )=1 với mọi x đ−ợc gọi là không gian nền (tập nÒn)

Các ph−ơng pháp biểu diễn tập hợp

Có ba ph−ơng pháp biểu diễn tập hợp nh− sau:

- Liệt kê tất cả các phần tử của tập hợp, ví dụ:

Hình 2.1 Hàm thuộc à A (x )của tập kinh điển A

- Nêu tính chất chung của các phần tử, ví dụ:

- Biểu diễn hình học bằng sơ đồ Venn, ví dụ:

Định nghĩa tập mờ

Tập mờ là một tập hợp trong đó mỗi phần tử cơ bản được gán một giá trị thực, phản ánh mức độ phụ thuộc của nó vào tập hợp đó Khi giá trị phụ thuộc bằng 0, phần tử không thuộc tập hợp (xác suất bằng 0), trong khi giá trị phụ thuộc bằng 1 cho thấy phần tử hoàn toàn thuộc về tập hợp với xác suất 100%.

Tập mờ F trên tập kinh điển X là một tập hợp các cặp giá trị (x, à F(X)), trong đó x thuộc X và à F là hàm thuộc của tập mờ F Hàm thuộc à F này là một hàm liên tục, với giá trị nằm trong khoảng từ 0 đến 1.

Tập kinh điển X đ−ợc gọi là tập nền (hay vũ trụ) của tập mờ F.

Độ cao, miền xác định và miền tin cậy của tập mờ

Độ cao của tập mờ Độ cao của tập mờ F (định nghĩa trên tập nền X) là giá trị

* * * * Hình 2.2 Sơ đồ Venn biểu diễn tập hợp

) ( sup à chỉ giá trị nhỏ nhất trong tất cả các giá trị chặn trên của hàm à ( X )

Tập mờ chính tắc: Là tập mờ với ít nhất là một phần tử có độ phụ thuộc bằng 1 (nghĩa là h=1)

Tập mờ không chính tắc: là tập mờ F với h q thể hiện mối quan hệ từ p suy ra q, phù hợp với luật điều kiện trong logic.

Trong nhiều tài liệu, mệnh đề hợp thành còn được gọi là phép suy diễn mờ Mệnh đề này cho phép xác định hệ số thỏa mãn mệnh đề kết luận q của giá trị đầu ra y dựa trên độ phụ thuộc vào tập mờ A của giá trị đầu vào x0 Hệ số này được gọi là giá trị của mệnh đề hợp thành khi đầu vào là A, và giá trị của mệnh đề hợp thành (2.26c) là một giá trị mờ có cùng nền với tập mờ của mệnh đề kết luận Biểu diễn giá trị mờ đó là tập hợp C, do đó mệnh đề hợp thành mờ (2.26c) chính là ánh xạ.

Mô tả mệnh đề hợp thành mờ

Ánh xạ A (x0) đến C (y) chỉ ra rằng mệnh đề hợp thành là một tập mờ, trong đó mỗi phần tử đại diện cho một giá trị (A (x0), C (y)) Điều này có nghĩa là mỗi phần tử trong mệnh đề hợp thành đều là một tập mờ Việc mô tả mệnh đề hợp thành thực chất là mô tả ánh xạ nêu trên.

Mệnh đề hợp thành mờ là mệnh đề có cấu trúc

( x à A là hàm thuộc tập mờ đầu vào A định nghĩa trên tập nền X và à B ( y )là hàm thuộc của B trên tập nền Y

Giá trị của mệnh đề hợp thành (2.27) là một tập mờ định nghĩa trên không gian Y, với các hàm thuộc thỏa mãn các điều kiện sau: a) hàm à A ⇒ B (y) chỉ phụ thuộc vào hàm à A (x) và hàm à B (y); b) nếu à A (x) = 0 thì à A ⇒ B (y) = 1; c) nếu à B (y) = 1 thì à A ⇒ B (y) = 1; d) nếu à A (x) = 0 và à B (y) = 0 thì à A ⇒ B (y) = 0.

Bất kỳ hàm A ⇒ B(y) nào thỏa mãn các tính chất đã nêu đều có thể được sử dụng làm hàm thuộc về tập mờ C, theo kết quả của mệnh đề hợp thành (2.27).

Các hàm thuộc cho mệnh đề hợp thành mờ A ⇒ B thường hay dùng gồm:

1) à A ⇒ B ( x , y ) = max { min {à A ( x ), à B ( y ) } , 1 − à A ( x ) } Công thức Zadeh

3) à A ⇒ B ( x , y ) = max { 1 − à A ( x ), à B ( y ) } Công thức Kleene- Dienes

Nguyên tắc Mamdani Độ phụ thuộc của kết luận không đ−ợc lớn hơn độ phụ thuộc của điều kiện

Quy tắc hợp thành Mamdani

Các công thức xác định hàm thuộc cho mệnh đề hợp thành xây dựng hàm thuộc cho mệnh đề hợp thành B ′ = A ⇒ B

Quy tắc hợp thành MIN

Giá trị của mệnh đề hợp thành (2.27) là một tập mờ B′ định nghĩa trên nền γ (không gian của nền B) và có hàm thuộc à B ′ ( y ) = min {à A , à B ( y ) }

Quy tắc hợp thành PROD

Giá trị của mệnh đề hợp thành mờ (2.27) là một tập mờ B′ định nghĩa trên nền γ (không gian nền của B ) và có hàm thuộc

Có hai quy tắc xác định giá trị mờ B′ của mệnh đề hợp thành: quy tắc MIN và quy tắc PROD Nếu hàm thuộc B′(y) được xác định theo quy tắc MIN, mệnh đề hợp thành sẽ được gọi là mệnh đề hợp thành MIN Ngược lại, nếu hàm thuộc B′(y) được xác định theo quy tắc PROD, mệnh đề hợp thành sẽ được gọi là mệnh đề hợp thành PROD.

Ký hiệu giá trị mờ đầu ra B′ tương ứng với giá trị rõ x0 tại đầu vào Hàm thuộc của B′ theo quy tắc hợp thành MIN được xác định như sau: B′(y) = min {A(x0), B(y)}.

Gọi H=à A ( x 0 ) là độ thoả mn mệnh đề điều kiện hay ngắn gọn là độ thoả mn thì

Theo quy tắc hợp thành PROD, hàm B′ sẽ được xác định khi tín hiệu đầu vào A′ là một giá trị mờ với hàm thuộc A' (x) Kết quả đầu ra B′ cũng sẽ là một giá trị mờ, với hàm thuộc B′ (y) là phần dưới của hàm.

( y à B bị chặn trên bởi độ thoả mn H đ−ợc xác định theo nguyên tắc “tình huèng xÊu nhÊt” nh− sau:

Luật hợp thành mờ

Luật hợp thành là mô hình R biểu diễn tập hợp của các mệnh đề hợp thành

Luật hợp thành đơn là loại luật chỉ bao gồm một mệnh đề hợp thành, trong khi đó, luật hợp thành kép là loại luật có ít nhất hai mệnh đề hợp thành.

Ví dụ về luật hợp thành R biểu diễn mô hình lái xe ô tô gồm 3 mệnh đề hợp thành R 1 , R 2 , R 3 cho biến tốc độ χ và biến ga γ nh− sau:

R 1 : Nếuχ= chậm thì γ = tăng hoặc

R 2 : Nếuχ= trung bình thì γ =giữ nguyên hoặc

Với mỗi giá trị vật lý x 0 của biến tốc độ đầu vào, thông qua phép suy diễn mờ, ta có thể tạo ra ba tập mờ B 1 ′, B 2 ′, B 3 ′ từ ba mệnh đề hợp thành R 1, R 2, R 3 của luật hợp thành R.

Lần l−ợt ta gọi các hàm thuộc của ba tập mờ kết quả đó là

B ′ à ′ à ′ à Giá trị của luật hợp thành R ứng với x0 đ−ợc hiểu là tập mờ R′thu đ−ợc qua phép hợp ba tập mờ B 1 ′ , B 2 ′ , B 3 ′:

B ′ à ′ à ′ à thu đ−ợc theo quy tắc MIN và phép hợp (2.38) đ−ợc thực hiện theo luật max (xem 2.6) thì R có tên gọi là luật hợp thành max- MIN

Các luật hợp thành khác nh−:

Luật hợp thành max- PROD, nếu đ−ợc xác định theo quy tắc hợp thành PROD và phép hợp (2.37) là phép hợp theo luật max

Luật hợp thành sum - MIN, nếu đ−ợc xác định theo quy tắc hợp thành MIN và phép hợp (2.37) là phép hợp Lukasiewicz

Luật hợp thành sum - PROD, nếu đ−ợc xác định theo quy tắc hợp thành PROD và phép hợp (2.38) là phép hợp Lukasiewicz

Nh− vậy, để xác định hàm thuộc à R′ ( y )của giá trị đầu ra R′ của một luật hợp thành có n mệnh đề hợp thành R 1 , R 2 , ,R n phải thực hiện các bước:

1) Xác định độ thoả mn H 1 , H 2 , , H n theo (2.34) hoặc (2.37)

Nếu xem luật hợp thành R chỉ có một mệnh đề hợp thành

R 1 : NÕu χ = A th× γ = B nh− là luật điều khiển của bộ điều khiển mờ một vào một ra (SISO) thì đầu ra sẽ là một giá trị mờ có hàm thuộc à B′ ( y )

Luật hợp thành SISO (một vào một ra) là luật hợp thành có các mệnh đề điều kiện và kết luận là những mệnh đề đơn, ví dụ:

Luật hợp thành MISO (nhiều vào một ra) là luật hợp thành có m biến ngôn ngữ vào χ 1 , χ 2 , , χ m và một biến ngôn ngữ raγ có cấu trúc dạng

R 1 : Nếuχ 1 = A 11 và χ 2 = A 12 và và χ m = A 1m thì γ = B 1 hoặc

R n : : Nếuχ 1 = A n1 và χ 2 = A n2 và và χ m = A nm thì γ = B n

Thuật toán thực hiện luật hợp thành đơn max- MIN, max-

Luật hợp thành max- MIN

Luật hợp thành max – MIN, hay còn gọi là mô hình R, là một ma trận xác định giá trị biến mờ dựa trên quy tắc max- MIN.

Thuật toán thực hiện luật hợp thành max- MIN

Thuật toán thực hiện luật hợp thành max- MIN gồm các b−ớc: rời rạc hoá các hàm thuộc, thành lập ma trận R, xác định hàm thuộc μ B’ (y)

Xét luật hợp thành SISO chỉ có một mệnh đề hợp thành

Rời rạc hoá các hàm thuộc

Tr−ớc tiên hai hàm thuộc à A (x )và à B ( y )đ−ợc rời rạc hoá với tần số rời rạc đủ nhỏ để không bị mất thông tin

Giả sử chúng ta có n điểm mẫu từ tập mờ đầu vào {x1, x2, , xn} với hàm thuộc {à A(x1), à A(x2), , à A(xn)} và m điểm mẫu đầu ra {y1, y2, , ym} với hàm thuộc Khi đó, ma trận hợp thành R sẽ có n hàng và m cột, được xác định như sau:

Hàm thuộc B' (y) được xác định đầu ra tương ứng với giá trị rõ x_i bất kỳ Để tính hàm thuộc μ B’ (y) mà không cần cài đặt thuật toán nhân ma trận của đại số tuyến tính, phép nhân ma trận kiểu (2.40) được thay thế bằng luật max-min của Zadeh, trong đó phép cộng được thay bằng max và phép nhân được thay bằng min.

Với đầu vào là một giá trị rõ, kết quả hai phép tính (2.40) và (2.43) hoàn toàn giống nhau

Trong việc điều khiển ôtô, vận tốc (x) và độ tăng ga (y) có mối quan hệ chặt chẽ Để duy trì tốc độ ổn định, quy tắc điều khiển yêu cầu nếu vận tốc chậm lại, độ tăng ga phải được tăng cường Để xây dựng ma trận hợp thành R, cần thực hiện quá trình rời rạc hóa các hàm thuộc và nh− với các khoảng giá trị nhỏ nhằm bảo toàn thông tin Việc rời rạc hóa này được thực hiện tại các điểm cụ thể như minh họa trong hình 2.11, trong đó mỗi vị trí thứ i được xác định rõ ràng.

R t¨ng chËm t¨ng chËm t¨ng chËm t¨ng chËm à à à à à à à à à à à à

Với các điểm rời rạc đ chọn nh− ở hình 2.11, ta có:

Nh− vậy: μ R (x, y) có tất cả 5 x 5 = 25 giá trị tạo nên ma trận hợp thành 5 hàng 5 cột (bảng 2.1)

Bảng 2.1 Bảng ma trận R của hợp thành max- MIN

Hình 2.11 Rời rạc hoá hàm thuộc

Mỗi giá trị trong bảng ma trận R tương ứng với Min(μ chậm (x i ), μ tăng (y k )) Khi có giá trị đầu vào x 0, ta có thể xác định tập hợp các hàm thuộc của giá trị đầu ra y, tương ứng với các cột trong hàng x 0 Chẳng hạn, với x = x 4, tập tín hiệu đầu ra B’ sẽ chứa các hàm thuộc.

Luật hợp thành max - PROD

Giống như luật hợp thành max-MIN, ma trận R của luật hợp thành max-PROD được cấu trúc với các hàng chứa m giá trị rời rạc của đầu ra.

Bảng R được xây dựng từ các giá trị đầu vào x1, x2, , xn, tạo thành n hàng và m cột với m giá trị đầu ra Mỗi giá trị trong ma trận được tính bằng tích của hàm thuộc tập nguyên nhân A và hàm thuộc tập kết quả B, cụ thể là: μA(xi) * μB(yk) Giá trị đầu ra cho mỗi yk sẽ được xác định bằng Max(μA(xi) * μB(yk)) khi i chạy từ 1 đến n.

Ma trận R cho luật hợp thành max - PROD nh− sau (bảng 2.2):

Bảng 2.2 Bảng ma trận R của hợp thành max- PROD

Từ ma trận R trên (đ−ợc gọi là luật hợp thành max- PROD), hàm thuộc

Giá trị đầu ra tại điểm B′ khi đầu vào là giá trị rõ x i được xác định theo công thức (2.42) Để rút ngắn thời gian tính toán và mở rộng công thức cho trường hợp đầu vào là giá trị mờ, phép nhân ma trận được thay thế bằng luật max-MIN (2.42) của L Zadeh, tạo điều kiện cho việc áp dụng luật max-MIN.

Thuật toán xây dựng ma trận hợp thành R

Với n điểm rời rạc x 1 , x 2 , …, x n của tập nền A và m điểm rời rạc y 1 , y 2 ,

Trong tập nền B, từ hai vector và m của tập nền, nếu áp dụng quy tắc max - MIN, phép nhân cần được thay thế bằng phép tính lấy cực tiểu (min) Ngược lại, với quy tắc max - PROD, phép nhân sẽ được thực hiện bằng phép nhân bình thường.

Ví dụ áp dụng cho X và Y nh− ở hình 2.11 Với 5 điểm rời rạc của X (tập nền của A)

{ x 1 , x 2 , x 3 , x 4 , x 5 } và 5 điểm rời rạc của Y (tập nền của B) th× T = à A (0 0,5 1 0,5 0)

Khi áp dụng quy tắc max - MIN, phép nhân được thay thế bằng min, dẫn đến luật hợp thành max - MIN Tương tự, quy tắc max - PROD cũng đưa ra luật hợp thành riêng của nó.

2.2.5 Thuật toán xác định luật hợp thành đơn có cấu trúc MISO

Một mệnh đề hợp thành với d mệnh đề điều kiện:

Nếu các biến ngôn ngữ đầu vào χ 1 = A 1, χ 2 = A 2, , χ d = A d thì biến đầu ra γ = B được mô hình hóa tương tự như mệnh đề hợp thành có điều kiện Trong đó, sự liên kết giữa các mệnh đề (hoặc giá trị mờ) được thực hiện thông qua phép giao của các tập mờ A 1, A 2, , A d Kết quả của phép giao này sẽ tạo ra độ thỏa mãn H.

Các b−ớc xây dựng luật hợp thành R nh− sau:

Rời rạc hoá miền xác định hàm thuộc à A 1 ( x 1 ), à A 2 ( x 2 ), , à Ad ( x d ), à B ( y )của các mệnh đề kết luận

- Xác định độ thoả mn H cho từng vector các giá trị rõ đầu vào là vector tổ hợp d điểm mẫu thuộc miền xác định của các hàm thuộc A x i i d i ( ), = 1 , à

Chẳng hạn với một vector các giá trị rõ đầu vào: trong đó c i , i=1, 2, , d là một trong các điểm mẫu miền xác định của μA(xi) th×

- Lập R gồm các hàm thuộc giá trị mờ đầu vào theo nguyên tắc:

( c à B ′ ( y ) = min { H , à B ( y ) } nếu quy tắc sử dụng là max - MIN hoặc à B ′ ( y ) = H à B ( y ) nếu quy tắc sử dụng là max - PROD

Luật hợp thành R trong cấu trúc SISO không thể được biểu diễn dưới dạng ma trận với d mệnh đề điều kiện, mà thay vào đó được thể hiện như một lưới trong không gian d +1 chiều.

2.2.6 Thuật toán xác định luật hợp thành kép max- MIN, max - PROD

Trong thực tế, hầu hết các bộ điều khiển mờ không chỉ hoạt động với một mệnh đề hợp thành đơn lẻ, mà thường xử lý nhiều mệnh đề hợp thành, hay còn gọi là tập hợp các luật điều khiển R K.

Mục này trình bày phương pháp liên kết các mệnh đề hợp thành R K lại với nhau trong một luật hợp thành chung

Tổng quát hoá phương pháp mô hình hoá cho p mệnh đề hợp thành gồm

R p : NÕuχ= A p th× γ = B p trong đó các giá trị mờ A 1 , A 2 , , A P có cùng tập nền X và B 1 , B 2 , , B P có cùng tập nền Y

Gọi hàm thuộc của A k là μ Ak (x)và của B K là μ Bk (y) với k=1, 2, , p

1) Rời rạc hoá X tại n điểm x 1 , x 2 , , x n và Y tại m điểm y 1 , y 2 , , y m

2) Xác định các vector à AK và à BK , k=1, 2, , p theo

BK à y à y à y à = tức là mờ hoá các điểm rời rạc của X và Y

3) Xác định mô hình cho luật điều khiển a) ( ) ij k

R = à à = , i=1, 2, , n và j = 1 , 2, , n b) trong đó phép nhân đ−ợc thay bằng phép tính lấy cực tiểu min khi sử dụng nguyên tắc max - MIN

4) Xác định luật hợp thành

Thuật toán xác định luật hợp thành sum - MIN và sum - PROD 35 2.3 Mờ hoá

Phép xây dựng luật hợp thành chung R cho một tập gồm nhiều mệnh đề hợp thành R K đ−ợc liên kết với nhau bằng toán tử Hoặc theo trong đó

Luật hợp thành max, bao gồm quy tắc max - MIN và max - PROD, thể hiện sự kết hợp tối đa giữa các yếu tố, nhằm tối ưu hóa kết quả trong quá trình hợp thành.

Kiểu liên kết nhiều mệnh đề hợp thành, hay còn gọi là luật điều khiển R K, sử dụng toán tử Hoặc nh− không có tính thống kê Khi đa số các mệnh đề R K có cùng giá trị đầu ra, nhưng không phải là giá trị lớn nhất, chúng thường bị bỏ qua trong kết quả Để khắc phục nh−ợc điểm này, một trong những phương pháp phổ biến là sử dụng phép hợp Lukasiewicz để liên kết các mệnh đề hợp thành R K với nhau.

0(t à ca 100,100) trong đó phép lấy min đ−ợc thực hiện giữa số 1 và từng phần tử của ma trận tổng

Ma trận R được xác định bằng cách cộng các R K của các mệnh đề hợp thành, do đó, luật hợp thành R theo liên kết Lukasiewicz sẽ được gọi là sum-MIN hoặc sum-PROD.

Thuật toán triển khai R theo quy tắc sum - MIN hoặc sum - PROD có các bước tương tự như khi áp dụng quy tắc max - MIN hoặc max - PROD, được mô tả trong mục 2.2.5 Tuy nhiên, tại bước 4, công thức (2.50) sẽ được sử dụng thay cho công thức (2.47).

Các luật điều khiển được thể hiện thông qua các biến ngôn ngữ Để các giá trị rõ ràng, có thể quan sát và đo đạc cụ thể có thể tham gia vào quá trình điều khiển, chúng cần được mờ hóa.

Mờ hoá là quá trình chuyển đổi từ không gian giá trị rõ ràng sang không gian từ - tập mờ, dựa trên nền tảng của các biến ngôn ngữ đầu vào.

Xem xét một ví dụ về số mờ t có giá trị thực trong khoảng từ 0 đến 100 °C, chúng ta tiến hành mờ hóa t bằng cách xác định độ phụ thuộc của giá trị ngôn ngữ vào biến ngôn ngữ (nhiệt độ) trong khoảng này Tập mờ nhiệt độ được đặt tên với các phần tử {thấp, trung bình, cao}, và các hàm thuộc trong khoảng [0, 100] được xác định dưới dạng tam giác với các tham số cụ thể.

30 , 0 với nhiệt độ đo đ−ợc t= 34 °C, ta có

Nh− vậy, kết quả mờ hoá của giá trị vật lý t = 34 °C của biến nhiệt độ sẽ là:

Giải mờ

Phương pháp cực đại

Phương pháp cực đại để giải mờ gồm 2 bước: a) Xác định miền chứa giá trị rõ y’

Giá trị rõ ý là giá trị mà tại đó hàm thuộc đạt giá trị cực đại (độ cao cỉa

H tập mờ B′) tức là miền

Hình 2.12 Giải mờ bằng phương pháp cực đại

′ = ( 2 52 ) b) Xác định y’ có thể chấp nhận đ−ợc từ G

Trong ví dụ ở hình 2.12 thì G là khoảng [ y 1 , y 2 ] của miền giá trị của tập mờ đầu ra B 2 của luật điều khiển

R 2 : NÕu χ = A 2 th× γ = B 2 trong số hai luật R 1 , R 2 và luật R 2 đ−ợc gọi là luật quyết định

Luật điều khiển quyết định, ký hiệu là luật R k với k thuộc tập hợp {1, 2, , p}, xác định giá trị mờ đầu ra có độ cao lớn nhất, tương đương với độ cao H của B′ Để thực hiện bước hai trong quy trình này, cần tuân thủ ba nguyên lý cơ bản.

Nếu ký hiệu: thì y 1 là điểm cận trái và y 2 là điểm cận phải của G

Theo nguyên lý trung bình, giá trị rõ y’ sẽ là:

Nguyên lý này th−ờng đ−ợc dùng khi G là một miền liên thông và nh− vậy y’ cùng sẽ là giá trị có độ phụ thuộc lớn nhất

Trong trường hợp B′ gồm các hàm thuộc dạng đều thì giá trị rõ y’ (2.52) không phụ thuộc vào độ thoả mn của luật điều khiển quyết định

Giá trị rõ được xác định bằng cận trái y1 của G theo công thức (2.51) Giá trị này sẽ phụ thuộc tuyến tính vào độ thoả mãn của quy định trong luật điều kiện quyết định.

Giá trị rõ y được xác định thông qua cận phải y² của G theo công thức (2.51) Tương tự như nguyên lý cận trái, giá trị rõ y’ phụ thuộc tuyến tính vào phản hồi của luật điều khiển quyết định.

Sai lệch của ba giá trị rõ ràng xác định theo trung bình, cận trái hoặc cận phải sẽ tăng lên khi độ thoả mãn H của luật điều khiển quyết định giảm.

Khi miền G không phải là miền liên thông, khoảng con liên thông trong G sẽ được chọn làm khoảng liên thông ưu tiên cao nhất, chẳng hạn như G1 Sau đó, các nguyên lý đã biết sẽ được áp dụng với miền G1 thay cho G.

Ph−ơng pháp điểm trọng tâm

Phương pháp điểm trọng tâm sẽ cho ra kết quả y′ là hoành độ của điểm trọng tâm miền đ−ợc bao bởi trục hoành và đ−ờng ( hình 2.13)

Công thức xác định y′ theo phương pháp điểm trọng tâm như sau:

) 53 2 ( trong đó S là miền xác định của tập mờ B′

Hình 2.13 Giải mờ bằng ph−ơng pháp điểm trọng tâm

Công thức (2.53) cho phép xác định giá trị y′ bằng cách sử dụng tất cả các tập mờ đầu ra của mọi luật điều khiển một cách đồng đều và chính xác Tuy nhiên, công thức này không xem xét độ thỏa mãn của luật điều kiện quyết định và thời gian tính toán lâu, điều này có thể ảnh hưởng đến tốc độ điều khiển.

Một nhược điểm cơ bản của phương pháp điểm trọng tâm là giá trị y’ có thể xác định được với độ phụ thuộc nhỏ nhất, thậm chí bằng 0 Để tránh tình trạng này, khi định nghĩa hàm thuộc cho từng giá trị mờ của một biến ngôn ngữ, cần chú ý để miền xác định của các giá trị mờ đầu ra là một miền liên thông.

Ph−ơng pháp điểm trọng tâm cho luật hợp thành sum-MIN

Khi áp dụng quy luật điều khiển, giá trị mờ B′ tại đầu ra của bộ điều khiển sẽ được tính bằng tổng các giá trị mờ đầu ra từ từng quy luật thành phần.

Ký hiệu các giá trị mờ đầu ra của luật điều khiển thứ k là μ Ri (y) với 1, , , n thì với quy tắc sum - MIN hàm thuộc μ R (y) sẽ là:

Thay (2.54) vào (2.53) và đổi chỗ tổng và tích phân vì cả hai đều hội tụ, ta có thể đơn giản hóa công thức tính y' như sau: trong đó và.

Ph−ơng pháp lấy trung bình tâm

Tập mờ hợp thành B' thường là kết quả của việc hợp hoặc giao các tập mờ M Do đó, giá trị y có thể được tính gần đúng như trung bình theo trọng số của các tâm của các tập mờ hợp thành Gọi y_l là điểm trung bình (điểm giữa) và h_l là chiều cao của tập mờ thứ l, giá trị giải mờ y theo phương pháp trung bình tâm được xác định như sau:

Công thức (2.56) có thể áp dụng không chỉ cho luật hợp thành max-MIN và sum-MIN, mà còn cho các luật hợp thành khác như max-PROD và sum-PROD.

Bộ điều khiển mờ cơ bản

Một bộ điều khiển mờ cơ bản gồm có 3 khâu:

Khâu mờ hóa có chức năng chuyển đổi một giá trị rõ ràng đầu vào x0 thành một vector a, thể hiện các độ phụ thuộc của giá trị đó đối với các giá trị mờ trong tập mờ đã được định nghĩa cho biến ngôn ngữ đầu vào.

- Khâu thực hiện luật hợp thành, có tên gọi là thiết bị hợp thành, xử lý vector à và cho ra giá trị mờ B′ của biến ngôn ngữ đầu ra

- Khâu giải mờ, có nhiệm vụ chuyển đổi tập mờ B′ thành một giá trị rõ y’ chấp nhận đ−ợc cho đối t−ợng (tín hiệu điều chỉnh) h 1 h 2 y 1 y 2 y à B

Hình 2.14 Giải mờ bằng ph−ơngpháp trung bình tâm

Bộ điều khiển mờ cơ bản chỉ xử lý các giá trị tín hiệu hiện tại, thuộc nhóm bộ điều khiển tĩnh Để mở rộng ứng dụng vào các bài toán điều khiển động, cần bổ sung các khâu động học để cung cấp giá trị đạo hàm hoặc tích phân cho bộ điều khiển mờ cơ bản Khi kết hợp bộ điều khiển mờ cơ bản với các khâu động bổ sung, chúng sẽ được gọi là bộ điều khiển mờ.

Nguyên lý điều khiển mờ

Cấu trúc của một hệ thống điều khiển mờ

S− đồ khối một hệ thống điều khiển tự động với bộ điều khiển mờ đ−ợc trình bày ở hình 2.17

Hình 2.15 Sơ đồ khối bộ điều khiển mờ cơ bản

Bé ®iÒu khiÓn mờ cơ bản

Hình 2.16 Sơ đồ khối một bộ điều khiển mờ động Đối t−ợng

Hình 2.17 Sơ đồ khối một hệ thống điều khiển mờ

Một hệ thống điều khiển mờ gồm các khối chính:

- Thiết bị đo trong đó, bộ điều khiển mờ bao gồm:

- Giao diện đầu vào (khâu mờ hoá, các khâu phụ trợ nh− tích phân, vi ph©n, )

- Giao diện đầu ra (khâu giải mờ và các khâu giao diện trực tiếp với đối t−ợng).

Nguyên tắc tổng hợp một bộ điều khiển mờ

Nguyên tắc xây dựng một bộ điều khiển mờ hoàn toàn dựa vào các phương pháp toán học, tập trung vào việc định nghĩa các biến ngôn ngữ đầu vào và đầu ra, cũng như việc lựa chọn các luật điều khiển phù hợp.

Bộ điều khiển mờ có hai thành phần cơ bản là luật điều khiển và nguyên tắc triển khai

Luật điều khiển mờ cơ bản là tập các mệnh đề hợp thành có cấu trúc NÕu th×

Nguyên tắc triển khai các mệnh đề hợp thành đó là nguyên tắc max - MIN hay sum - MIN

Mô hình R của các luật điều khiển đ−ợc xây dựng theo một nguyên tắc triển khai đ chọn có tên gọi là luật hợp thành

Có thể tóm tắt quy trình thiết kế bộ điều khiển mờ theo lưu đồ thuật toán ở hình 2.18

Xác định tín hiệu vào/ra

ThiÕt kÕ bé ®iÒu khiÓn mê

KT với đối tượng thực

Hinh 2.18 Lưu đồ thuật toán thiết kế bộ điều khiển mờ

Xác định đc suy diễn Giải mờ

Chỉnh định lại luật điều khiÓn

Chương 3 - ứng dụng lý thuyết điều khiển mờ để nâng cao chất l−ợng điều khiển nhiệt độ lò nung nhà máy gạch granít Trung Đô

Nguyên tắc tổng hợp bộ điều khiển mờ

Nguyên tắc xây dựng một bộ điều khiển mờ hoàn toàn dựa trên các phương pháp toán học, bao gồm việc định nghĩa các biến ngôn ngữ đầu vào và đầu ra, cùng với việc lựa chọn các luật điều khiển phù hợp.

Để tiến hành tổng hợp bộ điều khiển mờ, cần xác định tất cả các biến ngôn ngữ đầu vào và đầu ra Tiếp theo, định nghĩa tập mờ với các giá trị ngôn ngữ cho các biến này.

Xây dựng các luật điều khiển (các mệnh đề hợp thành)

Thiết bị hợp thành (max-MIN hay sum-MIN) Điều khiển mờ đ−ợc chia thành hai lớp bài toán điều khiển: điều khiển

Điều khiển ước lượng mờ được sử dụng trong các bài toán điều khiển khi thông tin về đối tượng không đầy đủ Mô hình mờ giúp xây dựng mô hình cho đối tượng bằng phương pháp mờ, từ đó cải thiện khả năng điều khiển trong các tình huống không chắc chắn.

Trong luận văn này thuật toán đ−ợc chọn là thuật toán điều khiển mờ Mamdani

Bộ điều khiển mờ Mamdani hoạt động dựa trên kinh nghiệm của các chuyên gia, vì không thể xây dựng mô hình chính xác cho đối tượng Thay vì sử dụng các phương pháp thông thường, bộ điều khiển này được thiết kế theo nguyên tắc sai lệch bằng cách cài đặt các luật điều khiển có chọn lọc Tất cả hoạt động của đối tượng được điều khiển thông qua các luật này Điều khiển ước lượng, hay cơ chế suy diễn Mamdani, được áp dụng khi cả mệnh đề nguyên nhân và kết quả đều là các.

ứng dụng lý thuyết điều khiển mờ để nâng

Định nghĩa các biến vào ra

Đối tượng điều khiển của hệ thống điều khiển mờ là lò nung gạch granít Bộ điều khiển mờ nhận đầu vào là sai lệch (ký hiệu ET) giữa nhiệt độ cần duy trì ổn định (tín hiệu chủ đạo x) và nhiệt độ thực tế (tín hiệu đo từ cảm biến) Ngoài ra, đại lượng biến đổi theo thời gian của sai lệch (dET/dt) cũng được xem xét, ký hiệu là DET, để đảm bảo hiệu quả điều khiển.

Biến ra của bộ điều khiển mờ là độ mở van tiết lưu Q Q là một giá trị râ.

Xác định tập mờ

3.2.1 Miền giá trị vật lý của các biến ngôn ngữ vào ra

Biến ngôn ngữ sai lệch nhiệt độ ET đ−ợc chọn trong miền giá trị từ -

10°C đến +10°C; tốc độ biến đổi sai lệch nhiệt độ DET có giá trị chuẩn hoá từ - 0,1 đến 0,1; độ mở van Q có giá trị từ 0 % đến 100 %

Hình 3.1 Sơ đồ khối bộ điều khiển nhiệt độ

Các giá trị ngôn ngữ cho bộ điều khiển nhiệt độ có thể xác định nh− sau:

ET {âm vừa , âm ít, không, d−ơng ít, d−ơng vừa}

Q {rÊt nhá, nhá, lín Ýt, lín võa, rÊt lín}

The English symbols for various language values are as follows: ©m võa represents NM (Negative Medium), ©m stands for N (Negative), ©m Ýt signifies NS (Negative Small), and không corresponds to ZE (Zero) Additionally, d−ơng ít is denoted as PS (Positive Small), d−ơng is P (Positive), d−ơng vừa is PM (Positive Medium), while rÊt nhá indicates VL (Very Low) and nhá is LO (Low) Furthermore, lín Ýt is represented as LH (Little High), lín võa corresponds to MH (Medium High), and rÊt lín signifies VH (Very High).

Nh− vậy, miền xác định ngôn ngữ của các biến vào ra là:

3.2.3 Xác định các hàm thuộc

Các hàm thuộc của biến vào ET đ−ợc chọn nh− sau:

- Hàm thuộc NM: hình thang có tham số [-20 -20 -6 0]

- Hàm thuộc NS: hình tam giác có tham số [-6 -3 0]

- Hàm thuộc ZE: hình tam giác có tham số [ -3 0 3]

- Hàm thuộc PS: hình tam giác có tham số [0 3 6]

- Hàm thuộc PM: hình thang có tham số [4 6 20 20] Đồ thị các hàm thuộc của biến vào ET đ−ợc trình bày ở hình 3.2

Các hàm thuộc của biến vào DET đ−ợc chọn nh− sau:

- Hàm thuộc N: hình tam giác có tham số [-0 1 -0.1 0]

- Hàm thuộc ZE: hình tam giác có tham số [-0.05 0 0.05]

- Hàm thuộc P: hình tam giác có tham số [0 0.1 0.1] Đồ thị các hàm thuộc của biến vào DET đ−ợc trình bày ở hình 3.3

Hình 3.2 Đồ thị các hàm thuộc của biến vào ET

Các hàm thuộc của biến ra Q đ−ợc chọn nh− sau:

- Hàm thuộc VL: hình thang có tham số [-10 -10 20 40]

- Hàm thuộc LO: hình tam giác có tham số [20 40 60]

- Hàm thuộc LH: hình tam giác có tham số [ 40 60 80]

- Hàm thuộc MH: hình tam giác có tham số [60 80 100]

- Hàm thuộc VH: hình tam giác có tham số [ 60 100 100] Đồ thị các hàm thuộc của biến ra Q đ−ợc trình bày ở hình 3.4

Hình 3.3 Đồ thị các hàm thuộc của biến vào DET

Xây dựng các luật điều khiển

Để điều khiển đ−ợc đối t−ợng cần xây dựng các luật điều khiển Các luật điều khiển thể hiện hiểu biết của chuyên gia về đối t−ợng

Bảng 3.1 Các luật điều khiển của bộ điều khiển mờ

R 1 : nếu (ET = NM) và (DET = N) thì (Q = VL) hoặc

R 2 : nếu (ET = NM) và (DET = ZE) thì (Q = LO) hoặc

R 3 : nếu (ET = NM) và (DET = P) thì (Q = LH) hoặc

R 4 : nếu (ET = NS) và (DET = N) thì (Q = LO) hoặc

R 5 : nếu (ET = NS) và (DET = ZE) thì (Q = LH) hoặc

R 6 : nếu (ET = NS) và (DET = P) thì (Q = MH) hoặc

R 7 : nếu (ET = ZE) và (DET = N) thì (Q = LH) hoặc

R 8 : nếu (ET = ZE) và (DET = ZE) thì (Q = MH) hoặc Hình 3.4 Đồ thị các hàm thuộc của biến ra Q

R 9 : nếu (ET = ZE) và (DET = P) thì (Q = MH) hoặc

R 10 : nếu (ET = PS) và (DET = N) thì (Q = LH) hoặc

R 11 : nếu (ET = PS) và (DET = ZE) thì (Q = MH) hoặc

R 12 : nếu (ET = PS) và (DET = P) thì (Q = VH) hoặc

R 13 : nếu (ET = PM) và (DET = N) thì (Q = LH) hoặc

R 14 : nếu (ET = PM) và (DET = ZE) thì (Q = VH) hoặc

R 15 : nếu (ET = PM) và (DET = P) thì (Q = VH)

Bảng 3.2 Bảng biểu diễn quan hệ các luật điều khiển Sai lệch nhiệt độ

Thay đổi sai lệch nhiệt độ DET Độ mở van

Bảng 3 3 Bảng biểu diễn các luật điều khiển d−ới dạng ma trận

Chọn thiết bị hợp thành

Luật hợp thành của bộ điều khiển mờ là luật max-MIN

Chọn nguyên lý giải mờ

Tín hiệu điều khiển đối tượng thường là các tín hiệu rõ ràng, do đó, để đưa tín hiệu ra từ bộ điều khiển mờ vào điều khiển đối tượng, cần phải trải qua quá trình giải mờ trong bộ giao diện đầu ra.

Khâu giải mờ đ−ợc lựa chọn làm việc theo ph−ơng pháp điểm trọng t©m

Thiết bị hợp thành mà bản chất của nó là sự triển khai luật hợp thành

R được xây dựng dựa trên luật điều khiển, hay còn gọi là luật quyết định Giao diện đầu ra bao gồm khâu giải mờ và các khâu giao diện trực tiếp với đối tượng Nhờ khả năng xử lý các giá trị vào/ra dưới dạng dấu phẩy động với độ chính xác cao, các bộ điều khiển mờ hoàn toàn đáp ứng các yêu cầu của bài toán điều khiển một cách rõ ràng.

Các tín hiệu đầu ra y từ đối tượng được đo bằng các bộ cảm biến và xử lý sơ bộ trước khi đưa vào bộ điều khiển Những tín hiệu này được coi là "tín hiệu rõ", vì vậy để bộ điều khiển có thể hiểu chúng, cả tín hiệu y và tín hiệu chủ đạo x cần phải được mờ hóa.

Cần chọn các hàm thuộc có phần chồng lên nhau và phủ kín miền giá trị vật lý để trong quá trình điều khiển không xuất hiện “lỗ hổng”

Các hàm hình thang với độ xếp chồng nhỏ không phụ thuộc vào bộ điều khiển mờ, dẫn đến việc tạo ra một vùng "chết" trong trạng thái hoạt động của bộ điều khiển.

Trong một số trường hợp đặc biệt, việc lựa chọn hàm hình thang hoàn toàn hợp lý là cần thiết Điều này xảy ra khi sự thay đổi trong miền giá trị của tín hiệu đầu vào không dẫn đến sự thay đổi bắt buộc tương ứng trong miền giá trị của tín hiệu đầu ra.

Hàm thuộc được chọn để đảm bảo miền tin cậy chỉ có một phần tử, tức là chỉ có một điểm vật lý duy nhất tương ứng với độ phụ thuộc của độ cao trong tập mờ.

Sau khi tổng hợp bộ điều khiển mờ, bạn có thể kết nối nó với đối tượng điều khiển thực tế hoặc một đối tượng mô phỏng để tiến hành thử nghiệm.

Trong quá trình thử nghiệm, cần chú ý kiểm tra xem có bất kỳ "lỗ hổng" nào trong quy trình làm việc hay không Điều này đòi hỏi phải xác định tính đầy đủ của tập hợp các luật điều khiển đã được xây dựng để kịp thời khắc phục những thiếu sót.

Nguyên nhân của hiện tượng "lỗ hổng" có thể xuất phát từ việc thiết lập các nguyên tắc điều khiển xung quanh điểm làm việc không hoàn toàn đồng nhất, hoặc do sự xuất hiện của một số kết quả sai lệch trong các nguyên tắc điều khiển đã được thiết lập.

Một nguyên nhân nữa có thể xảy ra là các bộ điều khiển làm việc không ổn định

Trong mọi trường hợp, cần xem xét lại các luật điều khiển cơ sở để đảm bảo bộ điều khiển hoạt động ổn định và không gặp phải các vấn đề.

Lỗ hổng trong hệ thống yêu cầu tối ưu hóa trạng thái làm việc dựa trên các chỉ tiêu khác nhau Việc chỉnh định bộ điều khiển được thực hiện thông qua việc hiệu chỉnh hàm thuộc và thiết lập các nguyên tắc điều khiển bổ sung hoặc sửa đổi các nguyên tắc hiện có.

Mô phỏng bộ điều khiển mờ trên MATLAB

MATLAB (Matrix Laboratory) là một là một bộ ch−ơng trình phần mềm lớn về lĩnh vực toán số, một công cụ phần mềm của Math Work Co

Chương trình MATLAB chủ yếu bao gồm các hàm toán học, chức năng nhập xuất dữ liệu và khả năng điều khiển chu trình, cùng với nhiều hộp công cụ hỗ trợ điều khiển hệ thống, xử lý tín hiệu và tối ưu hóa MATLAB cung cấp nhiều hàm toán học và lệnh đặc biệt để khai báo và xử lý vector, ma trận, cũng như thực hiện các phép so sánh và phép toán logic như AND, OR, NOT và XOR Ngoài ra, MATLAB cho phép người dùng nhập lệnh trực tiếp và viết, lưu trữ các chuỗi lệnh trong các file m-file với định dạng ký tự ASCII.

MATLAB cung cấp các lệnh để điều khiển màn hình, hỗ trợ việc nhập và xuất dữ liệu qua giao diện người dùng Ngoài ra, nó còn cho phép biểu diễn dữ liệu bằng đồ họa hai chiều và ba chiều.

Hộp công cụ hệ thống điều khiển cung cấp cộng cụ để khảo sát, thiết kế hệ thống điều khiển nh−:

Hệ tuyến tính có thể được mô tả dưới dạng liên tục hoặc gián đoạn, bao gồm các khía cạnh như hàm truyền đạt, sơ đồ phân bố điểm không và điểm cực Mô hình trạng thái giúp phân tích động lực học của hệ thống, trong khi mô hình đặc tính tần số cho phép đánh giá phản ứng của hệ thống đối với các tín hiệu khác nhau Việc hiểu rõ các yếu tố này là rất quan trọng để tối ưu hóa hiệu suất của hệ tuyến tính trong các ứng dụng thực tế.

- Chuyển đổi hoặc xử lý hệ, phân tích đặc tính hệ thống

- Thiết kế và tối −u các khâu điều chỉnh

Hộp công cụ xử lý tín hiệu của MATLAB cung cấp khả năng chế biến, lọc và phân tích dữ liệu thu thập được Nó cho phép thực hiện phân tích tín hiệu thông qua phép biến đổi Fourier rời rạc và thiết kế các bộ lọc số hiệu quả.

SIMULINK là phần mở rộng của MATLAB, chuyên dùng để mô hình hóa, mô phỏng và khảo sát hệ thống động học Giao diện đồ họa của SIMULINK cho phép người dùng thể hiện hệ thống dưới dạng sơ đồ tín hiệu với các khối chức năng đa dạng Với thư viện phong phú, SIMULINK cung cấp nhiều khối chức năng cho hệ tuyến tính, phi tuyến và rời rạc Đây là công cụ mạnh mẽ cho việc mô hình hóa và mô phỏng các hệ thống kỹ thuật – vật lý thông qua sơ đồ khối, cho phép mô tả các hệ thống tuyến tính, phi tuyến, cũng như các mô hình trong thời gian liên tục, gián đoạn hoặc kết hợp cả hai.

Thư viện của SIMULINK bao gồm các khối như khối nhận tín hiệu, nguồn tín hiệu, các phần tử tuyến tính và phi tuyến, cùng với các đầu nối chuẩn, trong đó nổi bật là hộp công cụ logic mờ (Fuzzy Logic Toolbox).

Hộp công cụ hộp công cụ logic mờ có thể:

- Cung cấp công cụ để tạo lập các hệ thống suy diễn mờ (FIS: Fuzzy Inference Systems)

- Cho phép tích hợp hệ thống mờ để mô phỏng với SIMULINK

Hộp này có ba loại công cụ là: các hàm lệnh, công cụ đồ hoạ hoặc t−ơng tác, các khối SIMULINK

Các hàm hệ thống suy diễn mờ bao gồm: addmf để thêm hàm thuộc vào FIS, addrules để thêm luật vào FIS, và addvar để thêm biến vào FIS Hàm defuzz được sử dụng trong giải mờ, trong khi evalfis thực hiện tính toán suy diễn mờ Để xác định hàm thuộc generic, sử dụng evalmf, và gensurf tạo mặt điều khiển của FIS đầu ra Hàm getfis tạo tính chất cho hệ thống mờ, trong khi mf2mf chuyển giao tham số giữa các hàm Để triển khai hàm thuộc, sử dụng mfstrch, và newfis tạo FIS mới Các hàm plotfis và plotmf hiển thị đồ thị FIS vào ra và tất cả hàm thuộc cho một biến Hàm readfis tải FIS từ đĩa, rmmf xoá hàm thuộc từ FIS, và rmvar xoá biến từ FIS Để xác lập tính chất cho hệ mờ, sử dụng setfis, còn showsfis hiển thị FIS khảo sát Cuối cùng, showrule hiển thị các luật và writefis lưu FIS vào đĩa.

Các công cụ giao diện đồ họa cho người sử dụng fuzzy bao gồm: Biên tập FIS cơ bản, mfedit để biên tập hàm thuộc, ruleedit cho việc biên tập và phân tích các luật, ruleview giúp xem các luật và đồ thị suy diễn mờ, và surfview để xem mặt điều khiển đầu ra.

Khèi ®iÒu khiÓn logic mê

Hộp công cụ này bao gồm các kiểu hàm thuộc, được xây dựng từ những hàm cơ bản như hàm tuyến tính (hình tam giác, hình thang), hàm phân bố Gauss (đường cong Gauss và hình chuông), cùng với đường cong sigmoid và các đường cong Z, S.

Sau khi hoàn thiện mô hình hệ thống, người dùng có thể khởi động quá trình mô phỏng bằng cách kết nối các khối cần thiết vào sơ đồ cấu trúc Trong quá trình này, tín hiệu có thể được trích xuất từ bất kỳ vị trí nào trong sơ đồ và hiển thị đặc tính của tín hiệu đó trên màn hình.

Khi FLC được tạo lập, nó có thể được ghi vào đĩa dưới dạng tệp *fis, cho phép biên tập và thay đổi dễ dàng Ngoài ra, FLC cũng có thể được lưu vào không gian làm việc của MATLAB dưới dạng biến ma trận (ma trận FIS).

3.6.2 Sơ đồ cấu trúc bộ điều khiển mờ

Trước khi xây dựng sơ đồ cấu trúc bộ điều khiển mờ, cần quan sát mặt điều khiển được hình thành từ các hàm thuộc của các tập mờ đầu vào và đầu ra Mặt điều khiển này thể hiện sự kết hợp của các tập mờ đầu vào nhằm tạo ra tập mờ đầu ra Qua việc quan sát mặt điều khiển, ta có thể nhận diện được hành vi của hệ thống điều khiển.

Trong điều khiển mờ, không cần mô hình toán học cho đối tượng, nhưng khi mô phỏng, cần kết nối bộ điều khiển mờ với đối tượng Cụ thể, giả thiết van tiết lưu có đặc tính nhiệt tuyến tính với mô hình tuyến tính bậc nhất, cùng với lò ung cũng được mô hình hóa bằng tuyến tính bậc nhất, thời gian trễ là 5 giây.

Giả thiết đặc tính nhiệt của van là tuyến tính nh− ở bảng 3.4

Bảng 3 4 Đặc tính nhiệt của van tiết lưu Độ mở van Nhiệt độ (° C)

Bé ®iÒu khiÓn mê PD

Bộ điều khiển mờ PD được mô tả trong hình 3.6, bao gồm sai lệch giữa tín hiệu chủ đạo và tín hiệu ra của hệ thống ET cùng với đạo hàm của sai lệch DET Thành phần vi phân giúp cải thiện độ chính xác của hệ thống trong việc phản ứng với các biến đổi lớn theo thời gian Để đạt được tín hiệu đầu ra mong muốn, cần điều chỉnh độ khuếch đại của bộ điều khiển mờ bằng cách thay đổi các tập mờ phù hợp, tuy nhiên quá trình này tốn nhiều thời gian Để đơn giản hóa, bộ điều khiển mờ có hệ số khuếch đại k0 được nối tiếp với bộ khuếch đại có hệ số khuếch đại k, do đó, việc điều chỉnh giá trị k1 đồng nghĩa với việc điều chỉnh độ khuếch đại của bộ điều khiển mờ.

Cách làm này mang lại kết quả rõ rệt là việc xác định hệ số khuếch đại k mong muốn rất nhanh và có tính trực quan cao

Thay đổi giá trị tín hiệu chủ đạo theo các mức yêu cầu 820, 830, ,

1210 (° C), điều chỉnh gía trị hệ số khuếch đại của bộ khuếch đại k1, thu đ−ợc kết quả ở bảng 3.5 và đồ thị một số đáp ứng trình bày ở các hình 3.7, 3.8, 3.9

Bảng3.5 Bảng giá trị hệ số khuếch đại k1 Ngăn Nhiệt độ

H×nh 3.6 Bé ®iÒu khiÓn mê PD

Hình 3.8 Đáp ứng của hệ thống có bộ điều khiển mờ PD với nhiệt độ đặt 1000 ° C

Hình 3 7 Đáp ứng của hệ thống PD với nhiệt độ đặt 820 ° C

Bé ®iÒu khiÓn mê PI

Bộ điều khiển mờ theo luật PI được thiết kế nhằm loại bỏ sai lệch tĩnh trong hệ thống Việc tổng hợp bộ điều khiển mờ PI dựa trên nguyên tắc của bộ điều khiển mờ, giúp cải thiện hiệu suất điều khiển một cách hiệu quả.