Luận văn thạc sĩ: Tối ưu hóa thông số bộ PID cho điều khiển tốc độ động cơ DC

Luận văn thạc sĩ HCMUTE nghiên cứu xác định thông số tối ưu cho bộ PID bằng giải thuật đàn kiến trong điều khiển tốc độ động cơ DC.

• Tác giả: Võ Quốc Nam
• Người hướng dẫn: TS. Nguyễn Minh Tâm
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Tối Ưu Hóa Bộ PID Cho Động Cơ DC Bằng Thuật Toán Đàn Kiến
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM TẠ
• TÓM TẮT LUẬN VĂN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan chung về lĩnh vực nghiên cứu
• 1.2. Tổng quan về điều khiển PID
• 1.3. Các kết quả nghiên cứu trong và ngoài nước
• 1.4. Mục tiêu, khách thể và đối tượng nghiên cứu
• 1.5. Nhiệm vụ của đề tài và phạm vi nghiên cứu
• 1.6. Phương pháp nghiên cứu
• 1.7. Nội dung đề tài
• 1.8. Ý nghĩa thực tiễn của đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Điều khiển PID
• 2.2. Tổng quan về điều khiển PID
• 2.3. Các khâu của bộ điều khiển PID
• 2.4. Khâu tỷ lệ
• 2.5. Khâu tích phân
• 2.6. Khâu vi phân
• 2.7. Tổng quan về động cơ điện một chiều
• 2.8. Cấu tạo của động cơ điện một chiều
• 2.9. Hàm truyền của động cơ PMDC
• 2.10. Xác định các thông số kỹ thuật của động cơ PMDC
• 2.10.1. Xác định điện trở phần ứng
• 2.10.2. Xác định điện cảm phần ứng
• 2.11. Thuật toán đàn kiến
• 2.11.1. Ý tưởng mô phỏng hành vi của đàn kiến trong tự nhiên
• 2.11.2. Ứng dụng thuật toán đàn kiến giải bài toán TSP
• 2.11.2.1. Mô tả bài toán TSP
• 3. CHƯƠNG 3: XÁC ĐỊNH BỘ THÔNG SỐ PID TỐI ƯU BẰNG THUẬT TOÁN ĐÀN KIẾN
• 3.1. Phương pháp Ziegler-Nichols
• 3.2. Xác định bộ thông số tối ưu PID bằng thuật toán đàn kiến
• 3.2.1. Tạo nút và đường
• 3.2.2. Hàm mục tiêu của thuật toán
• 3.2.3. Chọn đường đi theo xác suất
• 3.2.4. Cập nhật lượng mùi
• 3.2.5. Xác định bộ thông số tối ưu PID bằng thuật toán đàn kiến
• 3.2.6. Lưu đồ thuật toán đàn kiến
• 3.2.7. Các bước thực hiện thuật toán
• 3.2.8. Các kết quả của ứng dụng thuật toán đàn kiến tìm bộ thông số tối ưu PID
• 3.2.8.1. Mô hình hàm truyền bậc nhất có trễ
• 3.2.8.2. Phương pháp Ziegler-Nichols
• 3.2.8.3. Thuật toán đàn kiến
• 3.2.8.4. So sánh hai phương pháp
• 3.2.8.5. Mô hình hàm truyền bậc hai có trễ
• 3.2.8.6. Phương pháp Ziegler-Nichols
• 3.2.8.7. Thuật toán đàn kiến
• 3.2.8.8. So sánh hai phương pháp
• 3.2.8.9. Mô hình hàm truyền bậc bốn
• 3.2.8.10. Mô hình hàm truyền bậc bốn có trễ
• 3.3. Các yếu tố ảnh hưởng đến kết quả của thuật toán đàn kiến
• 3.3.1. Thuật toán đàn kiến là thuật toán tìm kiếm tối ưu ngẫu nhiên
• 3.3.2. Ảnh hưởng của α và β
• 3.3.3. Ảnh hưởng của α
• 3.3.4. Ảnh hưởng của β
• 3.3.5. Trọng số hàm mục tiêu của thuật toán có thể điều chỉnh để phù hợp với các mục đích điều khiển khác nhau
• 4. CHƯƠNG 4: XÁC ĐỊNH BỘ THÔNG SỐ TỐI ƯU PID CHO ĐỘNG CƠ PMDC BẰNG THUẬT TOÁN ĐÀN KIẾN
• 4.1. Hàm truyền của động cơ PMDC
• 4.2. Xác định bộ thông số điều khiển PID
• 4.3. Phương pháp Ziegler-Nichols
• 4.4. Thuật toán đàn kiến
• 4.5. So sánh kết quả của thuật toán đàn kiến (ACO) và thuật toán “Modified Ant Colony System Algorithm“ (ACS)
• 5. CHƯƠNG 5: KẾT LUẬN
• 5.1. Những mục tiêu đạt được
• 5.2. Hạn chế của đề tài
• 5.3. Hướng phát triển của đề tài
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tối ưu hóa bộ PID

Bộ điều khiển PID (Proportional-Integral-Derivative) là một trong những phương pháp điều khiển phổ biến nhất trong các hệ thống tự động hóa. Việc tối ưu hóa PID cho động cơ DC là một nhiệm vụ quan trọng nhằm cải thiện hiệu suất điều khiển. Động cơ DC, với cấu trúc đơn giản và khả năng điều khiển tốt, thường được sử dụng trong nhiều ứng dụng công nghiệp. Tuy nhiên, việc xác định thông số tối ưu cho bộ điều khiển PID không phải là điều dễ dàng. Các phương pháp truyền thống như Ziegler-Nichols thường không đạt được kết quả tối ưu cho mọi hệ thống. Do đó, việc áp dụng các thuật toán tối ưu hóa hiện đại như thuật toán đàn kiến trở nên cần thiết. Thuật toán này không chỉ giúp tìm ra bộ thông số PID tối ưu mà còn có thể áp dụng cho nhiều loại động cơ khác nhau.

1.1. Động cơ DC và ứng dụng

Động cơ DC là loại động cơ điện sử dụng dòng điện một chiều để hoạt động. Chúng có nhiều ứng dụng trong các lĩnh vực như tự động hóa, robot, và các thiết bị gia dụng. Đặc điểm nổi bật của động cơ DC là khả năng điều chỉnh tốc độ và mô-men xoắn dễ dàng. Tuy nhiên, để đạt được hiệu suất tối ưu trong điều khiển, cần phải có một bộ điều khiển PID được tối ưu hóa. Việc này không chỉ giúp cải thiện độ chính xác mà còn giảm thiểu độ dao động và thời gian ổn định của hệ thống. Các nghiên cứu hiện tại cho thấy rằng việc áp dụng thuật toán đàn kiến có thể mang lại những kết quả khả quan trong việc tìm kiếm thông số PID tối ưu cho động cơ DC.

II. Thuật toán đàn kiến

Thuật toán đàn kiến là một trong những phương pháp tối ưu hóa metaheuristic dựa trên hành vi của đàn kiến trong tự nhiên. Thuật toán này được áp dụng để giải quyết các bài toán tối ưu phức tạp, bao gồm cả việc tìm kiếm thông số tối ưu cho bộ điều khiển PID. Trong bối cảnh điều khiển động cơ DC, thuật toán đàn kiến có khả năng tìm ra bộ thông số PID tối ưu bằng cách mô phỏng hành vi tìm kiếm thức ăn của đàn kiến. Mỗi con kiến sẽ đại diện cho một bộ thông số PID và thông qua quá trình tương tác, chúng sẽ tìm ra bộ thông số có hiệu suất tốt nhất. Kết quả cho thấy rằng thuật toán này không chỉ hiệu quả mà còn có thể áp dụng cho nhiều loại hệ thống khác nhau.

2.1. Nguyên lý hoạt động

Nguyên lý hoạt động của thuật toán đàn kiến dựa trên việc tạo ra các đường đi từ điểm xuất phát đến điểm đích, trong đó mỗi đường đi tương ứng với một bộ thông số PID. Các con kiến sẽ di chuyển theo các đường đi này và để lại dấu mùi, giúp các con kiến khác nhận biết và lựa chọn đường đi tốt nhất. Qua nhiều vòng lặp, thuật toán sẽ dần dần tìm ra bộ thông số PID tối ưu cho hệ thống. Điều này cho phép cải thiện đáng kể hiệu suất điều khiển của động cơ DC, đồng thời giảm thiểu thời gian và công sức cần thiết để tìm kiếm thông số tối ưu.

III. Ứng dụng thực tiễn

Việc áp dụng thuật toán đàn kiến trong tối ưu hóa bộ PID cho động cơ DC không chỉ mang lại lợi ích về mặt lý thuyết mà còn có giá trị thực tiễn cao. Các nghiên cứu đã chỉ ra rằng việc tối ưu hóa này giúp cải thiện đáng kể hiệu suất điều khiển, giảm thiểu độ dao động và thời gian ổn định của hệ thống. Hơn nữa, thuật toán này có thể được áp dụng cho nhiều loại động cơ khác nhau, từ động cơ nhỏ trong các thiết bị gia dụng đến động cơ lớn trong các ứng dụng công nghiệp. Điều này mở ra nhiều cơ hội cho việc phát triển các hệ thống điều khiển tự động hiệu quả hơn trong tương lai.

3.1. Lợi ích kinh tế

Việc tối ưu hóa bộ PID cho động cơ DC thông qua thuật toán đàn kiến không chỉ giúp cải thiện hiệu suất mà còn mang lại lợi ích kinh tế. Các hệ thống điều khiển hiệu quả hơn sẽ giảm thiểu tiêu thụ năng lượng, từ đó giảm chi phí vận hành. Hơn nữa, việc giảm thiểu độ dao động và thời gian ổn định cũng giúp kéo dài tuổi thọ của thiết bị, giảm thiểu chi phí bảo trì và sửa chữa. Điều này đặc biệt quan trọng trong các ứng dụng công nghiệp, nơi mà chi phí vận hành và bảo trì có thể chiếm một phần lớn trong tổng chi phí sản xuất.

Nội dung chính

Tổng quan nghiên cứu

Bộ điều khiển vi tích phân tỉ lệ (PID) là một trong những phương pháp điều khiển phổ biến nhất trong các hệ thống công nghiệp hiện nay, chiếm ưu thế nhờ cấu trúc đơn giản và khả năng đáp ứng vòng kín hiệu quả. Theo báo cáo ngành, việc tối ưu hóa các thông số của bộ PID đóng vai trò then chốt trong việc nâng cao hiệu suất điều khiển, giảm sai số và tăng độ ổn định của hệ thống. Tuy nhiên, việc xác định bộ thông số PID tối ưu cho từng hệ thống cụ thể vẫn là một thách thức lớn do tính phức tạp và đa dạng của các mô hình động học.

Luận văn tập trung nghiên cứu và ứng dụng thuật toán Đàn Kiến (Ant Colony Optimization - ACO) để xác định bộ thông số tối ưu cho bộ điều khiển PID, đặc biệt trong điều khiển tốc độ động cơ điện một chiều có nam châm vĩnh cửu (PMDC). Phạm vi nghiên cứu bao gồm việc xây dựng hàm truyền của động cơ PMDC, phát triển thuật toán ACO đa mục tiêu nhằm tối ưu hóa các chỉ tiêu điều khiển như độ vọt lố, thời gian tăng, thời gian ổn định và sai số tích phân. Thời gian nghiên cứu tập trung vào năm 2014 tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

Nghiên cứu có ý nghĩa thực tiễn lớn trong việc nâng cao hiệu quả điều khiển tự động, đồng thời cung cấp giải pháp tối ưu cho các hệ thống điều khiển PID trong công nghiệp, góp phần giảm thiểu sai số và tăng độ bền cho thiết bị. Kết quả nghiên cứu cũng mở rộng ứng dụng thuật toán ACO trong lĩnh vực điều khiển tối ưu, hỗ trợ phát triển các chương trình đào tạo chuyên sâu về điều khiển tự động và kỹ thuật điện tử.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nền tảng lý thuyết chính:

1. Điều khiển PID: Bộ điều khiển PID gồm ba khâu tỉ lệ (P), tích phân (I) và vi phân (D), với các thông số 𝐾_p, 𝐾_i, 𝐾_d tương ứng. Khâu tỉ lệ tác động trực tiếp lên sai số hiện tại, khâu tích phân tích lũy sai số trong quá khứ, còn khâu vi phân dự đoán xu hướng thay đổi sai số. Mục tiêu là phối hợp ba khâu này để giảm thiểu sai số điều khiển, tăng độ ổn định và giảm độ vọt lố trong hệ thống. Tuy nhiên, việc xác định bộ thông số PID tối ưu là bài toán phức tạp, đòi hỏi các phương pháp tối ưu hóa hiện đại.

2. Thuật toán Đàn Kiến (ACO): Lấy cảm hứng từ hành vi tìm đường của đàn kiến trong tự nhiên, thuật toán ACO mô phỏng quá trình các con kiến nhân tạo tìm kiếm đường đi tối ưu dựa trên việc tích lũy và bay hơi pheromone (vết mùi). Thuật toán được ứng dụng để giải bài toán tối ưu đa mục tiêu trong điều khiển PID, với hàm mục tiêu tổng hợp các chỉ tiêu như độ vọt lố, thời gian tăng, thời gian ổn định và sai số tích phân. ACO có ưu điểm là khả năng tìm kiếm lời giải tối ưu trong không gian lớn và phức tạp, đồng thời thích nghi tốt với các bài toán đa mục tiêu.

Các khái niệm chuyên ngành quan trọng bao gồm: hàm truyền của động cơ PMDC, sai số tích phân (IAE, ITAE), độ vọt lố (overshoot), thời gian tăng (rise time), thời gian ổn định (settling time), và các thuật ngữ liên quan đến thuật toán ACO như pheromone, heuristic, xác suất chọn đường đi.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ các tài liệu chuyên ngành về điều khiển PID, động cơ điện một chiều, và các nghiên cứu ứng dụng thuật toán tối ưu trong điều khiển tự động. Phương pháp nghiên cứu bao gồm:

• Phân tích lý thuyết: Nghiên cứu các đặc điểm của bộ điều khiển PID, hàm truyền của động cơ PMDC, và nguyên lý hoạt động của thuật toán ACO.

• Phương pháp chuyên gia: Tham khảo ý kiến của các chuyên gia trong lĩnh vực điều khiển tự động và kỹ thuật điện tử để hoàn thiện mô hình và thuật toán.

• Phương pháp thực nghiệm: Xây dựng chương trình mô phỏng trên phần mềm Matlab để kiểm nghiệm hiệu quả của thuật toán ACO trong việc tìm bộ thông số PID tối ưu. Cỡ mẫu mô phỏng gồm nhiều lần chạy thuật toán với các mô hình hàm truyền khác nhau (bậc nhất, bậc hai, bậc bốn) nhằm đánh giá tính ổn định và hiệu quả.

• Timeline nghiên cứu: Quá trình nghiên cứu được chia thành các giai đoạn gồm thu thập tài liệu, xây dựng mô hình hàm truyền, phát triển thuật toán ACO, mô phỏng và so sánh kết quả với phương pháp Ziegler-Nichols, và cuối cùng là tổng hợp báo cáo.

Phương pháp phân tích tập trung vào việc đánh giá các chỉ tiêu điều khiển như độ vọt lố, thời gian tăng, thời gian ổn định và sai số tích phân, từ đó xây dựng hàm mục tiêu đa tiêu chí cho thuật toán ACO.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của thuật toán ACO trong tìm bộ thông số PID tối ưu: Thuật toán ACO đã tìm được bộ thông số PID với hàm mục tiêu thấp hơn đáng kể so với phương pháp Ziegler-Nichols. Ví dụ, với mô hình hàm truyền bậc nhất có trễ, hàm mục tiêu của ACO đạt khoảng 6.27, trong khi Ziegler-Nichols là 16, tức giảm hơn 60%. Độ vọt lố của ACO gần như không có, trong khi Ziegler-Nichols có độ vọt lố khoảng 50%.

2. Tăng độ ổn định và giảm thời gian đáp ứng: Đáp ứng bậc của hệ thống khi sử dụng bộ PID tối ưu từ ACO cho thấy thời gian ổn định nhanh hơn và độ vọt lố thấp hơn so với phương pháp truyền thống. Với mô hình hàm truyền bậc hai có trễ, hàm mục tiêu của ACO là 2 so với 9 của Ziegler-Nichols, tương đương giảm hơn 75%.

3. Khả năng thích ứng với các mô hình hàm truyền khác nhau: Thuật toán ACO được áp dụng thành công cho các mô hình hàm truyền bậc nhất, bậc hai và bậc bốn, cho thấy tính linh hoạt và khả năng mở rộng của phương pháp.

4. Ảnh hưởng của các tham số thuật toán: Các tham số α (tầm quan trọng của pheromone) và β (tầm quan trọng của heuristic) ảnh hưởng đến hiệu quả tìm kiếm của thuật toán. Việc điều chỉnh trọng số hàm mục tiêu giúp thuật toán phù hợp với các yêu cầu điều khiển khác nhau, ví dụ ưu tiên giảm độ vọt lố hoặc giảm sai số tích phân.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy thuật toán ACO vượt trội hơn hẳn phương pháp Ziegler-Nichols truyền thống trong việc tìm bộ thông số PID tối ưu, đặc biệt trong các hệ thống có hàm truyền phức tạp và có trễ. Nguyên nhân chính là do ACO sử dụng cơ chế tìm kiếm ngẫu nhiên có hướng dẫn dựa trên pheromone, giúp khai thác hiệu quả không gian tìm kiếm lớn và tránh bị kẹt ở cực trị địa phương.

So sánh với các nghiên cứu trước đây về tối ưu PID bằng các thuật toán như logic mờ, mạng nơ ron nhân tạo hay thuật toán di truyền, ACO có ưu điểm là dễ triển khai, ít yêu cầu về cấu trúc mạng phức tạp và có khả năng hội tụ nhanh. Việc áp dụng hàm mục tiêu đa tiêu chí cũng giúp cân bằng các chỉ tiêu điều khiển quan trọng, phù hợp với yêu cầu thực tế trong công nghiệp.

Dữ liệu có thể được trình bày qua các biểu đồ đáp ứng bậc, bảng so sánh hàm mục tiêu và các chỉ tiêu điều khiển giữa các phương pháp, giúp minh họa rõ ràng sự cải thiện về hiệu suất điều khiển khi sử dụng thuật toán ACO.

Đề xuất và khuyến nghị

1. Triển khai thuật toán ACO trong các hệ thống điều khiển công nghiệp: Khuyến nghị các doanh nghiệp và nhà máy áp dụng thuật toán ACO để tối ưu bộ điều khiển PID, nhằm nâng cao hiệu quả điều khiển, giảm sai số và tăng tuổi thọ thiết bị. Thời gian triển khai dự kiến trong vòng 6-12 tháng, do cần tích hợp và thử nghiệm thực tế.

2. Phát triển phần mềm hỗ trợ tối ưu PID dựa trên ACO: Đề xuất xây dựng các công cụ phần mềm tích hợp thuật toán ACO để hỗ trợ kỹ sư điều khiển trong việc xác định thông số PID tối ưu nhanh chóng và chính xác. Chủ thể thực hiện là các đơn vị nghiên cứu và phát triển phần mềm trong lĩnh vực tự động hóa.

3. Đào tạo và nâng cao năng lực chuyên môn cho kỹ sư điều khiển: Tổ chức các khóa đào tạo chuyên sâu về thuật toán ACO và ứng dụng trong điều khiển PID cho cán bộ kỹ thuật và sinh viên ngành kỹ thuật điện tử, tự động hóa. Mục tiêu nâng cao nhận thức và kỹ năng ứng dụng các phương pháp tối ưu hiện đại.

4. Mở rộng nghiên cứu ứng dụng ACO cho các loại động cơ và hệ thống điều khiển khác: Khuyến khích nghiên cứu tiếp tục áp dụng thuật toán ACO cho các hệ thống điều khiển phức tạp hơn như động cơ không đồng bộ, hệ thống điều khiển đa biến, nhằm khai thác tối đa tiềm năng của thuật toán. Thời gian nghiên cứu dự kiến 1-2 năm.

Đối tượng nên tham khảo luận văn

1. Kỹ sư điều khiển tự động trong công nghiệp: Luận văn cung cấp phương pháp tối ưu hóa bộ PID hiệu quả, giúp kỹ sư cải thiện chất lượng điều khiển và giảm thiểu lỗi vận hành trong các hệ thống động cơ điện.

2. Giảng viên và sinh viên ngành kỹ thuật điện tử, tự động hóa: Tài liệu là nguồn tham khảo quý giá về lý thuyết điều khiển PID, thuật toán ACO và ứng dụng thực tiễn, hỗ trợ giảng dạy và nghiên cứu khoa học.

3. Nhà nghiên cứu và phát triển phần mềm điều khiển: Cung cấp cơ sở để phát triển các thuật toán tối ưu và phần mềm hỗ trợ điều khiển PID, đặc biệt trong lĩnh vực điều khiển tốc độ động cơ điện.

4. Doanh nghiệp sản xuất thiết bị điều khiển và động cơ điện: Giúp nâng cao chất lượng sản phẩm thông qua việc áp dụng các thuật toán tối ưu hiện đại, tăng tính cạnh tranh trên thị trường.

Câu hỏi thường gặp

1. Thuật toán Đàn Kiến (ACO) là gì và tại sao lại được chọn để tối ưu PID?
   ACO là thuật toán tối ưu dựa trên hành vi tìm đường của đàn kiến trong tự nhiên, có khả năng tìm kiếm lời giải tối ưu trong không gian lớn và phức tạp. Thuật toán này được chọn vì tính hiệu quả, khả năng hội tụ nhanh và dễ dàng điều chỉnh cho các bài toán đa mục tiêu như tối ưu bộ PID.

2. Bộ điều khiển PID gồm những thành phần nào và vai trò của chúng ra sao?
   Bộ PID gồm ba khâu: tỉ lệ (P) tác động lên sai số hiện tại, tích phân (I) tích lũy sai số trong quá khứ, và vi phân (D) dự đoán xu hướng thay đổi sai số. Sự phối hợp của ba khâu giúp giảm sai số, tăng độ ổn định và giảm độ vọt lố trong hệ thống điều khiển.

3. Phương pháp Ziegler-Nichols có nhược điểm gì so với thuật toán ACO?
   Phương pháp Ziegler-Nichols đơn giản nhưng thường dẫn đến độ vọt lố cao, thời gian ổn định chậm và sai số tích phân lớn. Trong khi đó, ACO tìm được bộ thông số tối ưu hơn, giảm đáng kể các nhược điểm này nhờ khả năng tìm kiếm đa mục tiêu và tối ưu hóa ngẫu nhiên có hướng dẫn.

4. Làm thế nào để xác định hàm truyền của động cơ PMDC?
   Hàm truyền được xác định dựa trên các thông số kỹ thuật như điện trở phần ứng, điện cảm phần ứng, hằng số mô-men và sức điện động phản kháng, mô-men quán tính và hệ số ma sát. Các thông số này được đo thực nghiệm và sử dụng trong các biểu thức toán học để xây dựng hàm truyền.

5. Ứng dụng thực tế của thuật toán ACO trong điều khiển động cơ điện là gì?
   Thuật toán ACO giúp tìm bộ thông số PID tối ưu để điều khiển tốc độ động cơ PMDC, giảm sai số, tăng độ ổn định và giảm độ vọt lố. Điều này nâng cao hiệu suất hoạt động của động cơ trong các ứng dụng công nghiệp và thiết bị điện tử.

Kết luận

• Thuật toán Đàn Kiến (ACO) đã chứng minh hiệu quả vượt trội trong việc tìm bộ thông số PID tối ưu so với phương pháp truyền thống Ziegler-Nichols, với hàm mục tiêu giảm hơn 60% trong nhiều mô hình hàm truyền.
• Việc áp dụng ACO giúp cải thiện đáng kể các chỉ tiêu điều khiển như độ vọt lố, thời gian tăng và sai số tích phân, nâng cao độ ổn định của hệ thống điều khiển động cơ PMDC.
• Nghiên cứu đã xây dựng thành công mô hình hàm truyền động cơ PMDC và phát triển thuật toán ACO đa mục tiêu phù hợp với yêu cầu thực tế trong công nghiệp.
• Kết quả nghiên cứu mở ra hướng phát triển ứng dụng thuật toán tối ưu trong các hệ thống điều khiển phức tạp hơn, đồng thời hỗ trợ đào tạo và nâng cao năng lực chuyên môn trong lĩnh vực điều khiển tự động.
• Đề xuất triển khai ứng dụng thuật toán ACO trong công nghiệp và phát triển phần mềm hỗ trợ tối ưu PID, đồng thời khuyến khích nghiên cứu mở rộng cho các loại động cơ và hệ thống điều khiển đa biến.

Hành động tiếp theo là thử nghiệm thuật toán ACO trên các hệ thống thực tế và phát triển công cụ phần mềm hỗ trợ kỹ sư điều khiển nhằm đưa kết quả nghiên cứu vào ứng dụng rộng rãi hơn trong công nghiệp.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ QUỐC NAM XÁC ĐỊNH THÔNG SỐ TỐI ƯU CHO BỘ PID BẰNG GIẢI THUẬT ĐÀN KIẾN ỨNG DỤNG ĐIỀU KHIỂN TỐC ĐỘ ĐỘNG CƠ DC NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 S K C0 0 4 4 6 3 Tp. Hồ Chí Minh, tháng 10/2014 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ QUỐC NAM XÁC ĐỊNH THÔNG SỐ TỐI ƢU CHO BỘ PID BẰNG GIẢI THUẬT ĐÀN KIẾN ỨNG DỤNG ĐIỀU KHIỂN TỐC ĐỘ ĐỘNG CƠ DC NGÀNH: KỸ THUẬT ĐIỆN TỬ- 605270 GVHD: TS. Hoàng Trang Trang 1 Tp. Hồ Chí Minh, tháng 10 / 2014 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ VÕ QUỐC NAM XÁC ĐỊNH THÔNG SỐ TỐI ƢU CHO BỘ PID BẰNG GIẢI THUẬT ĐÀN KIẾN ỨNG DỤNG ĐIỀU KHIỂN TỐC ĐỘ ĐỘNG CƠ DC NGÀNH: KỸ THUẬT ĐIỆN TỬ- 605270 Hƣớng dẫn khoa học:TS.

NGUYỄN MINH TÂM GVHD: TS. Hoàng Trang Trang 1 Tp. Hồ Chí Minh, tháng 10 / 2014 Luan van LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƢỢC: Họ & tên: Võ Quốc Nam Giới tính: Nam Ngày, tháng, năm sinh:04/11/1976 Nơi sinh: Bến Tre Quê quán:Bến Tre Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: Số 259D, Ấp Phú Chiến, Xã Phú Hƣng, Thành phố Bến Tre.

Điện thoại cơ quan: Điện thoại nhà riêng: 0902102042 Fax: E-mail: voquocnam04111976@gmail II. QUÁ TRÌNH ĐÀO TẠO 1. Trung học chuyên nghiệp: Hệ đào tạo: Thời gian đào tạo từ ……/…… đến ……/ …… Nơi học (trƣờng, thành phố): Ngành học: 2. Đại học: Hệ đào tạo: Chính Quy Thời gian đào tạo từ 09/1995 đến 03/2000 Nơi học (trƣờng, thành phố): Trƣờng Đại Học Sƣ Phạm Kỹ Thuật Tp.HCM Ngành học: Kỹ Thuật Điện – Điện Tử Tên đồ án, luận án hoặc môn thi tốt nghiệp: Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: 20/01/2000 Ngƣời hƣớng dẫn: III.

QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm 05/2000 – 2008 Công ty TNHH PG-Home Nhân viên phòng kỹ thuật Công ty TNHH Thƣơng Mại 2008-2011 Nhân viên phòng cơ điện Dịch Vụ AN HẠ Công Ty TNHH CHÂN THIỆN 2011 – nay Trƣởng phòng kỹ thuật MỸ GVHD: TS. Nguyễn Minh Tâm Trang i Luan van LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Hồ Chí Minh, ngày 15 tháng 10 năm 2014 (Ký tên và ghi rõ họ tên) Võ Quốc Nam GVHD: TS.

Nguyễn Minh Tâm Trang ii Luan van LỜI CẢM TẠ  Trong thời gian thực hiện đề tài,người thực hiện đã học hỏi được rất nhiều điều bổ ích từ Giáo Viên hướng dẫn và các anh chị trong lớp. Nhân đây, người thực hiện xin được bày tỏ lòng biết ơn sâu sắc đến thầy Nguyễn Minh Tâm trên cương vị là người hướng dẫn đề tài, đã tận tình hướng dẫn, giúp đỡ và tạo mọi điều kiện thuận lợi nhất cho học viên hoàn thành tốt đề tài. Người thực hiện cũng xin chân thành cảm ơn các thầy, các cô trong khoa Điện - Điện Tử, cùng bạn bè đã đóng góp ý kiến và kinh ngiệm qúy báu trong quá trình thực hiện đề tài này.HỒ CHÍ MINH, Ngày 15 tháng 10 năm 2014 Người thực hiện Võ Quốc Nam GVHD: TS. Nguyễn Minh Tâm Trang iii Luan van TÓM TẮT LUẬN VĂN Các bộ điều khiển vi- tích phân- tỉ lệ (PID) đƣợc sử dụng rộng rãi trong điều khiển quá trình nhằm điều khiển hoạt động của nhiều loại hệ thống động khác nhau theo thời gian.

Các bộ điều khiển này đƣợc sử dụng rất phổ biến vì có cấu trúc đơn giản và có thể tạo ra các đặc tính đáp ứng vòng kín tốt. Mặc dù có cấu trúc đơn giản nhƣng rất khó để tìm đƣợc bộ điều khiển PID riêng cho từng hệ thống cụ thể. Phƣơng pháp Ziegler-Nichols là một phƣơng pháp cơ bản nhất nhƣng rất khó để tìm đƣợc bộ thông số PID tối ƣu. Ngày nay, có rất nhiều phƣơng pháp đƣợc áp dụng để tìm bộ thông số điều khiển PID tối ƣu nhƣ Logic mờ, Mạng nơ ron nhân tạo, Thuật toán di truyền, v.v… Trong bài viết này, chúng tôi áp dụng Thuật Toán Đàn Kiến để tìm bộ thông số tối ƣu đa mục tiêu của bộ điều khiển PID ứng dụng thuật toán để tìm bộ thông số PID tối ƣu cho động cơ điện PMDC có phần cảm là nam châm vĩnh cửu, phần ứng là các cuộn dây đƣợc cung cấp dòng điện thông qua chổi than và cổ góp điện.

Nguyễn Minh Tâm Trang iv Luan van MASTER ESSAY SUMMARRY Proportional-Integral-Derivative (PID) controllers are frequently used in the control process to generate the time domain behavior of many different types of dynamic plants. These controllers are extremely polular because of their simple structure and they can usually provide a good closed loop response characteristic. Despite its simple structure it seems so hard to find a proper PID controller. Ziegler-Nichols tuning method is the most standard one but it is often difficult to find optimal PID parameters with this method.

At present, there are many optimization methods to tune the PID controllers such as fuzzy logic, neural network, genetic algorithm, etc. In this paper, we developed the Ant Colony Algorithm to find the multiobjective optimization parameters of a PID controller and applied it to control the speed of small, permanent magnet brushed DC motors. Nguyễn Minh Tâm Trang v Luan van MỤC LỤC TRANG TRANG TỰA QUYẾT ĐỊNH GIAO ĐỀ TÀI XÁC NHẬN CỦA CÁN BỘ HƢỚNG DẪN LÝ LỊCH KHOA HỌC i LỜI CAM ĐOAN ii LỜI CẢM TẠ iii TÓM TẮT LUẬN VĂN iv MASTER ESSAY SUMMERY v MỤC LỤC vi DANH SÁCH CÁC CHỬ VIẾT TẮT x DANH SÁCH CÁC HÌNH xi DANH SÁCH CÁC BẢNG xiii Chƣơng 1: TỔNG QUAN 1 1. Tổng quan chung về lĩnh vực nghiên cứu: 1 1.

Tổng quan về điều khiển PID: 1 1. Các kết quả nghiên cứu trong và ngoài nƣớc: 2 1. Mục tiêu, khách thể và đối tƣợng nghiên cứu: 7 1. Đối tƣợng nghiên cứu: 7 1.

Nhiệm vụ đề tài và phạm vi nghiên cứu: 7 1. Phạm vi nghiên cứu: 8 GVHD: TS. Nguyễn Minh Tâm Trang vi Luan van 1. Phƣơng pháp nghiên cứu: 8 1.

Nội dung của đề tài: 8 1. Ý nghĩa thực tiển của đề tài: 9 Chƣơng 2: CƠ SỞ LÝ THUYẾT 10 2. Điều khiển PID: 10 2. Tổng quan về điều khiển PID: 10 2.

Các khâu của bộ điều khiển PID: 11 2. Khâu tỷ lệ: 11 2. Khâu tích phân: 11 2. Khâu vi phân: 12 2.

Tổng quan về động cơ điện một chiều: 12 2. Cấu tạo của động cơ điện một chiều: 13 2. Hàm truyền của động cơ PMDC: 14 2. Xác định các thông số kỹ thuật của động cơ PMDC: 19 2.

Xác định điện trở phần ứng: 19 2. Xác định điện cảm phần ứng: 19 2. Thuật toán đàn kiến: 21 2. Ý tƣởng mô phỏng hành vi của đàn kiến trong tự nhiên: 21 2.

Ứng dụng thuật toán đàn kiến giải bài toán TSP: 22 2. Mô tả bài toán TSP: 22 GVHD: TS. Nguyễn Minh Tâm Trang vii Luan van 2. Ứng dụng thuật toán đàn kiến giải bài toán TSP: 22 Chƣơng 3: XÁC ĐỊNH BỘ THÔNG SỐ PID TỐI ƢU BẰNG THUẬT 25 TOÁN ĐÀN KIẾN 3.

Phƣơng pháp Ziegler-Nichols: 25 3. Xác định bộ thông số tối ƣu PID bằng thuật toán đàn kiến: 26 3. Tạo nút và đƣờng: 26 3. Hàm mục tiêu của thuật toán: 28 3.

Chọn đƣờng đi theo xác suất: 28 3. Cập nhật lƣợng mùi: 29 3. Xác định bộ thông số tối ƣu PID bằng thuật toán đàn kiến: 29 3. Lƣu đồ thuật toán đàn kiến: 30 3.

Các bƣớc thực hiện thuật toán: 31 3. Các kết quả của ứng dụng thuật toán đàn kiến tìm bộ thông số tối ƣu 32 PID: 3. Mô hình hàm truyền bậc nhất có trể: 32 3. Phƣơng pháp Ziegler-Nichols: 32 3.

Thuật toán đàn kiến: 32 3. So sánh hai phƣơng pháp: 32 3. Mô hình hàm truyền bậc hai có trể: 34 3. Phƣơng pháp Ziegler-Nichols: 34 3.

Thuật toán đàn kiến: 34 3. So sánh hai phƣơng pháp: 34 3. Mô hình hàm truyền bậc bốn: 35 3. Mô hình hàm truyền bậc bốn có trể: 36 GVHD: TS.

Nguyễn Minh Tâm Trang viii Luan van 3. Mô hình hàm truyền bậc bốn: 37 3. Các yếu tố ảnh hƣởng đến kết quả của thuật toán đàn kiến: 38 3. Thuật toán đàn kiến là thuật toán tìm kiếm tối ƣu ngẫu nhiên: 38 3.

Ảnh hƣởng của α và β: 38 3. Ảnh hƣởng của α: 38 3. Ảnh hƣởng của β: 39 3. Trọng số hàm mục tiêu của thuật toán có thể điều chỉnh để 42 phù hợp với các mục đích điều khiển khác nhau: Chƣơng 4: XÁC ĐỊNH BỘ THÔNG SỐ TỐI ƢU PID CHO ĐỘNG CƠ 45 PMDC BẰNG THUẬT TOÁN ĐÀN KIẾN: 4.

Hàm truyền của động cơ PMDC: 45 4. Xác định bộ thông số điều khiển PID: 45 4. Phƣơng pháp Ziegler-Nichols: 46 4. Thuật toán đàn kiến: 46 4.

So sánh kết quả của thuật toán đàn kiến (ACO) và thuật toán 48 “Modified Ant Colony System Algorithm“ (ACS): Chƣơng 5: KẾT LUẬN 50 5. Những mục tiêu đạt đƣợc: 50 5. Hạn chế của đề tài: 50 5. Hƣớng phát triển của đề tài: 51 TÀI LIỆU THAM KHẢO 52 PHỤ LỤC 53 GVHD: TS.

Nguyễn Minh Tâm Trang ix Luan van DANH SÁCH CÁC CHỮ VIẾT TẮT ACO Ant Colony Algorithm ITAE Integral of Time and Absolute Error IAE Integral Absolute Error PID Proportional Integral Derivative PMDC Permanent Magnet Direct Current PV Panel Value ST Set Point TSP Travelling Salesman Problem ZN Ziegler-Nichols GVHD: TS. Nguyễn Minh Tâm Trang x Luan van DANH SÁCH CÁC HÌNH HÌNH TRANG 2 Hình 1. Tạo nút và đƣờng đi cho các con kiến trong thuật toán tối ƣu sai số ITAE. Đáp ứng của phƣơng pháp tối ƣu sai số ITAE.

Tạo nút và đƣờng trong thuật toán tối ƣu sai số IAE. Đáp ứng của phƣơng pháp tối ƣu sai số IAE. Phƣơng pháp dùng hàm đa mục tiêu. Đáp ứng của phƣơng pháp tối ƣu hàm đa mục tiêu.

Mô hình hệ thống điều khiển PID vòng kín. Mô hình hàm truyền của hệ thống điều khiển PID. Cấu tạo của động cơ PMDC. Mô hình chiếc cầu đôi.Biểu diễn các thông số của bộ điều khiển PID trong mặt phẳng 27 tọa độ Oxy.

Lƣu đồ thuật toán đàn kiến. Đồ thị đáp ứng bƣớc của hai phƣơng pháp ZN va ACO đối với 33 2𝑒 −𝑠 hệ thống có hàm truyền là 𝑃 𝑠 =. Đồ thị đáp ứng bƣớc của hai phƣơng pháp ZN va ACO đối với 34 𝑒 −0.5𝑠 hệ thống có hàm truyền là 𝑃 𝑠 =. Đồ thị đáp ứng bƣớc của hai phƣơng pháp ZN va ACO đối với 35 GVHD: TS.