HAØ VAÊN TRÍ - Nghiên Cứu, Thiết Kế Bộ Điều Khiển Neural-PLC trong Công Nghiệp

Luận văn thạc sĩ về thiết kế bộ điều khiển Neural-PLC cho công nghiệp. Nghiên cứu tự động hóa và ứng dụng Neural Network trong điều khiển PLC.

• Tác giả: Hà Văn Trí
• Người hướng dẫn: Thầy Nguyễn Mộng Hùng
• Trường học: Trường Đại Học Bách Khoa - Đại Học Quốc Gia TP. Hồ Chí Minh
• Chuyên ngành: Tự Động Hóa
• Đề tài: Nghiên Cứu, Thiết Kế Bộ Điều Khiển Neural-PLC Trong Công Nghiệp
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2009
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Neural PLC Cách Tiếp Cận Mới

Bài viết này tập trung vào việc nghiên cứu và thiết kế bộ điều khiển Neural-PLC trong môi trường công nghiệp. Hiện nay, ứng dụng các thành quả nghiên cứu khoa học, đặc biệt là mạng Neural, vào công nghiệp là vô cùng cần thiết. Mạng Neural không còn là một đề tài mới và số lượng nghiên cứu cũng như ứng dụng trong lĩnh vực này được thực hiện khá nhiều. Tuy nhiên, việc xây dựng một bộ điều khiển Neural-PLC trong công nghiệp vẫn là ứng dụng cần thiết cho ngành công nghiệp đang trên đà phát triển của Việt Nam. Hiện tại các bộ điều khiển Neural-PLC trong công nghiệp mà ta bắt gặp tại một số nhà máy tại Việt Nam hầu hết phải mua bản quyền của nhà sản xuất. Do đó, mục tiêu là dùng kiến thức đã học về mạng Neural kết hợp với ngôn ngữ lập trình có sẵn của PLC để thiết kế ra bộ điều khiển Neural-PLC trong công nghiệp.

1.1. Lịch Sử Phát Triển và Ưu Điểm của Công Nghệ PLC

Công nghệ PLC đã trải qua một quá trình phát triển dài, từ các hệ thống đơn giản đến các hệ thống phức tạp tích hợp mạng nơ-ron. Ưu điểm của PLC bao gồm khả năng lập trình linh hoạt, độ tin cậy cao và khả năng thích ứng với nhiều ứng dụng khác nhau trong tự động hóa công nghiệp. PLC hiện diện ở hầu hết các lĩnh vực như sản xuất đường, chế biến thực phẩm, ngành thép, thủy điện, nhiệt điện. Điều khiển tự động và tối ưu hóa toàn bộ hệ thống là rất quan trọng.

1.2. Tại Sao Neural PLC Quan Trọng trong Kỷ Nguyên Industry 4.0

Trong bối cảnh Industry 4.0, Neural-PLC đóng vai trò quan trọng trong việc tạo ra các hệ thống điều khiển thông minh và tự động hóa tiên tiến. Việc tích hợp trí tuệ nhân tạo (AI) và Machine Learning vào PLC giúp cải thiện hiệu suất, độ chính xác và khả năng thích ứng của các hệ thống điều khiển. Điều này đặc biệt quan trọng trong các ứng dụng đòi hỏi sự linh hoạt và khả năng xử lý dữ liệu lớn.

II. Vấn Đề và Thách Thức Thiết Kế Bộ Điều Khiển Neural PLC

Ngày nay, điều khiển tự động ngày càng được ứng dụng rộng rãi trong hầu hết các lĩnh vực, các ngành nghề của cuộc sống từ: tự động hóa trong các tòa nhà, biệt thự cho tới các hệ thống lớn trong công nghiệp như: Công nghiệp dầu khí, công nghiệp hóa học… Do đó đối tượng điều khiển vô cùng đa dạng và phức tạp, mục tiêu điều khiển phải ổn định, bền vững và tối ưu đồng thời chi phí sử dụng phải thấp và phải được ứng dụng rộng rãi vào trong cuộc sống.Và để đạt được các tiêu chí đó, trong nhiều năm qua, nhiều phương pháp chỉnh định các bộ điều khiển cho các hệ thống đã được ra đời như : PID, Neural, Fuzzy…

2.1. Khó Khăn Trong Việc Tích Hợp Mạng Nơ ron Vào Hệ Thống PLC

Việc tích hợp mạng nơ-ron vào hệ thống PLC gặp nhiều khó khăn, bao gồm vấn đề về tính toán phức tạp, yêu cầu phần cứng mạnh mẽ và khó khăn trong việc đảm bảo tính ổn định của hệ thống. Cần có giải pháp tối ưu hóa để Neural-PLC hoạt động hiệu quả trong môi trường công nghiệp.

2.2. Sai Số và Độ Trễ Trong Quá Trình Điều Khiển Thực Tế

Trong quá trình điều khiển thực tế, sai số và độ trễ là những vấn đề thường gặp. Các yếu tố như nhiễu, sai lệch trong cảm biến và độ trễ trong quá trình truyền tín hiệu có thể ảnh hưởng đến hiệu suất của hệ thống Neural-PLC. Cần có các giải thuật điều khiển mạnh mẽ để giảm thiểu tác động của các yếu tố này. Vì vậy cần có các phương pháp điều khiển tốt đáp ứng được độ chính xác theo yêu cầu của quy trình công nghệ cũng như có khả năng thích nghi với nhiễu tác động vào hệ thống và sự thay đổi các thông số của mô hình.

2.3. Bài Toán Cân Bằng Giữa Hiệu Suất và Chi Phí Đầu Tư

Việc triển khai Neural-PLC đòi hỏi sự cân bằng giữa hiệu suất điều khiển và chi phí đầu tư. Các hệ thống Neural-PLC phức tạp có thể mang lại hiệu suất cao hơn, nhưng chi phí cũng sẽ tăng lên đáng kể. Cần có các phương pháp đánh giá chi phí hiệu quả để đảm bảo rằng việc đầu tư vào Neural-PLC là hợp lý và mang lại lợi ích kinh tế cao.

III. Phương Pháp Thiết Kế Neural PLC Kết Hợp Ưu Điểm PID

Trong quá trình làm việc và học tập, tác giả may mắn làm việc với các hãng tự động lớn trên thế giới như Siemens, Omron, AB, Mitshubishi, xuất phát từ nhu cầu thực tiễn của bản thân, tác giả chọn đề tài nghiên cứu về việc xây dựng bộ điều khiển Neural trong công nghiệp bằng cách xây dựng các hàm trong bộ điều khiển của Siemens. Bằng ngôn ngữ SCL có sẵn trong SIMATIC tác giả xây dựng 5 bộ điều khiển chính : Bộ điều khiển PID, Bộ điều khiển Neural, Bộ điều khiển Neural – PID, bộ điều khiển RBF và bộ điều khiển RBF – PID.

3.1. Xây Dựng Hàm Điều Khiển Neural Trong Môi Trường SIMATIC

Việc xây dựng hàm điều khiển Neural trong môi trường SIMATIC yêu cầu kiến thức về ngôn ngữ lập trình SCL và hiểu biết sâu sắc về cấu trúc và hoạt động của mạng nơ-ron. Quá trình này bao gồm việc thiết kế các lớp nơ-ron, xác định hàm kích hoạt và huấn luyện mạng nơ-ron để đạt được hiệu suất mong muốn. Tác giả đã xây dựng 5 bộ điều khiển chính là PID, Neural, Neural-PID, RBF và RBF-PID.

3.2. Kết Hợp PID và Mạng Nơ ron Giải Pháp Điều Khiển Lai Tối Ưu

Việc kết hợp PID và mạng nơ-ron trong một hệ thống điều khiển lai mang lại nhiều lợi ích. PID cung cấp khả năng điều khiển ổn định và dễ dàng điều chỉnh, trong khi mạng nơ-ron cung cấp khả năng học hỏi và thích ứng với các điều kiện thay đổi. Điều này giúp hệ thống điều khiển hoạt động hiệu quả hơn trong nhiều tình huống khác nhau. Đề tài sử dụng kỹ thuật mạng thần kinh nhân tạo kết hợp bộ điều khiển PID truyền thống để thiết kế bộ điều khiển có đáp ứng ra tốt.

3.3. Sử Dụng Ngôn Ngữ SCL và Bộ Điều Khiển S7 400

Nghiên cứu về ngôn ngữ lập trình SCL trong SIMATIC MANAGER và bộ điều khiển S7-400 của Siemens là rất quan trọng để triển khai hệ thống Neural-PLC một cách hiệu quả. Ngôn ngữ SCL cung cấp khả năng lập trình cấu trúc và linh hoạt, trong khi bộ điều khiển S7-400 cung cấp hiệu suất cao và khả năng mở rộng. Nghiên cứu cảm biến đo mức (Ultrasonic Sensor) Q45U của Banner.

IV. Ứng Dụng Neural PLC Điều Khiển Bồn Nước Đơn Hiệu Quả

Trong đề tài nghiên cứu, tác giả chọn hệ bồn nước đơn làm đối tượng điều khiển. Bồn nước đơn là đối tượng phi tuyến, tín hiệu mức nước đưa về thường dao động (có nhiễu ảnh hưởng), dễ dàng làm mô phỏng. Hơn thế nữa trong hầu hết các ngành công nghiệp như: ngành đường, điện, và các ngành công nghiệp chế biến lương thực, thực phẩm… Việc điều khiển tốt mức nước lò hơi là cực kì quan trọng. Lò hơi cung cấp toàn bộ hơi cho công nghệ nhà máy và có thể cung cấp hơi cho tua bin để chạy máy phát.

4.1. Mô Hình Hóa Bồn Nước Đơn Bài Toán Điều Khiển Phi Tuyến

Mô hình hóa bồn nước đơn là một bài toán điều khiển phi tuyến phức tạp. Các yếu tố như lưu lượng vào, lưu lượng ra và hình dạng của bồn nước có thể ảnh hưởng đến hành vi của hệ thống. Cần có các phương pháp mô hình hóa chính xác để thiết kế các giải thuật điều khiển hiệu quả.

4.2. Thử Nghiệm và Đánh Giá Hiệu Quả Điều Khiển Neural PLC

Việc thử nghiệm và đánh giá hiệu quả điều khiển Neural-PLC trên mô hình bồn nước đơn là rất quan trọng để xác định khả năng hoạt động của hệ thống trong điều kiện thực tế. Các thử nghiệm này bao gồm việc điều chỉnh mức nước theo yêu cầu, giảm thiểu sai số và độ trễ, và đảm bảo tính ổn định của hệ thống. Bằng ngôn ngữ SCL, đề tài xây dựng 5 hàm để điều khiển mô hình bồn nước đơn : Hàm điều khiển PID, Neural, Neural – PID, mạng hàm cơ sở xuyên tâm RBF, RBF – PID.

V. Kết Quả và Đánh Giá So Sánh Các Phương Pháp Điều Khiển

Tác giả xây dựng các thuật toán điều khiển và lập trình phần mềm điều khiển dùng ngôn ngữ SCL, Ladder. Xây dựng mô hình bồn nước để chạy thực nghiệm các hàm đã được xây dựng trong đề tài nghiên cứu. Phần mềm điều khiển viết bằng ngôn ngữ SCL trong Simatic Manager .Các thuật toán điều khiển. Màn hình điều khiển dùng màn hình công nghiệp 10in màu của Redlion.

5.1. So Sánh Hiệu Năng Của PID Neural và Neural PID

Thực hiện so sánh hiệu năng của các phương pháp điều khiển PID, Neural và Neural-PID để đánh giá ưu điểm và nhược điểm của từng phương pháp. Các tiêu chí đánh giá bao gồm thời gian đáp ứng, độ chính xác, độ ổn định và khả năng thích ứng với các điều kiện thay đổi.

5.2. Ưu Điểm Vượt Trội Của Neural PLC Trong Môi Trường Công Nghiệp

Đánh giá ưu điểm vượt trội của Neural-PLC so với các phương pháp điều khiển truyền thống trong môi trường công nghiệp. Các ưu điểm này có thể bao gồm khả năng xử lý dữ liệu phức tạp, khả năng thích ứng với các điều kiện thay đổi và khả năng cải thiện hiệu suất của hệ thống.

VI. Hướng Phát Triển Neural PLC Trong Tương Lai Gần

Với sự phát triển của công nghệ, việc tích hợp AI và Machine Learning vào PLC sẽ ngày càng trở nên phổ biến. Neural-PLC sẽ đóng vai trò quan trọng trong việc tạo ra các hệ thống điều khiển thông minh và tự động hóa tiên tiến, giúp các doanh nghiệp nâng cao năng lực cạnh tranh và đạt được hiệu quả sản xuất cao hơn.

6.1. Tích Hợp Sâu Hơn AI và Machine Learning vào PLC

Việc tích hợp sâu hơn AI và Machine Learning vào PLC sẽ mở ra nhiều cơ hội mới cho việc cải thiện hiệu suất và khả năng thích ứng của các hệ thống điều khiển. Các giải thuật học sâu (Deep Learning) có thể được sử dụng để phân tích dữ liệu lớn và đưa ra các quyết định điều khiển thông minh hơn. Tác giả nhận xét và kết luận về hướng phát triển của đề tài.

6.2. Ứng Dụng Neural PLC trong Các Lĩnh Vực Công Nghiệp Mới

Nghiên cứu về ứng dụng Neural-PLC trong các lĩnh vực công nghiệp mới như năng lượng tái tạo, y tế và nông nghiệp thông minh. Các ứng dụng này có thể mang lại nhiều lợi ích cho xã hội và kinh tế.

Trích đoạn nội dung tài liệu

HAØ VAÊN TRÍ Luaän vaên thaïc syõ Ñaïi Hoïc Quoác Gia TP Hoà Chí Minh TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA HAØ VAÊN TRÍ NGHIEÂN CÖÙU,THIEÁT KEÁ BOÄ ÑIEÀU KHIEÅN NEURAL-PLC TRONG COÂNG NGHIEÄP Chuyeân Ngaønh : TÖÏ ÑOÄNG HOAÙ LUAÄN VAÊN THAÏC SYÕ TP.Hoà Chí Minh ,Thaùng 7 naêm 2009 1 HAØ VAÊN TRÍ Luaän vaên thaïc syõ COÂNG TRÌNH ÑÖÔÏC HOAØN THAØNH TAÏI TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA ÑAÏI HOÏC QUOÁC GIA TP.HOÀ CHÍ MINH Caùn boä höôùng daãn khoa hoïc :……………………………………………………………………………………………………… (Ghi roõ hoï teân,hoïc haøm ,hoïc vò vaø chöõ kyù) Caùn boä chaám nhaän xeùt 1 :…………………………………………………………………………………………………………… (Ghi roõ hoï teân,hoïc haøm ,hoïc vò vaø chöõ kyù) Caùn boä chaám nhaän xeùt 2 :…………………………………………………………………………………………………………… (Ghi roõ hoï teân,hoïc haøm ,hoïc vò vaø chöõ kyù) Luaän vaên thaïc syõ ñöôïc baûo veä taïi HOÄI ÑOÀNG CHAÁM BAÛO VEÄ LUAÄN VAÊN THAÏC SYÕ TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA , ngaøy……………thaùng……………naêm…………………… 2 HAØ VAÊN TRÍ Luaän vaên thaïc syõ TRÖÔØNG ÑAÏI HOÏC BAÙCH KHOA COÄNG HOAØ XAÕ HOÄI CHUÛ NGHÓA VIEÄT NAM PHOØNG ÑAØO TAÏO SÑH ÑOÄC LAÄP – TÖÏ DO – HAÏNH PHUÙC ---oOo--- TP.Hoà Chí Minh,ngaøy ………… thaùng …………naêm………………… NHIEÄM VUÏ LUAÄN VAÊN THAÏC SÓ Hoï teân hoïc vieân :………………………………………………………………………… phaùi: ……………………………………… Ngaøy,thaùng naêm sinh:…………………………………………………………………nôi sinh:………………………………… Chuyeân nghaønh :…………………………………………………………………………… MSHV :……………………………… I – TEÂN ÑEÀ TAØI : ………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… II–NHIEÄM VUÏ VAØ NOÄI DUNG : ………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………………………………………………………………………………………………… III – NGAØY GIAO NHIEÄM VUÏ :…………………………………………………………………………………………… IV – NGAØY HOAØN THAØNH NHIEÄM VUÏ : ……………………………………………………………………… V – CAÙN BOÄ HÖÔÙNG DAÃN ( ghi roõ hoï,teân ,hoïc haøm,hoïc vò ) :………………………………… ………………………………………………………………………………………………………………………………………………………………… CAÙN BOÄ HÖÔÙNG DAÃN CN BOÄ MOÂN (hoïc haøm,hoïc vò,hoï teân,chöõ kí) QL CHUYEÂN NGHAØNH Noäi dung vaø ñeà cöông luaän vaên Thaïc só ñaõ ñöôïc hoäi ñoàng chuyeân ngaønh thoâng qua Ngaøy …………thaùng …………naêm……………… TRÖÔÛNG PHOØNG ÑT-SÑH TRÖÔÛNG KHOA QL NGHAØNH 3 HAØ VAÊN TRÍ Luaän vaên thaïc syõ LÔØI CAÛM ÔN Tröôùc tieân,taùc giaû xin chaân thaønh caûm ôn söï ñoäng vieân nhieät tình vaø chaân thaønh veà maët vaät chaát laãn tinh thaàn cuûa caùc thaønh vieân trong gia ñình toâi. Taùc giaû xin caûm ôn chaân thaønh tôùi Thaày Nguyeãn Moäng Huøng vaø Thaày Hoaøng Minh Trí ñaõ taän tình giuùp ñôõ taùc giaû trong suoát quaù trình thöïc hieän ñeà taøi. Taùc giaû xin chaân thaønh caûm ôn ñeán anh Nguyeãn Huyønh Anh Phöông (Coâng ty TNHH S.S) vaø anh Nguyeãn Huy Khoâi (Coâng ô( coå phaàn Ñieän Töï Ñoäng Hoaù Laäp Nhaân ) ñaõ taïo moïi ñieàu kieän thuaän lôïi nhaát cho taùc giaû ñeå hoaøn thaønh toát ñeà taøi. Cuoái cuøng ,taùc giaû gôûi lôøi caûm ôn chaân thaønh ñeán caùc baïn cao hoïc töï ñoäng hoaù khoaù 2005,2006,2007 ñaõ ñoäng vieân vaø giuùp ñôõ taùc giaû trong suoát quaù trình thöïc hieän ñeà taøi.

Taùc giaû HAØ VAÊN TRÍ 4 HAØ VAÊN TRÍ Luaän vaên thaïc syõ MUÏC LUÏC LÔØI CAÛM ÔN 4 MUÏC LUÏC 5 DANH MUÏC CAÙC HÌNH VEÕ 7 MÔÛ ÑAÀU 10 Chöông 1 : GIÔÙI THIEÄU ÑEÀ TAØI 11 1.1 Giôùi thieäu heä thoáng 11 1.2 Yeâu caàu vaø nhieäm vuï cuûa ñeà taøi 12 1.3 Toùm taét noäi dung luaän vaên 16 Chöông 2 : CÔ SÔÛ LYÙ THUYEÁT 17 2.1 Boä ñieàu khieån PID 17 2.2 Maïng Neural nhaân taïo 20 2.3 Boä ñieàu khieån S7-400 vaø ngoân ngöõ laäp trình SCL 33 2.5 Caûm bieán ño möùc nöôùc 37 2.6 Phöông trình toaùn cuûa moâ hình boàn nöôùc ñôn 39 Chöông 3 : THIEÁT KEÁ HEÄ THOÁNG 42 3.1 Sô ñoà khoái toång quaùt cuûa heä thoáng 42 3.2 Thieát keá phaàn cöùng 45 3.3 Giaûi thuaät ñieàu khieån 48 3.1 Giaûi thuaät thieát keá boä ñieàu khieån trong S7400 48 3.2 Heä thoáng ñieàu khieån soá voøng kín 49 3.3 Thieát keá boä ñieàu khieån PID soá 49 3.4 Thieát keá boä ñieàu khieån nôroân-maïng truyeàn thaúng 51 3.5 Thieát keá boä ñieàu khieån nôroân – PID 52 5 HAØ VAÊN TRÍ Luaän vaên thaïc syõ 3.6 Thieát keá boä ñieàu khieån RBF 55 3.7 Thieát keá boä ñieàu khieån RBF – PID 56 3.8 Thieát keá giao dieän ñieàu khieån 56 3.9 Thieát keá chöông trình ñieàu khieån 69 Chöông 4 : KEÁT QUAÛ THÖÏC HIEÄN 95 4.1 Keát quaû thöïc hieän treân moâ hình boàn nöôùc ñôn 95 4.1 Boä ñieàu khieån PID 96 4.2 Boä ñieàu khieån nôroân,maïng truyeàn thaúng ba lôùp 101 4.3 Boä ñieàu khieån nôroân – PID 105 4.4 Boä ñieàu khieån nôroân – maïng RBF 111 4.5 Boä ñieàu khieån RBF – PID 115 4.3 Keát luaän vaø höôùng phaùt trieån cuûa ñeà taøi 121 PHUÏ LUÏC 123 TAØI LIEÄU THAM KHAÛO 124 TOÙM TAÉT LYÙ LÒCH TRÍCH NGANG 125 6 HAØ VAÊN TRÍ Luaän vaên thaïc syõ DANH MUÏC CAÙC HÌNH VEÕ Hình 1.1 Heä thoáng ñieàu khieån moâ hình Hình 1.2 Moâ hình boàn nöôùc ñôn Hình 2.1 Ñaùp öùng naác cuûa heä hôû coù daïng S Hình 2.2 Ñaùp öùng naác cuûa heä kín khi K = K max Hình 2.3 Caáu truùc moät nôroân sinh hoïc Hình 2.4 Caáu truùc cô baûn moät nôroân Hình 2.5 Maïng nôroân truyeàn thaúng ba lôùp Hình 2.6 Maïng haøm cô sôû xuyeân taâm Hình 2.7 Giaù trò η toát Hình 2.8 Giaù trò η cao Hình 2.9 Boä ñieàu khieån S7-400 Hình 2.10 Taïo chöông trình SCL Hình 2.11 Bieán taàn Hình 2.12 Sô ñoà ñaáu noái bieán taàn Hình 2.13 Sô ñoàmaøu daây caûm bieán ño möùc Hình 2.14 Sô ñoà ñaáu noái caûm bieán ño möùc Hình 2.15 Moâ hình ñieàu khieån boàn nöôùc Hình 2.16 Mô hình bồn nước đơn Hình 3.1 Sô ñoà khoái heä thoáng ñieàu khieån Hình 3.2 Maøn hình coâng nghieäp Hình 3.3 Bieán taàn Omron Hình 3.4 Bieán aùp 380/220 Hình 3.5 Boä ñieàu khieån S7-400 CPU 414 Hình 3.6 Moâ hình boàn nöôùc –caûm bieán ño möùc 7 HAØ VAÊN TRÍ Luaän vaên thaïc syõ Hình 3.7 Moâ hình boàn nöôùc –Bôm nöôùc Hình 3.8 Heä thoáng ñieàu khieån soá voøng kín Hình 3.9 Ñieàu khieån PID soá Hình 3.10 Ñieàu khieån duøng Nôroân – Maïng truyeàn thaúng Hình 3.11 Boä ñieàu khieån nôroân – maïng truyeàn thaúng Hình 3.12 Caáu truùc maïng Nôroân coù ba ngoõ ra Hình 3.13 Ñieàu khieån nôroân – PID Hình 3.14 Boä ñieàu khieån RBF Hình 3.15 Boä ñieàu khieån RBF coù ba ngoõ ra Hình 3.16 Giao dieän ñieàu khieån chính Hình 3.17 Giao dieän ñieàu khieån PID Hình 3.18 Giao dieän ñieàu khieån Neural Hình 3.19 Giao dieän ñieàu khieån Neural – PID Hình 3.20 Giao dieän ñieàu khieån RBF Hình 3.21 Giao dieän ñieàu khieån RBF – PID Hình 4.1 Moâ hình boàn nöôùc thöïc teá Hình 4.2 Maøn hình coâng nghieäp Hình 4.3 Keát quaû ñieàu khieån PID vôùi setpoint=100 Hình 4.4 Keát quaû ñieàu khieån PID vôùi söï thay ñoåi heä soá xaû Hình 4.5 Keát quaû ñieàu khieån PID vôùi söï thay ñoåi setpoint Hình 4.6 Keát quaû ñieàu khieån PID vôùi söï thay ñoåi setpoint theo thôøi gian Hình 4.7 Keát quaû ñieàu khieån nôroân vôùi söï thay ñoåi setpoint Hình 4.8 Keát quaû ñieàu khieån nôroân vôùi söï thay ñoåi heä soá xaû Hình 4.9 Keát quaû ñieàu khieån nôroân vôùi söï thay ñoåi setpoint theo thôøi gian Hình 4.10 Baûng caäp nhaät troïng soá keát noái online haøm nôroân 8 HAØ VAÊN TRÍ Luaän vaên thaïc syõ Hình 4.11 Keát quaû ñieàu khieån nôroân PID vôùi söï thay ñoåi setpoint Hình 4.12 Keát quaû ñieàu khieån nôroân PID vôùi söï thay ñoåi heä soá xaû Hình 4.13 Keát quaû ñieàu khieån nôroân PID vôùi söï thay ñoåi setpoint theo thôøi gian Hình 4.14 Baûng caäp nhaät troïng soá keát noái online haøm nôroân PID Hình 4.15 Vò trí taâm haøm cô sôû cuûa maïng RBF Hình 4.16 Haøm cô sôû trong khoâng gian Hình 4.17 Keát quaû ñieàu khieån RBF vôùi söï thay ñoåi setpoint Hình 4.18 Keát quaû ñieàu khieån RBF vôùi söï thay ñoåi heä soá xaû Hình 4.19 Keát quaû ñieàu khieån RBF vôùi söï thay ñoåi setpoint theo thôøi gian Hình 4.20 Baûng caäp nhaät troïng soá keát noái online haøm RBF Hình 4.21 Keát quaû ñieàu khieån RBF – PID vôùi söï thay ñoåi setpoint Hình 4.22 Keát quaû ñieàu khieån RBF – PID vôùi söï thay ñoåi heä soá xaû Hình 4.23 Keát quaû ñieàu khieån RBF – PID vôùi söï thay ñoåi setpoint theo thôøi gian Hình 4.24 Baûng caäp nhaät troïng soá keát noái online haøm RBF-PID 9 HAØ VAÊN TRÍ Luaän vaên thaïc syõ MÔÛ ÑAÀU Hieän nay,ôû nöôùc ta trong haàu heát caùc nghaønh coâng nghieäp nhö coâng nghieäp saûn xuaát ñöôøng,coâng nghieäp cheá bieán,coâng ngheä thöïc phaåm,caùc nghaønh theùp,thuyû ñieän,nhieät ñieän……Vieäc ñieàu khieån töï ñoäng vaø toái öu hoaù toaøn boä heä thoáng laø heát söùc caàn thieát. Vôùi söï phaùt trieån coâng ngheä nhö hieän nay thì vieäc choïn löïa giaûi phaùp ñieàu khieån vaø heä thoáng ñieàu khieån cho nhaø maùy raát ña daïng,vaø ñeå duy trì ñöôïc vaán ñeà saûn xuaát lieân tuïc vôùi ñoä tin caäy cao thì ñoøi hoûi nhaø maùy phaûi caàn saùng suoát löïa choïn nhöõng giaûi phaùp phaûi toái öu,toái öu ôû ñaây bao goàm toái öu veà coâng ngheä laãn toái öu veà giaù thaønh saûn xuaát. Xuaát phaùt töø nhu caàu thöïc tieãn ,taùc giaû muoán duøng kieán thöùc ñaõ ñöôïc tieáp caän vaø hoïc taäp ñeå xaây döïng boä ñieàu khieån coù theå aùp duïng trong coâng nghieäp,ñoù laø boä ñieàu khieån Neural – PLC Baèng ngoân ngöõ SCL,ñeà taøi xaây döïng 5 haøm ñeå ñieàu khieån moâ hình boàn nöôùc ñôn :Haøm ñieàu khieån PID,Neural,Neural – PID,maïng haøm cô sôû xuyeân taâm RBF,RBF – PID. 10 HAØ VAÊN TRÍ Luaän vaên thaïc syõ Chöông 1 GIÔÙI THIEÄU ÑEÀ TAØI 1.1 GIÔÙI THIEÄU HEÄ THOÁNG Hieän nay cuøng vôùi söï phaùt trieån cuûa xaõ hoäi,vieäc öùng duïng caùc thaønh quaû nghieân cöùu khoa hoïc vaøo trong coâng nghieäp laø heát söùc caàn thieát.Maïng Neural laø ñeà taøi khoâng môùi vaø soá löôïng ñeà taøi nghieân cöùu cuõng nhö caùc öùng duïng cuûa noù trong lónh vöïc naøy ñöôïc thöïc hieän khaù nhieàu,tuy nhieân vieäc xaây döïng moät boä ñieàu khieån Neural – PLC trong coâng nghieäp vaãn laø öùng duïng caàn thieát cho nghaønh coâng nghieäp ñang treân ñaø phaùt trieån cuûa nöôùc ta hieän nay.Hieän taïi caùc boä ñieàu khieån Neural – PLC trong coâng nghieäp maø ta baét gaëp taïi moät soá nhaø maùy taïi Vieät Nam haàu heát phaûi mua baûn quyeàn cuûa nhaø saûn xuaát.

Do ñoù ñeà taøi maø taùc giaû muoán nhaém ñeán tröôùc maét laø duøng kieán thöùc ñaõ ñöôïc hoïc veà maïng Neural keát hôïp vôùi ngoân ngöõ laäp trình coù saün cuûa PLC ñeå thieát keá ra boä ñieàu khieån Neural – PLC trong coâng nghieäp. Boä ñieàu khieån Neural – PLC ñöôïc xaây döïng döïa treân cô sôû : - Lyù thuyeát veà maïng Neural - Ngoân ngöõ laäp trình SCL trong Simatic manager 11 HAØ VAÊN TRÍ Luaän vaên thaïc syõ TCP/IP MPI Cable Maùy tính CPU 414 232/MPI Adaptor Maøn hình coâng nghieäp 0 – 10VDC 0 – 10VDC Bieán taàn Sensor ño möïc nöôùc Motor bôm nöôùc Hình 1.1 Heä thoáng ñieàu khieån moâ hình 12 HAØ VAÊN TRÍ Luaän vaên thaïc syõ 1.