Tổng quan
Giới thiệu Tổng quan
Sự phát triển vượt bậc của khoa học kỹ thuật và kinh tế đã đưa robot trở thành một phần quen thuộc trong cuộc sống, với những cái tên như ASIMO và TITAN Robot hiện được ứng dụng rộng rãi trong nhiều lĩnh vực như công nghiệp, y tế, nghiên cứu, giải trí và phục vụ đời sống con người Để đáp ứng nhu cầu về robot thông minh và linh hoạt, cần thiết phải phát triển các bộ điều khiển phức tạp hơn Bộ điều khiển mờ cho phép tích hợp tri thức và kinh nghiệm của con người vào robot, giúp chúng hoạt động linh hoạt và thông minh hơn Đề tài “Điều khiển mờ Pipeline Robot” là một ứng dụng tiêu biểu của logic mờ trong lĩnh vực này, với nhiều nghiên cứu đã được công bố cả trong và ngoài nước.
- Thiết kế và chế tạo mô hình robot đường ống của nhóm tác giả Võ Anh Huy, Đặng Văn Nghìn
Bài báo giới thiệu một loại robot đường ống, với các bộ phận liên kết giúp tạo ra chuyển động cho robot Tất cả các bánh xe của robot bám sát vào mặt trong của ống và có khả năng điều chỉnh theo đường kính ống từ 180 đến 240 mm Robot có thể được điều khiển từ xa không dây qua sóng radio, tuy nhiên trong bài báo này, phương pháp điều khiển được sử dụng là có dây.
- Điều khiển robot bằng logic mờ của tác giả Vũ Anh Đào
Bài viết này trình bày việc sử dụng logic mờ để điều khiển robot Khepera, với mỗi chuyển động được xác định thông qua tập mờ dựa trên vị trí, giá trị cảm biến, khoảng cách và góc đến vị trí đích Để giúp robot tránh chướng ngại vật, một bộ nhớ đường đi đã được thiết kế cho phép robot tìm lộ trình mới khi gặp trở ngại Bài báo bao gồm phần giới thiệu về phương pháp, giới thiệu các hệ thống mờ, mô phỏng robot Khepera cùng các phép biến đổi cần thiết cho hệ thống điều khiển, mô hình bộ điều khiển, và cuối cùng là các kết quả đạt được.
- Nhóm tác giả Kentarou Nishijima, Yixiang.Sun, Rupesh Kumar.Srivastava, Harutoshi
Trong bài báo này, tác giả khảo sát tính chất tín hiệu vô tuyến qua ống dẫn thép và phát triển hệ thống thông tin liên lạc không dây sử dụng sóng radio Đồng thời, tác giả đã phát triển và thử nghiệm robot mới tích hợp hệ thống kiểm tra hình ảnh từ thông tin vô tuyến của đại học Waseda và hệ thống kiểm tra bằng đầu dò quay từ Viện Công nghệ Ấn Độ Thí nghiệm cho thấy khả năng điều khiển robot không dây thông qua hệ thống thông tin liên lạc bên trong ống, cho phép thu thập hình ảnh và tín hiệu từ đầu dò.
- Nhóm tác giả B Kuntze and H Haffner
Hơn 20 phần trăm hệ thống thoát nước của nước Đức hư hỏng là do lâu năm Việc lập dự toán cho các chi phí phục hồi là khoảng 100 tỷ DM Và kết quả là chính phủ Đức đã ban hành trong luật môi trường tương đối nghiêm là chủ sở hữu của hệ thống thoát nước phải kiểm tra thường xuyên bằng công nghệ và phương tiện kiểm tra phù hợp Tuy nhiên, thực tế thì các hệ thống kiểm tra có sẵn trên thị trường vượt trội hơn so với những công nghệ đơn giản nhưng không đáp ứng được yêu cầu của thực tế Để lấp khoảng trống này, trong một dự án hợp tác R & D với 4 đối tác công nghiệp và các viện nghiên cứu robot cao cấp, hệ thống kiểm tra Karo được phát triển và đầu tiên là để phát hiện tự động vị trí và kích thước của thiệt hại trong hệ thống thoát nước Hệ thống bao gồm camera màu độ phân giải cao và nhiều cảm biến trong đó phát triển hệ thống kính quang 3D, siêu âm và cảm biến vi sóng Như vậy, robot đi trong đường ống để phát hiện những hư hỏng trong các đường ống cũng như trong môi trường xung quanh ống Hơn nữa, các robot có nhiều cảm biến còn dùng để thăm dò cấu trúc trong hệ thống thoát nước chưa biết bằng cảm biến nhiệt hạch và phân loại hư hỏng trên cơ sở fuzzy Trong đó, hệ thống KARO được giới thiệu và báo cáo kết quả kiểm tra
- Nhóm tác giả Majid M Moghaddam, and Alireza Hadi
Robot kiểm tra đang được ứng dụng rộng rãi trong ngành công nghiệp, đặc biệt trong việc kiểm tra các đường ống và kênh rạch, bao gồm cả đường ống ngầm Một loại robot kiểm tra (PIC) do Đại học Tarbiat Modares phát triển có khả năng di chuyển trong các ống nằm ngang và thẳng đứng, được trang bị nhiều cảm biến nhằm nâng cao chất lượng kiểm tra Robot này được lắp đặt hai camera DOF để theo dõi và bộ siêu âm để đo độ dày thành ống, cho phép phát hiện bên trong đường ống từ nhiều góc độ khác nhau Đặc biệt, robot có khả năng thay đổi kích thước bên ngoài để phù hợp với kích thước bên trong ống, giúp điều chỉnh áp lực giữa robot và ống Việc điều khiển robot thông qua bộ điều khiển bằng phím diễn ra khi nhận tín hiệu video từ camera trên màn hình Hệ thống điều khiển sử dụng vi điều khiển với cơ sở điều chế PWM và chuyển đổi A/D, đồng thời đo dòng của động cơ và theo dõi vị trí, vận tốc của động cơ bằng bộ mã hóa.
- Nhóm tác giả Mihaita HORODINCA, Ioan DOROFTEI, Emmanuel MIGNON, André PREUMO
Bài báo giới thiệu một robot kiểm tra bên trong đường ống với cấu trúc cơ bản gồm hai thành phần: bộ phận định hướng bằng bánh xe và phần tạo lực xoắn Động cơ nằm giữa hai bộ phận này giúp tạo ra chuyển động, trong khi các bánh xe được thiết kế để tự động điều chỉnh theo sự thay đổi đường kính ống lên đến 170 mm Robot này được sử dụng hiệu quả trong việc kiểm tra chất lượng đường ống.
- Nhóm tác giả Shabiul Islam, Mukter Zaman, Bakri Madon, and Masuri Othman
Bài báo giới thiệu mô hình thiết kế cho robot điều khiển tự động (MRC) sử dụng Fuzzy Logic (FLA), cho phép điều khiển mà không cần can thiệp của con người Cấu trúc phần cứng của robot được thiết kế dễ sử dụng và Fuzzy Logic cung cấp giải pháp thông minh cho các vấn đề không chắc chắn Các cấu trúc phần cứng của MRC được xây dựng dựa trên lý thuyết điều khiển robot tự động với các khái niệm của thuật toán mờ Sơ đồ khối của MRC bao gồm bộ mờ hóa, luật mờ, suy luận mờ và giải mờ Mô hình thuật toán MRC được phát triển trên MATLAB và sau khi đạt kết quả tin cậy, được chuyển sang mô hình VHDL để thực hiện phần cứng Công cụ tổng hợp Quartus II từ Altera được sử dụng để tổng hợp các cổng logic, và mã tổng hợp được tải về Field Programmable Gate Array (FPGA) nhằm xác minh tính đúng đắn của thuật toán MRC dựa trên cấp độ thực hiện của VLSI.
Một số hình ảnh robot đường ống được giới thiệu trong và ngoài nước
Hình 1.1: Robot kiểm tra hệ thống cống (Công ty TNHH thoát nước đô thị TPHCM)
Hình 1.2: Robot vệ sinh đường ống nước thải
(do nhóm nghiên cứu của Trường đại học Sư Phạm Kỹ Thuật TP HCM)
Hình 1.3 Robot chui ống & Robot quét bụi
(a) Robot đường ống do PGS TS Đặng Văn Nghìn và
KS Võ Anh Huy chế tạo
(b) Hệ thống Robot quét bụi của nhóm Võ Xuân Quốc (ĐH Bách khoa TP.HCM)
Khảo sát đường ống và lựa chọn phương án xây dựng mô hình PIPELINE
Robot đang ngày càng được sử dụng rộng rãi từ các nhà máy lớn đến các hộ gia đình để thay thế con người trong công việc Tuy nhiên, hệ thống đường ống thường gặp phải các vấn đề như xuống cấp, ăn mòn, xói mòn và nứt vỡ, dẫn đến việc bảo trì trở nên cần thiết Chi phí bảo trì đường ống gia tăng theo thời gian, và những sự cố tắc nghẽn có thể gây ra hậu quả nghiêm trọng Đường ống không chỉ vận chuyển chất lỏng và khí mà còn dẫn nước thải, bùn và nước, đóng vai trò quan trọng trong các công trình xây dựng đô thị Mặc dù vậy, việc bảo trì các đường ống này ngày càng trở nên khó khăn do môi trường làm việc khắc nghiệt, thiếu không khí, và sự biến đổi về hình dạng và kích thước của đường ống.
Robot được xem là giải pháp hiệu quả thay thế con người trong công việc đường ống, với nhiều loại robot đường ống hiện có Luận văn này tập trung vào thiết kế và chế tạo robot có khả năng di chuyển bên trong lòng ống hình tròn, không chỉ di chuyển dọc theo chiều dài mà còn theo phương đứng, phù hợp với các ống có cấu trúc và đường kính thay đổi.
Hình 1.4: Đường ống dẫn dầu hoặc nước
Hình 1.5: Đường ống dẫn khí Ethanol
Hình 1.6: Đường ống dẫn khí Hydrogen
Hình 1.7: Đường ống dẫn nước tước tiêu và nước thải
Hệ thống xử lý chất thải bao gồm hai phần chính: hệ thống thoát nước và hệ thống thoát khí Hệ thống thoát nước có nhiệm vụ dẫn nước thải đến cơ sở xử lý chất thải của thành phố, đảm bảo vệ sinh và sức khỏe cộng đồng Để ngăn ngừa tình trạng tắc nghẽn, hệ thống cấp thoát nước cần được thiết kế với độ dốc phù hợp.
Đường ống cần được bảo trì định kỳ để duy trì chức năng, mặc dù vật liệu và kỹ thuật chế tạo đã cải thiện đáng kể Tuy nhiên, nhiều đường ống thoát nước được chôn dưới đất, gây khó khăn trong việc bảo trì do kích thước nhỏ và điều kiện làm việc không an toàn Khi đường ống bị tắc nghẽn, bùn và chất bẩn có thể tràn ra, dẫn đến nguy cơ ngập úng khu vực xung quanh Dù nhận thức rõ về vấn đề này, nhiều chính quyền thành phố vẫn gặp khó khăn trong việc khắc phục kịp thời do đường ống bị bể hoặc rò rỉ khó tiếp cận Hiện tại, phương pháp phổ biến là đào đường ở những khu vực nghi ngờ hư hỏng, mặc dù cách này tốn kém và không hiệu quả, đặc biệt ở những khu vực không thể đào hầm.
Có nhiều phương pháp khắc phục sự cố tắc nghẽn ống, như sử dụng cây dài để thông ống, nhưng gặp khó khăn khi ống bị uốn cong Một phương pháp khác là sử dụng không khí áp suất cao để sục rửa, tuy nhiên, cũng gặp nhiều thách thức trong quá trình thực hiện.
Sử dụng robot là giải pháp hiệu quả nhất để giải quyết tình huống này Robot có khả năng di chuyển trong đường ống để tìm và khắc phục vấn đề, giúp giảm đáng kể chi phí, thời gian phục hồi và nhân lực.
Hình 1.8: Các vấn đề có thể xảy ra đối với đường ống
1.2.1 Những vấn đề xảy ra khi khảo sát thiết kế
1.2.1.1 Khó khăn về mặt cơ khí
Robot gặp khó khăn khi di chuyển trong đường ống có tiết diện tròn với kích thước và hình dạng thay đổi liên tục, như đường ống cong, hình chữ T, hình chữ thập và các dạng đặc biệt khác Một thách thức lớn là khả năng xử lý tình huống trong đường ống thẳng đứng do trọng lực và lực ma sát, yêu cầu robot phải bám chặt để tránh rơi và đảm bảo ổn định khi kích thước thay đổi Để khắc phục, robot cần có khả năng điều chỉnh kích thước phù hợp với sự biến đổi của đường kính ống, đặc biệt trong trường hợp ống bị hư hỏng.
Robot làm việc trong đường ống ngập nước gặp nhiều khó khăn, vì vậy cần thiết phải trang bị khả năng chống thấm nước cho chúng và đảm bảo lực ma sát đủ lớn để tránh trượt Để khắc phục các vấn đề này, tất cả thiết bị điện cần được cách ly hoàn toàn với nước.
Giám sát vị trí làm việc của robot là yếu tố quan trọng để đảm bảo robot hoạt động hiệu quả, tránh tình trạng hết năng lượng và bị mắc kẹt trong đường ống Việc này giúp kịp thời điều chỉnh tín hiệu điều khiển, tối ưu hóa thời gian làm việc của robot.
Mặc dù ứng dụng robot trong hệ thống đường ống mang lại nhiều tiềm năng, nhưng vẫn còn nhiều thách thức cần khắc phục Cấu trúc phức tạp và không thể dự đoán của các đường ống, cùng với sự biến đổi kích thước và khả năng hư hỏng, có thể khiến robot gặp khó khăn, thậm chí bị kẹt trong quá trình hoạt động.
1.2.1.2 Khó khăn về phần điện
Robot cần có kích thước gọn nhẹ nhưng vẫn mạnh mẽ, vì vậy cần xem xét khả năng hoạt động, mục tiêu ứng dụng và các yêu cầu thiết kế khi triển khai Việc lựa chọn thiết bị xây dựng robot cũng cần phải phù hợp với các tiêu chí này.
Hệ thống điều khiển chính xác và tin cậy là yếu tố quan trọng để robot có thể phát hiện và xử lý các tình huống trong môi trường ngập nước Để đảm bảo hoạt động hiệu quả, hệ thống điện của robot được thiết kế kỹ lưỡng với khả năng chống thấm Bên cạnh đó, robot cũng được trang bị khả năng kết nối với bên ngoài để nhận lệnh từ người điều khiển và truyền dữ liệu trở lại, đồng thời lựa chọn động cơ có công suất phù hợp.
1.2.1.3 Khó khăn về ứng dụng
Các ứng dụng của robot đường ống bao gồm kiểm tra, làm sạch và bảo trì đường ống, cũng như phát hiện hư hỏng để tiến hành vệ sinh và sửa chữa Những nhiệm vụ này rất quan trọng trong việc duy trì hiệu quả hoạt động của hệ thống Tuy nhiên, việc xử lý rác thải trong đường ống gặp khó khăn do sự hiện diện của nhiều loại chất thải như xà bần, cát, đất và vỏ hộp thức ăn, điều này cản trở việc áp dụng công nghệ robot trong lĩnh vực này.
1.2.2 Giải pháp thiết kế Pipeline robot
Phương án 1: Thiết kế robot dạng nhiều khối liên kết
Hình 1.9: Cấu tạo robot đường ống dạng nhiều khối liên kết
Robot trong hình gồm năm cụm liên kết, bao gồm hai cụm truyền động, một cụm ở phía trước và một ở phía sau Hai cụm dẫn hướng trước và sau giúp robot di chuyển qua các đoạn ống có hướng thay đổi, trong khi cụm dẫn hướng giữa hỗ trợ liên kết và dẫn hướng Robot được điều khiển bằng máy tính thông qua hai camera trên các cụm dẫn hướng, cung cấp dữ liệu hình ảnh Với thiết kế đủ lực kéo, robot có khả năng leo qua các ống thẳng đứng và kéo theo cáp dẫn nhờ vào hai bộ cụm truyền động phía trước và sau Mỗi cụm có bánh xe linh hoạt áp lên thành ống, tạo ra lực kéo nhờ ma sát với mặt trong ống, giúp robot di chuyển Trong quá trình di chuyển, cụm truyền động phía trước tạo lực kéo trong khi cụm sau tạo lực đẩy, và ngược lại.
Với kiểu thiết kế này Robot khá rườm rà và khó điều khiển dễ vướng khi trong đường ống có vật cản
Phương án 2: Thiết kế robot 2 khối liên kết chuyển động xoắn dùng bánh xe
Cấu tạo robot này gồm 2 bộ phận được trình bày trong hình 1.10:
- Phần đầu mang nguồn cung cấp cho động cơ phía sau
- Phần sau gồm 3 chân đỡ cách nhau 120 độ, mỗi chân có 2 bánh lệch nhau 1 góc hướng về phía trên
Cơ chế di chuyển của robot ống Heli-pipe dựa vào lực đẩy của lò xo, giúp các bánh xe bám chặt vào thành ống và di chuyển theo hình xoắn ốc lên phía trên Cách thức này tương tự như con trượt di chuyển trên trục vít.
Hình 1.10: Tổng thể của robot đường ống chuyển động xoắn
Hình 1.11: Robot di chuyển trong ống
Hình 1.12: Một dạng của heli-pipe robot
Với robot có cấu tạo như vậy vấn đề năng lượng gặp nhiều khó khăn và robot chỉ ứng dụng trong 1 đường ống có kích thước cố định
Phương án 3: Thiết kế robot dạng xe
Mục đích nghiên cứu
- Tìm hiểu sự hoạt động của Pipeline robot và phương pháp điều khiển mờ ứng dụng cho robot
- Nghiên cứu thiết kế chế tạo và điều khiển Pipeline robot
- Xây dựng giải thuật điều khiển cho Pipeline robot
- Mô phỏng hệ thống hệ thống điều khiển các động cơ sử dụng trong Pipeline robot trên phần mềm Matlab
- Thiết kế và chế tạo mô hình Pipeline robot.
Đối tượng nghiên cứu
Tìm hiểu nguyên lý hoạt động và phương pháp điều khiển robot là cần thiết để xây dựng mô hình điều khiển cho các động cơ DC Mục tiêu là ổn định tốc độ và moment của robot khi di chuyển trong đường ống, phục vụ cho việc thăm dò, kiểm tra các đường ống có kích thước thay đổi, cũng như thực hiện các chức năng khác như vệ sinh và bảo trì sửa chữa đường ống.
Phạm vi nghiên cứu
- Khảo sát cấu trúc của đường ống, từ đó lựa chọn phuơng án thiết kế tốt nhất
- Xây dựng hệ thống điều khiển cho Pipeline robot trên cơ sở phân tích chi tiết chuyển động của Pipeline robot
Mô phỏng các phương pháp điều khiển cho robot Pipeline trên phần mềm Matlab giúp đảm bảo hoạt động ổn định và chính xác, từ đó ứng dụng vào việc chế tạo robot Pipeline hiệu quả.
- Thiết kế thi công mô hình Pipeline robot, đánh giá kết quả đạt được.
Phương pháp nghiên cứu
- Thu thập tài liệu liên quan đến các vấn đề nghiên cứu
- Nghiên cứu lý thuyết, kiểm tra mô hình điều khiển bằng phần mềm mô phỏng Matlab và thiết kế chế tạo mô hình Pipeline robot.
Kế hoạch thực hiện
- Thu thập, chọn lọc và nghiên cứu tài liệu liên quan
- Ứng dụng logic mờ và phương pháp điều khiển cho Pipeline robot
Xây dựng các hệ thống điều khiển và phương pháp áp dụng trong nước và quốc tế là rất quan trọng để tối ưu hóa hiệu quả điều khiển robot Bài viết sẽ phân tích và so sánh những ưu điểm và nhược điểm của các mô hình điều khiển hiện có, nhằm tìm ra giải pháp tốt nhất cho việc phát triển robot.
- Xây dựng và đưa ra giải thuật điều khiển mờ cho Pipeline robot
- Mô phỏng phương pháp điều khiển bằng phần mềm Matlab
- Thiết kế và thi công mô hình Pipeline robot - Nhận xét đánh giá kết quả.
Giá trị thực tiễn của đề tài
Robot Pipeline có khả năng phát triển và ứng dụng thực tế trong việc thăm dò, kiểm tra hư hỏng bên trong các đường ống dẫn khí và chất lỏng như nước, dầu khí Bên cạnh đó, robot này có thể được trang bị thêm các bộ phận để thực hiện nhiều nhiệm vụ khác nhau như hàn chỗ nứt, sửa chữa rò rỉ, vệ sinh và khai thông Việc sử dụng robot không chỉ giúp tăng hiệu quả công việc mà còn bảo đảm an toàn cho con người khi làm việc trong môi trường nguy hiểm và độc hại.
1.9 PHÁC THẢO NỘI DUNG LUẬN VĂN
Chương 2: Cơ sở lý thuyết về điều khiển mờ
Chương 3: Xây dựng hệ thống điều khiển
Chương 4: Sơ đồ và kết quả mô phỏng
Chương 5: Thiết kế thi công mô hình Pipeline robot
Phát thảo nội dung luận văn
Cơ sở Lý thuyết
Điều khiển mờ
Trong công nghệ tính toán mềm, thành phần phát triển vượt bậc nhất và được ứng dụng rộng rãi nhất đó là logic mờ
Logic mờ, được giới thiệu lần đầu bởi giáo sư L.A Zadeh vào năm 1965 tại Đại học Berkeley, California, đã trải qua quá trình phát triển và ứng dụng rộng rãi trong nhiều lĩnh vực.
Vào năm 1970, Ebrahim Mamdani đã ứng dụng logic mờ để điều khiển một máy hơi nước tại trường Mary Queen, London, Anh, khi mà phương pháp cổ điển không hiệu quả Tại Đức, Hann Zimmermann cũng đã sử dụng logic mờ cho các hệ thống ra quyết định Ở Nhật Bản, Fuji Electronic đã áp dụng logic mờ trong nhà máy xử lý nước của mình.
1983, hệ thống xe điện ngầm của Hitachi vào 1987
Lý thuyết mờ, mặc dù ra đời ở Mỹ và có ứng dụng đầu tiên tại Anh, nhưng đã phát triển mạnh mẽ nhất tại Nhật Bản Trong lĩnh vực tự động hóa, logic mờ đang được áp dụng rộng rãi, cho thấy tầm quan trọng của nó trong các hệ thống hiện đại.
Logic mờ rất hữu ích cho các đối tượng phức tạp khi chúng ta chưa rõ hàm truyền, giúp giải quyết những vấn đề mà các phương pháp điều khiển kinh điển không thể thực hiện được.
Khái niệm cơ bản
Hệ thống mờ là tập hợp các quy tắc dạng If … Then …, giúp mô phỏng hành vi con người và được tích hợp vào cấu trúc điều khiển của hệ thống.
Thiết kế hệ thống mờ mang tính chủ quan cao, phụ thuộc vào kinh nghiệm và kiến thức của người thiết kế Mặc dù kỹ thuật mờ đã phát triển đáng kể, vẫn chưa có phương pháp chính quy và hiệu quả cho việc thiết kế hệ thống này Quá trình thiết kế chủ yếu dựa vào kỹ thuật thử - sai, đòi hỏi nhiều thời gian để đạt được kết quả chấp nhận được.
Tập mờ F xác định trên tập kinh điển B là một tập mà mỗi phần tử của nó là một cặp giá trị (x,F(x)), với x X và F(x) là một ánh xạ :
F(x) : B [0 1] trong đó : F gọi là hàm thuộc , B gọi là tập nền
2.2.2 Các thuật ngữ trong logic mờ
Hình 2.1: Miền và độ cao của tập mờ
Độ cao tập mờ F là giá trị H = SupF(x), trong đó SupF(x) chỉ giá trị nhỏ nhất trong tất cả các chặn trên của hàm F(x)
Miền xác định của tập mờ F, ký hiệu là S là tập con thoả mãn :
Miền tin cậy của tập mờ F, ký hiệu là T là tập con thoả mãn :
Các dạng hàm thuộc (membership function) trong logic mờ được trình bày trong hình 2.2
Có rất nhiều dạng hàm thuộc như : Gaussian, PI-shape, S-shape, Sigmoidal,
Hình 2.2: Các dạng hàm thuộc (membership function) trong logic mờ
Con người giao tiếp và suy nghĩ bằng ngôn ngữ tự nhiên, do đó, để thiết kế bộ điều khiển mô phỏng quá trình suy nghĩ và ra quyết định của con người, cần biểu diễn ngôn ngữ tự nhiên bằng mô hình toán học Ngôn ngữ tự nhiên chứa thông tin mơ hồ và không chắc chắn, tương tự như tập mờ, vì vậy tập mờ có thể được sử dụng để biểu diễn ngôn ngữ tự nhiên và là yếu tố chủ đạo trong các hệ thống logic mờ Các thành phần ngôn ngữ trong cùng một ngữ cảnh được kết hợp với nhau để tạo ra sự hiểu biết sâu sắc hơn.
2.2.4 Các phép toán trên tập mờ
Cho X,Y là hai tập mờ trên không gian nền B, có các hàm thuộc tương ứng là X,
- Phép hợp hai tập mờ : XY
- Phép giao hai tập mờ : XY
2.2.5.1 Mệnh đề hợp thành Định lý Mamdani :
"Độ phụ thuộc của kết luận không được vượt quá độ phụ thuộc của điều kiện Trong trường hợp hệ thống có nhiều đầu vào và đầu ra, mệnh đề suy diễn sẽ có dạng tổng quát hơn."
If N = ni and M = mi and … Then R = ri and K = ki and …
Luật hợp thành là tên gọi chung của mô hình biểu diễn một hay nhiều hàm thuộc
X=>Y(b) cho một hay nhiều mệnh đề hợp thành X=>Y
Luật hợp thành được chia thành hai loại: luật thành đơn, chỉ có một mệnh đề hợp thành, và luật hợp thành phức, bao gồm từ hai mệnh đề hợp thành trở lên.
Xét luật hợp thành R gồm 3 mệnh đề hợp thành:
Với mỗi giá trị rõ ràng của biến ngôn ngữ đầu vào, có ba tập mờ tương ứng với ba mệnh đề hợp thành R1, R2, R3 theo luật hợp thành R Hàm thuộc của các tập mờ đầu ra được xác định như sau:
Giá trị ngõ ra của luật hợp thành R cho mỗi giá trị rõ ràng của biến ngôn ngữ đầu vào được xác định bởi tập mờ Y’, được tạo ra thông qua phép hợp ba tập mờ Y’1, Y’2 và Y’3, cụ thể là Y’ = Y’1 ∪ Y’2 ∪ Y’3.
Tùy thuộc vào phương pháp thu nhận các hàm như Y1’(b), Y2’(b), Y3’(b) và cách thực hiện phép hợp để tạo ra tập mờ Y’, chúng ta có thể phân loại thành các luật hợp thành khác nhau Các luật hợp thành cơ bản này đóng vai trò quan trọng trong việc xử lý và phân tích dữ liệu mờ.
+ Luật Max – Min (Hàm thuộc của các tập mờ đầu ra Y’(b) thu được qua phép lấy Min còn phép hợp thực hiện theo luật Max)
+ Luật Max – Prod (Hàm thuộc của các tập mờ đầu ra Y’(b) thu được qua phép lấy Prod còn phép hợp thực hiện theo luật Max)
+ Luật Sum – Min (Hàm thuộc của các tập mờ đầu ra Y’(b) thu được qua phép lấy Min còn phép hợp thực hiện theo luật Sum)
+ Luật Sum – Prod (Hàm thuộc của các tập mờ đầu ra Y’(b) thu được qua phép lấy Prod còn phép hợp thực hiện theo luật Sum)
Vậy, để xác định hàm liên thuộc Y’(b) của giá trị đầu ra Y’của luật hợp thành có n mệnh đề hợp thành R1, R2, ta thực hiện theo các bước sau:
+ Xác định độ thoả mãn Hj
+ Tính Y1’(b), Y2’(b), Y3’(b)theo quy tắc Min hoăc Prod
+ Xác định Y’(b) bằng cách thực hiện phép hợp các Yj’(b) a Thuật toán xây dựng mệnh đề hợp thành cho hệ SISO
Luật mờ cho hệ SISO có dạng “If A Then B”
Chia hàm thuộc A(x) thành n điểm xi , i = 1,2,…,n
Chia hàm thuộc B(y) thành m điểm yj , j = 1,2,…,m
Xây dựng ma trận quan hệ mờ R
) 1 , 1 ( ym xn y xn ym x y x ym x y x
Hàm thuộc B’(y) đầu ra ứng với giá trị rõ đầu vào xk có giá trị
B’(y) = a T R , với a T = { 0,0,0,…,0,1,0….,0,0 } Số 1 ứng với vị trí thứ k
Trong trường hợp đầu vào là giá trị mờ A’ thì B’(y) là :
B’(y) = { l1,l2,l3,…,lm } với lk=MaxMin{ai,rik } b Thuật toán xây dựng mệnh đề hợp thành cho hệ MISO
Luật mờ cho hệ MISO có dạng :
“If cd1 = A1 and cd2 = A2 and … Then rs = B”
Các bước xây dựng luật hợp thành R :
Rời rạc các hàm thuộc A1(x1), A2(x2), … , An(xn), B(y)
Để xác định độ thoả mãn H cho từng véctơ giá trị đầu vào x={c1,c2,…,cn}, trong đó ci là một trong các điểm mẫu của hàm μAi(xi), ta cần phân tích và suy ra các kết quả liên quan.
Lập ma trận R gồm các hàm thuộc giá trị mờ đầu ra cho từng véctơ giá trị mờ đầu vào: B’(y) = Min{ H, B(y) } hoặc B’(y) = H B(y)
Sau khi xử lý qua khối luật hợp thành, từ giá trị rõ ở đầu vào, chúng ta nhận được tập mờ đầu ra Y' Để xác định giá trị rõ bo từ tập mờ này, việc giải mờ là cần thiết.
Giải mờ là quá trình xác định giá trị rõ ở đầu ra từ hàm thuộc B’(y) của tập mờ B’
Có hai phương pháp giải mờ chính là phương pháp cực đại và phương pháp điểm trọng tâm
- Xác định miền chứa giá trị y’, y’ là giá trị mà tại đó B’(y) đạt Max
- Xác định y’ theo một trong 3 cách sau :
Hình 2.3: Phương pháp cực đại ( độ cao H, khoảng G)
Nguyên lý cận trái : chọn y’ = y1
Nguyên lý cận phải : chọn y’ = y2
2.2.6.2 Phương pháp trọng tâm Điểm y’ được xác định là hoành độ của điểm trọng tâm miền được bao bởi trục hoành và đường B’(y)
y dy y trong đó S là miền xác định của tập mờ B’ (2.1)
Phương pháp trọng tâm cho luật Sum-Min
Giả sử có m luật điều khiển được triển khai, ký hiệu các giá trị mờ đầu ra của luật điều khiển thứ k là B’k(y) Theo quy tắc Sum-Min, hàm thuộc sẽ được xác định như sau:
Hình 2.4: Phương pháp trọng tâm vùng giới hạn bởi hình thang
Xét riêng cho trường hợp các hàm thuộc dạng hình thang như hình trên :
Chú ý hai công thức trên có thể áp dụng cả cho luật Max-Min
Từ công thức (2.3), nếu các hàm thuộc có dạng Singleton thì ta được: y’
Bộ điều khiển mờ
2.3.1 Cấu trúc một bộ điều khiển mờ
Hình 2.5: Sơ đồ khối bộ điều khiển mờ y m1 m2 a b
Một bộ điều khiển mờ gồm 3 khâu cơ bản:
+ Thực hiện luật hợp thành
Ngoài ra còn có khối giao diện vào và giao diện ra
Xét bộ điều khiển mờ MISO sau, với véctơ đầu vào X = u 1 u 2 u n T
Hình 2.6: Sơ đồ bộ điều khiển mờ
2.3.2 Nguyên lý điều khiển mờ
Hình 2.7: Sơ đồ nguyên lý bộ điều khiển mờ
- Khối mờ hoá có chức năng chuyển mỗi giá trị rõ của biến ngôn ngữ đầu vào thành véctơ có số phần tử bằng số tập mờ đầu vào
- Thiết bị hợp thành mà bản chất của nó sự triển khai luật hợp thành R được xây dựng trên cơ sở luật điều khiển
- Khối giải mờ có nhiệm vụ chuyển tập mờ đầu ra thành giá trị rõ b0
(ứng với mỗi giá tri rõ a0 để điều khiển đối tượng)
Giao diện đầu vào thực hiện tổng hợp và chuyển đổi tín hiệu từ dạng tương tự sang dạng số, đồng thời có thể bao gồm các khâu phụ trợ để thực hiện các phép toán động như tích phân và vi phân.
- Giao diện đầu ra thực hiện chuyển đổi tín hiệu ra (từ số sang tương tự) để điều khiển đối tượng
Bộ điều khiển mờ được tổng hợp dựa trên các phương pháp toán học, định nghĩa các biến ngôn ngữ đầu vào và đầu ra, cùng với việc lựa chọn các luật điều khiển phù hợp Với khả năng xử lý các giá trị đầu vào và đầu ra dưới dạng dấu phẩy động với độ chính xác cao, bộ điều khiển mờ đáp ứng tốt yêu cầu của các bài toán điều khiển rõ ràng và chính xác.
2.3.3 Phân loại bộ điều khiển mờ
Cũng giống như điều khiển kinh điển, bộ điều khiển mờ được phân loại dựa trên các quan điểm khác nhau:
Theo số lượng đầu vào và đầu ra, bộ Điều khiển mờ được phân loại thành ba loại chính: "Một vào - một ra" (SISO), "Nhiều vào - một ra" (MISO), và "Nhiều vào - nhiều ra" (MIMO).
Hình 2.8 a, b, c Các bộ điều khiển mờ
Bộ điều khiển mờ MIMO khó thiết kế thiết bị hợp thành, trong khi một bộ điều khiển mờ với m đầu ra có thể dễ dàng chuyển đổi thành m bộ điều khiển mờ đơn đầu ra Do đó, bộ điều khiển mờ MIMO chỉ có giá trị lý thuyết và không được áp dụng trong thực tế.
Các loại BĐK mờ được phân loại theo phương pháp điều khiển bao gồm: điều khiển Mamdani (MCFC), điều khiển mờ trượt (SMFC), điều khiển tra bảng (CMFC) và điều khiển Tagaki/Sugeno (TSFC).
2.3.4 Thiết kế bộ điều khiển mờ
B1 : Định nghĩa tất cả các biến ngôn ngữ vào/ra
B2 : Xác định các tập mờ cho từng biến vào/ra (mờ hoá)
+ Miền giá trị vật lý của các biến ngôn ngữ
+ Rời rạc hoá tập mờ
B3 : Xây dựng luật hợp thành
B4 : Chọn thiết bị hợp thành
B5 : Giải mờ và tối ưu hoá
Để thiết kế bộ Điều khiển mờ hiệu quả, cần tuân thủ các bước quan trọng sau: xác định rõ yêu cầu hệ thống, lựa chọn phương pháp điều khiển phù hợp, và thực hiện kiểm tra, đánh giá hoạt động của bộ điều khiển.
Khảo sát đối tượng là bước quan trọng để định nghĩa các biến ngôn ngữ đầu vào và xác định miền xác định của chúng Cần chú ý đến các đặc điểm cơ bản như tốc độ biến đổi của đối tượng, sự tồn tại của độ trễ và tính phi tuyến Những thông tin này rất cần thiết để xác định miền xác định cho các biến động học như vận tốc và gia tốc Đối với tín hiệu biến thiên nhanh, nên chọn miền xác định với vận tốc và gia tốc lớn, ngược lại đối với tín hiệu biến thiên chậm.
Mờ hóa các biến ngôn ngữ là bước quan trọng trong việc xác định số lượng tập mờ và hình dạng các hàm liên thuộc cho mỗi biến Số lượng tập mờ cần được lựa chọn cẩn thận; nếu quá ít, việc điều chỉnh sẽ không mịn màng, trong khi nếu quá nhiều, thiết kế luật hợp thành sẽ trở nên phức tạp, quá trình tính toán kéo dài và có thể làm giảm tính ổn định của hệ thống Hình dạng của các hàm liên thuộc có thể được chọn từ hình tam giác, hình thang đến hàm Gaus, tùy thuộc vào yêu cầu cụ thể của ứng dụng.
Xây dựng các luật điều khiển (mệnh đề hợp thành) là bước quan trọng và khó khăn nhất trong thiết kế bộ điều khiển mờ Quy trình này phụ thuộc nhiều vào tri thức và kinh nghiệm của các chuyên gia vận hành hệ thống Hiện nay, chúng ta thường áp dụng một số nguyên tắc cơ bản để xây dựng luật hợp thành, giúp hệ thống hoạt động hiệu quả, sau đó tiến hành mô phỏng và điều chỉnh các luật hoặc sử dụng một số thuật toán tối ưu.
Chọn thiết bị hợp thành phù hợp như MAX-MIN, MAX-PROD, SUM-MIN hoặc SUM-PROD, đồng thời xác định nguyên tắc giải mờ như Trung bình, cận trái, cận phải, điểm trọng tâm, hoặc độ cao để đạt được hiệu quả tối ưu trong quá trình xử lý dữ liệu.
Tối ưu hóa hệ thống là bước quan trọng sau khi thiết kế bộ điều khiển mờ, bao gồm việc mô hình hóa và mô phỏng để kiểm tra kết quả Trong quá trình này, cần điều chỉnh một số tham số nhằm đạt được chế độ làm việc tối ưu, bao gồm việc thêm hoặc bớt các luật điều khiển, thay đổi trọng số của các luật, và điều chỉnh hình dạng cũng như miền xác định của các hàm liên thuộc.
Thiết kế bộ điều khiển PID mờ
Bộ điều khiển PID là giải pháp linh hoạt cho cả ứng dụng điều khiển Analog và Digital, với hơn 90% bộ điều khiển hiện nay sử dụng công nghệ này Khi được thiết kế đúng cách, bộ PID có khả năng điều khiển hệ thống với chất lượng quá độ cao, đảm bảo đáp ứng nhanh và độ vọt lố thấp, đồng thời loại bỏ sai số xác lập.
Hiện nay, có nhiều cấu trúc khác nhau của PID mờ đã được nghiên cứu, thường dựa trên việc tách bộ điều chỉnh PID thành hai bộ điều chỉnh PD và PI (hoặc I) Sự phân chia này nhằm thiết lập hệ luật cho PD và PI (hoặc I) với hai (hoặc một) biến vào và một biến ra, thay vì ba biến vào như trước Cấu trúc này không làm giảm số lượng luật mà chỉ đơn giản hóa quá trình tính toán.
Việc thiết kế bộ PID kinh điển thường dựa trên các phương pháp như Zeigler-Nichols, Offerein, và Reinish Tuy nhiên, đối với các đối tượng điều khiển phi tuyến, bộ điều khiển PID kinh điển không thể đảm bảo chất lượng điều khiển ở mọi điểm làm việc Do đó, để điều khiển các đối tượng phi tuyến, người ta thường sử dụng kỹ thuật hiệu chỉnh PID mềm, dựa trên phần mềm, làm cơ sở cho thiết kế PID mờ hoặc PID thích nghi.
2.4.1 Sơ đồ điều khiển sử dụng bộ điều khiển PID mờ :
Hình 2.9: Sơ đồ điều khiển sử dụng PID mờ
Mô hình toán của bộ PID: u(t) dt t
Các tham số KP, KI, KD của bộ điều khiển mờ được điều chỉnh dựa trên sai lệch e(t) và đạo hàm de(t) Có nhiều phương pháp để tinh chỉnh bộ PID, bao gồm phiếm hàm mục tiêu, chỉnh định trực tiếp và các phương pháp của Zhao, Tomizuka và Isaka Nguyên tắc chung là bắt đầu với các giá trị KP, KI, KD theo phương pháp Zeigler-Nichols, sau đó dựa vào đáp ứng thực tế để điều chỉnh dần nhằm tìm ra hướng tối ưu cho việc tinh chỉnh.
Hình 2.10: Vùng tín hiệu cần chỉnh định
+ Lân cận a1 ta cần luật điều khiển mạnh để rút ngắn thời gian lên, do vậy chọn: KP lớn, KD nhỏ và nhỏ
+ Lân cận b1 ta tránh vọt lố lớn nên chọn: KP nhỏ, KD lớn, lớn
+ Lân cận c1 và d1 giống như lân cận a1 và b1.
Hệ điều khiển mờ lai (F-PID)
Hệ mờ lai F-PID là một hệ điều khiển kết hợp giữa thành phần điều khiển kinh điển và thành phần điều khiển mờ, sử dụng hai tín hiệu chính là sai lệch e(t) và đạo hàm của nó e’(t) Bộ điều khiển mờ cho phép phản ứng nhanh trong vùng sai lệch lớn nhờ vào đặc tính phi tuyến của nó Khi hệ thống tiến gần đến điểm đặt, vai trò của bộ điều khiển mờ giảm dần và chuyển sang hoạt động như một bộ điều chỉnh PID thông thường Hình 2.11 minh họa cách thiết lập bộ điều khiển mờ lai F-PID.
Hình 2.11:Nguyên lý điều khiển mờ lai
Sự chuyển đổi giữa các vùng tác động của FLC và PID có thể được thực hiện thông qua khoá mờ hoặc sử dụng chính FLC Khi dùng FLC, ngoài vai trò là bộ điều chỉnh, nó còn giám sát hành vi của hệ thống để thực hiện sự chuyển đổi Việc chuyển đổi tác động giữa FLC và PID có thể áp dụng theo một luật đơn giản.
If |e(t)|dương lớn và |e’(t)| dương lớn thì u là FLC
If |e(t)| dương nhỏ và |e’(t)| dương nhỏ thì u là PID x
Để thực hiện chuyển đổi mờ giữa các mức FLC và bộ chuyển đổi PID, có thể thiết lập nhiều bộ điều chỉnh PIDi (i = 1,2 n), mỗi bộ được tối ưu hóa để cải thiện chất lượng trong một vùng giới hạn của biến vào Các bộ điều chỉnh này chia sẻ thông tin đầu vào và sự tác động của chúng phụ thuộc vào giá trị đầu vào Luật chuyển đổi trong trường hợp này có thể được diễn đạt theo hệ mờ.
Nếu (trạng thái của hệ) là Ei thì (tín hiệu điều khiển) = ui
Trong hệ thống điều khiển, với i = 1, 2, , n, biến ngôn ngữ của tín hiệu vào được ký hiệu là Ei, trong khi ui đại diện cho các hàm chứa các tham số của tác động điều khiển Tại mỗi vùng điều chỉnh, tác động điều khiển được thực hiện bởi bộ điều chỉnh PIDi.
( ) t i Pi Ii Di u K e K e t dt K de
Các hệ số của bộ điều chỉnh PIDi hiện nay phụ thuộc vào các tín hiệu đầu vào tổng quát hơn là chỉ dựa vào trạng thái của hệ thống Nếu xem xét các hệ số KPi, KDi và KIi, chúng chính là kết quả giải mờ theo phương pháp trung bình trọng tâm từ ba hệ mờ hàm.
Hệ mờ hàm tính hệ số Kp với hệ luật:
Ru(i): if E is Ei and DE is DEi then Kp = Kpi
Hệ mờ hàm tính hệ số KD với hệ luật:
Ru(i): if E is Ei and DE is DEi then KD = KDi
Hệ mờ hàm tính hệ số K1 với hệ luật:
Ru(i): if E is Ei and DE is DEi then Ki = Kii.
Kết luận
Phương pháp điều khiển mờ là lựa chọn lý tưởng cho việc điều khiển robot, vì vậy tác giả luận văn đã quyết định nghiên cứu và khảo sát phương pháp này để điều khiển hoạt động của robot Pipeline.
Việc nghiên cứu và áp dụng lý thuyết mờ, logic mờ và điều khiển mờ trong thiết kế hệ thống điều khiển cho robot Pipeline là trọng tâm chính của luận văn này, và sẽ được trình bày chi tiết trong các chương tiếp theo.
Xây dựng hệ thống điều khiển
Thiết kế bộ điều khiển động cơ DC trong PIPELINE ROBOT
Sơ đồ mạch điện của động cơ DC được biểu diễn như hình sau:
Hình 3.1: Sơ đồ mạch điện của động cơ DC
Ngõ vào điện áp phần ứng được biểu thị bằng V (Volts), trong khi vận tốc góc của trục là (rad/s) và góc quay của trục là (rad) Trong chế độ ổn định với tốc độ không đổi và dòng phần ứng không thay đổi, giá trị điện áp sẽ giữ nguyên.
Trong quá trình quá độ, tốc độ và dòng điện không ngừng thay đổi, khiến cuộn dây phản kháng lại sự biến đổi của dòng điện Do đó, hệ số tự cảm L được coi là một khâu trễ bậc I.
Khi áp dụng điện áp kích từ lên cuộn dây, dòng kích từ sẽ chạy trong mạch từ, tạo ra từ thông kích từ Khi tiếp tục cung cấp điện áp cho mạch phần ứng, dòng điện sẽ chạy qua dây dẫn phần ứng Dòng điện này tương tác với từ thông kích từ, tạo ra moment điện từ, khiến động cơ quay.
Moment điện từ làm phần ứng quay quanh trục và các cuộn dây quét qua từ thông sinh ra suất điện động cảm ứng
Phương trình điện áp phần ứng
V = RI + K t + L di dt (3.7) Áp dụng định luật Kirchoff và định luật Newton cho phần điện và phần cơ của động cơ DC:
Sử dụng biến đổi Laplace, phương trình (3.8) và (3.9) được viết lại như sau:
Thay thế vào phương trình (3.8) ta được:
Phương trình của động cơ DC được biểu diễn bằng sơ đồ khối như hình sau:
Hình 3.2: Sơ đồ khối của động cơ DC
Từ phương trình (3.16) ta có hàm truyền của ngõ vào điện áp V(s) và ngõ ra là góc
, được biểu diễn như sau:
Và ta có hàm truyền của ngõ vào điện áp V(s) và ngõ ra là vận tốc góc ( ) s là:
Mô hình động cơ DC được biểu diễn bằng hàm truyền:
3.1.2 Yêu cầu điều khiển – Thông số của động cơ
Nhiệm vụ đầu tiên là điều chỉnh tốc độ di chuyển của Robot Pipeline khi hoạt động trong các loại đường ống khác nhau, bao gồm các đoạn cong, hình chữ T và hình chữ thập Điều này cần được thực hiện trong điều kiện mô men thay đổi liên tục và phức tạp, nhằm đảm bảo rằng Robot Pipeline vẫn hoạt động ổn định trong đường ống.
Nhiệm vụ thứ hai là điều chỉnh cơ chế co dãn kích thước của Robot Pipeline khi di chuyển trong các đường ống tròn có kích thước thay đổi, bao gồm việc thay đổi chiều quay của động cơ và tạo ra hiệu ứng linh hoạt trong quá trình vận hành.
Mc lực ép từ các bánh xe của Pipeline robot lên thành ống là hằng số đảm bảo cho robot hoạt động ổn định trong đường ống
Bảng 3.1: Thông số của động cơ được sử dụng trong luận văn
Thông số Mô tả Giá trị Đơn vị
J Moment quán tính của rotor 3.6x10 -7 [kgm 2 ] b Hệ số ma sát cơ 54x10 -3 [Nms]
Hàm truyền động cơ DC như sau:
Dựa trên điều kiện hoạt động của Pipeline robot, bộ điều khiển sẽ duy trì tốc độ và moment của động cơ phù hợp với môi trường làm việc Qua đó, hệ thống điều khiển sẽ ra quyết định điều chỉnh tốc độ và moment của động cơ theo giá trị đã được thiết lập trong mô hình.
Thiết kế hệ thống điều khiển bằng phần mềm Matlab7.6.0 (R2008).
Thiết kế bộ điều khiển PID kinh điển điều khiển động cơ DC
Bộ điều khiển PID thường được áp dụng cho các quá trình có mô hình bậc thấp, chủ yếu là bậc nhất hoặc bậc hai Khi gặp mô hình bậc cao, cần thực hiện giảm bậc để xấp xỉ về mô hình bậc nhất hoặc bậc hai có trễ trước khi áp dụng phương pháp chỉnh định Một trong những phương pháp giảm bậc đơn giản là luật chia đôi (half-rule) của Skogestad Tuy nhiên, trong luận văn này, do đối tượng điều khiển là động cơ DC với hàm truyền là khâu quán tính bậc hai, phương pháp luật chia đôi không được trình bày chi tiết.
Cấu trúc một hệ thống điều khiển PID như hình sau:
Hình 3.3: Sơ đồ khối hệ điều khiển PID
Trong đó hàm truyền của khâu PID là:
KP là độ lợi của khâu tỉ lệ (Proportional gain)
KI là độ lợi của khâu tích phân (Integral gain)
KD là độ lợi của khâu vi phân (Derivative gain)
3.2.1 Đặc tính điều khiển với bộ PID Ứng dụng tiêu biểu của bộ điều khiển PID là các quá trình chậm hoặc các quá trình không ổn định mà ở đó sự ảnh hưởng nhiễu đo không đáng kể
Trong các quá trình thông dụng và hệ kín ổn định, tác động của việc điều chỉnh từng tham số PID đối với các chỉ tiêu chất lượng được tóm tắt rõ ràng trong bảng 3.1.
Bảng 3.2: Ảnh hưởng của từng tham số PID tới chất lượng điều khiển
Chỉ tiêu chất lượng Thay đổi tham số
Tăng kc Giảm Ti Tăng Td
Thời gian đáp ứng Giảm Giảm ít Giảm ít
Thời gian quá độ Thay đổi ít Giảm Giảm Độ quá điều chỉnh Tăng Tăng Giảm ít
Hệ số tắt dần Thay đổi ít Tăng Giảm
Sai lệch tĩnh Giảm Triệt tiêu Thay đổi ít
Tín hiệu điều khiển Tăng Tăng Tăng Độ dự trữ ổn định Giảm Giảm Tăng
Bền vững với nhiễu đo Giảm Thay đổi ít Giảm
Kết luận về ba tham số PID chỉ mang tính tương đối, vì chúng có sự ảnh hưởng lẫn nhau; bất kỳ sự thay đổi nào ở một tham số cũng có thể tác động đáng kể đến hiệu quả của hai tham số còn lại.
3.2.2 Hiệu chỉnh thông số của bộ điều khiển PID
Một phương pháp cổ điển nhưng đơn giản và hiệu quả để chỉnh định 3 thông số Kp,
Ki và Kd của bộ điều khiển PID được xác định thông qua phương pháp điều chỉnh Ziegler-Nichols Phương pháp thứ hai của Ziegler-Nichols dựa trên các tham số đặc tính dao động tới hạn của hệ kín, được xác định qua thực nghiệm Hệ số khuyếch đại tới hạn là giá trị khuếch đại mà bộ điều khiển P đưa vòng kín đến trạng thái dao động xác lập Quy trình chỉ định được thực hiện theo các bước cụ thể.
1 Đặt hệ thống ở chế độ điều khiển bằng tay và đưa dần hệ thống tới điểm làm việc, chờ hệ thống ổn định tại điểm làm việc
2 Chuyển hệ thống sang chế độ điều khiển tự động với bộ điều khiển P Đặt hệ số khuyếch đại Kc tương đối bé và thay đổi giá trị đặt một lượng nhỏ
3 Tăng dần hệ số khuyếch đại Kc cho tới khi đầu ra quá trình đạt trạng thái dao động điều hoà Giá trị Kc đó được gọi là hệ số khuyếch đại tới hạn (Ku) và chu kỳ của dao động được gọi là chu kỳ dao động tới hạn (Tu)
4 Lựa chọn kiểu bộ điều khiển sẽ dùng thực và tính toán các tham số theo các luật chỉnh định đưa ra trong bảng 3.2
Bảng 3.3 Luật chỉnh định tham số theo phương pháp Ziegler-Nichols 2
Bộ điều khiển Kc Ti Td
Hình 3.4: Xác định hằng số khuếch đại tới hạn
Dựa trên các thông số Ku = 1.98 và Tu = 0.37 từ hình trên, áp dụng phương pháp điều chỉnh Ziegler-Nichols 2, ta xác định được các tham số cho bộ điều khiển PID.
- Bộ điều khiển PI: Kc = 0.45Ku = 0.9 Ti = 0.85Tu = 0.314
Bộ điều khiển PID được thiết lập với các tham số Kc = 0.6Ku = 1.2, Ti = 0.5Tu = 0.18, Td = 0.12Tu = 0.05 Phương pháp dựa trên dao động tới hạn mang lại ưu điểm nổi bật là xác định các tham số đặc tính của quá trình trong vòng kín, cho phép áp dụng rộng rãi cho nhiều loại quá trình công nghiệp, bao gồm cả những quá trình không ổn định.
Nhược điểm của phương pháp này bao gồm:
Quá trình thử nghiệm đặc tính dao động tới hạn cần được thực hiện lặp đi lặp lại một cách công phu, tuy nhiên, điều này có thể gây ra tình trạng mất ổn định cho hệ thống.
Không những kiểm soát được đáp ứng đầu ra, quá trình dao động liên tục có thể gây ảnh hưởng lớn tới chất lượng sản phẩm
Các luật chỉnh định do Ziegler-Nichols đề xuất dựa trên kinh nghiệm nhằm đạt được hệ số tắt dần khoảng 0.25 Tuy nhiên, điều này dẫn đến việc hệ kín có độ dao động quá lớn và kém bền vững trước sai lệch mô hình.
3.2.3 Sơ đồ điều khiển PID kinh điển điều khiển tốc độ động cơ DC
Hình 3.5: Sơ đồ điều khiển PID kinh điển điều khiển tốc độ động cơ DC
3.2.4 Sơ đồ điều khiển PID kinh điển điều khiển moment động cơ DC
Hình 3.6: Sơ đồ điều khiển PID kinh điển điều khiển moment động cơ DC
3.2.5 Mô phỏng quá trình điều khiển PID kinh điển động cơ DC
Chương 4 trình bày sơ đồ và kết quả mô phỏng của hệ thống điều khiển PID kinh điển, được áp dụng để điều khiển động cơ DC trong Pipeline Robot.
Thiết kế bộ điều khiển PID mờ điều khiển động cơ DC
3.3.1 Thiết kế bộ điều khiển mờ PID mờ để chỉnh định tham số động cơ DC
Thiết kế bộ điều khiển PID mờ để điều khiển đối tượng là động cơ DC có thông số được cho như bảng 3.3
Hàm truyền của động cơ DC là:
Sơ đồ khối của hệ được xây dựng như hình 2.5
Bước 1 Xác định biến ngôn ngữ:
Bộ điều khiển mờ gồm : 2 biến đầu vào và 1 biến đầu ra
+ Sai lệch: e(t) = Đo - Đặt hoặc e(t) = Đặt - Đo
Số lượng biến ngôn ngữ được phân loại thành bảy mức độ: âm nhiều, âm vừa, âm ít, zero, dương ít, dương vừa, và dương nhiều, ký hiệu là e(t) = {NB, NM, NS, ZE, PS, PM, PB} Tương tự, e’(t) cũng có bảy mức độ tương ứng là âm nhiều, âm vừa, âm ít, zero, dương ít, dương vừa, và dương nhiều, ký hiệu là DET = {NB, NM, NS, ZE, PS, PM, PB}.
Đầu ra : 1 biến và được định nghĩa như sau:
Hình 3.7: Hàm thuộc ngõ vào của e(t) và e’(t)
Ngõ ra của bộ PID mờ có 9 hàm thuộc và được trình bày trong hình 3.8
Hình 3.8: Hàm thuộc ngõ ra của OUT
Quan hệ vào – ra của bộ điều khiển mờ được trình bày trong hình 3.9 a,b a) b) Hình 3.9 a, b: Quan hệ vào ra của bộ điều khiển mờ
Bước 2 Chọn luật hợp thành và giải mờ
Với 7 tập mờ của mỗi đầu vào, ta xây dựng được 7 x 7 = 49 luật điều khiển Các luật điều khiển này được xây dựng theo 2 nguyên tắc sau:
- Sai lệch càng lớn thì tác động điều khiển càng lớn
- Tích phân sai lệch càng lớn thì tác động điều khiển càng lớn
Bảng 3.4: Luật điều khiển của bộ PID mờ
NB NM NS ZE PS PM PB
Bước 3: Áp dụng luật hợp thành Max-Min và giải mờ bằng phương pháp trọng tâm, chúng ta có thể quan sát rõ ràng sự tác động của các luật cũng như mối quan hệ vào - ra của bộ điều khiển, như được thể hiện trong hình.
Bước 4 Xây dựng mô hình điều khiển và mô phỏng
3.3.2 Sơ đồ điều khiển PID mờ điều khiển động cơ DC
3.3.2.1 Sơ đồ điều khiển PID mờ điều khiển tốc độ động cơ DC
Hình 3.10: Sơ đồ điều khiển PID mờ điều khiển tốc độ động cơ DC
Hình 3.11: Sơ đồ của khối Fuzzy Logic Controller trong hình 3.10
3.3.2.2 Sơ đồ điều khiển PID mờ điều khiển moment động cơ DC
Hình 3.12: Sơ đồ điều khiển PID mờ điều khiển moment động cơ DC
Hình 3.13: Sơ đồ của khối Fuzzy Logic Controller trong hình 3.12
3.3.3 Mô phỏng quá trình điều khiển PID mờ cho động cơ DC
Sơ đồ và kết quả mô phỏng của BĐK PID mờ điều khiển cho các động cơ DC trong Pipeline Robot được trình bày trong chương 4.
Thiết kế PID mờ lai cho hệ thống điều khiển động cơ DC
Thiết kế bộ điều khiển PID mờ lai cho động cơ DC với thông số được nêu trong bảng 3.3, cùng với hàm truyền của động cơ được thể hiện qua công thức (3.25).
Bước 1 Xác định biến ngôn ngữ:
+ Sai lệch: e(t) = Đo - Đặt hoặc e(t) = Đặt - Đo
Giả sử hệ số tỷ lệ có thể thay đổi trong khoảng từ KPmin đến KPmax, trong khi hệ số đạo hàm thay đổi trong khoảng từ KDmin đến KDmax Để thuận tiện cho việc tính toán, chúng ta sẽ chuyển đổi các hệ số này về đơn vị tương đối của các biến đầu ra.
+ KP hệ số tỷ lệ:
+ KD hệ số vi phân: ' min [0 1] max min
+ KI hệ số tích phân: K I (3.28)
Hằng số thời gian tích phân: Ti = Td (3.29)
Giả thiết miền xác định của e(t) là [e1,e2] và e’(t) là [e’1, e’2] , ta có:
Số lượng biến ngôn ngữ e(t) được phân loại thành bảy mức độ: âm nhiều, âm vừa, âm ít, zero, dương ít, dương vừa, và dương nhiều, ký hiệu là ET = { NB, NM, NS, ZE, PS, PM, PB } Tương tự, biến ngôn ngữ e’(t) cũng được phân chia theo các mức độ tương tự và được ký hiệu là DET = { NB, NM, NS, ZE, PS, PM, PB }.
KP/KD / = { nhỏ, nhỏ vừa, trung bình, lớn } = { S, MS, M,B}
Hình 3.14: Hàm thuộc ngõ vào của e(t) và e’(t)
Hàm thuộc ngõ ra của KP , KD , giống nhau và được trình bày trong hình 3.15
Hình 3.15: Hàm thuộc ngõ ra của KP , KD ,
Hình 3.16: Quan hệ vào – ra của bộ điều khiển PID mờ lai
Bước 2 Chọn luật hợp thành và giải mờ
Dựa vào đặc tính quá độ thường gặp của hệ thống điều khiển dùng PID như ở hình 2.10 ta xác định các luật điều khiển tương ứng:
Khi bắt đầu ở thời điểm a1, cần có tín hiệu điều khiển lớn để tín hiệu ra tăng nhanh, do đó K’P phải lớn, K’D nhỏ và KI lớn (α nhỏ).
Nếu e(t) lớn (PB) và e’(t) bằng Zero (ZE), thì K’P sẽ lớn (B), K’D nhỏ (S), và nhỏ (S) Trong khoảng thời gian b1 (hình 2.10), để tín hiệu điều khiển nhỏ nhằm tránh hiện tượng vọt lố, cần điều chỉnh K’P nhỏ, K’D lớn và KI nhỏ ( lớn).
Nếu e(t) là Zero (ZE) và e’(t) là âm lớn (NS), thì các hệ số K’P nhỏ (S), K’D lớn (B) và lớn Các tác động điều khiển trong khoảng thời gian c1 và d1 tương tự như trong khoảng a1 và b1 Mỗi biến ra sẽ tạo ra tổ hợp 7x7 luật như trong bảng 3.5, bảng 3.6 và bảng 3.7 Áp dụng luật hợp thành Max-Prod, mờ hóa đơn trị và giải mờ theo phương pháp trung bình trọng tâm, các hệ số K’P, K’D và sẽ được tính toán trong quá trình điều khiển.
Trong đó, A’, B’ như ở hình 3.14 và y p 1 , y d 1 , y 1 là tâm của các tập mờ tương ứng ở hình 3.16
Bảng 3.5: Luật chỉnh định KP:
NB NM NS ZE PS PM PB e(t)
Bảng 3.6: Luật chỉnh định KD:
NB NM NS ZE PS PM PB e(t)
Bảng 3.7: Luật chỉnh định KI:
NB NM NS ZE PS PM PB e(t)
NM MS MS S S S MS MS
NS M MS MS S MS MS M
PS M MS MS S MS MS M
PM MS MS S S S MS MS
Bước 3 Xây dựng mô hình điều khiển và mô phỏng
Sơ đồ và kết quả mô phỏng của BĐK PID mờ lai ứng dụng cho động cơ DC trong Pipeline Robot được trình bày trong chương 4
3.4.2 Sơ đồ điều khiển PID mờ lai điều khiển động cơ DC
3.4.2.1 Sơ đồ điều khiển PID mờ lai điều khiển tốc độ động cơ DC
Hình 3.17: Sơ đồ mô phỏng hệ thống điều khiển tốc độ động cơ DC dùng bộ điều khiển
3.4.2.2 Sơ đồ điều khiển PID mờ lai điều khiển moment động cơ DC
Hình 3.18: Sơ đồ mô phỏng hệ thống điều khiển moment động cơ DC dùng bộ điều khiển PID mờ lai
3.4.3 Mô phỏng quá trình điều khiển PID mờ lai cho động cơ DC
Sơ đồ và kết quả mô phỏng của BĐK PID mờ lai điều khiển cho các động cơ DC trong Pipeline Robot được trình bày trong chương 4.