I. Tổng quan về Điều khiển Tối ưu Hệ truyền động PMSM
Điều khiển truyền động điện cho động cơ điện xoay chiều đã thu hút nhiều nghiên cứu trong nhiều năm qua, áp dụng cả lý thuyết điều khiển kinh điển và hiện đại. Động cơ đồng bộ nam châm vĩnh cửu (PMSM) là một lựa chọn phổ biến cho các ứng dụng như xe điện, hệ thống tạo gió, và các hệ thống quay công nghiệp. Việc thiết kế các bộ điều khiển nhằm cải thiện hiệu suất liên tục là mục tiêu quan trọng. Trong các ứng dụng công nghiệp, ngõ vào điều khiển cho PMSM bị giới hạn bởi điện áp của bộ chuyển đổi công suất. Do đó, việc thiết kế ngõ vào điều khiển trên trục dq cần xem xét đến điện áp bão hòa. Một phương pháp điều khiển mới cho động cơ đồng bộ nam châm vĩnh cửu (PMSM) với động học chưa biết, điện áp bão hòa và nhiễu tốc độ và dòng điện được đề xuất. Bài toán bám tốc độ và dòng điện của cấu trúc thông thường được chuyển thành bài toán điều khiển tối ưu với cấu trúc mới bằng bộ điều khiển truyền thống.
1.1. Ứng dụng Điều khiển PMSM trong Thực tiễn Công nghiệp
Động cơ PMSM được ứng dụng rộng rãi trong nhiều lĩnh vực công nghiệp. Từ xe điện đến các hệ thống tạo gió, động cơ này đóng vai trò quan trọng. Các ứng dụng công nghiệp đòi hỏi hiệu suất cao và độ tin cậy, do đó, điều khiển PMSM hiệu quả là yếu tố then chốt. Việc sử dụng các kỹ thuật điều khiển tối ưu và bền vững giúp đáp ứng các yêu cầu khắt khe của môi trường công nghiệp.
1.2. Giới hạn Điện áp và Điện áp Bão hòa trong Điều khiển
Trong thực tế, ngõ vào điều khiển cho PMSM thường bị giới hạn bởi điện áp của bộ chuyển đổi công suất. Điện áp bão hòa là một vấn đề quan trọng cần xem xét khi thiết kế bộ điều khiển. Các phương pháp điều khiển cần phải được thiết kế để hoạt động hiệu quả trong điều kiện điện áp bị giới hạn, đảm bảo hệ thống vẫn hoạt động ổn định và đạt hiệu suất cao.
II. Thách thức và Giải pháp Điều khiển Hệ truyền động PMSM
Trong PMSM, sóng hài từ thông thường sinh ra bởi sự phân bố mật độ từ thông không hình sin trong khe hở không khí, ảnh hưởng bởi nhiễu mô-men và nhiễu điện áp. Các phương pháp điều khiển tối ưu hiện tại chưa tập trung vào nhiễu điện áp. Nếu bỏ qua điều này, bộ điều khiển không thể hoạt động mạnh mẽ trong mọi ứng dụng. Điều khiển H trong lý thuyết điều khiển hiện đại đã phát triển để loại bỏ các nhiễu. Thiết kế điều khiển tối ưu H dựa vào nghiệm của phương trình Hamilton - Jacobi - Isaac (HJI), thách thức lớn nhất là không thể giải bằng các phương pháp giải tích. Hiện nay, học củng cố (Reinforcement Learning - RL) trở thành kỹ thuật mạnh để tính nghiệm HJI trực tuyến để cung cấp giá trị cho luật điều khiển tối ưu bền vững và luật nhiễu xấu nhất.
2.1. Ảnh hưởng của Nhiễu Mô men và Nhiễu Điện áp
Sóng hài từ thông trong PMSM gây ra nhiễu mô-men và nhiễu điện áp, ảnh hưởng đến hiệu suất điều khiển. Các phương pháp điều khiển cần phải được thiết kế để giảm thiểu tác động của các nhiễu này, đảm bảo hệ thống hoạt động ổn định và chính xác. Việc sử dụng các kỹ thuật lọc nhiễu và điều khiển thích nghi có thể giúp cải thiện hiệu suất trong môi trường có nhiễu.
2.2. Ứng dụng Điều khiển H và Học Củng cố Reinforcement Learning
Điều khiển H và Học Củng cố (RL) là các kỹ thuật hiện đại được sử dụng để giải quyết bài toán điều khiển tối ưu trong môi trường có nhiễu. Điều khiển H giúp loại bỏ các nhiễu, trong khi RL cung cấp khả năng tính toán nghiệm HJI trực tuyến, giúp hệ thống điều khiển thích nghi với các điều kiện thay đổi. Sự kết hợp giữa hai kỹ thuật này có thể mang lại hiệu quả cao trong điều khiển PMSM.
2.3. Giải phương trình HJI bằng phương pháp Học Củng cố
Phương trình Hamilton-Jacobi-Isaacs (HJI) là phương trình quan trọng trong điều khiển tối ưu. Tuy nhiên, việc giải phương trình này bằng phương pháp giải tích là rất khó khăn. Học củng cố (RL) cung cấp một phương pháp tính toán nghiệm gần đúng của phương trình HJI trực tuyến, giúp xác định luật điều khiển tối ưu và luật nhiễu xấu nhất. Phương pháp này giúp hệ thống điều khiển thích nghi với các điều kiện hoạt động khác nhau.
III. Phương pháp Điều khiển Tối ưu Kích hoạt Sự kiện Giải pháp Tiên tiến
Trong thực tế, RL được sử dụng để học các bộ điều khiển tối ưu thích nghi để điều khiển điện áp cho hệ thống truyền động điện hoặc rô-ốt. Một kỹ thuật RL khác là học củng cố tích hợp (IRL). Phương pháp này giải quyết bài toán PMSM với động học hệ thống chưa biết. Tuy nhiên, tính ổn định vòng kín của hệ thống chưa được đề cập. Động học PMSM được xem xét như một hệ thống phi tuyến phản hồi nghiêm ngặt với động học chưa biết, điện áp bão hòa do công suất hạn chế của bộ chuyển đổi và nhiễu tốc độ, dòng điện. Các ngõ vào điều khiển truyền thống được thiết kế để chuyển bài toán bám tốc độ và dòng điện thành bài toán điều khiển bền vững. Mục đích của phép biến đổi này là để tránh cấu trúc PID tầng kinh điển.
3.1. Học Củng cố Tích hợp IRL cho Hệ thống PMSM
Học Củng cố Tích hợp (IRL) là một phương pháp học máy giúp giải quyết bài toán điều khiển PMSM khi động học hệ thống chưa được biết đầy đủ. Phương pháp này cho phép hệ thống học hỏi và cải thiện hiệu suất điều khiển mà không cần thông tin chi tiết về mô hình động học của PMSM.
3.2. Ưu điểm của điều khiển kích hoạt sự kiện
Điều khiển kích hoạt sự kiện giúp giảm tần suất cập nhật điều khiển, giảm tải tính toán và năng lượng tiêu thụ. Nó còn giúp cải thiện khả năng chống nhiễu và thích nghi với các thay đổi trong hệ thống, làm cho hệ thống điều khiển mạnh mẽ và hiệu quả hơn.
3.3. Ứng dụng thuật toán điều khiển tối ưu kích hoạt sự kiện
Thuật toán này không yêu cầu thủ tục nhận dạng động học chưa biết và đã được chứng minh tính hội tụ đồng bộ của hàm đánh giá, luật điều khiển, và luật nhiễu xấu nhất. Ngoài ra, sai số bám và sai số xấp xỉ cũng được chứng minh là bị chặn tới hạn đều, đảm bảo sự ổn định và hiệu quả của hệ thống.
IV. Phân tích và Đánh giá Hiệu suất Điều khiển
Luật điều khiển tối ưu kích hoạt sự kiện được thiết kế cho hệ thống mới. Để xấp xỉ luật điều khiển tối ưu, phương trình HJI được đưa ra và lời giải được xấp xỉ trực tuyến bằng bộ xấp xỉ đơn giản, trong đó luật điều khiển được thiết kế dựa trên kỹ thuật IRL để loại bỏ thủ tục nhận dạng động học chưa biết. Sự hội tụ đồng bộ của hàm đánh giá, luật điều khiển và luật nhiễu xấu nhất được chứng minh chặt chẽ. Ngoài ra, sai số bám và sai số xấp xỉ cũng được chứng minh bị chặn tới hạn đều (Uniformly Ultimately Bounded - UUB). Để đảm bảo các tham số hội tụ nhanh chóng, dữ liệu quá khứ được sử dụng để kích thích hệ thống thay vì thêm nhiễu vào tín hiệu điều khiển.
4.1. Kỹ thuật IRL loại bỏ Nhận dạng Động học
Sử dụng kỹ thuật IRL giúp loại bỏ thủ tục nhận dạng động học chưa biết của hệ thống. Điều này làm giảm độ phức tạp của quá trình thiết kế và triển khai bộ điều khiển, đồng thời tăng tính linh hoạt và khả năng thích nghi của hệ thống.
4.2. Chứng minh Hội tụ và Tính Ổn định của Hệ thống
Chứng minh sự hội tụ đồng bộ của hàm đánh giá, luật điều khiển và luật nhiễu xấu nhất là rất quan trọng để đảm bảo tính ổn định và hiệu quả của hệ thống điều khiển. Việc chứng minh sai số bám và sai số xấp xỉ bị chặn tới hạn đều (UUB) cung cấp thêm một lớp bảo vệ cho hệ thống.
4.3. Kích thích hệ thống bằng Dữ liệu Quá khứ
Thay vì thêm nhiễu vào tín hiệu điều khiển, việc sử dụng dữ liệu quá khứ để kích thích hệ thống giúp đảm bảo các tham số hội tụ nhanh chóng và ổn định. Phương pháp này giúp cải thiện hiệu suất và độ tin cậy của hệ thống.
V. Kết quả Nghiên cứu và Ứng dụng Điều khiển PMSM
Hiệu quả của phương pháp đề xuất được thể hiện qua kết quả mô phỏng và thực nghiệm so sánh với các phương pháp điều khiển PID không tối ưu. Từ những phân tích trên, đề tài “ Điều khiển tối ưu bền vững kích hoạt sự kiện dùng học củng cố áp dụng cho hệ truyền động PMSM ” được đề xuất. Luận văn này tập trung thiết kế luật điều khiển truyền thống để chuyển đổi bài toán điều khiển hệ phi tuyến thành bài toán điều khiển hệ phi tuyến affine tương đương; thiết kế luật điều khiển kích hoạt sự kiện để loại ảnh hưởng nhiễu ngoài.Thiết kế thuật toán điều khiển truyền thống và tối ưu kích hoạt sự kiện để loại bỏ thủ tục nhận dạng, loại bỏ điều kiện kích thích hệ thống PE (Persistent Excitation) trong điều khiển thích nghi.
5.1. So sánh với Điều khiển PID Truyền thống
So sánh kết quả mô phỏng và thực nghiệm với các phương pháp điều khiển PID không tối ưu giúp đánh giá hiệu quả của phương pháp điều khiển đề xuất. Các kết quả so sánh cho thấy phương pháp điều khiển mới có thể cải thiện hiệu suất và độ tin cậy của hệ thống so với các phương pháp truyền thống.
5.2. Mục tiêu Nghiên cứu và Đóng góp của Luận văn
Luận văn này đặt ra mục tiêu thiết kế luật điều khiển truyền thống để chuyển đổi bài toán điều khiển hệ phi tuyến thành bài toán điều khiển hệ phi tuyến affine tương đương. Đồng thời, luận văn cũng thiết kế luật điều khiển kích hoạt sự kiện để loại bỏ ảnh hưởng nhiễu ngoài, đóng góp vào việc cải thiện hiệu suất và độ tin cậy của hệ thống điều khiển PMSM.
5.3. Loại bỏ Yêu cầu Kích thích Hệ thống
Việc thiết kế thuật toán điều khiển giúp loại bỏ thủ tục nhận dạng và điều kiện kích thích hệ thống PE (Persistent Excitation) trong điều khiển thích nghi. Điều này giúp đơn giản hóa quá trình thiết kế và triển khai bộ điều khiển, đồng thời tăng tính linh hoạt và khả năng thích nghi của hệ thống.
VI. Kết luận và Hướng phát triển Điều khiển Tối ưu PMSM
Chứng minh sự ổn định của hệ kín sử dụng lý thuyết Lyapunov. Chứng minh sai số xấp xỉ bị chặn và hàm chi phí hội tụ về giá trị cận tối ưu. Áp dụng thuật toán điều khiển cho hệ truyền động PMSM bị ràng buộc ngõ vào, bị tác động bởi nhiễu ngoài và tham số bất định. Phương pháp điều khiển tối ưu bền vững kích hoạt sự kiện dùng học củng cố hứa hẹn mang lại hiệu quả cao trong điều khiển PMSM. Cần có thêm nhiều nghiên cứu để cải thiện và ứng dụng phương pháp này trong thực tế.
6.1. Ứng dụng Thực tế Điều khiển Tối ưu PMSM
Các ứng dụng thực tế của điều khiển tối ưu PMSM rất đa dạng, bao gồm xe điện, hệ thống tạo gió, và các hệ thống quay công nghiệp. Việc cải thiện hiệu suất và độ tin cậy của hệ thống điều khiển PMSM có thể mang lại lợi ích lớn cho các ứng dụng này.
6.2. Lý thuyết Lyapunov và Chứng minh Ổn định Hệ thống
Lý thuyết Lyapunov được sử dụng để chứng minh sự ổn định của hệ kín. Việc chứng minh rằng sai số xấp xỉ bị chặn và hàm chi phí hội tụ về giá trị cận tối ưu là rất quan trọng để đảm bảo tính ổn định và hiệu quả của hệ thống.
6.3. Hướng Nghiên cứu và Phát triển trong Tương lai
Các hướng nghiên cứu và phát triển trong tương lai có thể tập trung vào việc cải thiện hiệu suất và độ tin cậy của phương pháp điều khiển tối ưu bền vững kích hoạt sự kiện dùng học củng cố. Đồng thời, cần có thêm nhiều nghiên cứu để ứng dụng phương pháp này trong thực tế, đặc biệt là trong các ứng dụng công nghiệp.
