Tổng quan luận án

Luận án tiến sĩ kỹ thuật "Điều khiển dự báo với tập hữu hạn các giá trị đầu vào (FCS-MPC) cho nghịch lưu đa mức cầu H nối tầng" do nghiên cứu sinh Phó Bảo Bình thực hiện tại Đại học Bách khoa Hà Nội năm 2023, thuộc chuyên ngành Kỹ thuật Điều khiển và Tự động hóa (mã số: 9520216), dưới sự hướng dẫn khoa học của PGS.TS Trần Trọng Minh và PGS.TS Vũ Hoàng Phương.

Hệ truyền động điện công suất cao ở dải điện áp trung bình (Medium Voltage - MV) chiếm tỷ trọng lớn trong công nghiệp, trong đó khoảng 85% là các phụ tải máy nén khí, bơm, quạt gió và băng tải. Quá trình vận hành hệ truyền động MV đặt ra nhiều yêu cầu kỹ thuật khắt khe, bao gồm việc suy giảm tốc độ biến thiên điện áp ($dv/dt$), hạn chế điện áp chế độ chung (Common-mode Voltage - CMV) để tránh dòng điện rò phá hủy ổ bi động cơ và gây nhiễu điện từ, cùng với yêu cầu tối ưu hóa tần số đóng cắt của van bán dẫn để giảm tổn hao. Nghịch lưu đa mức (Multilevel Inverter - MLI), đặc biệt là cấu trúc cầu H nối tầng (Cascaded H-Bridge - CHB), là cấu hình bộ biến đổi đáp ứng tốt các yêu cầu điện áp trung áp nhờ khả năng ghép nối module hóa và tạo điện áp đầu ra nhiều mức với hàm lượng sóng hài thấp.

Phương pháp điều khiển dự báo dựa trên mô hình với tập hữu hạn các giá trị đầu vào (FCS-MPC) cho phép xử lý trực tiếp tính chất đóng cắt rời rạc của các khóa bán dẫn mà không cần khâu điều chế độ rộng xung (PWM/SVM), đồng thời dễ dàng tích hợp các mục tiêu điều khiển đa biến và các ràng buộc vật lý vào một hàm mục tiêu duy nhất. Tuy nhiên, FCS-MPC cơ bản đối mặt với hai khoảng trống kỹ thuật chính:

  1. Tồn tại sai lệch tĩnh ở dòng điện đầu ra khi tần số trích mẫu bị giới hạn hoặc khi tham số mô hình dự báo sai lệch so với tham số thực của hệ thống.
  2. Khối lượng tính toán tăng theo cấp số nhân khi mở rộng khoảng dự báo sang nhiều bước (multistep MPC), dẫn đến khó khăn khi triển khai thuật toán trên các phần cứng điều khiển thời gian thực ở dải tần số đóng cắt cao.

Mục tiêu nghiên cứu của luận án được xác định gồm ba nội dung:

  1. Đề xuất thuật toán bổ sung khâu tích phân nhằm triệt tiêu sai lệch trạng thái tĩnh tồn tại trong phương pháp FCS-MPC thông thường đối với hệ nghịch lưu CHB nối tải động cơ không đồng bộ (Induction Motor - IM).
  2. Xây dựng giải thuật giải mã mặt cầu K-best (K-best SDA) cải tiến từ thuật toán giải mã mặt cầu (Sphere Decoding Algorithm - SDA) nhằm giảm khối lượng tính toán của bài toán tối ưu hóa trong multistep MPC.
  3. Ứng dụng mạng nơ-ron nhân tạo (ANN) xây dựng bộ điều khiển ANN-MPC nhằm giảm sự phụ thuộc vào mô hình toán học và cho phép thực thi thuật toán multistep MPC trên phần cứng thời gian thực.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Bộ biến đổi nghịch lưu đa mức cấu trúc cầu H nối tầng (CHB).
  • Phạm vi nghiên cứu: Cấu trúc điều khiển truyền động động cơ không đồng bộ ba pha rotor lồng sóc (IM) với mạch vòng điều khiển dòng điện stator sử dụng phương pháp FCS-MPC; các mạch vòng ngoài (tốc độ quay và từ thông rotor) duy trì sử dụng bộ điều khiển tích phân tỉ lệ (PI) truyền thống theo nguyên lý điều khiển tựa từ thông (FOC). Không gian nghiên cứu thực nghiệm được thực hiện trên hệ thống thí nghiệm tại phòng nghiên cứu của Đại học Bách khoa Hà Nội.

Tổng quan tài liệu và vị trí của luận án

Luận án hệ thống hóa các hướng nghiên cứu về cấu trúc phần cứng nghịch lưu đa mức và các chiến lược điều khiển tương ứng:

Về cấu trúc phần cứng bộ biến đổi đa mức:

  • Cấu trúc diode kẹp trung tính (Neutral Point Clamped - NPC) do Nabae, Takahashi và Akagi công bố [5], có hạn chế về số lượng diode kẹp tăng nhanh và khó cân bằng điện áp điểm trung tính khi số mức điện áp lớn.
  • Cấu trúc tụ bay (Flying Capacitor - FC) do Meynard và Foch đề xuất [6], gặp trở ngại về số lượng tụ điện lớn và giải thuật cân bằng điện áp tụ phức tạp.
  • Cấu trúc module hóa (Modular Multilevel Converters - MMC) do Lesnicar và Marquardt phát triển [8], [9], được ứng dụng trong truyền tải HVDC nhưng yêu cầu đo đạc và cân bằng điện áp trên nhiều tụ điện nhánh, dễ dao động điện áp ở vùng tốc độ thấp [15].
  • Cấu trúc cầu H nối tầng (CHB) do Marchesoni, Mazzucchelli và Tenconi nghiên cứu [7], sử dụng các cell cầu H độc lập nối tiếp, có cấu trúc module hóa cao, số lượng linh kiện tối thiểu cho cùng số mức điện áp và thương mại hóa rộng rãi trong các hệ thống truyền động trung áp như dòng Robicon Perfect Harmony của Siemens, Megavert của Emerson hay MVD Series của Delta Electronics [17], [18].

Về phương pháp điều khiển cho biến tần đa mức:

  • Phương pháp tuyến tính: Sử dụng bộ điều khiển PI kết hợp điều chế PWM/SVM [24], hoặc bộ điều khiển cộng hưởng PR trong hệ tọa độ tĩnh [25]. Hạn chế là khó tích hợp trực tiếp các ràng buộc phi tuyến như điện áp CMV, giới hạn tần số đóng cắt hay dòng điện cực đại.
  • Phương pháp phi tuyến: Điều khiển trượt (SMC) [29], [30], điều khiển bằng khâu so sánh trễ (Hysteresis control) [26] và điều khiển trí tuệ nhân tạo (AIC) [31], [32].
  • Phương pháp điều khiển dự báo (Predictive Control): Bao gồm điều khiển deadbeat [36], [37], điều khiển dựa trên trễ [38], điều khiển theo quỹ đạo [39], điều khiển dự báo tập liên tục (CCS-MPC) [41] và điều khiển dự báo tập hữu hạn (FCS-MPC) [20], [23], [40], [42].

Về xử lý sai lệch tĩnh trong FCS-MPC: Các nghiên cứu của Rivera et al. [59], [60] chỉ ra nguyên nhân do sai lệch mô hình và đề xuất đưa khâu tích phân vào hàm mục tiêu, tuy nhiên cách tiếp cận này làm tăng thời gian tính toán. Cortés et al. [63] và Tarisciotti et al. [64] đề xuất tích hợp khâu bù sai lệch giữa mô hình ước lượng và mô hình thực nhằm duy trì đáp ứng động học nhanh mà không cần các mạch vòng phụ trợ phức tạp.

Về tối ưu hóa tính toán trong multistep MPC: Nghiên cứu của Geyer et al. [2], [28], [67] khẳng định việc kéo dài khoảng dự báo ($N \ge 2$) giúp giảm đáng kể độ méo sóng hài (THD) dòng điện và giảm độ đập mạch mô-men ở trạng thái tĩnh. Tuy nhiên, phương pháp tìm kiếm toàn diện (Exhaustive Search Algorithm - ESA) đòi hỏi duyệt $m^{3N}$ trạng thái (với bộ nghịch lưu $m$ mức và $N$ bước dự báo). Để giải quyết vấn đề này, thuật toán giải mã mặt cầu (SDA) [2], [72] sử dụng kỹ thuật tìm kiếm theo chiều sâu (depth-first) kết hợp nhánh và cận. Nhằm tối ưu hóa hơn nữa khả năng xử lý song song trên phần cứng vi điều khiển, thuật toán K-best SDA [76], [77] phối hợp giải thuật sắp xếp Bitonic [78], [80] được đề xuất cho các hệ thống vi điều khiển trên chip (SoC/FPGA).

Về ứng dụng mạng nơ-ron nhân tạo: Các nghiên cứu [88], [89], [90] dùng mạng ANN để thiết kế trọng số hàm mục tiêu; công trình [91], [92] ứng dụng mạng ANN truyền thẳng để xấp xỉ thuật toán điều khiển mà không cần mô hình giải tích phức tạp.

Khoảng trống luận án lựa chọn giải quyết:

  • Xây dựng giải thuật bù sai lệch tĩnh cho FCS-MPC một bước áp dụng riêng cho cấu trúc CHB nối tải động cơ IM mà không làm tăng bậc tính toán của hàm mục tiêu.
  • Giải quyết sự bùng nổ tổ hợp tính toán của multistep MPC trên bộ nghịch lưu CHB 11 mức bằng thuật toán K-best SDA.
  • Thiết kế mạng ANN xấp xỉ bộ điều khiển multistep MPC nhằm cho phép thực thi thời gian thực trên chip FPGA với tài nguyên phần cứng giới hạn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

Luận án sử dụng các hệ thống lý thuyết và mô hình toán học sau:

  1. Nguyên lý điều khiển khoảng dự báo dịch trên miền thời gian (Receding Horizon Control - RHC): Tại mỗi chu kỳ trích mẫu $T$, trạng thái hệ thống tại các bước tương lai được dự báo dựa trên mô hình toán học; thuật toán tối ưu hóa tìm chuỗi tín hiệu điều khiển tối ưu qua việc cực tiểu hóa hàm mục tiêu $J$, nhưng chỉ áp dụng phần tử điều khiển đầu tiên cho hệ thống; quy trình được lặp lại ở chu kỳ tiếp theo với các giá trị đo mới.
  2. Mô hình toán học động cơ không đồng bộ (IM) trên hệ tọa độ quay $dq$: Hệ phương trình vi phân trạng thái mô tả quá trình điện từ: $$\frac{d i_{sd}}{dt} = -\left(\frac{1}{\sigma T_s} + \frac{1-\sigma}{\sigma T_r}\right) i_{sd} + \omega_s i_{sq} + \frac{1-\sigma}{\sigma T_r} \psi'{rd} + \frac{1-\sigma}{\sigma} \omega \psi'{rq} + \frac{1}{\sigma L_s} u_{sd}$$ $$\frac{d i_{sq}}{dt} = -\omega_s i_{sd} - \left(\frac{1}{\sigma T_s} + \frac{1-\sigma}{\sigma T_r}\right) i_{sq} - \frac{1-\sigma}{\sigma} \omega \psi'{rd} + \frac{1-\sigma}{\sigma T_r} \psi'{rq} + \frac{1}{\sigma L_s} u_{sq}$$ $$\frac{d \psi'{rd}}{dt} = \frac{1}{T_r} i{sd} - \frac{1}{T_r} \psi'{rd} + (\omega_s - \omega) \psi'{rq}$$ $$\frac{d \psi'{rq}}{dt} = \frac{1}{T_r} i{sq} - (\omega_s - \omega) \psi'{rd} - \frac{1}{T_r} \psi'{rq}$$ Trong đó:
  • $i_{sd}, i_{sq}$: dòng điện stator trên trục $d$ và $q$;
  • $\psi'{rd}, \psi'{rq}$: từ thông rotor quy đổi về stator trên trục $d$ và $q$ ($\psi'{rd} = \frac{L_m}{L_r}\psi{rd}$, $\psi'{rq} = \frac{L_m}{L_r}\psi{rq}$);
  • $R_s, R_r, L_s, L_r, L_m$: điện trở và điện cảm stator, rotor và hỗ cảm;
  • $T_s = L_s/R_s, T_r = L_r/R_r$: hằng số thời gian stator và rotor;
  • $\sigma = 1 - L_m^2/(L_s L_r)$: hệ số tiêu tán từ thông tổng;
  • $\omega, \omega_s$: tốc độ góc quay của rotor và tốc độ góc đồng bộ;
  • $u_{sd}, u_{sq}$: điện áp stator trên trục $d$ và $q$. Mô men điện từ và phương trình động học: $$M_M = \frac{3}{2} z_p \psi'{rd} i{sq}, \quad M_M - M_W = \frac{J}{z_p} \frac{d\omega}{dt}$$ Rời rạc hóa mô hình theo phương pháp Euler tiến (Forward-Euler) với chu kỳ $T$ tạo ra hệ phương trình trạng thái không gian rời rạc: $$x[k+1] = A x[k] + B u[k]$$ với vector trạng thái $x = [i_{sd}, i_{sq}, \psi'{rd}, \psi'{rq}]^T$ và vector đầu vào điều khiển $u = [S_A, S_B, S_C]^T$.
  1. Mô hình mạch nghịch lưu CHB: Nghịch lưu ba pha cấu trúc gồm $n$ cell cầu H mỗi pha tạo ra $m = 2n + 1$ mức điện áp pha. Mức điện áp pha $S_x \in {-n, \dots, n}$ với $x \in {A, B, C}$. Điện áp pha đầu ra $v_{xN} = S_x V_{dc}$. Điện áp chế độ chung (CMV) sinh ra tại điểm trung tính tải $Z$ so với điểm trung tính nguồn $N$: $$v_{ZN} = \frac{1}{3}(v_{AN} + v_{BN} + v_{CN})$$

Phương pháp nghiên cứu thực tế

  • Phương pháp mô phỏng: Xây dựng mô hình toán học và kiểm chứng thuật toán điều khiển trên phần mềm Matlab/Simulink đối với hệ truyền động CHB 11 mức cấp nguồn cho động cơ không đồng bộ qua các kịch bản quá độ: thay đổi tốc độ đặt, đóng tải định mức và đảo chiều quay.
  • Phương pháp thực nghiệm: Triển khai phần cứng trên kit phát triển FPGA ZYBO Z7-20 của hãng Xilinx; thiết kế mạch lực gồm các module cell cầu H sử dụng van IGBT, hệ thống biến áp cách ly nhiều cuộn thứ cấp cấp nguồn DC độc lập, khối mạch đo dòng điện, khối mạch đo điện áp sử dụng vi mạch cách ly quang HCPL7800 kết hợp bộ khuếch đại đo lường INA128 và nguồn cách ly 5VDC.

Nội dung chính theo từng chương

CHƯƠNG 1. Khái quát vấn đề nghiên cứu

Chương 1 trình bày tổng quan cấu trúc phần cứng của các bộ biến đổi đa mức (NPC, FC, MMC, CHB) và phân tích các đặc tính kỹ thuật.

Cấu trúc nghịch lưu Số lượng nguồn DC Ưu điểm chính Nhược điểm chính
Diode kẹp (NPC) 01 nguồn DC chung Điện áp trên khóa giảm, cấu trúc phổ biến ở 3 mức Số lượng diode kẹp tăng mạnh khi tăng số mức; mất cân bằng điện áp điểm trung tính
Tụ bay (FC) 01 nguồn DC chung Có nhiều trạng thái dư để cân bằng điện áp tụ Yêu cầu số lượng tụ điện lớn; mạch điều khiển cân bằng điện áp tụ phức tạp
Module hóa (MMC) 01 nguồn DC chung Dễ mở rộng công suất và điện áp; không cần biến áp đa cuộn Điện áp tụ dao động lớn ở tần số thấp; giải thuật điều khiển phân tán phức tạp
Cầu H nối tầng (CHB) Nhiều nguồn DC cách ly Số linh kiện ít nhất cho cùng số mức; cấu trúc module hóa cao Yêu cầu máy biến áp nhiều cuộn thứ cấp cách ly; xuất hiện điện áp CMV

Chương này cũng phân loại các kỹ thuật điều khiển dự báo, đối chiếu giữa CCS-MPC và FCS-MPC, chỉ ra rằng FCS-MPC không cần khâu điều chế bên ngoài và trực tiếp can thiệp trạng thái đóng cắt của van. Chương 1 nêu rõ các vấn đề cốt lõi cần giải quyết: sai lệch trạng thái tĩnh do sai lệch tham số mô hình, sự bùng nổ khối lượng tính toán khi tăng số bước dự báo trong multistep MPC, và sự cần thiết của việc ứng dụng mạng nơ-ron ANN làm bộ xấp xỉ tối ưu hóa.

CHƯƠNG 2. FCS-MPC với mục đích triệt tiêu sai lệch tĩnh cho NLĐM cấu trúc CHB nối tải động cơ IM

Chương 2 tập trung giải quyết bài toán sai lệch tĩnh của FCS-MPC một bước dự báo ($N=1$). Khi các tham số điện trở, điện cảm hoặc hỗ cảm của động cơ IM trong mô hình dự báo bị sai lệch so với tham số thực (kí hiệu các ma trận sai lệch là $A_p, B_p$ so với ma trận thực $\mathcal{A}_p, \mathcal{B}_p$), sai lệch dự báo $e_p[k+1] = x[k+1] - \hat{x}[k+1]$ sẽ khác không, gây ra sai lệch tĩnh ở dòng điện stator.

Tác giả đề xuất cấu trúc tích hợp một bộ điều khiển tích phân số vào khâu dự báo: $$u_{\text{offset}}(z) = \frac{G_i}{z - 1} \left( x_{\text{ref}}(z) - x(z) \right)$$ Tín hiệu $u_{\text{offset}} = [u_{\text{offset_d}}, u_{\text{offset_q}}]^T$ được đưa trực tiếp vào phương trình dự báo dòng điện trục $d$ và trục $q$: $$i_{sd}[k+1] = f(i_{sd}[k], i_{sq}[k], \psi'{rd}[k], \psi'{rq}[k], u_{sd}[k]) - u_{\text{offset_d}}[k]$$ $$i_{sq}[k+1] = f(i_{sq}[k], i_{sd}[k], \psi'{rd}[k], \psi'{rq}[k], u_{sq}[k]) - u_{\text{offset_q}}[k]$$ Hàm mục tiêu tổng quát được thiết lập đa mục tiêu: $$J(k) = g_0 + \lambda_{CMV} g_1 + \lambda_{dc} g_2$$ Trong đó:

  • $g_0 = (i_{sd}^[k] - i_{sd}[k+1])^2 + (i_{sq}^[k] - i_{sq}[k+1])^2$: Triệt tiêu sai lệch giữa dòng điện đặt và dòng điện dự báo;
  • $g_1 = \left|\frac{v_{ZN}}{V_{dc}}\right|$: Giảm biên độ điện áp common-mode;
  • $g_2 = |S_A(k) - S_A(k-1)| + |S_B(k) - S_B(k-1)| + |S_C(k) - S_C(k-1)|$: Hạn chế số lần chuyển mạch của các khóa bán dẫn;
  • Ràng buộc đóng cắt vật lý: $|S_x(k) - S_x(k-1)| \le 1$ đối với mỗi pha $x \in {A, B, C}$.

Đối với nghịch lưu 11 mức gồm 5 cell cầu H mỗi pha, số lượng bộ mức trạng thái pha là $11^3 = 1331$, tương ứng với 331 vector điện áp trong mặt phẳng không gian $\alpha\beta$. Kết quả mô phỏng trên Matlab/Simulink khi thay đổi đồng thời các tham số động cơ trong phạm vi 35% chứng minh rằng phương pháp đề xuất đưa sai lệch dòng điện trên trục $d$ và $q$ về giá trị 0, trong khi phương pháp FCS-MPC thông thường duy trì sai lệch tĩnh đáng kể. Đồng thời, điện áp CMV được giảm thiểu và số lần chuyển mức trên pha A được tối ưu hóa.

CHƯƠNG 3. Thuật toán multistep MPC cho nghịch lưu đa mức cấu trúc CHB nối tải động cơ IM

Chương 3 mở rộng bài toán điều khiển sang phạm vi dự báo nhiều bước ($N \ge 2$). Đối với nghịch lưu 11 mức, số nút cần đánh giá theo thuật toán tìm kiếm toàn diện ESA là $11^{3N}$ (với $N=2$ là $11^6 = 1.771.561$ nút; với $N=3$ là $11^9 = 2.357.947.691$ nút), vượt quá khả năng xử lý của các bộ vi xử lý hiện hành trong chu kỳ trích mẫu micro-giây.

Tác giả phân tích và áp dụng thuật toán giải mã mặt cầu SDA (Sphere Decoding Algorithm). SDA giới hạn không gian tìm kiếm trong một mặt cầu bán kính xác định, duyệt cây tìm kiếm theo chiều sâu (depth-first search) kết hợp thuật toán nhánh và cận (branch and bound). Khi một nhánh có hàm chi phí vượt quá bán kính mặt cầu, nhánh đó sẽ bị cắt tỉa.

Để khắc phục nhược điểm tốc độ xử lý tuần tự của SDA, tác giả đề xuất thuật toán K-best SDA. K-best SDA duyệt cây theo chiều ngang (breadth-first search), tại mỗi mức của cây chỉ giữ lại $K$ nút có giá trị hàm mục tiêu nhỏ nhất và loại bỏ hoàn toàn các nút còn lại. Quá trình chọn $K$ nút tối ưu sử dụng thuật toán sắp xếp Bitonic (Bitonic Sort), cấu trúc sắp xếp song song thích hợp cho dữ liệu dưới 15-bit trên phần cứng FPGA.

Tiêu chí so sánh Tìm kiếm toàn diện (ESA) Giải mã mặt cầu (SDA) Thuật toán đề xuất (K-best SDA)
Nguyên lý tìm kiếm Duyệt toàn bộ không gian trạng thái Duyệt theo chiều sâu (Depth-first), nhánh và cận Duyệt theo chiều ngang (Breadth-first), chọn $K$ nút tốt nhất
Độ phức tạp tính toán Cấp số mũ: $m^{3N}$ nút kiểm tra Giảm đáng kể nhờ cắt tỉa nhánh vượt bán kính Cố định số nút ở mỗi tầng: tối đa $K \times m^3$ phép tính
Khả năng thực thi song song Kém, khối lượng tính toán quá lớn Kém, do phụ thuộc vào kết quả duyệt tuần tự Tối ưu cho xử lý song song trên chip FPGA
Yêu cầu bộ nhớ/thời gian Vượt giới hạn chu kỳ trích mẫu Thời gian tính toán biến thiên theo từng chu kỳ Thời gian tính toán xác định, đáp ứng chu kỳ trích mẫu

Kết quả mô phỏng trên Matlab/Simulink xác nhận K-best SDA duy trì chất lượng điều khiển tương đương SDA truyền thống về độ méo sóng hài THD của dòng điện và tần số đóng cắt trung bình, nhưng giảm số lượng nút cần kiểm tra và rút ngắn thời gian xử lý, đảm bảo tính ổn định động học trong các kịch bản khởi động tải quạt gió, tải mô-men không đổi và đảo chiều quay động cơ.

CHƯƠNG 4. Xây dựng hệ thống thực nghiệm và kết quả

Chương 4 thực hiện việc kiểm chứng thực nghiệm các thuật toán điều khiển đã đề xuất:

  1. Kiểm chứng thuật toán multistep MPC với K-best SDA:
  • Nền tảng phần cứng: Kit phát triển FPGA Xilinx ZYBO Z7-20.
  • Kết quả đo đạc: Thời gian thực thi thuật toán K-best SDA trên FPGA tại bước dự báo $N=1$ và $N=2$ giảm đáng kể so với thuật toán SDA tiêu chuẩn, đảm bảo thuật toán hoàn thành việc tính toán trong chu kỳ trích mẫu $T$. Dạng sóng điện áp và dòng điện trên tải được cải thiện rõ rệt khi đưa các trọng số $\lambda_{CMV}$ và $\lambda_{dc}$ vào hàm mục tiêu.
  1. Xây dựng và thực nghiệm bộ điều khiển ANN-MPC:
  • Nhằm khắc phục triệt để gánh nặng tính toán của multistep MPC khi số bước dự báo tiếp tục tăng lên, tác giả đề xuất cấu trúc điều khiển ANN-MPC. Mạng nơ-ron nhân tạo nhiều lớp (Feedforward Multilayer Perceptron) được sử dụng để học ánh xạ giữa trạng thái hệ thống đo được và quyết định đóng cắt tối ưu của bộ điều khiển multistep MPC.
  • Dữ liệu huấn luyện được thu thập từ mô phỏng thuật toán multistep MPC với đầy đủ các ràng buộc tối ưu. Mạng ANN được huấn luyện ngoại tuyến bằng thuật toán lan truyền ngược giảm độ dốc (Gradient Descent).
  • Sau khi huấn luyện, cấu trúc mạng nơ-ron được nhúng trực tiếp vào phần cứng FPGA. Quá trình suy diễn của mạng ANN chỉ bao gồm các phép nhân - cộng ma trận (MAC) đơn giản và hàm kích hoạt, không đòi hỏi việc giải bài toán tối ưu lặp trực tuyến.
  • Mô hình thực nghiệm phần cứng được thiết lập hoàn chỉnh gồm: bộ biến đổi CHB 3 pha 5 mức (mỗi pha gồm 2 cell cầu H), hệ thống máy biến áp cách ly nhiều cuộn thứ cấp cấp nguồn DC độc lập, tải 3 pha và bộ lọc LC, các khối mạch đo dòng và đo áp cách ly.
  • Kết quả thực nghiệm trên mô hình bàn thí nghiệm khẳng định bộ điều khiển ANN-MPC tạo ra điện áp 5 mức cân bằng trên 3 pha, dạng sóng dòng điện sin hóa tốt, bám sát các chỉ tiêu kỹ thuật của bộ điều khiển multistep MPC chuẩn nhưng tiết kiệm tài nguyên tính toán của FPGA.

Kết quả và những đóng góp mới

Luận án đã đạt được các đóng góp khoa học và thực tiễn cụ thể như sau:

Về mặt lý thuyết và học thuật:

  • Xây dựng thành công thuật toán FCS-MPC cải tiến có tích hợp khâu tích phân số $u_{\text{offset}}$, giải quyết triệt để vấn đề sai lệch tĩnh của dòng điện stator động cơ không đồng bộ khi có sự sai lệch tham số mô hình trong hệ truyền động nghịch lưu CHB.
  • Đề xuất giải pháp áp dụng thuật toán K-best SDA kết hợp giải thuật sắp xếp Bitonic để giải bài toán tối ưu hóa trong multistep MPC cho biến tần đa mức CHB, giảm số lượng nút tính toán từ cấp số mũ xuống mức xác định và có khả năng xử lý song song.
  • Đề xuất phương pháp điều khiển ANN-MPC, sử dụng mạng nơ-ron truyền thẳng để xấp xỉ hành vi điều khiển của bộ điều khiển multistep MPC, biến bài toán tối ưu hóa thời gian thực phức tạp thành các phép toán đại số cố định.

Về mặt thực tiễn và ứng dụng:

  • Thiết kế và chế tạo hoàn chỉnh hệ thống phần cứng thực nghiệm bao gồm các khối mạch lực cell cầu H, mạch đo dòng điện, mạch đo điện áp cách ly cao áp và mạch phối hợp trở kháng.
  • Triển khai thành công các thuật toán điều khiển K-best SDA và mạng nơ-ron ANN-MPC trên phần cứng vi điều khiển FPGA ZYBO Z7-20 của Xilinx.
  • Cung cấp giải pháp kỹ thuật cho phép áp dụng điều khiển dự báo nhiều bước vào các hệ truyền động điện trung áp công suất lớn mà vẫn đảm bảo các tiêu chuẩn về $dv/dt$, sóng hài dòng điện, điện áp common-mode và tần số chuyển mạch van bán dẫn.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án:

  • Việc xác định các hệ số trọng số ($\lambda_{CMV}, \lambda_{dc}$) trong hàm mục tiêu của bộ điều khiển FCS-MPC vẫn dựa trên phương pháp thử - sai (trial and error) kết hợp kinh nghiệm mô phỏng, chưa xây dựng được công thức giải tích tự động tối ưu hóa trọng số theo từng chế độ vận hành.
  • Mô hình thực nghiệm tại phòng thí nghiệm mới dừng lại ở cấu hình nghịch lưu CHB 3 pha 5 mức cấp cho tải trở - cảm kết hợp bộ lọc LC ở dải điện áp thấp; chưa thực hiện kiểm chứng trực tiếp trên hệ thống động cơ không đồng bộ trung áp công suất lớn trong môi trường công nghiệp thực tế do hạn chế về điều kiện an toàn và trang thiết bị nguồn điện.

Hướng nghiên cứu tiếp theo:

  • Nghiên cứu thuật toán tự động điều chỉnh trực tuyến các hệ số trọng số trong hàm mục tiêu dựa trên lý thuyết điều khiển thích nghi hoặc thuật toán trí tuệ nhân tạo.
  • Mở rộng thuật toán ANN-MPC cho các cấu trúc nghịch lưu đa mức khác như MMC hoặc NPC với số mức điện áp cao hơn.
  • Triển khai thử nghiệm thuật toán trên hệ truyền động động cơ công nghiệp trung thế công suất lớn với đầy đủ các điều kiện tải biến động ngẫu nhiên.

Giá trị tham khảo

Nội dung và kết quả nghiên cứu của luận án có giá trị tham khảo chuyên môn cho các đối tượng:

  • Nghiên cứu sinh và học viên cao học: Tham khảo phương pháp mô hình hóa không gian trạng thái rời rạc của động cơ không đồng bộ, kỹ thuật thiết kế bộ điều khiển dự báo FCS-MPC kết hợp khâu tích phân, giải thuật giải mã mặt cầu K-best SDA và quy trình thiết kế bộ điều khiển nơ-ron ANN-MPC.
  • Giảng viên và nhà nghiên cứu: Sử dụng làm tài liệu tham khảo chuyên đề trong các môn học về Điện tử công suất nâng cao, Điều khiển truyền động điện hiện đại và Ứng dụng FPGA trong điều khiển công nghiệp.
  • Kỹ sư nghiên cứu và phát triển (R&D): Ứng dụng các sơ đồ nguyên lý mạch đo dòng điện, mạch đo điện áp cách ly quang (HCPL7800, INA128), cấu trúc phân tầng cell cầu H và phương pháp lập trình giải thuật điều khiển tối ưu hóa trên nền tảng FPGA cho các sản phẩm biến tần công nghiệp trung áp.

Câu hỏi thường gặp

1. Tại sao thuật toán FCS-MPC truyền thống lại xuất hiện sai lệch tĩnh ở dòng điện đầu ra?
FCS-MPC là phương pháp điều khiển phụ thuộc hoàn toàn vào mô hình toán học của đối tượng. Khi tần số trích mẫu thấp hoặc khi các tham số thực của động cơ (điện trở stator, rotor, điện cảm, hỗ cảm) thay đổi do nhiệt độ và độ bão hòa từ trường dẫn đến sai lệch so với mô hình dự báo ban đầu, các phương trình dự báo sẽ tính toán sai giá trị tương lai. Do FCS-MPC nguyên bản không có thành phần tích phân trong mạch vòng kín, lỗi dự báo này chuyển hóa trực tiếp thành sai lệch trạng thái tĩnh giữa dòng điện thực và dòng điện đặt.

2. Giải pháp triệt tiêu sai lệch tĩnh của luận án được thực hiện như thế nào?
Luận án tích hợp một bộ điều khiển tích phân số vào mô hình dự báo dòng điện. Bộ tích phân này tiếp nhận tín hiệu sai lệch giữa vector dòng điện đặt và dòng điện đo được, từ đó sinh ra một vector điện áp bù $u_{\text{offset}}$. Tín hiệu $u_{\text{offset}}$ được trừ trực tiếp vào phương trình dự báo dòng điện trên trục $d$ và trục $q$, giúp bù đắp sai lệch giữa mô hình toán và hệ thống thực mà không làm tăng bậc tính toán của hàm mục tiêu.

3. Thuật toán K-best SDA khắc phục nhược điểm của thuật toán SDA tiêu chuẩn ra sao?
Thuật toán SDA tiêu chuẩn duyệt cây tìm kiếm theo chiều sâu (depth-first), mang tính chất xử lý tuần tự và thời gian tìm kiếm biến thiên tùy thuộc vào việc chọn bán kính mặt cầu ban đầu, gây khó khăn cho việc đồng bộ hóa trên phần cứng thời gian thực. K-best SDA thay đổi chiến lược sang tìm kiếm theo chiều ngang (breadth-first), tại mỗi tầng chỉ giữ lại đúng $K$ nút tối ưu nhờ thuật toán sắp xếp song song Bitonic. Cách tiếp cận này cố định khối lượng tính toán ở mỗi chu kỳ và phát huy tối đa kiến trúc xử lý song song của chip FPGA.

4. Vai trò của mạng nơ-ron nhân tạo trong phương pháp ANN-MPC là gì?
Khi khoảng dự báo $N$ tăng cao trong multistep MPC, độ phức tạp tính toán vượt quá khả năng xử lý trực tuyến của vi điều khiển. Mạng nơ-ron ANN được huấn luyện ngoại tuyến để học toàn bộ mối quan hệ ánh xạ giữa các biến trạng thái đầu vào và trạng thái đóng cắt tối ưu do multistep MPC tạo ra. Khi vận hành trên FPGA, mạng ANN chỉ thực hiện các phép nhân ma trận và tính hàm kích hoạt với thời gian trễ cố định rất ngắn, cho phép hiện thực hóa bộ điều khiển dự báo nhiều bước trong điều kiện thời gian thực.

5. Hàm mục tiêu trong luận án tích hợp những chỉ tiêu điều khiển nào?
Hàm mục tiêu tích hợp đồng thời ba mục tiêu thông qua phương pháp đặt trọng số: (1) thành phần $g_0$ giảm thiểu sai lệch bình phương giữa dòng điện stator dự báo và dòng điện đặt; (2) thành phần $g_1$ cực tiểu hóa giá trị tuyệt đối của điện áp common-mode ($v_{ZN}$) chia cho điện áp nguồn DC; (3) thành phần $g_2$ hạn chế tổng số lần chuyển mức điện áp trên cả ba pha nhằm giảm tần số đóng cắt van và tổn hao chuyển mạch.

Kết luận

Luận án của nghiên cứu sinh Phó Bảo Bình đã giải quyết ba vấn đề kỹ thuật trọng tâm của phương pháp điều khiển dự báo tập hữu hạn áp dụng cho nghịch lưu đa mức cầu H nối tầng cấp nguồn động cơ không đồng bộ. Công trình đã xây dựng thành công giải thuật triệt tiêu sai lệch tĩnh bằng khâu bù tích phân, tối ưu hóa tốc độ tính toán của multistep MPC bằng thuật toán K-best SDA, và đề xuất cấu trúc điều khiển ANN-MPC xấp xỉ bộ điều khiển đa bước trên nền tảng phần cứng FPGA. Toàn bộ các kết quả lý thuyết đã được kiểm chứng thông qua mô phỏng chi tiết trên phần mềm Matlab/Simulink và đo đạc thực nghiệm trên hệ thống thí nghiệm phần cứng.