Tổng quan luận án
Luận án tiến sĩ kỹ thuật với đề tài "Nghiên cứu ứng dụng lý thuyết điều khiển hiện đại xây dựng mô hình trong điều khiển dự báo phi tuyến" do nghiên cứu sinh Lê Thị Huyền Linh thực hiện dưới sự hướng dẫn khoa học của PGS. Lại Khắc Lãi, chuyên ngành Kỹ thuật điều khiển & Tự động hóa (mã số 62.52.60.16), bảo vệ tại Đại học Thái Nguyên năm 2015.
Tính cấp thiết và khoảng trống nghiên cứu
Trong thực tiễn sản xuất công nghiệp (như công nghệ lọc - hóa dầu, công nghiệp hóa chất, thực phẩm, công nghiệp sản xuất bột giấy và giấy), đa số các đối tượng công nghệ đều mang bản chất phi tuyến phức tạp, có quá trình động học diễn ra chậm và chịu ảnh hưởng rõ rệt của độ trễ thời gian (time delay). Phương pháp điều khiển dự báo dựa trên mô hình (Model Predictive Control - MPC) đã khẳng định được ưu thế vượt trội đối với các hệ thống có trễ và có ràng buộc. Tuy nhiên, thách thức lớn nhất khi áp dụng MPC cho hệ phi tuyến (Nonlinear MPC - NMPC) là yêu cầu phải giải lặp trực tuyến (online) một bài toán tối ưu hóa phi tuyến phi lồi trong từng chu kỳ trích mẫu. Khó khăn này nhân lên gấp bội khi đối tượng đồng thời chịu tác động của các thành phần động học không mô hình hóa được, hay còn gọi là các nhiễu bất định phụ thuộc trạng thái (state-dependent disturbances).
Hầu hết các công trình công bố trước thời điểm nghiên cứu chỉ tập trung xử lý hệ phi tuyến không trễ hoặc tuyến tính có trễ. Do đó, việc xây dựng một cấu trúc điều khiển vừa có khả năng nhận dạng trực tuyến các thành phần phi tuyến bất định, vừa bù trừ tác động của nhiễu và thiết lập thuật toán điều khiển dự báo tối ưu cho lớp đối tượng có trễ là khoảng trống nghiên cứu cấp thiết mà luận án hướng tới giải quyết.
Mục tiêu nghiên cứu
Mục tiêu tổng quát của luận án bao gồm hai nội dung chính:
- Xây dựng phương pháp mới nhằm nhận dạng mô hình trực tuyến cho một lớp đối tượng phi tuyến có trễ trong hệ thống điều khiển dự báo theo mô hình thông qua mạng nơ-ron hàm cơ sở xuyên tâm (RBF), đồng thời thiết lập cơ chế bù triệt tiêu nhiễu.
- Xây dựng cấu trúc điều khiển dự báo theo mô hình nội (Internal Model Predictive Control - IMPC) cho hệ thống sau khi đã được bù nhiễu, sau đó kiểm chứng và ứng dụng các thuật toán đề xuất trên đối tượng công nghiệp điển hình là bình phản ứng khuấy trộn liên tục (Continuous Stirred Tank Reactor - CSTR).
Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu: Lớp đối tượng phi tuyến có trễ thời gian trên kênh điều khiển thường gặp trong công nghiệp, có mô hình trạng thái tổng quát dạng $\dot{X}(t) = AX(t) + BU(t - \tau) + DF(X)$, trong đó $F(X)$ đại diện cho các thành phần phi tuyến bất định phụ thuộc trạng thái.
- Phạm vi nghiên cứu:
- Về mặt lý thuyết: Tập trung nghiên cứu bài toán nhận dạng nhiễu trực tuyến, bù trừ nhiễu và thiết kế bộ điều khiển IMPC đối với các hệ thống có trễ trong kênh điều khiển không kèm theo ràng buộc trực tiếp trong quá trình tối ưu hóa.
- Về mặt kiểm chứng: Đánh giá thuật toán thông qua mô phỏng số trên đối tượng tháp phản ứng khuấy trộn liên tục CSTR ở hai chế độ: hệ một đầu vào - một đầu ra (SISO) và hệ nhiều đầu vào - nhiều đầu ra (MIMO) với các mức thời gian trễ khác nhau ($\tau = 0\text{s}, 5\text{s}, 30\text{s}$).
Tổng quan tài liệu và vị trí của luận án
Các hướng nghiên cứu tiền đề
Luận án đã hệ thống hóa lịch sử phát triển của lý thuyết điều khiển dự báo từ cuối thập niên 1970 đến nay, phân loại các nhánh phát triển chính trong học thuật và ứng dụng công nghiệp:
| Nhóm thuật toán MPC |
Tác giả / Tổ chức & Năm |
Đặc điểm kỹ thuật chính |
Dạng mô hình sử dụng |
| DMC (Dynamic Matrix Control) |
Cutler & Ramaker (Shell, 1978) |
Ánh xạ đầu ra tương lai qua tập hệ số động học, tối thiểu hóa sai số bình phương |
Mô hình đáp ứng bước nhảy (Step Response) |
| MAC (Model Algorithmic Control) |
Richalet (1978) |
Nâng cao tính bền vững đối với sai lệch nhận dạng và tham số thay đổi |
Mô hình đáp ứng xung (Impulse Response) |
| PFC (Predictive Functional Control) |
Đề xuất 1968, ứng dụng thập niên 1970 |
Dùng hàm cơ sở tham số hóa tín hiệu điều khiển |
Không gian trạng thái |
| EPSAC (Extended Prediction Self Adaptive Control) |
Đề xuất 1953, phát triển thập niên 1980 |
Dùng khâu dự báo cận tối ưu thay cho giải phương trình Diophantine |
Hàm truyền đạt rời rạc |
| EHAC (Extended Horizon Adaptive Control) |
Ydstie B. E. (1984) |
Mở rộng khoảng thời gian đưa đầu ra bám theo giá trị đặt thay vì trễ cố định |
Mô hình quá trình tham số |
| GPC (Generalized Predictive Control) |
Clarke D. W. et al. (1987) |
Tích hợp nhận dạng thích nghi, áp dụng cho quá trình tự do hoặc có tích phân |
Mô hình hồi quy ARIMAX / CARIMA |
Bên cạnh các thuật toán học thuật, tác giả thống kê hơn 3.000 ứng dụng thương mại của các công ty công nghệ lớn như Setpoint Inc. (SMC-Idcom), Honeywell IAC (RMPCT), Adersa (HIECON, PFC), Treiber Controls (OPC), DMC Corp. (DMC).
Đối với việc nhận dạng và điều khiển hệ phi tuyến, các nghiên cứu trước đây đã tiếp cận qua các dạng mô hình chuỗi Volterra, mô hình Hammerstein, Wiener, mạng nơ-ron truyền thẳng hai lớp ẩn (DLP), mạng Wavelet hoặc hệ mờ. Về mạng nơ-ron RBF, các nghiên cứu từ D. Lowe (1988) cùng các công trình tiếp theo đã chứng minh khả năng xấp xỉ phổ quát các hàm phi tuyến liên tục. Tuy nhiên, các luật học nơ-ron truyền thống dựa trên Gradient (GD) có tốc độ hội tụ chậm, trong khi các luật học dựa trên phương pháp Lyapunov cổ điển thường khiến trọng số phải cập nhật liên tục do phụ thuộc trực tiếp vào tín hiệu vào hoặc trạng thái hệ thống.
Khoảng trống luận án lựa chọn giải quyết
Tổng quan của Mayne D. et al. (2000) đã chỉ rõ: đa số công trình điều khiển dự báo bền vững cho hệ phi tuyến bất định mới chỉ xem xét hệ không chứa trễ. Với hệ có trễ, việc giải bài toán tối ưu phi tuyến trực tuyến bị tắc nghẽn nghiêm trọng về thời gian tính toán và độ ổn định nghiệm. Do đó, luận án lựa chọn hướng tiếp cận: thay vì giải trực tiếp bài toán tối ưu phi tuyến có trễ, hệ thống được tách thành phần tuyến tính có trễ và phần phi tuyến bất định; sử dụng mạng RBF để nhận dạng trực tuyến và bù triệt để phần phi tuyến, đưa hệ kín về dạng tuyến tính có trễ thuần túy, từ đó áp dụng thuật toán điều khiển dự báo mô hình nội IMPC giải tích với khối lượng tính toán thấp.
Cơ sở lý thuyết và phương pháp nghiên cứu
Khung lý thuyết và khái niệm sử dụng
- Lý thuyết điều khiển dự báo dựa trên mô hình (MPC / Receding Horizon Control): Sử dụng mô hình toán học để dự báo phản ứng đầu ra của hệ thống trong một cửa sổ thời gian hữu hạn $T_P$, liên tục tối thiểu hóa phiếm hàm mục tiêu để xác định chuỗi điều khiển tối ưu, nhưng chỉ đưa tác động điều khiển tại thời điểm đầu tiên vào đối tượng thực.
- Cấu trúc điều khiển mô hình nội (IMPC): Tích hợp mô hình đối tượng bên trong cấu trúc mạch vòng kín để triệt tiêu sai lệch tĩnh và tăng cường tính kháng nhiễu cho hệ thống có trễ.
- Mạng nơ-ron hàm cơ sở xuyên tâm (RBF - Radial Basis Function): Cấu trúc mạng nơ-ron truyền thẳng một lớp ẩn với các nút ẩn là các hàm Gaussian có tâm $C_i$ và độ rộng $\sigma_i$. Đầu ra của mạng là tổ hợp tuyến tính của các hàm cơ sở: $\hat{f}(X) = W^T \Phi(X)$.
- Lý thuyết ổn định Lyapunov: Sử dụng các hàm thế Lyapunov toàn phương để phân tích tính hội tụ của sai số nhận dạng và dẫn xuất luật cập nhật trọng số thích nghi cho mạng RBF trong thời gian thực.
+----------------------------------------------+
| Hệ phi tuyến có trễ trong kênh điều khiển |
| X_dot(t) = AX(t) + BU(t-tau) + DF(X) |
+----------------------+-----------------------+
|
v
+----------------------+-----------------------+
| Tách cấu trúc: Tuyến tính + Phi tuyến |
+----------------------+-----------------------+
|
+----------------------+-----------------------+
| Nhận dạng trực tuyến F(X) bằng mạng nơ-ron |
| RBF (Luật cập nhật thích nghi Lyapunov) |
+----------------------+-----------------------+
|
+----------------------+-----------------------+
| Kênh bù nhiễu: U_b(t) khử thành phần DF(X) |
| theo các điều kiện ứng đối không gian hạng |
+----------------------+-----------------------+
|
+----------------------+-----------------------+
| Hệ tương đương: Tuyến tính có trễ thuần túy |
| X_dot(t) = AX(t) + BU_dk(t-tau) |
+----------------------+-----------------------+
|
+----------------------+-----------------------+
| Tổng hợp bộ điều khiển dự báo mô hình nội |
| (IMPC) theo phiếm hàm tối ưu |
+----------------------------------------------+
Phương pháp nghiên cứu thực tế
- Phương pháp phân tích và tổng hợp lý thuyết: Thiết lập mô hình toán học giải tích, phát biểu các giả thiết khoa học, xây dựng các định lý toán học về tính hội tụ của thuật toán nhận dạng và tính ổn định của hệ thống điều khiển kín.
- Phương pháp mô phỏng số học: Kiểm chứng thuật toán thông qua môi trường mô phỏng máy tính, phân tích dạng đáp ứng quá độ, sai số nhận dạng và tính ổn định của tín hiệu điều khiển trên các mô hình hàm thử nghiệm và đối tượng thực tế CSTR.
Nội dung chính theo từng chương
Chương 1: Tổng quan vấn đề nghiên cứu
Chương 1 thiết lập bức tranh tổng quan về lý thuyết MPC và những rào cản kỹ thuật khi áp dụng cho hệ phi tuyến có trễ:
- Cấu trúc 3 thành phần của hệ MPC: (1) Mô hình dự báo (phản ánh động học đối tượng và mô hình nhiễu); (2) Hàm mục tiêu và ràng buộc (được thiết lập dưới dạng phiếm hàm toàn phương); (3) Chiến lược tối ưu hóa (tính toán chuỗi điều khiển tương lai).
- Mô hình toán tổng quát cho đối tượng có trễ:
$$\dot{X}(t) = A_0 X(t) + \sum_{i=1}^n A_i X(t - \tau_i) + B_0 U(t) + \sum_{j=1}^m B_j U(t - \tau_j) + D F(X)$$
Luận án tập trung vào lớp đối tượng có trễ trong kênh điều khiển: $\dot{X}(t) = AX(t) + BU(t - \tau) + DF(X)$.
- Thiết lập phiếm hàm mục tiêu liên tục: Phân tích sự hạn chế của các bài toán MPC rời rạc hoặc khoảng thời gian hữu hạn cố định $t_f$, từ đó đề xuất dạng hàm mục tiêu tích phân toàn phương với tầm dự báo liên tục vô hạn ($t_f \to \infty$):
$$J = \int_{0}^{\infty} \left[ X^T(t) Q X(t) + U^T(t) R U(t) \right] dt \to \min$$
- Đề xuất sách lược nghiên cứu: Tuyến tính hóa hệ thống xung quanh điểm làm việc danh định để xác định ma trận $A$ và $B$; thành phần phi tuyến còn lại được xem là nhiễu nội sinh $F(X)$; sử dụng RBF nhận dạng online $F(X)$, thiết kế kênh bù nhiễu $U_b(t)$ và áp dụng IMPC cho hệ tuyến tính có trễ thu được.
Chương 2: Nhận dạng nhiễu và bù nhiễu cho lớp hệ phi tuyến có trễ
Chương 2 tập trung giải quyết cốt lõi lý thuyết về bài toán nhận dạng và bù trừ thành phần phi tuyến bất định:
- Đặc trưng mạng RBF: Gồm 1 lớp ẩn với các hàm cơ sở Gaussian $\Phi_i(X) = \exp\left(-\frac{|X - C_i|^2}{2\sigma_i^2}\right)$. Quá trình học bao gồm xác định tâm $C_i$, độ rộng $\sigma_i$ và cập nhật trọng số đầu ra $W$.
- Bài toán nhận dạng hệ 1 kênh điều khiển - 1 thành phần nhiễu (Định lý 2.1):
- Xây dựng mô hình song song để nhận dạng.
- Thiết lập luật cập nhật trọng số thích nghi $\dot{\hat{W}}$ theo phương pháp Lyapunov.
- Điểm nổi bật: Tốc độ cập nhật trọng số chỉ phụ thuộc vào sai lệch giữa trạng thái đối tượng thực và trạng thái mô hình $E(t) = X(t) - \hat{X}(t)$, quá trình học dừng lại khi sai số đạt giá trị ngưỡng nhỏ tùy ý $\varepsilon_M$.
- Tổng hợp tín hiệu bù nhiễu cho hệ 1 kênh: Tín hiệu điều khiển tổng hợp có dạng $U(t) = U_{dk}(t) + U_b(t)$, trong đó tín hiệu bù $U_b(t)$ được tính toán từ giá trị xấp xỉ $\hat{F}(X)$ nhằm triệt tiêu hoàn toàn thành phần $DF(X)$.
- Mở rộng cho hệ nhiều kênh điều khiển - nhiều thành phần nhiễu (Định lý 2.2):
- Thiết kế cấu trúc các mạng nơ-ron song song xấp xỉ đồng thời các hàm $f_1(X), f_2(X), \dots, f_{m_2}(X)$.
- Chứng minh điều kiện hội tụ đồng thời của các mạng RBF.
- Xác định điều kiện ứng đối bù nhiễu: Để bù được hoàn toàn các nhiễu tác động đồng thời, ma trận phân bố nhiễu $D$ và ma trận điều khiển $B$ phải thỏa mãn điều kiện không gian hạng $\text{rank}[B] = \text{rank}[B ,|, D]$ hay không gian hạng $\text{span}(D) \subseteq \text{span}(B)$.
Chương 3: Tổng hợp bộ điều khiển dự báo dựa theo mô hình nội cho đối tượng có trễ và xây dựng hệ thống điều khiển cho đối tượng CSTR
Chương 3 triển khai thiết kế bộ điều khiển hoàn chỉnh và ứng dụng trên mô hình tháp phản ứng CSTR:
- Tổng hợp thuật toán IMPC: Sau khi thành phần phi tuyến $DF(X)$ được bù bởi $U_b(t)$, hệ thống trở thành hệ tuyến tính có trễ $\dot{X}(t) = AX(t) + BU_{dk}(t - \tau)$. Thuật toán IMPC giải tích được thiết lập tối ưu theo phiếm hàm mục tiêu toàn phương, cho phép tính toán trực tiếp luật điều khiển mà không cần thuật toán giải lặp phi tuyến phức tạp.
- Mô hình hóa toán học đối tượng CSTR:
- Đối tượng CSTR có hai biến trạng thái/đầu ra chính: Mức dung dịch trong bình ($h$) và Nồng độ dung dịch sản phẩm ($C_b$).
- Tác động điều khiển: Các van cấp liệu $T_1, T_2, T_3$ với lưu lượng $mv_1, mv_2, mv_3$, hệ số truyền $K$ và góc mở van $\theta$.
- Trễ thời gian $\tau$ xuất hiện do khoảng cách vận chuyển dòng vật chất từ van cấp liệu đến thành bình phản ứng.
- Thiết kế hệ thống điều khiển cho CSTR trong 2 cấu trúc:
- Hệ 1 tín hiệu điều khiển: Điều khiển một kênh nồng độ $C_b$ (nhiễu xuất hiện trên cả 2 kênh $h$ và $C_b$).
- Hệ 2 tín hiệu điều khiển: Điều khiển đồng thời cả 2 kênh mức dung dịch $h$ và nồng độ $C_b$.
+----------------------------------+
| Bộ điều khiển dự báo IMPC |
| (Tối ưu giải tích) |
+----------------+-----------------+
| u_dk(t)
v
( + ) <---------------- [ u_b(t) ]
| ^
| u(t) | (Kênh bù nhiễu)
v |
+--------------+--------------+ |
| Trễ vận chuyển tau | |
+--------------+--------------+ |
| u(t-tau) |
v |
+---------------------+ DF(X) +------+--------------+ X(t) |
| Nhiễu phi tuyến F(X)|-------->( + ) Đối tượng CSTR +----+-----+
+---------------------+ +---------------------+ |
|
+-------------------+
|
v
+--------------+--------------+
| Mô hình nhận dạng RBF |-----> F_hat(X)
| (Cơ cấu thích nghi Lyapunov)|
+-----------------------------+
- Kết quả mô phỏng và so sánh:
- Thử nghiệm nhận dạng với các dạng nhiễu phức tạp: hàm phi tuyến trạng thái thuần túy và hàm phi tuyến có cộng thêm thành phần điều hòa (hàm sin), với thời gian trễ lớn $\tau = 30\text{s}$. Mạng RBF bám sát chính xác các hàm nhiễu thực tế.
- So sánh đối chứng giữa bộ điều khiển IMPC có nhận dạng & bù nhiễu với bộ điều khiển PID truyền thống (cả trường hợp PID chưa có bù nhiễu và PID tích hợp bù nhiễu) trong các điều kiện không trễ ($\tau = 0\text{s}$) và có trễ ($\tau = 5\text{s}$):
- Khi không có trễ ($\tau = 0\text{s}$), cả IMPC và PID đều đáp ứng tốt.
- Khi có trễ ($\tau = 5\text{s}$ và $\tau = 30\text{s}$), bộ điều khiển PID bộc lộ độ quá điều chỉnh lớn và thời gian xác lập kéo dài, trong khi IMPC tích hợp bù nhiễu duy trì đáp ứng mượt mà, triệt tiêu sai lệch tĩnh và giữ vững tính ổn định của hệ thống.
Kết quả và những đóng góp mới
Đóng góp mới về mặt lý luận
- Đề xuất phương pháp nhận dạng nhiễu trên mô hình song song sử dụng mạng nơ-ron RBF: Phát biểu và chứng minh thành công hai định lý toán học về điều kiện đủ đảm bảo quá trình nhận dạng hội tụ bền vững trong hai trường hợp: hệ chịu một thành phần nhiễu (1 kênh điều khiển) và hệ chịu đồng thời nhiều thành phần nhiễu (nhiều kênh điều khiển).
- Xây dựng luật cập nhật trọng số RBF thích nghi mới: Luật học được suy dẫn từ phương pháp Lyapunov có tốc độ hiệu chỉnh chỉ phụ thuộc vào vectơ sai lệch trạng thái giữa đối tượng và mô hình nhận dạng, giúp quá trình học tự động dừng khi sai số hội tụ về lân cận bé tùy ý, khắc phục nhược điểm học liên tục gây mất ổn định của các luật học Lyapunov truyền thống.
- Xác lập điều kiện ứng đối bù nhiễu: Thiết lập cơ sở giải tích và điều kiện đại số về không gian hạng của các ma trận $B$ và $D$ nhằm đảm bảo khả năng triệt tiêu đồng thời nhiều thành phần nhiễu bất định tác động lên hệ thống có trễ.
- Phương pháp tổng hợp hệ IMPC tối ưu cho hệ có trễ: Kết hợp thành công bộ nhận dạng RBF, kênh bù nhiễu và bộ điều khiển IMPC, biến đổi bài toán điều khiển phi tuyến phức tạp thành bài toán điều khiển tối ưu tuyến tính có nghiệm giải tích tường minh, bảo đảm tính thời gian thực.
Đóng góp mới về mặt thực tiễn
- Ứng dụng thành công cấu trúc điều khiển IMPC kháng nhiễu trên mô hình toán học của tháp phản ứng khuấy trộn liên tục CSTR trong cả chế độ điều khiển đơn biến (kênh nồng độ $C_b$) và đa biến (đồng thời mức $h$ và nồng độ $C_b$).
- Cung cấp giải pháp kỹ thuật có tính khả thi cao, thuật toán đơn giản, dễ cài đặt trên các vi xử lý/phần cứng công nghiệp mà không đòi hỏi năng lực tính toán giải lặp phi tuyến quá cao.
Hạn chế và hướng nghiên cứu tiếp
- Hạn chế: Luận án tập trung giải quyết trọn vẹn bài toán điều khiển dự báo cho đối tượng có trễ và nhiễu phi tuyến bất định trong trường hợp hệ thống không có các ràng buộc biên cứng/mềm trực tiếp đối với vectơ trạng thái và tín hiệu điều khiển.
- Hướng nghiên cứu phát triển tiếp theo:
- Tích hợp các điều kiện ràng buộc bất đẳng thức đối với biến trạng thái $X(t)$ và tín hiệu điều khiển $U(t)$ vào bài toán tối ưu IMPC sau khi đã bù nhiễu.
- Mở rộng thuật toán cho các lớp đối tượng vừa có trễ trong kênh điều khiển vừa có trễ trong trạng thái với các khoảng thời gian trễ thay đổi theo thời gian.
- Triển khai thử nghiệm thực nghiệm trực tiếp trên phần cứng công nghiệp thực tế ngoài môi trường mô phỏng.
Giá trị tham khảo
Luận án là tài liệu tham khảo có giá trị chuyên môn cao đối với:
- Nghiên cứu sinh, học viên cao học, giảng viên ngành Kỹ thuật điều khiển & Tự động hóa: Tham khảo phương pháp luận chứng minh hội tụ mạng nơ-ron theo Lyapunov, kỹ thuật thiết kế bộ điều khiển dự báo mô hình nội IMPC và kỹ thuật bù nhiễu đại số.
- Kỹ sư R&D, chuyên gia điều khiển quá trình: Ứng dụng các thuật toán nhận dạng RBF và bù nhiễu cho các hệ thống công nghiệp có trễ như thiết bị phản ứng hóa học (CSTR), hệ thống trao đổi nhiệt, hệ thống chưng cất lọc dầu và các dây chuyền sản xuất có độ trễ vận chuyển vật chất.
Câu hỏi thường gặp
1. Ý tưởng cốt lõi của luận án trong việc giải quyết khó khăn của điều khiển dự báo phi tuyến (NMPC) là gì?
Ý tưởng cốt lõi là phân tách mô hình phi tuyến có trễ thành phần tuyến tính danh định có trễ và thành phần phi tuyến bất định (được coi là nhiễu nội sinh phụ thuộc trạng thái). Mạng nơ-ron RBF được dùng để nhận dạng trực tuyến thành phần phi tuyến này. Sau đó, một kênh bù nhiễu sẽ triệt tiêu tác động của nó, đưa hệ kín về dạng tuyến tính có trễ thuần túy, cho phép áp dụng bộ điều khiển dự báo mô hình nội (IMPC) giải tích đơn giản và tối ưu.
2. Ưu điểm nổi bật của luật cập nhật trọng số cho mạng RBF trong luận án so với các nghiên cứu trước là gì?
Luật cập nhật trọng số được xây dựng dựa trên hàm Lyapunov nhưng được cải tiến để tốc độ thay đổi trọng số chỉ phụ thuộc vào vectơ sai số giữa trạng thái mô hình nhận dạng và đối tượng thực ($E(t) = X(t) - \hat{X}(t)$). Khi sai số này đạt đến ngưỡng nhỏ tùy ý $\varepsilon_M$, quá trình cập nhật sẽ dừng lại, tránh việc trọng số bị dao động liên tục do phụ thuộc vào biến trạng thái hay tín hiệu đặt như các thuật toán Lyapunov kinh điển.
3. Điều kiện ứng đối để hệ thống có thể bù triệt để nhiều thành phần nhiễu cùng lúc là gì?
Điều kiện ứng đối đòi hỏi không gian hạng của ma trận phân bố nhiễu $D$ phải nằm trong không gian hạng của ma trận điều khiển $B$, tức là $\text{rank}[B] = \text{rank}[B ,|, D]$ hay $\text{span}(D) \subseteq \text{span}(B)$. Khi điều kiện này thỏa mãn, tồn tại tín hiệu điều khiển bù $U_b(t)$ có thể triệt tiêu hoàn toàn tác động của vectơ nhiễu $F(X)$ lên các biến trạng thái.
4. Đối tượng CSTR được mô phỏng kiểm chứng với các thông số trễ và biến điều khiển nào?
Đối tượng CSTR được mô phỏng với hai biến trạng thái đầu ra là mức dung dịch $h$ và nồng độ chất phản ứng $C_b$, chịu sự tác động của các van cấp liệu $T_1, T_2, T_3$. Các kịch bản mô phỏng được thực hiện ở các mức thời gian trễ vận chuyển dòng vật chất gồm $\tau = 0\text{s}$, $\tau = 5\text{s}$ và $\tau = 30\text{s}$, dưới tác động của cả nhiễu phi tuyến trạng thái thuần túy và nhiễu có điều hòa dạng sin.
Kết luận
Luận án tiến sĩ của tác giả Lê Thị Huyền Linh đã giải quyết trọn vẹn bài toán điều khiển dự báo cho lớp đối tượng phi tuyến có trễ trong kênh điều khiển thông qua cấu trúc nhận dạng RBF và bù nhiễu thích nghi. Bằng cách chuyển hóa bài toán tối ưu phi tuyến phức tạp thành bài toán tối ưu tuyến tính có nghiệm giải tích, công trình đã khắc phục được nhược điểm tính toán nặng nề của NMPC truyền thống. Kết quả nghiên cứu được chứng minh chặt chẽ về mặt toán học qua các định lý hội tụ và được kiểm chứng thành công trên đối tượng tháp phản ứng CSTR, mang lại đóng góp thiết thực cho cả lý thuyết điều khiển tự động và ứng dụng kỹ thuật công nghiệp.
