Sử dụng mô hình mờ Takagi -Sugeno để xây dựng mô hình dự báo cho hệ động học phi tuyến

Báo cáo này tập trung vào việc sử dụng mô hình mờ Takagi-Sugeno (TS) để xây dựng mô hình dự báo với những ưu điểm là có thể rút ra từ dữ liệu vào-ra quan sát được bằng cách dùng kỹ thuật phân nhóm. Hơn thế, mô hình TS còn có ưu điểm là tốc độ tính toán nhanh hơn mô hình Mamdani đồng thời cho kết quả chính xác hơn.
Nội dung trích xuất từ tài liệu:
Sử dụng mô hình mờ Takagi -Sugeno để xây dựng mô hình dự báo cho hệ động học phi tuyến Ôn Ngũ Minh Tạp chí KHOA HỌC & CÔNG NGHỆ 102(02): 155 - 159 SỬ DỤNG MÔ HÌNH MỜ TAKAGI-SUGENO ĐỂ XÂY DỰNG MÔ HÌNH DỰ BÁO CHO HỆ ĐỘNG HỌC PHI TUYẾN Lê Thị Huyền Linh*, Nguyễn Thị Mai Hương Đại học Kỹ thuật Công nghiệp - ĐH Thái Nguyên TÓM TẮT Điều khiển dự báo theo mô hình (MPC Model Predictive Control) là phương pháp điều khiển dựa trên bài toán tối ưu sử dụng kết quả dự báo hành vi của hệ thống trong tương lai. Chính vì sử dụng kết quả dự báo đó, điều khiển dự báo đã cải thiện chất lượng điều khiển một cách đáng kế so với các phương pháp khác, do vậy MPC đã được nghiên cứu và ứng dụng rộng rãi trong công nghiệp, đặc biệt là đối với hệ tuyến tính biến đổi chậm[1,2,3]. Tuy nhiên sẽ khó khăn hơn khi xây dựng mô hình dự báo với đối tượng phi tuyến bất định. Để áp dụng được phương pháp MPC điều khiển các đối tượng này cần thiết phải một cơ chế để cập nhật mô hình của đối tượng. Báo cáo này tập trung vào việc sử dụng mô hình mờ Takagi-Sugeno (TS) để xây dựng mô hình dự báo với những ưu điểm là có thể rút ra từ dữ liệu vào-ra quan sát được bằng cách dùng kỹ thuật phân nhóm. Hơn thế, mô hình TS còn có ưu điểm là tốc độ tính toán nhanh hơn mô hình Mamdani đồng thời cho kết quả chính xác hơn. Từ khoá: Điều khiển dự báo, mô hình mờ Takagi-Sugeno, mô hình dự báo. GIỚI THIỆU CHUNG* Điều khiển dự báo đã ra đời cách đây hơn ba thập niên nhưng trong những năm gần đây phát triển mạnh mẽ và có nhiều thành công trong công nghiệp. Điều khiển dự báo theo mô hình là một trong những kỹ thuật điều khiển tiên tiến, là một công cụ mạnh cho việc điều khiển các quá trình công nghiệp, đặc biệt là các quá trình phi tuyến, MIMO. Có được điều này là do khả năng triển khai các điều kiện ràng buộc vào thuật toán điều khiển một cách dễ dàng mà ở các phương pháp điều khiển kinh điển khác không có được. Điều khiển dự báo là sách lược điều khiển được sử dụng phổ biến nhất trong điều khiển quá trình vì công thức MPC bao gồm cả điều khiển tối ưu, điều khiển các quá trình ngẫu nhiên, điều khiển các quá trình có trễ, điều khiển khi biết trước quỹ đạo đặt. Một ưu điểm khác của MPC là có thể điều khiển các quá trình có tín hiệu điều khiển bị chặn, có các điều kiện ràng buộc, nói chung là các quá trình phi tuyến mà ta thường gặp trong công nghiệp, đặc biệt là quá trình phi tuyến phức tạp. Tư tưởng chính của điều khiển dự báo theo mô hình là [5,6]: Luật điều khiển phụ thuộc vào những hành vi được dự đoán của đối tượng. * Tel: 0918 127781, Email: lethihuyenlinh@gmail.com 162 Sử dụng một mô hình toán học để dự đoán đầu ra của đối tượng tại các thời điểm giới hạn trong tương lai. Mô hình này được gọi là mô hình dự báo. Chuỗi tín hiệu điều khiển tương lai trong giới hạn điều khiển được tính toán bằng việc tối thiểu hóa một phiếm hàm mục tiêu. Sử dụng sách lược lùi xa, nghĩa là tại mỗi thời điểm chỉ tín hiệu điều khiển đầu tiên trong chuỗi tín hiệu điều khiển tính toán được được sử dụng, sau đó giới hạn dự báo lại được dịch đi một bước về phía tương lai. Hình 1: Sơ đồ khối hệ thống điều khiển dự báo Trong MPC mô hình dự báo đóng vai trò quyết định trong bộ điều khiển. Đầu ra của mô hình này phải phản ánh đúng động học của quá tŕnh để có thể dự báo chính xác đầu ra tương lai. Có nhiều loại mô hình: Mô hình đáp ứng xung: ưu điểm của mô hình là không cần thông tin ban đầu về đối tượng, do đó bài toán nhận dạng được đơn giản hóa Lê Thị Huyền Linh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ đồng thời cho phép khảo sát dễ dàng các quá trình động học phức tạp như hệ pha không cực tiểu (hay có thể có trễ), tuy nhiên không áp dụng được cho hệ phi tuyến. Mô hình đáp ứng bước nhảy: Mô hình này tương tự như mô hình đáp ứng xung nhưng tín hiệu vào là bước nhảy. Mô hình hàm truyền: mô hình này cũng có thể áp dụng đối với những đối tượng không ổn định và có ưu điểm là cần ít tham số, tuy nhiên không thể thiếu những thông tin ban đầu về đối tượng đặc biệt là bậc của các đa thức tử số và mẫu số. Mô hình không gian trạng thái: có ưu điểm là có thể mô tả các quá trình đa biến. Luật điều khiển chỉ đơn giản là phản hồi của một tổ hợp tuyến tính của vector trạng thái mặc dù đôi khi các biến trạng thái được chọn không có ý nghĩa vật lý. Mô hình mờ[12]: Hệ thống suy luận mờ (Fuzzy Inference System) có thể nói là một công cụ xấp xỉ toàn năng. Điều này cho phép các hệ thống suy luận mờ có thể xấp xỉ đặc tính tĩnh của bất kỳ một hàm phi tuyến liên tục nào trong một miền xác định với độ chính xác cao đặc biệt là với những hệ phi tuyến mạnh. Bằng việc kết hợp với các khâu động học ta có thể mô hình hóa đối tượng động học phi tuyến với độ chính xác tùy ý. Có hai loại mô hình mờ phổ biến là mô hình mờ Mamdani và mô hình mờ TS. Điểm khác nhau giữa hai loại mô hình này là hệ quả của các luật. Hệ quả của các luật trong mô hình Mamdani là một tập cố định còn trong mô hình TS là các hàm của các biến đầu vào. Trong điều khiển dự báo thì mô hình mờ TS được nghiên c ...