Tài liệu Kỹ thuật: Nghiên cứu xây dựng hệ thống điều khiển động cơ một

Chuyên khảo kỹ thuật phân tích Nghiên cứu xây dựng hệ thống điều khiển động cơ một chiều trên cơ sở điều khiển mờ, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp

• Tác giả: Phạm Nguyễn Phương Nam
• Người hướng dẫn: PGS.TS Nguyễn Trọng Thắng
• Trường học: Trường Đại học Thủy Lợi
• Chuyên ngành: Kỹ thuật điều khiển và tự động hóa
• Đề tài: Nghiên cứu xây dựng hệ thống điều khiển động cơ một chiều trên cơ sở bộ điều khiển mờ
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng Quan Về Hệ Thống Điều Khiển Động Cơ

Hệ thống điều khiển động cơ là một lĩnh vực quan trọng trong kỹ thuật điều khiển và tự động hóa hiện đại. Đặc biệt, điều khiển động cơ một chiều (DC) đóng vai trò thiết yếu trong các ứng dụng công nghiệp và tự động hóa. Đề tài này tập trung vào xây dựng hệ thống điều khiển sử dụng bộ điều khiển mờ (Fuzzy) để tối ưu hiệu suất hoạt động. Bộ điều khiển mờ cung cấp khả năng xử lý thông tin không chính xác và cải thiện độ ổn định của hệ thống. Nghiên cứu này bao gồm phân tích chi tiết các phương pháp điều khiển, thiết kế mô hình toán học, và thực nghiệm trên các thiết bị thực tế. Mục tiêu cuối cùng là phát triển một giải pháp điều khiển hiệu quả, đáp ứng các yêu cầu kỹ thuật cao.

1.1. Khái Niệm Và Ứng Dụng Của Điều Khiển Động Cơ

Điều khiển động cơ là quá trình điều chỉnh tốc độ và momen quay của động cơ. Động cơ DC được sử dụng rộng rãi do khả năng điều khiển tốc độ dễ dàng. Ứng dụng bao gồm: robot công nghiệp, hệ thống tự động hóa nông nghiệp, và các thiết bị cơ điện tử. Hệ thống điều khiển cần đảm bảo độ chính xác, ổn định và phản ứng nhanh với các biến đổi tín hiệu đầu vào.

1.2. Mục Tiêu Và Phạm Vi Nghiên Cứu

Mục tiêu chính là xây dựng và kiểm chứng hệ thống điều khiển sử dụng thuật toán Fuzzy. Phạm vi nghiên cứu bao gồm: khảo sát lý thuyết bộ điều khiển mờ, thiết kế mô hình mô phỏng trên MATLAB, và thực hiện thí nghiệm với động cơ DC thực tế. Các kết quả sẽ so sánh hiệu suất với bộ điều khiển PID truyền thống.

II. Thuật Toán Fuzzy Và Logic Mờ

Logic mờ (Fuzzy Logic) là nền tảng toán học cho bộ điều khiển mờ. Khác với logic cổ điển chỉ có hai trạng thái (đúng/sai), logic mờ cho phép các giá trị trung gian. Tập mờ được định nghĩa bằng hàm thuộc độ, cho phép biểu diễn các khái niệm không chính xác như "nhanh", "chậm", "vừa phải". Bộ điều khiển mờ Mamdani và Sugeno là hai kiến trúc chính được sử dụng trong điều khiển tự động. Ưu điểm của logic mờ là không yêu cầu mô hình toán học chính xác, xử lý tốt các tín hiệu nhiễu, và dễ dàng tích hợp kinh nghiệm chuyên gia. Ứng dụng logic mờ trong điều khiển động cơ cho phép tạo ra hệ thống thích ứng, cải thiện đáp ứng động và độ ổn định.

2.1. Khái Niệm Tập Mờ Và Hàm Thuộc Độ

Tập mờ là mở rộng của tập hợp cổ điển, được định nghĩa bằng hàm thuộc độ (membership function). Hàm thuộc độ gán mỗi phần tử một giá trị từ 0 đến 1, thể hiện mức độ thuộc của phần tử đó. Ví dụ: sai số điều khiển có thể được chia thành các tập mờ như "âm lớn", "âm nhỏ", "bằng không", "dương nhỏ", "dương lớn" với các hàm thuộc độ hình tam giác hoặc hình thang.

2.2. Bộ Điều Khiển Mờ Mamdani Và Sugeno

Bộ điều khiển mờ Mamdani sử dụng luật mờ dạng "Nếu-Thì" để suy luận. Bộ điều khiển mờ Sugeno khác ở phần kết luận, sử dụng hàm tuyến tính thay vì tập mờ. Cả hai loại đều có ba giai đoạn: mờ hóa (fuzzification), suy luận mờ (fuzzy inference), và khử mờ (defuzzification) để tạo tín hiệu điều khiển.

III. Thiết Kế Mô Hình Và Bộ Điều Khiển

Xây dựng mô hình hệ thống là bước tiên quyết cho thiết kế bộ điều khiển. Hệ thống bao gồm: động cơ DC giảm tốc GA25, encoder đo tốc độ, driver điều khiển, vi xử lý (VXL) và giao diện MATLAB. Mô hình toán học của động cơ DC được xây dựng dựa trên các phương trình điện từ và cơ học. Quá trình thiết kế bộ điều khiển bao gồm: cấu hình các luật mờ dựa trên kinh nghiệm, điều chỉnh các hàm thuộc độ để tối ưu hiệu suất, và xác định các tham số làm việc. MATLAB/Simulink được sử dụng cho mô phỏng và kiểm chứng hệ thống trước khi triển khai thực tế. So sánh giữa bộ điều khiển PID và bộ điều khiển mờ giúp đánh giá ưu nhược điểm của từng phương pháp.

3.1. Mô Hình Hệ Thống Điều Khiển Động Cơ DC

Động cơ DC là thiết bị chuyển đổi năng lượng điện thành cơ năng. Mô hình toán học bao gồm phương trình mạch điện (áp lực, dòng điện) và phương trình cơ học (momen quay, gia tốc góc). Encoder cung cấp phản hồi tốc độ, cho phép hệ thống điều khiển đạt được mục tiêu tốc độ mong muốn với sai số nhỏ nhất.

3.2. Quy Trình Thiết Kế Bộ Điều Khiển Mờ

Thiết kế bộ điều khiển mờ bắt đầu bằng xác định biến đầu vào (sai số, đạo hàm sai số) và đầu ra (điện áp điều khiển). Hàm thuộc độ được lựa chọn dựa trên phân tích động lực học hệ thống. Luật mờ được thiết lập liên kết giữa sai số và tín hiệu điều khiển. Khử mờ sử dụng phương pháp trọng tâm để tạo tín hiệu điều khiển chính xác.

IV. Kết Quả Thực Nghiệm Và Đánh Giá Hiệu Suất

Chạy thử nghiệm được thực hiện trên hệ thống điều khiển với các tín hiệu đầu vào khác nhau. Kết quả thực nghiệm cho thấy bộ điều khiển mờ cung cấp hiệu suất vượt trội so với bộ điều khiển PID trong các điều kiện biến đổi. Sai số điều khiển được tính toán và phân tích: sai số tĩnh, sai số động, và thời gian ổn định. Đánh giá hiệu suất dựa trên các chỉ tiêu: thời gian đạt mục tiêu, độ ổn định, khả năng chống nhiễu. MATLAB được sử dụng để vẽ các biểu đồ so sánh tốc độ thực tế với tốc độ mong muốn. Các phân tích cho thấy bộ điều khiển mờ thích ứng tốt với các biến đổi tải, giảm sai số và cải thiện độ ổn định của hệ thống. Kết luận rằng hệ thống điều khiển dựa trên logic mờ là giải pháp hiệu quả cho các ứng dụng điều khiển động cơ thực tế.

4.1. Phân Tích Kết Quả Chạy Thử Nghiệm

Kết quả thử nghiệm được thu thập bằng cách ghi lại tốc độ động cơ theo thời gian. Biểu đồ kết quả cho thấy bộ điều khiển mờ đạt mục tiêu tốc độ nhanh hơn và với sai số nhỏ hơn so với PID. Đáp ứng quá độ (overshoot) ở mức tối thiểu, giảm tác động sốc lên động cơ và tăng tuổi thọ thiết bị.

4.2. So Sánh Và Đánh Giá Hiệu Quả

So sánh hiệu suất giữa hai bộ điều khiển cho thấy bộ điều khiển mờ có thời gian ổn định ngắn hơn khoảng 30%, sai số tĩnh gần bằng không. Khả năng chống nhiễu của bộ điều khiển mờ tốt hơn nhờ xử lý thông tin không chính xác. Đánh giá cuối cùng khẳng định hiệu quả của hệ thống điều khiển trong các ứng dụng thực tế.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI NGHIÊM CỨU. Trong thời đại hiện nay, cùng với sự phát triển xã hội, quá trình công nghiệp hóa cũng phát triển một cách mạnh mẽ và không ngừng. Những công trình công nghiệp lớn và trọng điểm đều được áp dụng ở mức độ tự động hóa tương đối cao. Mọi thành tựu về tự động hóa đều phải được thực hiện trên nền tảng của lý thuyết điều khiển tự động.

Chính vì vậy, lý thuyết điều khiển tự động là yếu tố quyết định của mọi quá trình tự động hóa sau này. Các phương pháp điều khiển truyền thống như PID thường đi mô hình hóa toán học đối tượng để phân tích và thiết kế hệ thống[1]. Lý thuyết điều khiển truyền thống dùng mô hình toán học của đối tượng điều khiển và các đặc tính vòng kín của ngõ ra để thiết kế bộ điều khiển. Vấn đề là tìm ra mô hình là rất khó khăn, đặc biệt khi hệ thống có một phần đặc tính ẩn hay có độ phi tuyến cao.

Việc thiết kế bộ điều khiển cho các công việc hằng ngày như lái xe, hay cầm nắm một vật dễ vỡ tuy rất đơn giản với con người nhưng lại là vấn đề khó khăn cho một rôbôt. Trong khi con người chưa cần dùng đến mô hình toán học hay phải tìm ra quĩ đạo chính xác khi thực hiện các thao tác điều khiển này. Nhiều quá trình do người điều khiển trong công nghiệp không thể được tự động hóa từ các kỹ thuật điều khiển truyền thống, do khả năng của các bộ điều khiển thường thấp hơn rất nhiều so với người vận hành. Các hệ thống tuyến tính thường được dùng trong hệ điều khiển truyền thống thì lại không thích hợp được với các bộ điều khiển phi tuyến.

Hơn nữa, con người thường tích lủy nhiều dạng thông tin khác nhau rồi kết hợp trong chiến lược điều khiển, điều này lại không tích hợp được trong bộ điều khiển với luật điều khiển đơn nhất dạng giải tích. Vì vậy ý tưởng về điều khiển trên nền tri thức là nhằm nắm bắt và thiết lập kinh nghiệm và kiến thức cần thiết từ chuyên gia[1]. Điều khiển trên nền tri thức (điều khiển thông minh) có nhiều phương pháp khác nhau nhưng tiêu biểu nhất là điều khiển sử dụng luật mờ (Fuzzy logic). Điều khiển mờ dựa trên kinh nghiệm của chuyên gia nhằm tạo ra được yếu tố nội suy mịn (smooth interpolation) giữa các ngõ ra rời rạc thực có (phần logic mờ).2 Mục tiêu đề tài.

Đây là đề tài điều khiển động cơ DC sử dụng phương pháp fuzzy được nhúng trên Matlab. Mục đích của đề tài là muốn thay thế phương pháp điều khiển truyền thống đang được sử dụng rộng rãi nhưng phức tạp và đôi khi có một vài đối tượng phức tạp không thể mô hình toán được bằng phương pháp điều khiển thông minh đang dần được thay thế vào các hệ thống phức tạp cụ thể là phương pháp điều khiển fuzzy. Đề tài bao gồm hai yêu cầu chính là thiết kế bộ điêu khiển fuzzy rồi so sánh với bộ điều khiển truyền thống cụ thể là PID và nhúng hệ thống trên phần mềm matlab. Phần thiết kế bộ điều khiển fuzzy ta cần đi tìm hiểu về lý thuyết phương pháp điều khiển hiện đại cụ thể là phương pháp fuzzy sau đó chọn luật điều khiển phù hợp theo kinh nghiệm điêu khiển loại động cơ cho trước.

Phần nhúng hệ thống điều khiển đã thiết kế được thên matlab cần kết nối , giao tiếp giữa arduino mega với matlab simulink và sắp SVTH:Phạm Nguyễn Phương Nam 3 Đồ án tốt nghiệp GVHD: PGS.TS Nguyễn Trọng Thắng xếp hợp lý các khối trong matlab simulink. Đề tài đang hướng đến giải quyết những mục tiêu cụ thể như sau:  Tìm hiểu cơ bản về phương pháp điều khiển Fuzzy.  Điều khiển góc quay cho động cơ DC sử dụng phương pháp Fuzzy.  Tìm hiểu về cách nhúng trên matlab sử dụng arduino mega.

 Đọc encoder nhúng trên matlab.  Nhúng hệ thống điều khiển góc quay động cơ DC trên phần mềm matlab.  Dùng matlab để đọc dữ liệu gửi về từ arduino mega.  Sử dụng matlab để phân tính và so sánh hệ thống điều khiển fuzzy và hệ thống điều khiển truyền thống.3 Nội dung nghiên cứu.

Đối tượng nghiên cứu: động cơ DC sử dụng phương pháp fuzzy để điều khiển góc quay kết hợp nhúng trên phần mềm matlab. Đề tài có những bước sau:  Tìm hiểu tài liệu về điều khiển fuzzy.  Tìm hiểu về tài liệu nhúng trên matlab.  Thiết kế và hoàn thiện mô hình.

 Thiết kế bộ điều khiển fuzzy cho động cơ DC.  Thử nghiệm hệ thống và so sánh với phương pháp truyền thống. SVTH:Phạm Nguyễn Phương Nam 4 Đồ án tốt nghiệp GVHD: PGS.TS Nguyễn Trọng Thắng CHƯƠNG 2: NGHIÊN CỨU VỀ THUẬT TOÁN FUZZY.1 Giới thiệu về bộ điều khiển mờ.1 Giới thiệu về logic mờ. Trong lý thuyết về tập bình thường, tập thực (không mờ), các phần tử có thể nằm hoàn toàn hay không nằm hoàn toàn trong tập này.

Nhắc lại, hàm thành viên μA(x) của x trong tập truyền thống A, là tập con của vũ trụ X, thì được định nghĩa là[1]: 1, 𝑥 ∈ 𝐴 μA(x) = { (2.1) 0, 𝑥 ∉ 𝐴 Điều này có nghĩa là phần tử x có thể là thành viên của tập A (μA(x) = 1) hay không (μA(x) = 0). Việc phân lớp chặc chẽ này thường dùng trong toán học và các khoa học có dùng các định nghĩa chính xác. Lý thuyết về tập thực (tập thông thường) bổ sung thêm phần logic hai giá trị, nhằm trình bày vấn đề là đúng hay sai. Logic toán học thường nhấn mạnh đến việc giữ gìn giá trị chuẩn và đúng với mọi diển đạt, trong khi trong cuộc sống thực và trong các bài toán kỹ thuật, thì lại có yêu cầu giữ gìn thông tin từ tình huống.

Trong những trường hợp này, thì không nhất thiết là phải xác định rõ là phần tử phụ thuộc hay không phụ thuộc vào tập. Thí dụ[1], nếu tập A biểu diễn số máy PC quá mắc so với sinh viên, thì tập này không có biên rõ ràng được. Dĩ nhiên, ta có thể nói giá PC là $2500 là quá đắc, nhưng các giá PC là $2495 hay $2502 thì sao? Giá các PCs có là quá đặc hay không? Như thế, biên có thể được xác định là trên ngưỡng này thì là giá đắc cho các sinh viên trung bình, thí dụ $2500, và dưới ngưỡng này là không đắc, thí dụ $1000. Giữa các biên này, ta còn có giá khác không thề nói rõ ràng là quá đắc hay không.

Trong ngưỡng này, có thể dùng thang điểm đánh giá các máy có giá quá đắc. Lúc này có thể dùng tập mờ, trong đó các hàm thành viên được cho điểm trong khoảng [0,1]. Môt tập mờ A là tập có các thành viên được cho điểm trong khoảng thực: μA(x)  [0, 1]. Tức là các phần tử có thể thuộc vào tập mờ với một mức độ nào đó.

Như thế, tập mờ có thể dùng làm biểu diễn toán học cho các ý niệm chưa rõ, thí dụ nhiệt độ thấp, người hơi cao, xe hơi đắc tiền, v.2) F(X) định nghĩa tất cả các tập mờ trong X. Nếu giá trị của hàm thành viên, được gọi là mức thành viên là bằng một, thì x phụ thuộc hoàn toàn vào tập mờ. Nếu giá trị này là không thì x không phụ thuộc vào tập. Nếu mức độ thành viên nằng giữa 0 và 1, thì x là thành phần của tập mờ: SVTH:Phạm Nguyễn Phương Nam 5 Đồ án tốt nghiệp GVHD: PGS.TS Nguyễn Trọng Thắng =1 ( ) 𝜇𝐴 𝑥 {∈ (0,1) (2.3) =0 Trong các tài liệu về lý thuyết tập mờ, các tập bình thường (không mờ) thường được gọi là tập thực (crisp) hay tập cứng (hard sets).

Có nhiểu ký hiệu được dùng để chỉ hàm thành viên và mức tham gia như μA(x), A(x) hay đôi khi chỉ là a. 1 Tập mờ biểu diễn giá PC quá đắt cho sinh viên.1 trình bày hàm thành viên có được từ tập mờ dùng biểu diễn giá PC quá đắt cho sinh viên. Theo hàm thành viên này, nếu giá máy dươi $1000 thì rõ ràng là không quá đắc, và nếu giá máy là trên $2500 thì hoàn toàn là quá đắc. Ở giữa, có thể thấy được mức độ thành viên gia tăng của tập mờ quá đắc.

Rõ ràng là không cần thành viên là phải tăng tuyến tính theo giá, hay là cần có việc chuyển giai đoạn không mịn từ $1000 sang $2500. Chú ý là trong các ứng dụng kỹ thuật, việc lựa chọn hàm thành viên cho tập mờ thường là tùy ý.2 Tập mờ Normal và Subnormal. Ta biết là thành viên là yếu tố mức độ các phần tử của tập mờ. Chiều cao (height) của tập mờ là thành viên lớn nhất trong các phần tử của vũ trụ này.

Tập mờ có chiều cao bằng một hay ít nhất có một phần tử x có trong miền X thì được gọi là tập mờ normal. Chiều cao của tập mờ subnormal thì bé hơn một với mọi phần tử trong miền. Khảo sát các định nghĩa sau[1]: Định nghĩa 2.4) 𝑥∈𝑋 SVTH:Phạm Nguyễn Phương Nam 6 Đồ án tốt nghiệp GVHD: PGS.TS Nguyễn Trọng Thắng Trong miền rời rạc X, phần lớn nhất (supremum) trở thành cực đại và do đó chiều cao là mức độ thành viên lớn nhất với mọi x  X. Tập mờ là không normal thì được gọi là subnormal.

Toán tử norm(A) cho thấy mức độ normal của tập mờ, thí dụ A’= norm(A) μ’A(x) =μA(x)/ hgt(A), x. Support, core và α-cut là các tập crisp có được từ tập mờ thông qua cách chọn lựa các phần từ có mức thành viên thỏa một số điều kiện.6) Trong một số tài liệu, đôi khi lõi (core) còn gọi là kernel, ker(A). Lõi của một tập mờ subnormal là trống.7) Toán tử α-cut còn được gọi là α-cut(A) hay α-cut(A, α). Toán tử α-cut Aα là nghiêm ngặt nếu μA(x)  α với mỗi x  Aα.

Giá trị α được gọi là mức α-level.2 mô tả toán tử core, support và α-cut của tập mờ. 2 lõi (core), suppot và α-cut.9) SVTH:Phạm Nguyễn Phương Nam 7 Đồ án tốt nghiệp GVHD: PGS.TS Nguyễn Trọng Thắng Hàm thành viên có thể là unimodal (với một cực đại toàn cục) hay là multimodal (có nhiều maxima). Tập mờ unimodal được gọi là tập mờ lồi (convex fuzzy sets). Tính lồi còn có thể được định nghĩa theo α-cuts: Định nghĩa 2.3 minh họa về tập mờ lồi và tập mờ không lồi.4 cho thí dụ về tập mờ không lồi biểu diễu “tuổi có rủi ro cao” trong chánh sách của công ty bảo hiểm xe.

Các lái xe quá trẻ hay quá già đều có rủi ro cao hơn các lái xe trung niên. 4 Tập mờ định nghĩa “tuổi rủi ro cao” trong chính sách bảo hiểm xe là một ví dụ về tập mờ không lồi(non-convex)., n} là tập mờ rời rạc hữu hạn.