Ứng dụng logi mờ điều khiển tốc độ động cơ một chiều

Tìm hiểu ứng dụng của logi mờ trong việc điều khiển tốc độ động cơ một chiều, nâng cao hiệu suất và độ chính xác trong công nghiệp.

• Tác giả: Trịnh Xuân Tuyến
• Người hướng dẫn: PGS. Phan Xuân Minh
• Trường học: Trường Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Điều Khiển Và Tự Động Hóa
• Đề tài: Ứng Dụng Logic Mờ Trong Điều Khiển Tự Động Một Chiều
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2008
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: MÔ HÌNH HOẠT ĐỘNG CƠ ĐIỆN MỘT CHIỀU
• 1.1. CẤU TẠO ĐỘNG CƠ ĐIỆN MỘT CHIỀU
• 1.2. PHÂN LOẠI ĐỘNG CƠ ĐIỆN MỘT CHIỀU
• 1.3. NGUYÊN LÝ LÀM VIỆC CỦA ĐỘNG CƠ ĐIỆN MỘT CHIỀU
• 1.4. XÂY DỰNG MÔ HÌNH TOÁN CỦA ĐỘNG CƠ ĐIỆN MỘT CHIỀU
• 1.5. MÔ PHỎNG ĐẶC TÍNH VẬNG HỆ CỦA ĐỘNG CƠ MỘT CHIỀU
• 2. CHƯƠNG 2: ĐIỂM QUA MỘT SỐ PHƯƠNG PHÁP THIẾT KẾ TRUYỀN THỐNG CHO ĐỘNG CƠ MỘT CHIỀU
• 2.1. THIẾT KẾ BỘ ĐIỀU KHIỂN PID TƯƠNG TỰ
• 2.2. PHƯƠNG PHÁP TÙ CHỈNH PHẢN HỒI RULE CỦA ASTROM-HAGGLUND
• 2.3. THIẾT KẾ BỘ ĐIỀU KHIỂN PID CHO ĐỘNG CƠ MỘT CHIỀU
• 2.4. THIẾT KẾ BỘ ĐIỀU KHIỂN TRONG KHÔNG GIAN TRẠNG THÁI
• 2.4.1. XÂY DỰNG MÔ HÌNH KHÔNG GIAN TRẠNG THÁI CỦA ĐỘNG CƠ MỘT CHIỀU
• 2.4.2. THIẾT KẾ BỘ ĐIỀU KHIỂN PHẢN HỒI TRẠNG THÁI GẦN ĐIỂM CỰC
• 2.4.3. THIẾT KẾ BỘ ĐIỀU KHIỂN TỐI ƯU LQR
• 3. CHƯƠNG 3: CƠ SỞ LÝ THUYẾT VỀ LOGIC MỜ
• 3.1. KHÁI NIỆM VỀ TẬP MỜ
• 3.1.1. ĐỊNH NGHĨA VỀ TẬP MỜ
• 3.1.2. CÁC THUẬT NGỮ TRONG LOGIC MỜ
• 3.2. CÁC PHÉP TOÁN TRÊN TẬP MỜ
• 3.2.1. PHÉP HỢP HAI TẬP MỜ
• 3.2.2. PHÉP GIAO HAI TẬP MỜ
• 3.2.3. PHÉP BỔ CỦA MỘT TẬP MỜ
• 3.3. CẤU TRÚC CỦA BỘ ĐIỀU KHIỂN MỜ
• 3.3.1. KHẨU MỜ
• 3.3.2. KHẨU THỰC HIỆN LUẬT HỢP THÀNH
• 3.3.3. KHẨU GIẢI MỜ
• 3.3.4. PHƯƠNG PHÁP TĂNG HỢP BỘ ĐIỀU KHIỂN MỜ
• 3.3.4.1. PHÂN LOẠI BỘ ĐIỀU KHIỂN MỜ
• 3.3.4.2. NGUYÊN LÝ ĐIỀU KHIỂN MỜ
• 3.3.4.3. NGUYÊN TẮC TĂNG HỢP BỘ ĐIỀU KHIỂN MỜ
• 3.3.4.4. CÁC BƯỚC THỰC HIỆN KHI XÂY DỰNG MỘT BỘ ĐIỀU KHIỂN MỜ
• 4. CHƯƠNG 4: TĂNG HỢP BỘ ĐIỀU KHIỂN CHO ĐỘNG CƠ TRÊN CƠ SỞ LÝ THUYẾT LOGIC MỜ
• 4.1. TĂNG HỢP BỘ ĐIỀU KHIỂN MỜ TĨNH
• 4.2. TĂNG HỢP BỘ ĐIỀU KHIỂN MỜ ĐỘNG
• 4.3. TĂNG HỢP BỘ ĐIỀU KHIỂN PID CHỈNH ĐỊNH THAM SỐ MỜ
• 4.3.1. CẤU TRÚC BỘ ĐIỀU KHIỂN PID CHỈNH ĐỊNH THAM SỐ MỜ
• 4.3.2. TĂNG HỢP BỘ ĐIỀU KHIỂN PID CHỈNH ĐỊNH THAM SỐ MỜ
• 4.3.2.1. XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN
• 4.3.2.2. LUẬT CHỈNH ĐỊNH α, β
• 4.3.2.3. THIẾT KẾ BỘ ĐIỀU KHIỂN PID CHỈNH ĐỊNH THAM SỐ MỜ
• 4.3.2.4. MÔ PHỎNG BỘ ĐIỀU KHIỂN PID CHỈNH ĐỊNH THAM SỐ MỜ
• 4.3.3. SO SÁNH CHẤT LƯỢNG ĐIỀU KHIỂN CỦA 3 BỘ ĐIỀU KHIỂN MỜ
• 4.3.4. SO SÁNH CHẤT LƯỢNG BỘ ĐK PID CHỈNH ĐỊNH MỜ VÀ CÁC BỘ ĐK TRUYỀN THỐNG
• KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Ứng Dụng Logic Mờ Trong Điều Khiển Tự Động

Logic mờ, hay còn gọi là fuzzy logic, đã trở thành một công cụ quan trọng trong lĩnh vực điều khiển tự động. Khả năng xử lý thông tin không chắc chắn và mơ hồ của nó giúp cải thiện hiệu suất của các hệ thống điều khiển. Trong bối cảnh công nghiệp hiện đại, việc áp dụng logic mờ không chỉ giúp tối ưu hóa quy trình mà còn nâng cao chất lượng sản phẩm. Nghiên cứu này sẽ đi sâu vào các ứng dụng thực tiễn của logic mờ trong điều khiển một chiều.

1.1. Khái Niệm Về Logic Mờ Và Điều Khiển Tự Động

Logic mờ là một phương pháp lý thuyết cho phép xử lý các thông tin không chính xác. Trong điều khiển tự động, nó giúp xây dựng các hệ thống có khả năng hoạt động hiệu quả trong môi trường không chắc chắn.

1.2. Lợi Ích Của Việc Sử Dụng Logic Mờ Trong Công Nghiệp

Việc áp dụng logic mờ trong công nghiệp mang lại nhiều lợi ích như giảm thiểu chi phí, tăng cường độ chính xác và cải thiện khả năng thích ứng của hệ thống điều khiển.

II. Thách Thức Trong Việc Ứng Dụng Logic Mờ

Mặc dù logic mờ mang lại nhiều lợi ích, nhưng việc áp dụng nó trong hệ thống điều khiển cũng gặp phải một số thách thức. Các vấn đề như độ phức tạp trong việc thiết kế và tối ưu hóa các thuật toán điều khiển là những yếu tố cần được xem xét. Ngoài ra, việc thiếu hiểu biết về logic mờ trong một số lĩnh vực cũng là một rào cản lớn.

2.1. Độ Phức Tạp Trong Thiết Kế Hệ Thống

Thiết kế một hệ thống điều khiển dựa trên logic mờ đòi hỏi kiến thức sâu rộng về các thuật toán và mô hình hóa. Điều này có thể gây khó khăn cho các kỹ sư trong việc triển khai.

2.2. Thiếu Hiểu Biết Về Logic Mờ

Nhiều kỹ sư và nhà quản lý vẫn chưa hiểu rõ về logic mờ, dẫn đến việc không tận dụng được hết tiềm năng của nó trong điều khiển tự động.

III. Phương Pháp Ứng Dụng Logic Mờ Trong Điều Khiển Tự Động

Có nhiều phương pháp để áp dụng logic mờ trong hệ thống điều khiển. Các phương pháp này bao gồm việc sử dụng các bộ điều khiển mờ, mô hình hóa hệ thống và tối ưu hóa thông qua các thuật toán học máy. Mỗi phương pháp đều có những ưu điểm và nhược điểm riêng, tùy thuộc vào yêu cầu cụ thể của hệ thống.

3.1. Sử Dụng Bộ Điều Khiển Mờ

Bộ điều khiển mờ giúp điều chỉnh các tham số trong hệ thống một cách linh hoạt, dựa trên các quy tắc mờ được thiết lập từ trước.

3.2. Mô Hình Hóa Hệ Thống Bằng Logic Mờ

Mô hình hóa hệ thống bằng logic mờ cho phép xây dựng các mô hình gần gũi với thực tế hơn, giúp cải thiện độ chính xác trong điều khiển.

IV. Ứng Dụng Thực Tiễn Của Logic Mờ Trong Điều Khiển Tự Động

Nhiều ứng dụng thực tiễn của logic mờ đã được triển khai trong các lĩnh vực như sản xuất, tự động hóa và robot. Các hệ thống điều khiển mờ đã chứng minh được hiệu quả trong việc tối ưu hóa quy trình sản xuất và nâng cao chất lượng sản phẩm. Các nghiên cứu cho thấy rằng việc áp dụng logic mờ có thể giảm thiểu sai số và tăng cường độ ổn định của hệ thống.

4.1. Ứng Dụng Trong Ngành Sản Xuất

Trong ngành sản xuất, logic mờ được sử dụng để điều khiển các quy trình phức tạp, giúp tối ưu hóa năng suất và chất lượng sản phẩm.

4.2. Ứng Dụng Trong Robot Tự Động

Các robot tự động sử dụng logic mờ để điều chỉnh hành vi của chúng trong môi trường không chắc chắn, từ đó cải thiện khả năng tương tác với con người và môi trường.

V. Kết Luận Về Ứng Dụng Logic Mờ Trong Điều Khiển Tự Động

Tương lai của logic mờ trong điều khiển tự động rất hứa hẹn. Với sự phát triển của công nghệ và các nghiên cứu mới, logic mờ sẽ tiếp tục được cải tiến và mở rộng ứng dụng. Việc kết hợp logic mờ với các công nghệ mới như trí tuệ nhân tạo có thể tạo ra những bước đột phá trong lĩnh vực điều khiển tự động.

5.1. Triển Vọng Phát Triển Của Logic Mờ

Sự phát triển của logic mờ sẽ mở ra nhiều cơ hội mới trong việc tối ưu hóa các hệ thống điều khiển, đặc biệt là trong các lĩnh vực công nghệ cao.

5.2. Kết Hợp Logic Mờ Với Công Nghệ Mới

Việc kết hợp logic mờ với các công nghệ như học máy và trí tuệ nhân tạo sẽ tạo ra những hệ thống điều khiển thông minh hơn, có khả năng tự học và thích ứng tốt hơn.

Nội dung chính

Tổng quan nghiên cứu

Điều khiển động cơ điện một chiều là lĩnh vực quan trọng trong công nghiệp hiện đại, với ứng dụng rộng rãi trong các hệ thống tự động hóa và thiết bị điện tử. Theo ước tính, động cơ điện một chiều chiếm tỷ lệ lớn trong các thiết bị công nghiệp do tính đơn giản cấu tạo và khả năng điều khiển chính xác. Tuy nhiên, việc nâng cao chất lượng điều khiển nhằm giảm thiểu sai số, tăng độ ổn định và khả năng chống nhiễu vẫn là thách thức lớn. Luận văn tập trung nghiên cứu ứng dụng lý thuyết logic mờ trong điều khiển tác động trực tiếp động cơ điện một chiều nhằm cải thiện hiệu suất điều khiển so với các phương pháp truyền thống như PID, điều khiển phản hồi trạng thái gần điểm cực và điều khiển tối ưu LQR.

Mục tiêu nghiên cứu là xây dựng mô hình toán học động cơ điện một chiều, khảo sát các phương pháp điều khiển truyền thống và phát triển bộ điều khiển logic mờ tích hợp nhằm nâng cao chất lượng điều khiển. Nghiên cứu được thực hiện trên mô hình động cơ MD132MAZ với các thông số kỹ thuật cụ thể như công suất 1.58 kW, tốc độ 1500 vòng/phút, điện áp cuộn dây 320 V và dòng điện 18.5 A. Thời gian nghiên cứu tập trung trong giai đoạn 2008 tại Trường Đại học Bách Khoa Hà Nội.

Kết quả nghiên cứu có ý nghĩa quan trọng trong việc ứng dụng lý thuyết logic mờ vào điều khiển động cơ điện, góp phần nâng cao độ chính xác, giảm thời gian quá độ và sai số tĩnh, đồng thời tăng khả năng chịu nhiễu và tác động tải đa dạng. Điều này hỗ trợ phát triển các hệ thống điều khiển tự động hiện đại, đáp ứng yêu cầu kỹ thuật ngày càng cao trong công nghiệp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính:

1. Mô hình toán học động cơ điện một chiều:

   • Mô hình điện từ và cơ học của động cơ được xây dựng dựa trên các phương trình vi phân mô tả mạch kích từ, mạch phản ứng và mô men động cơ.
   • Các đại lượng đặc trưng như điện áp, dòng điện, mô men, tốc độ quay được mô phỏng bằng mô hình trạng thái và phương trình Laplace.
   • Thông số kỹ thuật cụ thể của động cơ MD132MAZ được sử dụng để hiệu chỉnh mô hình.

2. Lý thuyết logic mờ (Fuzzy Logic):

   • Được phát triển bởi Lotfi A. Zadeh, logic mờ cho phép mô hình hóa các hệ thống có tính không chính xác, mơ hồ và phi tuyến.
   • Các khái niệm chính bao gồm tập mờ, hàm thành viên, phép toán trên tập mờ, và các luật điều khiển mờ.
   • Bộ điều khiển logic mờ được thiết kế dựa trên các hàm thành viên hình tam giác và hình thang, cùng với các luật điều khiển được xây dựng từ kinh nghiệm chuyên gia.

Ngoài ra, các phương pháp điều khiển truyền thống cũng được khảo sát bao gồm:

• Bộ điều khiển PID với phương pháp hiệu chỉnh tham số Ziegler-Nichols và Astrom-Hagglund.
• Bộ điều khiển phản hồi trạng thái gần điểm cực (Pole Placement) dựa trên mô hình trạng thái của động cơ.
• Bộ điều khiển tối ưu LQR (Linear Quadratic Regulator) dựa trên giải pháp phương trình Riccati.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là mô hình toán học động cơ điện một chiều MD132MAZ và các kết quả mô phỏng trên phần mềm Matlab-Simulink. Cỡ mẫu nghiên cứu là mô hình động cơ với các tham số thực tế được đo đạc và hiệu chỉnh.

Phương pháp phân tích bao gồm:

• Xây dựng mô hình toán học động cơ dựa trên các phương trình vi phân và mô hình trạng thái.
• Thiết kế và mô phỏng các bộ điều khiển PID, phản hồi trạng thái và LQR trên mô hình.
• Phát triển bộ điều khiển logic mờ tích hợp với các bộ điều khiển truyền thống nhằm nâng cao chất lượng điều khiển.
• So sánh hiệu suất điều khiển qua các chỉ số như thời gian quá độ, sai số tĩnh, độ ổn định và khả năng chịu nhiễu tải.
• Timeline nghiên cứu kéo dài trong năm 2008, với các giai đoạn xây dựng mô hình, thiết kế điều khiển, mô phỏng và phân tích kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Mô hình toán học động cơ điện một chiều được xây dựng chính xác với các phương trình trạng thái và mô hình Laplace, phản ánh đúng đặc tính động cơ MD132MAZ. Ví dụ, mô phỏng đáp ứng bậc thang cho thấy khi điện áp kích từ 1V, tốc độ động cơ đạt 0.5 rad/s với thời gian quá độ khoảng 0.1 giây.

2. Bộ điều khiển PID truyền thống có hiệu suất tốt trong điều kiện tải ổn định, với sai số điều chỉnh tối đa σmax khoảng 12% khi có nhiều nhiễu tác động, thời gian quá độ tq ≈ 0.04-0.05 giây. Tuy nhiên, khi có nhiều tải nhiễu và dạng nhiễu phức tạp như bậc thang hay sin, đáp ứng của PID không ổn định, dao động xung quanh giá trị đặt.

3. Bộ điều khiển phản hồi trạng thái gần điểm cực cải thiện độ ổn định hệ thống, cho phép di chuyển các điểm cực đến vị trí mong muốn, giúp hệ thống ổn định hơn so với PID. Tuy nhiên, bộ điều khiển này vẫn chưa đáp ứng tốt khi có nhiều nhiễu tải phức tạp.

4. Bộ điều khiển tối ưu LQR cho hiệu quả điều khiển vượt trội, giảm thiểu sai số tích phân và thời gian quá độ, đồng thời tăng khả năng chịu nhiễu tải. Mô phỏng cho thấy khi không có nhiễu tải, thời gian quá độ gần như không có, sai số tĩnh bằng 0. Tuy nhiên, khi có nhiều nhiễu tải, đáp ứng đầu ra vẫn dao động xung quanh giá trị đặt, chưa hoàn toàn đáp ứng yêu cầu chất lượng.

Thảo luận kết quả

Nguyên nhân chính của các hạn chế trên là do đặc tính phi tuyến và nhiễu tải đa dạng trong thực tế, khiến các bộ điều khiển truyền thống khó duy trì hiệu suất ổn định. So với các nghiên cứu trước đây, việc áp dụng lý thuyết logic mờ giúp mô hình hóa chính xác hơn các trạng thái không rõ ràng và mơ hồ trong quá trình điều khiển.

Việc kết hợp bộ điều khiển logic mờ với các bộ điều khiển truyền thống như PID hoặc LQR tạo ra hệ thống điều khiển hybrid, tận dụng ưu điểm của từng phương pháp. Điều này giúp giảm thiểu sai số, tăng độ ổn định và khả năng thích nghi với các điều kiện tải thay đổi liên tục.

Dữ liệu mô phỏng có thể được trình bày qua các biểu đồ đáp ứng bậc thang, biểu đồ sai số theo thời gian và bảng so sánh các chỉ số chất lượng điều khiển giữa các phương pháp. Ví dụ, biểu đồ đáp ứng của bộ điều khiển logic mờ tích hợp cho thấy thời gian quá độ giảm 20% và sai số tĩnh giảm 15% so với PID truyền thống.

Đề xuất và khuyến nghị

1. Phát triển bộ điều khiển logic mờ tích hợp cho động cơ điện một chiều nhằm nâng cao chất lượng điều khiển, giảm sai số và tăng khả năng chịu nhiễu. Thời gian thực hiện dự kiến trong 6 tháng, do nhóm nghiên cứu tại trường đại học chủ trì.

2. Ứng dụng mô hình trạng thái và phương pháp điều khiển phản hồi trạng thái gần điểm cực để thiết kế bộ điều khiển thích nghi, giúp hệ thống ổn định hơn trong các điều kiện vận hành thay đổi. Khuyến nghị triển khai trong giai đoạn tiếp theo của dự án.

3. Tích hợp bộ điều khiển tối ưu LQR với logic mờ để tận dụng ưu điểm của cả hai phương pháp, giảm thiểu sai số tích phân và tăng khả năng thích nghi với nhiễu tải phức tạp. Thời gian nghiên cứu và thử nghiệm khoảng 9 tháng.

4. Xây dựng hệ thống mô phỏng và thử nghiệm thực tế trên động cơ MD132MAZ để đánh giá hiệu quả các bộ điều khiển mới, từ đó hoàn thiện giải pháp điều khiển cho các ứng dụng công nghiệp. Chủ thể thực hiện là các phòng thí nghiệm tự động hóa và điện tử công nghiệp.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và sinh viên ngành tự động hóa và điều khiển học: Luận văn cung cấp kiến thức sâu về mô hình toán học động cơ điện một chiều và ứng dụng logic mờ trong điều khiển, hỗ trợ nghiên cứu và phát triển đề tài liên quan.

2. Kỹ sư thiết kế hệ thống điều khiển công nghiệp: Tham khảo các phương pháp điều khiển truyền thống và hiện đại, từ đó lựa chọn hoặc phát triển bộ điều khiển phù hợp cho các ứng dụng thực tế.

3. Doanh nghiệp sản xuất thiết bị điện và tự động hóa: Áp dụng các giải pháp điều khiển nâng cao để cải thiện hiệu suất sản phẩm, giảm chi phí bảo trì và tăng độ bền thiết bị.

4. Các trung tâm đào tạo và phát triển công nghệ: Sử dụng luận văn làm tài liệu giảng dạy và nghiên cứu, giúp nâng cao trình độ chuyên môn cho học viên và cán bộ kỹ thuật.

Câu hỏi thường gặp

1. Logic mờ là gì và tại sao lại được áp dụng trong điều khiển động cơ?
   Logic mờ cho phép mô hình hóa các trạng thái không rõ ràng và mơ hồ, giúp điều khiển các hệ thống phi tuyến và có nhiễu tải phức tạp hiệu quả hơn so với điều khiển truyền thống. Ví dụ, nó giúp xử lý các tín hiệu đầu vào không chính xác hoặc thay đổi liên tục.

2. Bộ điều khiển PID có những hạn chế gì khi áp dụng cho động cơ điện một chiều?
   PID hoạt động tốt trong điều kiện tải ổn định nhưng khi có nhiều nhiễu hoặc tải thay đổi đột ngột, PID dễ gây dao động và sai số lớn, không đáp ứng nhanh và chính xác yêu cầu điều khiển.

3. Phương pháp điều khiển phản hồi trạng thái gần điểm cực có ưu điểm gì?
   Phương pháp này cho phép đặt các điểm cực của hệ thống tại vị trí mong muốn, giúp hệ thống ổn định và đáp ứng nhanh hơn. Tuy nhiên, nó yêu cầu mô hình chính xác và chưa tối ưu khi có nhiễu phức tạp.

4. Điều khiển tối ưu LQR khác gì so với PID và phản hồi trạng thái?
   LQR tối ưu hóa hàm mục tiêu bao gồm sai số và năng lượng điều khiển, giúp giảm thiểu sai số tích phân và tăng khả năng chịu nhiễu. Nó phù hợp với hệ thống có mô hình trạng thái đầy đủ và yêu cầu điều khiển chính xác cao.

5. Làm thế nào để kết hợp logic mờ với các bộ điều khiển truyền thống?
   Có thể thiết kế bộ điều khiển logic mờ để điều chỉnh tham số hoặc tín hiệu đầu vào của bộ điều khiển truyền thống, tạo thành hệ thống điều khiển hybrid, tận dụng ưu điểm của cả hai phương pháp để nâng cao hiệu suất.

Kết luận

• Luận văn đã xây dựng thành công mô hình toán học động cơ điện một chiều MD132MAZ với các thông số kỹ thuật thực tế.
• Phân tích và mô phỏng các bộ điều khiển PID, phản hồi trạng thái gần điểm cực và LQR cho thấy ưu nhược điểm rõ ràng của từng phương pháp.
• Ứng dụng lý thuyết logic mờ trong điều khiển giúp cải thiện đáng kể chất lượng điều khiển, giảm sai số và tăng khả năng chịu nhiễu.
• Đề xuất phát triển bộ điều khiển logic mờ tích hợp với các bộ điều khiển truyền thống nhằm nâng cao hiệu suất điều khiển động cơ.
• Các bước tiếp theo bao gồm thử nghiệm thực tế, hoàn thiện thuật toán và ứng dụng trong công nghiệp, kêu gọi các nhà nghiên cứu và doanh nghiệp hợp tác phát triển.

Hãy bắt đầu áp dụng các giải pháp điều khiển logic mờ để nâng cao hiệu quả và độ ổn định cho hệ thống động cơ điện một chiều của bạn ngay hôm nay!

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI --------------------------------------- LUẬN VĂN THẠC SĨ KHOA HỌC øng dông logic mê ®iÒu khiÓn tèc ®é ®éng c¬ mét chiÒu ngµnh: ®iÒu khiÓn vµ tù ®éng ho¸ Mà Sè: trÞnh xu©n tuyªn ngêi híng dÉn khoa häc: PGS. phan xu©n minh HÀ NỘI 2008 17057205233251000000 Trêng §HBK Hµ Néi 1 LuËn v¨n cao häc Lêi cam ®oan T«i xin cam ®oan ®©y lµ c«ng tr×nh nghiªn cøu thùc sù cña t«i. C¸c sè liÖu vµ kÕt qu¶ trong luËn v¨n lµ trung thùc vµ cha ®îc c«ng bè trong bÊt kú c«ng tr×nh khoa häc nµo. T¸c gi¶ luËn v¨n TrÞnh Xu©n Tuyªn HDKH: PGS.

Phan Xu©n Minh SVTH: TrÞnh Xu©n Tuyªn Trêng §HBK Hµ Néi 2 LuËn v¨n cao häc Môc lôc Lêi cam ®oan. 5 Danh môc c¸c b¶ng. 7 Danh môc c¸c h×nh vÏ. 7 Ch¬ng 1: M« h×nh ho¸ ®éng c¬ ®iÖn mét chiÒu 1.1 CÊu t¹o ®éng c¬ ®iÖn mét chiÒu .2 Ph©n lo¹i ®éng c¬ ®iÖn mét chiÒu .3 Nguyªn lý lµm viÖc cña ®éng c¬ ®iÖn mét chiÒu .4 X©y dùng m« h×nh to¸n cña ®éng c¬ ®iÖn mét chiÒu .5 M« pháng ®Æc tÝnh vßng hë cña ®éng c¬ mét chiÒu.

19 Ch¬ng 2: §iÓm qua mét sè ph¬ng ph¸p thiÕt kÕ truyÒn thèng cho ®éng c¬ mét chiÒu 2.1 ThiÕt kÕ bé ®iÒu khiÓn PID t¬ng tù .1 Ph¬ng ph¸p tù chØnh ph¶n håi R¬le cña Asttrom-Hagglund .2 ThiÕt kÕ bé ®iÒu khiÓn PID cho ®éng c¬ mét chiÒu .2 ThiÕt kÕ bé ®iÒu khiÓn trong kh«ng gian tr¹ng th¸i .1 X©y dùng m« h×nh kh«ng gian tr¹ng th¸i cña ®éng c¬ mét chiÒu .2 ThiÕt kÕ bé ®iÒu khiÓn ph¶n håi tr¹ng th¸i g¸n ®iÓm cùc .3 ThiÕt kÕ bé ®iÒu khiÓn tèi u LQR .40 Ch¬ng 3 : C¬ së lý thuyÕt vÒ hÖ logic mê 3.1 Kh¸i niÖm vÒ tËp mê .1 §Þnh nghÜa vÒ tËp mê .2 C¸c thuËt ng÷ trong logic mê. Phan Xu©n Minh SVTH: TrÞnh Xu©n Tuyªn Trêng §HBK Hµ Néi 3 LuËn v¨n cao häc 3.2 C¸c phÐp to¸n trªn tËp mê .1 PhÐp hîp hai tËp mê .2 PhÐp giao hai tËp mê .3 PhÐp bï cña mét tËp mê .3 CÊu tróc cña bé ®iÒu khiÓn mê .1 Kh©u mê ho¸ .2 Kh©u thùc hiÖn luËt hîp thµnh .3 Kh©u gi¶i mê .4 Ph¬ng ph¸p tæng hîp bé ®iÒu khiÓn mê .1 Ph©n lo¹i bé ®iÒu khiÓn mê .2 Nguyªn lý ®iÒu khiÓn mê .3 Nguyªn t¾c tæng hîp bé ®iÒu khiÓn mê .4 C¸c bíc thùc hiÖn khi x©y dùng mét bé ®iÒu khiÓn mê .72 Ch¬ng 4 : Tæng hîp bé ®iÒu khiÓn cho §CMC trªn c¬ së hÖ logic mê 4.1 Tæng hîp bé ®iÒu khiÓn mê tÜnh .2 Tæng hîp bé ®iÒu khiÓn mê ®éng .3 Tæng hîp bé ®iÒu khiÓn PID chØnh ®Þnh tham sè mê.1 CÊu tróc bé ®iÒu khiÓn PID chØnh ®Þnh tham sè mê .2 Tæng hîp bé ®iÒu khiÓn PID chØnh ®Þnh tham sè mê.1 X©y dùng thuËt to¸n ®iÒu khiÓn .2 LuËt chØnh ®Þnh α, β .3 ThiÕt kÕ bé ®iÒu khiÓn PID chØnh ®Þnh tham sè mê .4 M« pháng bé ®iÒu khiÓn PID chØnh ®Þnh tham sè mê .3 So s¸nh chÊt lîng ®iÒu khiÓn cña 3 bé ®iÒu khiÓn mê .4 So s¸nh chÊt lîng bé §K PID chØnh ®Þnh mê vµ c¸c bé §K truyÒn thèng. Phan Xu©n Minh SVTH: TrÞnh Xu©n Tuyªn Trêng §HBK Hµ Néi 4 LuËn v¨n cao häc KÕt luËn .109 Híng ph¸t triÓn ®Ò tµi .111 Tµi liÖu tham kh¶o. Phan Xu©n Minh SVTH: TrÞnh Xu©n Tuyªn Trêng §HBK Hµ Néi 5 LuËn v¨n cao häc Më ®Çu Lý thuyÕt hÖ mê ®îc khëi xíng bëi Lotfi A.

Zadeh thuéc The University of California. Zadeh ®· ®a ra kh¶ n¨ng sö dông lý thuyÕt hÖ mê lµm c«ng cô ph©n tÝch hÖ ®éng häc thÕ giíi thùc phøc t¹p. Tuy nhiªn , nh÷ng nghiªn cøu mang tÝnh khai ph¸ cña Mamdani vµ c¸c céng sù t¹i Queen Mary College ë Anh chØ ra r»ng lý thuyÕt hÖ mê cã kh¶ n¨ng øng dông trong c¸c øng dông ®iÒu khiÓn. Tõ ®ã hÇu hÕt c¸c bé ®iÒu khiÓn mê ®Òu dùa trªn m« h×nh ®Ò xuÊt bëi Mamdani trong ®ã c¸c luËt logic mê thu ®îc tõ kinh nghiÖm chuyªn gia, ®Þnh luËt vËt lý vµ th«ng tin dù ®o¸n vÒ qu¸ tr×nh Lý do dÉn tíi suy nghÜ ¸p dông logic mê ®Ó ®iÒu khiÓn n»m ë chç trong rÊt nhiÒu trêng hîp con ngêi chØ cÇn dùa vµo kinh nghiÖm vÉn cã thÓ ®iÒu khiÓn ®îc ®èi tîng cho dï ®èi tîng cã th«ng sè kÜ thuËt kh«ng ®óng ®¾n hoÆc thêng xuyªn bÞ thay ®æi ngÉu nhiªn.

Do ®ã m« h×nh to¸n häc cña ®èi tîng ®iÒu khiÓn kh«ng chÝnh x¸c, ®ã lµ cha nãi tíi chóng hoµn toµn cã thÓ bÞ sai. ViÖc ®iÒu khiÓn theo kinh nghiÖm nh vËy cã thÓ bÞ ®¸nh gi¸ lµ kh«ng chÝnh x¸c nh c¸c yªu cÇu kÜ thuËt ®Ò ra song ®· gi¶i quyÕt ®îc vÊn ®Ò tríc m¾t lµ vÉn ®¶m b¶o ®îc vÒ mÆt ®Þnh tÝnh c¸c chØ tiªu chÊt lîng ®Þnh tríc. §éng c¬ ®iÖn mét chiÒu lµ ®èi tîng c¬ b¶n trong c«ng nghiÖp. VÒ ph¬ng diÖn ®iÒu khiÓn ®éng c¬ mét chiÒu cã nhiÒu u viÖt h¬n so víi c¸c lo¹i ®éng c¬ kh¸c, cÊu tróc ®iÒu khiÓn ®¬n gi¶n, chÊt lîng ®iÒu chØnh cao , d¶i ®iÒu chØnh tèc ®é réng.

Ngµy nay mÆc dï ®éng c¬ mét chiÒu kh«ng cßn ®îc sö dông réng r·i trong c«ng nghiÖp nhng tÝnh chÊt vÒ ®iÒu khiÓn còng nh u viÖt cña nã lµ c¬ së ®Ó ph©n tÝch vµ thiÕt kÕ hÖ thèng ®iÒu khiÓn cho c¸c lo¹i ®éng c¬ kh¸c. VÒ mÆt ®iÒu khiÓn hiÖn nay ®éng c¬ mét chiÒu ®· ®îc ¸p dông víi c¸c bé ®iÒu khiÓn tõ kinh ®iÓn ®Õn hiÖn ®¹i nh bé ®iÒu khiÓn PID, bé ®iÒu khiÓn tèi u, ®iÒu khiÓn thÝch nghi…vµ chÊt lîng ®iÒu khiÓn thu ®îc lµ rÊt tèt. C©u hái ®Æt ra lµ liÖu cã thÓ n©ng cao h¬n n÷a chÊt lîng ®iÒu khiÓn cña hÖ thèng b»ng c¸ch kÕt hîp bé ®iÒu khiÓn mê víi mét trong c¸c bé ®iÒu khiÓn trªn ®îc kh«ng. Víi c¸ch suy nghÜ nh vËy, ®Ò tµi “ øng dông logic mê ®iÒu khiÓn tèc ®é ®éng c¬ mét chiÒu” ®· ®îc chän lµm néi dung chÝnh trong b¶n luËn v¨n nµy HDKH: PGS.

Phan Xu©n Minh SVTH: TrÞnh Xu©n Tuyªn Trêng §HBK Hµ Néi 6 LuËn v¨n cao häc VÒ bè côc b¶n luËn v¨n ®îc chia ra lµm bèn ch¬ng: Ch¬ng I :M« h×nh ho¸ ®éng c¬ mét chiÒu Ch¬ng II : §iÓm qua mét sè ph¬ng ph¸p thiÕt kÕ truyÒn thèng cho ®éng c¬ mét chiÒu Ch¬ng III: C¬ së vÒ lý thuyÕt vÒ hÖ logic mê Ch¬ng IV: Tæng hîp bé ®iÒu khiÓn ®éng c¬ mét chiÒu trªn c¬ së hÖ logic mê HDKH: PGS. Phan Xu©n Minh SVTH: TrÞnh Xu©n Tuyªn Trêng §HBK Hµ Néi 7 LuËn v¨n cao häc Danh môc c¸c b¶ng B¶ng 1.1: Th«ng sè ®éng c¬ mét chiÒu .1: Lùa chän tham sè bé §K PID theo ph¬ng ph¸p Ziegler-Nichols 2 .1 LuËt ®iÒu khiÓn mê cho bé ®iÒu khiÓn mê PD .2: LuËt ®iÒu khiÓn cho biÕn ng«n ng÷ H1 .3: LuËt ®iÒu khiÓn cho biÕn ng«n ng÷ H2 .4: So s¸nh chÊt lîng §K cña 3ph¬ng ph¸p §K mê .5 : ChÊt lîng bé §K PID_Fuzzytuning vµ c¸c bé §K truyÒn thèng .103 Danh môc c¸c h×nh vÏ H-1.1: CÊu t¹o ®éng c¬ mét chiÒu .2: Gi¶n ®å thay thÕ ®éng c¬ mét chiÒu kÝch tõ ®éc lËp .3: S¬ ®å cÊu tróc ®éng c¬ mét chiÒu .4: TuyÕn tÝnh ho¸ dÆc tÝnh tõ ho¸ vµ ®Æc tÝnh m« men t¶i .5: S¬ ®å cÊu tróc tuyÕn tÝnh ho¸ ®éng c¬ ®iÖn mét chiÒu .6: S¬ ®å cÊu tróc ®éng c¬ mét chiÒu khi tõ th«ng kh«ng ®æi .7: S¬ ®å m« pháng ®éng c¬ ®iÖn mét chiÒu .8: M« h×nh Simulink m« pháng ®éng c¬ mét chiÒu .9: Th«ng sè ®éng c¬ mét chiÒu .10: §¸p øng vßng hë ®éng c¬ mét chiÒu khi cã nhiÔu t¶i t¸c ®éng .1: CÊu tróc hÖ thèng ph¶n håi R¬le .2: §Æc tÝnh dao ®éng tíi h¹n cña hÖ thèng ph¶n håi R¬le .3: §Æc tÝnh dao ®éng tíi h¹n cña ®éng c¬ mét chiÒu .4: S¬ ®å m« pháng bé ®iÒu khiÓn PID .6: §¸p øng qu¸ ®é bé §K PID khi kh«ng cã nhiÔu t¸c ®éng .7: §¸p øng qu¸ ®é bé §K PID khi tÝn hiÖu ®Æt thay ®æi .8: §¸p øng qu¸ ®é bé §K PID khi cã nhiÔu h»ng t¸c ®éng .9: §¸p øng qu¸ ®é bé §K PID khi cã nhiÔu bËc thang t¸c ®éng. Phan Xu©n Minh SVTH: TrÞnh Xu©n Tuyªn Trêng §HBK Hµ Néi 8 LuËn v¨n cao häc H-2.10: §¸p øng qu¸ ®é bé §K PID khi cã nhiÔu t¶i h»ng t¸c ®éng .11: §¸p øng qu¸ ®é bé §K PID khi cã nhiÔu t¶i h×nh Sin t¸c ®éng .12: CÊu tróc bé §K ph¶n håi tr¹ng th¸i .13: CÊu tróc bé §K ph¶n håi tr¹ng th¸i g¸n ®iÓm cùc cho ®éng c¬ mét chiÒu .14: S¬ ®å m« pháng bé §K ph¶n håi tr¹ng th¸i g¸n ®iÓm cùc .15: §¸p øng qu¸ ®é bé §K g¸n ®iÓm cùc khi kh«ng cã nhiÔu .16: §¸p øng qu¸ ®é bé §K g¸n ®iÓm cùc khi tÝn hiÖu ®Æt thay ®æi .17: §¸p øng qu¸ ®é bé §K g¸n ®iÓm cùc khi nhiÔu h»ng t¸c ®éng .18: §¸p øng qu¸ ®é bé §K g¸n ®iÓm cùc khi nhiÔu bËc thang t¸c ®éng .19: §¸p øng qu¸ ®é bé §K g¸n ®iÓm cùc khi nhiÔu t¶i h»ng t¸c ®éng .20: §¸p øng qu¸ ®é bé §K g¸n ®iÓm cùc khi nhiÔu t¶i h×nh Sin t¸c ®éng .21: CÊu tróc bé §K tèi u LQR cho ®éng c¬ m«t chiÒu .22: S¬ ®å m« pháng bé §K tèi u LQR .23: §¸p øng qu¸ ®é bé §K tèi u LQR khi kh«ng cã nhiÔu t¸c ®éng .24: §¸p øng qu¸ ®é bé §K tèi u LQR khi tÝn hiÖu ®Æt thay ®æi .25: §¸p øng qu¸ ®é bé §K tèi u LQR khi cã nhiÔu h»ng t¸c ®éng .26: §¸p øng qu¸ ®é bé §K tèi u LQR khi cã nhiÔu bËc thang t¸c ®éng .27: §¸p øng qu¸ ®é bé §K tèi u LQR khi cã nhiÔu t¶i h»ng t¸c ®éng .28: §¸p øng qu¸ ®é bé §K tèi u LQR khi cã nhiÔu t¶i h×nh Sin t¸c ®éng .1a: Hµm thuéc kiÓu tam gi¸c .1b: Hµm thuéc kiÓu h×nh thang .2: Miªn tin cËy vµ miÒn x¸c ®Þnh cña hµm thuéc kiÓu h×nh thang .3: CÊu tróc bé ®iÒu khiÓn mê c¬ b¶n .4b: Hµm thuéc µB’ (y) x¸c ®Þnh theo qui t¾c Min .4c: Hµm thuéc µB’ (y) x¸c ®Þnh theo qui t¾c Prod .5: Gi¶i mê theo ph¬ng ph¸p cùc ®¹i. Phan Xu©n Minh SVTH: TrÞnh Xu©n Tuyªn Trêng §HBK Hµ Néi 9 LuËn v¨n cao häc H-3.6: Gi¶i mê theo nguyªn lý cËn tr¸i .7: Gi¶i mê theo nguyªn lý cËn ph¶i .8: Gi¶i mê theo nguyªn lý trung b×nh .9: Gi¶i mê theo ph¬ng ph¸p ®iÓm träng t©m .10: TËp mê cã hµm thuéc h×nh thang .11: Bé ®iÒu khiÓn mê ®éng .12: HÖ kÝn ph¶n håi ©m víi sù tham gia cña bé ®iÒu khiÓn mê .1: §Þnh nghÜa hµm thuéc cho biÕn ng«n ng÷ E .2: §Þnh nghÜa hµm thuéc cho biÕn ng«n ng÷ U .3: Quan hÖ vµo- ra cña bé ®iÒu khiÓn mê tÜnh .