thuyẾt minh luẬn vĂn thẠc sỸ kỸ...

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐHKT CÔNG NGHIỆP

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do - Hạnh phúc

-----------***-----------

THUYẾT MINH

LUẬN VĂN THẠC SỸ KỸ THUẬT

ĐỀ TÀI

NGHIÊN CỨU ỨNG DỤNG ĐIỀU KHIỂN MỜ THÍCH NGHI

ĐỂ ĐIỀU KHIỂN CÁNH GIÓ TUABIN TRỤC ĐỨNG

Học viên: Nguyễn Văn Huỳnh

Lớp: CHK10

Chuyên ngành: Tự động hoá

Người HD Khoa học: PGS.TS Lại Khắc Lãi

Ngày giao đề tài: 01/02/2009

Ngày hoàn thành: 31/07/2009

KHOA ĐT SAU ĐẠI HỌC CB HƯỚNG DẪN

PGS.TS Lại Khắc Lãi

HỌC VIÊN

Nguyễn Văn Huỳnh



TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

----------------***----------------


NGHIÊN CỨU ỨNG DỤNG ĐIỀU KHIỂN MỜ

THÍCH NGHI ĐỂ ĐIỀU KHIỂN CÁNH GIÓ

TUABIN TRỤC ĐỨNG

THÁI NGUYÊN 2009

Ngành: TỰ ĐỘNG HÓA

Mã số:

Học viên: NGUYỄN VĂN HUỲNH

Người HD Khoa học: PGS.TS LẠI KHẮC LÃI



TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

----------------***----------------


NGÀNH: TỰ ĐỘNG HOÁ

NGHIÊN CỨU ỨNG DỤNG ĐIỀU KHIỂN MỜ

THÍCH NGHI ĐỂ ĐIỀU KHIỂN CÁNH GIÓ

TUABIN TRỤC ĐỨNG

NGUYỄN VĂN HUỲNH

THÁI NGUYÊN 2009

Luận văn thạc sỹ


-1-

LỜI CAM ĐOAN

Tên tôi là: Nguyễn Văn Huỳnh

Sinh ngày 22 tháng 8 năm 1981

Học viên lớp cao học khoá 10 - Tự động hoá - Trƣờng đại học Kỹ thuật

Công nghiệp Thái Nguyên.

Hiện đang công tác tại khoa Điện - Trƣờng đại học Kỹ thuật Công nghiệp

Thái Nguyên.

Xin cam đoan: Đề tài “Nghiên cứu ứng dụng điều khiển mờ thích nghi để

điều khiển cánh gió tuabin trục đứng” do thầy giáo, nhà giáo ƣu tú PGS.TS Lại

Khắc Lãi hƣớng dẫn là công trình nghiên cứu của riêng tôi. Tất cả các tài liệu tham

khảo đều có nguồn gốc, xuất xứ rõ ràng.

Tác giả xin cam đoan tất cả những nội dung trong luận văn đúng nhƣ nội

dung trong đề cƣơng và yêu cầu của thầy giáo hƣớng dẫn. Nếu sai tôi hoàn toàn

chịu trách nhiệm trƣớc Hội đồng khoa học và trƣớc pháp luật.

Thái Nguyên, ngày 31 tháng 7 năm 2009

Tác giả luận văn




-2-

LỜI CẢM ƠN

Sau sáu tháng nghiên cứu, làm việc khẩn trƣơng, đƣợc sự động viên, giúp đỡ

và hƣớng dẫn tận tình của thầy giáo hƣớng dẫn nhà giáo ƣu tú PGS.TS Lại Khắc

Lãi, luận văn với đề tài “Nghiên cứu ứng dụng điều khiển mờ thích nghi để điều

khiển cánh gió tuabin trục đứng” đã hoàn thành.

Tác giả xin bày tỏ lòng biết ơn sâu sắc đến:

Thầy giáo hƣớng dẫn PGS.TS Lại Khắc Lãi đã tận tình chỉ dẫn, giúp đỡ tác

giả hoàn thành luận văn này.

Khoa đào tạo Sau đại học, các thầy giáo, cô giáo thuộc bộ môn Kỹ thuật điện

– Khoa Điện - Trƣờng Đại học Kỹ thuật Công nghiệp Thái Nguyên đã giúp đỡ tác

giả trong suốt quá trình học tập cũng nhƣ quá trình nghiên cứu thực hiện luận văn.

Toàn thể các đồng nghiệp, bạn bè, gia đình và ngƣời thân đã quan tâm, động

viên, giúp đỡ tác giả trong suốt quá trình học tập và hoàn thành bản luận văn.

Tác giả luận văn




-3-

MỤC LỤC

Nội dung Trang

Trang phụ bìa

Lời cam đoan 1

Lời cảm ơn 2

Mục lục 3

Danh mục các hình vẽ, đồ thị 7

CHƢƠNG MỞ ĐẦU 11

1. Lý do chọn đề tài 11

2. Mục đích của đề tài 12

3. Đối tƣợng và phạm vi nghiên cứu 12

4. Ý nghĩa khoa học và thực tiễn của đề tài 13

5. Cấu trúc của luận văn 13

Chƣơng 1: TỔNG QUAN VỀ NĂNG LƢỢNG GIÓ VÀ MÁY

PHÁT ĐIỆN SỨC GIÓ

14

1.1 ĐÔI NÉT VỀ LỊCH SỬ NGHIÊN CỨU VÀ PHÁT TRIỂN CỦA

MÁY PHÁT ĐIỆN SỨC GIÓ

14

1.1.1 Lịch sử phát triển của máy phát điện chạy bằng sức gió 14

1.1.2 Đặc điểm chung của máy phát điện chạy bằng sức gió 17

1.1.3 Những lợi ích khi sử dụng gió để sản xuất điện 17

1.2 NĂNG LƢỢNG GIÓ VÀ THIẾT BỊ BIẾN ĐỔI NĂNG LƢỢNG

GIÓ – TUABIN GIÓ

19

1.2.1 Tuabin gió 19

1.2.2 Máy phát điện trong tuabin gió 22

1.2.3 Gió và năng lƣợng trong gió 23

1.3 KẾT LUẬN CHƢƠNG 1 26



-4-

Chƣơng 2: KHÍ ĐỘNG LỰC HỌC CỦA TUABIN GIÓ VÀ

PHƢƠNG PHÁP ĐIỀU KHIỂN CÁNH GIÓ CỦA TUABIN TRỤC

ĐỨNG

28

2.1 KHÍ ĐỘNG LỰC HỌC TUABIN GIÓ 28

2.1.1 Động lực học cánh gió tuabin 28

2.1.2 Động lực học của rotor 30

2.2 PHƢƠNG PHÁP ĐIỀU KHIỂN CÁNH GIÓ CỦA TUABIN

TRỤC ĐỨNG

32

2.2.1 Lý luận chung 32

2.2.2 Phƣơng pháp xác định góc cánh điều khiển của tuabin gió

trục đứng

35


Chƣơng 3: TỔNG QUAN CÁC HỆ ĐIỀU KHIỂN 39

3.1 CÁC HỆ ĐIỀU KHIỂN KINH ĐIỂN 39

3.1.1 Tổng hợp bộ điều khiển tuyến tính 39

3.1.2 Tổng hợp bộ điều khiển phi tuyến 39

3.2 LOGIC MỜ VÀ ĐIỀU KHIỂN MỜ 41

3.2.1 Khái quát về lý thuyết điều khiển mờ 41

3.2.2 Định nghĩa tập mờ 41

3.2.3 Biến mờ, hàm biến mờ, biến ngôn ngữ 43

3.2.4 Suy luận mờ và luật hợp thành 44

3.2.5 Bộ điều khiển mờ 47

3.2.6. Hệ điều khiển mờ lai (F-PID) 49

3.3 BỘ ĐIỀU KHIỂN THÍCH NGHI 51

3.3.1 Giới thiệu tổng quan 51

3.3.2. Tổng hợp điều khiển thích nghi trên cơ sở lý thuyết tối ƣu



-5-

cục bộ (Phƣơng pháp Gradient) 54

3.3.3 Tổng hợp hệ thống điều khiển thích nghi trên cơ sở ổn định

tuyệt đối

59

3.3.4. Tổng hợp hệ thống điều khiển thích nghi dùng lý thuyết

Lyapunov

61

3.3.5 Điều khiển mờ thích nghi 65

3.3.6 Phƣơng pháp điều khiển thích nghi theo sai lệch 66


Chƣơng 4: THIẾT KẾ HỆ THỐNG ĐIỀU KHIỂN CÁNH GIÓ

CỦA TUABIN TRỤC ĐỨNG ĐỂ ỔN ĐỊNH TỐC ĐỘ

68

4.1 SƠ ĐỒ CẤU TRÚC HỆ THỐNG 68

4.1.1 GIỚI THIỆU SƠ ĐỒ CẤU TRÚC HỆ THỐNG 69

4.1.2 TỔNG HỢP HỆ THỐNG SỬ DỤNG CÁC BỘ ĐIỀU KHIỂN

KINH ĐIỂN

69

4.1.2.1 Tổng hợp hệ thống dùng bộ điều khiển PID kinh điển 69

4.1.2.2 Tổng hợp hệ thống dùng bộ điều khiển thích nghi kinh

điển

71

4.2 TỔNG HỢP HỆ THỐNG SỬ DỤNG BỘ ĐIỀU KHIỂN MỜ

THÍCH NGHI

73

4.2.1 KHÁI NIỆM 73

4.2.1.1 Định nghĩa 73

4.2.1.2 Phân loại 74

4.2.1.3 Các phƣơng pháp điều khiển thích nghi mờ 74

4.2.2 TỔNG HỢP BỘ ĐIỀU KHIỂN MỜ THÍCH NGHI ỔN ĐỊNH 76

4.2.2.1 Cơ sở lý thuyết 76

4.2.2.2 Thuật toán tổng hợp bộ điều khiển mờ thích nghi 82



-6-

4.2.3 TỔNG HỢP BỘ ĐIỀU KHIỂN MỜ THÍCH NGHI TRÊN

CƠ SỞ LÝ THUYẾT THÍCH NGHI KINH ĐIỂN

86

4.2.3.1 Đặt vấn đề 86

4.2.3.2 Mô hình toán học của bộ điều khiển mờ 88

4.2.4 XÂY DỰNG CƠ CẤU THÍCH NGHI THEO MÔ HÌNH

MẪU CHO BỘ ĐIỀU KHIỂN MỜ

94

4.2.4.1 Hệ điều khiển thích nghi theo mô hình mẫu (MRAS)

dùng lý thuyết thích nghi kinh điển

94

4.2.4.2 Điều chỉnh thích nghi hệ số khuếch đại đầu ra bộ điều

khiển mờ

96

4.2.4.3 Sơ đồ điều khiển thích nghi mờ theo mô hình mẫu

(MRAFC)

97

4.2.4.4 Sơ đồ điều khiển thích nghi mờ kiểu truyền thẳng (FMRAFC) 98

4.2.5 THIẾT KẾ KHỐI MỜ CƠ BẢN 99

4.2.5.1 Sơ đồ khối mờ 99

4.2.5.2 Định nghĩa tập mờ 99

4.2.5.3 Xây dựng các luật điều khiển “Nếu…Thì” 101

4.2.5.4 Chọn luật hợp thành 103

4.2.5.5 Giải mờ 104

4.2.6 SƠ ĐỒ MÔ PHỎNG HỆ THỐNG ĐIỀU KHIỂN SỬ DỤNG

BỘ ĐIỀU KHIỂN MỜ THÍCH NGHI

104

KÊT LUÂN VA KIÊN NGHI 107

TÀI LIỆU THAM KHẢO 110



-7-

DANH MỤC CÁC BẢNG, HÌNH VẼ, ĐỒ THỊ

Hình 1.1 Mô hình cánh gió tại Trung Mỹ, cuối TK 19

Hình 1.2 Mô hình cối xay gió xuất hiện sau TK 13

Hình 1.3 Chiếc máy bơm nƣớc chạy bằng sức gió, phía Tây nƣớc Mỹ những năm

1800

Hình 1.4 Máy phát điện sức gió do Charles F.Brush chế tạo

Hình 1.5 Máy phát Gedser, công suất 200kW

Hình 1.6 H- rotor

Hình 1.7 Tuốc bin gió với tốc độ cố định

Hình 1.8 Tuốc bin gió với tốc độ thay đổi có bộ biến đổi nối trực tiếp giữa stator và

lƣới

Hình 1.9 Tuabin gió tốc độ thay đổi sử dụng MFKĐBNK

Hình 1.10 Biến thiên của tốc độ gió và năng lƣợng gió theo thời gian

Hình 1.11 Đƣờng cong biểu diễn quan hệ giữa Cp và

Hình 1.12 Hàm xác suất phân bố cho Rayleigh với tốc độ gió trung bình 7 m/s

Hình 1.13 Đƣơng cong công suất của tuabin gió 50kW điều khiển theo tốc độ gió

Hình 2.1 Đƣờng cong biểu diễn Kp

Hình 2.2 Các lực tác dụng lên cánh gió

Hình 2.3 Tác động của gió lên các cánh

Hình 2.4 Mô hình tuabin gió trục đứng 5 cánh

Hình 2.5 Phân tích động lực học cánh gió

Bảng 2.1 Góc cánh điều khiển ở các vị trí khác nhau

Hình 2.6 Góc điều khiển của một cánh gió ở 10 vị trí khác nhau

Hình 3.1 Một số dạng hàm liên thuộc

Hình 3.2 a) Hợp hai tập mờ

b) Giao hai tập mờ

c) Phép bù

Hình 3.3 Mô tả hàm liên thuộc của mệnh đề điều kiện



-8-

Hình 3.4 Mô tả hàm liên thuộc của mệnh đề kết luận

Hình 3.5 Sơ đồ khối chức năng của bộ điều khiển mờ

Hình 3.6 Ví dụ về cách xác định miền G

Hình 3.7 Giải mờ theo phƣơng pháp trọng tâm

Hình 3.8 Giải mờ theo phƣơng pháp điểm trung bình tâm

Hình 3.9 Bộ điều khiển mờ động

Hình 3.10 a) Nguyên lý điều khiển mờ lai

b) Vùng tác động của các bộ điều khiển

Hình 3.11 Vùng tác động của các bộ điều khiển.

Hình 3.12 Cấu trúc cơ bản của hệ thống thích nghi

Hình 3.13 Điều chỉnh hệ số khuếch đại

Hình 3.14 Điều khiển theo mô hình mẫu

Hình 3.15 Điều khiển tự chỉnh

Hình 3.16 Cấu trúc mô hình mẫu song song

Hình 3.17 Sơ đồ khối hệ thống điều khiển thích nghi theo mô hình

Hình 3.18 Phƣơng pháp thích nghi thông số

Hình 3.19 Phƣơng pháp tổng hợp tín hiệu bổ sung Up2

Hình 3.20 Minh hoạ phƣơng pháp Lyapunov với việc khảo sát tính ổn định.

Hình 3.21 Sơ đồ khối hệ MRAS dựa trên lý thuyết Lyapunov cho đối tƣợng bậc

nhất

Hình 3.22 Phƣơng pháp điều khiển thích nghi trực tiếp

Hình 3.23 Phƣơng pháp điều khiển thích nghi gián tiếp

Hình 4.1 Sơ đồ cấu trúc hệ thống

Hình 4.2 Cấu trúc khối điều khiển cánh gió

Hình 4.3 Sơ đồ mô phỏng hệ thống điều khiển vị trí góc cánh

Hình 4.4 Sơ đồ mô phỏng hệ thống dùng PID

Hình 4.5 Kết quả mô phỏng với tốc độ gió V=V0

Hình 4.6 Kết quả mô phỏng với tốc độ gió V thay đổi



-9-

Hình 4.7 Sơ đồ mô phỏng hệ thống dùng bộ ĐK thích nghi theo mô hình truyền

thẳng

Hình 4.8 Sơ đồ khối thích nghi kinh điển dựa trên lý thuyết Lyapunov

Hình 4.9 Kết quả mô phỏng với giá trị đặt không đổi

Hình 4.10 Kết quả mô phỏng với giá trị đặt thay đổi

Hình 4.11 Cấu trúc phƣơng pháp điều khiển thích nghi trực tiếp.

Hình 4.12 Cấu trúc phƣơng pháp điều khiển thích nghi gián tiếp.

Hình 4.13 Điều khiển thích nghi có mô hình theo dõi.

Hình 4.14 Sơ đồ cấu trúc bộ điều khiển mờ thích nghi.

Hình 4.15 Hàm liên thuộc với 7 tập mờ.

Hình 4.16 Lƣu đồ thuật toán tổng hợp hàm mờ cơ sở ξ(e).

Hình 4.17 Cấu trúc cơ bản của hệ điều khiển mờ 2 đầu vào.

Hình 4.18 Định nghĩa hàm thuộc cho các biến vào - ra.

Hình 4.19 Luật hợp thành tuyến tính.

Bảng 4.1 Quan hệ vào ra của luật hợp thành tuyến tính.

Hình 4.20 Quan hệ vào ra của luật hợp thành tuyến tính.

Hình 4.21 Sự hình thành ô suy luận từ luật hợp thành.

Hình 4.22 Kết quả của phép lấy Max-Min trong ô suy luận.

Hình 4.23 Các vùng trong ô suy luận.

Hình 4.24 Bộ điều khiển mờ với hệ số khuếch đại đầu ra K.

Hình 4.25 MRAFC điều chỉnh hệ số khuếch đại đầu ra.

Hình 4.26 Cấu trúc hệ FMRAFC.

Hình4.27 Sơ đồ khối mờ cơ bản

Hình 4.28 Các luật hợp thành.

Hình 4.29 Quan hệ vào ra của bộ điều khiển mờ.

Hình 4.30 Sơ đồ mô phỏng hệ thống điều khiển cánh gió tuabin với bộ điều khiển

mờ thích nghi.

Hình 4.31 Sơ đồ khối của bộ điều khiển mờ thích nghi.

Hình 4.32 Sự thay đổi của hệ số khuếch đại đầu ra K theo luật Lyapunov.



-10-

Hình 4.33 Kết quả mô phỏng hệ thống với bộ điều khiển thích nghi kinh điển

Hình 4.34 Kết quả mô phỏng hệ thống với bộ điều khiển mờ thích nghi

Hình 4.35 Kết quả mô phỏng hệ thống với bộ điều khiển thích nghi kinh điển và mờ

thích nghi



-11-

MỞ ĐẦU

1. Lý do chọn đề tài

Ngoài năng lƣợng mặt trời, năng lƣợng gió là một năng lƣợng thiên nhiên mà

loài ngƣời đang chú trọng đến cho nhu cầu năng lƣợng trên thế giới trong tƣơng lai.

Hiện nay, năng lƣợng gió đã mang đến nhiều hứa hẹn. Tuy nhiên nếu muốn đẩy

mạnh nguồn năng lƣợng này trong tƣơng lai, chúng ta cần phải hoàn chỉnh thêm

công nghệ cũng nhƣ làm thế nào để đạt đƣợc năng suất chuyển động năng của gió

thành điện năng cao để từ đó có thể hạ giá thành và cạnh tranh đƣợc với những

nguồn năng lƣợng khác.

Để chuyển động năng của gió thành điện năng ngƣời ta dùng máy phát điện

sử dụng tuabin gió. Trên thế giới hiện nay đang dùng 2 hệ thống máy phát sử dụng

tuabin gió đó là máy phát sử dụng tuabin gió trục ngang và tuabin gió trục đứng. Hệ

thống sử dụng tuabin gió trục ngang là hệ thống phát triển đầu tiên trên thế giới, hệ

thống này đã và đang đƣợc sử dụng rộng rãi ở nhiều nƣớc nhƣ Đức, Mỹ, Tây Ban

Nha...về cơ bản thì hệ thống đã hoàn thiện cả về cấu tạo, kết cấu cơ khí và hệ thống

điều khiển. Tuy nhiên hệ thống này cũng có một số nhƣợc điểm đó là cấu tạo, kết

cấu rất cồng kềnh; cánh quạt lắp cố định với trục quay nên không điều khiển đƣợc

công suất phát điện cho tải, nếu muốn ổn định công suất cho tải cần phải dùng nhiều

hệ thống máy phát điện đặt ở nhiều nơi khác nhau nối ghép với nhau để bù công

suất khi cƣờng độ gió thay đổi...

Hệ thống sử dụng tuabin gió trục đứng đang là hƣớng nghiên cứu mới hiện

nay do hệ thống này khắc phục đƣợc một số nhƣợc điểm của hệ thống trục ngang

nhƣ là kết cấu nhỏ gọn; điều khiển công suất cho tải một cách độc lập; điều khiển

góc mở của cánh gió theo hƣớng gió và theo cƣờng độ gió. Nhƣ ta đã biết nhƣợc

điểm lớn nhất của tuabin gió trục đứng là khi quay nếu các cánh gió đều mở thì một

bên có tác dụng hứng gió làm tuabin quay, bên còn lại cản gió làm giảm tốc độ quay

của tuabin. Một số nghiên cứu gần đây khắc phục nhƣợc điểm đó băng cách điều

khiển góc mở cánh gió thông qua việc thiết kế hình dáng động học của cánh gió

hoặc dùng phƣơng pháp che gió không cho tác động vào cánh gió ở nửa cản gió của



-12-

tuabin đối với loại có công suất nhỏ hoặc sử dụng một số cách điều khiển cơ khí

nhƣ sử dụng kết cấu cam đối với loại có công suất lớn mà chƣa quan tâm đến điều

khiển góc mở của cánh sử dụng các bộ điều khiển bằng điện kết hợp với kết cấu cơ

khí để điều khiển công suất cho tải khi hƣớng gió cũng nhƣ cƣờng độ gió thay đổi.

Để phát huy các ƣu điểm của hệ thống tuabin gió trục đứng là điều khiển đƣợc công

suất cho tải phù hợp với cƣờng độ gió ta phải có sự kết hợp giữa điều khiển điện và

cơ. Đó chính là lĩnh vực nghiên cứu của cơ điện tử và cũng là hƣớng mà đề tài cần

nghiên cứu.

Xuất phát từ tình hình thực tế trên và nhằm góp phần thiết thực vào công

cuộc CNH-HĐH đất nƣớc nói chung và phát triển ngành tự động hoá nói riêng,

trong khuôn khổ của khoá học Cao học, chuyên ngành Tự động hóa tại trƣờng Đại

học Kỹ thuật Công nghiệp Thái Nguyên, đƣợc sự tạo điều kiện giúp đỡ của nhà

trƣờng, Khoa đào tạo Sau Đại học và PGS.TS Lại Khắc Lãi, tác giả đã lựa chọn đề

tài tốt nghiệp của mình là: “Nghiên cứu ứng dụng điều khiển mờ thích nghi để

điều khiển cánh gió tuabin trục đứng”.

2. Mục đích của đề tài

Việc nâng cao hiệu suất chuyển động năng của gió thành điện năng để giảm

giá thành là vấn đề rất quan trọng trong quá trình sử dụng nguồn năng lƣợng sạch ở

hiện tại và trong tƣơng lai. Để nâng cao đƣợc hiệu suất sử dụng năng lƣợng gió thì

cần phải có các thiết bị chuyển đổi với các bộ điều khiển hợp lý.

Mục tiêu của đề tài là nghiên cứu bộ điều khiển mờ thích nghi và ứng dụng

chúng để điều khiển cách gió của tuabin trục đứng nhằm mục đích nâng cao hiệu

suất và ổn định tốc độ quay của tuabin.

3. Đối tƣợng và phạm vi nghiên cứu

- Hệ thống cánh gió của tuabin trục đứng.

- Khảo sát các thông số của mô hình tuabin trục đứng.

- Nghiên cứu lý thuyết để đƣa ra các thuật toán điều khiển.

- Thiết kế hệ điều khiển thích nghi trên cơ sở logic mờ thích nghi để điều

khiển cánh gió của tuabin trục đứng.



-13-

- Mô hình hoá và mô phỏng để kiệm nghiệm kết quả nghiên cứu.

4. Ý nghĩa khoa học và thực tiễn của đề tài

- Ý nghĩa khoa học:

Đây là một hƣớng nghiên cứu mới có rất nhiều ngƣời đang quan tâm, tuy

nhiên chƣa có nghiên cứu nào hoàn chỉnh về vấn đề này.

- Ý nghĩa thực tiễn:

Đề tài đƣa ra một phƣơng án điều khiển mới, nâng cao chất lƣợng điều

khiển, dễ dàng trong thiết kế và điều chỉnh hệ thống đồng thời tạo cơ hội cho hƣớng

phát triển mới trong việc sử dụng nguồn năng lƣợng sạch cho hiện tại và trong

tƣơng lai.

5. Cấu trúc của luận văn

Luận án gồm 4 chƣơng, 111 trang, 28 tài liệu tham khảo, 82 hình vẽ và đồ

thị.



-14-

CHƢƠNG I

TỔNG QUAN VỀ NĂNG LƢỢNG GIÓ VÀ MÁY PHÁT ĐIỆN SỨC

GIÓ

1.1 ĐÔI NÉT VỀ LỊCH SỬ NGHIÊN CỨU VÀ PHÁT TRIỂN CỦA MÁY

PHÁT ĐIỆN SỨC GIÓ

1.1.1 Lịch sử phát triển của máy phát điện chạy bằng sức gió.

Vào cuối những năm 1970, cuộc khủng hoảng về dầu mỏ đã buộc con ngƣời

phải tìm các nguồn năng lƣợng mới thay thế, một trong số đó là năng lƣợng gió.

Những năm về sau, rất nhiều các chƣơng trình nghiên cứu và phát triển năng lƣợng

gió đƣợc thực hiện với nguồn tài trợ từ các Chính phủ, bên cạnh các dự án nghiên

cứu do các cá nhân, tổ chức tự đứng ra thực hiện.

Lịch sử phát triển của thế giới loài ngƣời đã chứng kiến những ứng dụng của

năng lƣợng gió vào cuộc sống từ rất sớm. Gió giúp quay các cối xay bột, gió giúp

các thiết bị bơm nƣớc hoạt động, và gió thổi vào cánh buồm giúp đƣa các con

thuyền đi xa. Theo những tài liệu cổ còn giữ lại đƣợc thì bản thiết kế đầu tiên của

chiếc cối xay hoạt động nhờ vào sức gió là vào khoảng thời gian những năm 500 -

900 sau CN tại Ba Tƣ (Irac ngày nay). Đặc điểm nổi bật của thiết bị này đó là các

cánh đón gió đƣợc bố trí xung quanh một trục đứng, minh hoạ một mô hình cánh

gió đƣợc lắp tại Trung Mỹ vào cuối thế kỷ 19, mô hình này cũng có cấu tạo cánh

đón gió quay theo trục đứng.

Hình 1.1 Mô hình cánh gió tại Trung Mỹ, cuối TK 19



-15-

Muộn hơn nữa, kể từ sau thế kỷ 13, các cối xay gió xuất hiện tại châu Âu (Tây

Âu) với cấu trúc có các cánh đón gió quay theo phƣơng ngang, chúng phức tạp hơn

mô hình thiết kế tại Ba Tƣ. Cải tiến cơ bản của thiết kế này là đã tận dụng đƣợc lực

nâng khí động học tác dụng vào cánh gió do đó sẽ làm hiệu suất biến đổi năng

lƣợng gió của cối xay gió thời kỳ này cao hơn nhiều so với mô hình thiết kế từ

những năm 500 - 900 tại Ba Tƣ.

Trong suốt những năm tiếp theo, các thiết kế của thiết bị chạy bằng sức gió

càng ngày đƣợc hoàn thiện và đƣợc sử dụng rộng rãi trong khá nhiều các lĩnh vực

ứng dụng: chế tạo các máy bơm nƣớc, hệ thống tƣới tiêu trong nông nghiệp, các

thiết bị xay xát, xẻ gỗ, nhuộm vải… Cho đến đầu thế kỷ 19, cùng với sự xuất hiện

của máy hơi nƣớc, thiết bị chạy bằng sức gió dần dần bị thay thế. Lịch sử con ngƣời

đã bƣớc sang thời kỳ mới với những công cụ mới: máy chạy hơi nƣớc.

Năm 1888, Charles F. Brush đã chế tạo chiếc máy phát điện chạy sức gió đầu

tiên, và đặt tại Cleveland, Ohio. Nó có đặc điểm:

Hình 1.2 Mô hình cối xay gió xuất hiện sau TK 13

Hình 1.3 Chiếc máy bơm nước chạy bằng sức gió, phía Tây nước Mỹ những năm 1800



-16-

* Cánh đƣợc ghép thành xuyến tròn, đƣờng kính vòng ngoài 17m;

* Sử dụng hộp số (tỉ số truyền 50:1) ghép giữa cánh tuabin với trục máy phát;

* Tốc độ định mức của máy phát là 500 vòng/phút;

* Công suất phát định mức là 12kW.

Trong những năm tiếp sau, một số mẫu thiết kế khác đã đƣợc thực hiện tuy

nhiên vẫn không đem lại bƣớc đột phát đáng kể. Ví dụ mẫu thiết kế của Dane Poul

La Cour năm 1891. Cho đến đầu những năm 1910, đã có nhiều máy phát điện chạy

bằng sức gió công suất 25kW đƣợc lắp đặt tại Đan Mạch nhƣng giá thành điện năng

do chúng sản xuất ra không cạnh tranh đƣợc với giá thành của các nhà máy nhiệt

điện sử dụng nhiên liệu hoá thạch. Mặc dù gặp khó khăn do không có thị trƣờng,

những thế hệ máy phát điện chạy bằng sức gió vẫn tiếp tục đƣợc thiết kế và lắp đặt.

Ví dụ nhƣ các máy phát công suất từ 1 đến 3 kW

đƣợc lắp đặt tại vùng nông thôn của Đồng bằng lớn,

Mỹ, vào những năm 1925 hay máy phát Balaclava

công suất 100kW lắp đặt tại Nga năm 1931 hay máy

phát Gedser công suất 200kW, lắp đặt tại đảo Gedser,

đông nam Đan Mạch.

Sự phát triển của máy phát điện chạy sức gió

trong thời kỳ này có đặc điểm sau:

- Ít về số lƣợng, lắp đặt rải rác nhƣng tập trung chủ yếu ở Mỹ, các nƣớc Tây

Âu nhƣ Đan Mạch, Đức, Pháp, Anh, Hà Lan;

- Công suất máy phát thấp chủ yếu nằm ở mức vài chục kW.

Hình 1.4 Máy phát điện sức gió do Charles F.Brush chế tạo

Hình 1.5 Máy phát Gedser,

công suất 200kW



-17-

1.1.2 Đặc điểm chung của máy phát điện chạy bằng sức gió

Các máy phát điện sử dụng sức gió đã đƣợc sử dụng nhiều ở các nƣớc châu

Âu, Mỹ và các nƣớc công nghiệp phát triển khác. Nƣớc Đức đang dẫn đầu thế giới

về công nghệ điện sử dụng sức gió (điện gió).

Tới nay đa số vẫn là các máy phát điện tuabin gió trục ngang, gồm một máy

phát điện có trục quay nằm ngang, với rotor (phần quay) ở giữa, liên hệ với một

tuabin 3 cánh đón gió. Máy phát điện đƣợc đặt trên một tháp cao hình côn. Trạm

phát điện kiểu này mang dáng dấp những cối xay gió ở châu Âu từ những thế kỷ

trƣớc, nhƣng rất thanh nhã và hiện đại.

Các máy phát điện tuabin gió trục đứng gồm một máy phát điện có trục quay

thẳng đứng, rotor nằm ngoài đƣợc nối với các cánh đón gió đặt thẳng đứng. Loại

này có thể hoạt động bình đẳng với mọi hƣớng gió nên hiệu qủa cao hơn, lại có cấu

tạo đơn giản, các bộ phận đều có kích thƣớc không quá lớn nên vận chuyển và lắp

ráp dễ dàng, độ bền cao, duy tu bảo dƣỡng đơn giản. Loại này mới xuất hiện từ vài

năm gần đây nhƣng đã đƣợc nhiều nơi quan tâm và sử dụng.

Hiện có các loại máy phát điện dùng sức gió với công suất rất khác nhau, từ

1 kW tới hàng chục ngàn kW. Các trạm phát điện này có thể hoạt động độc lập hoặc

cũng có thể nối với mạng điện quốc gia. Các trạm độc lập cần có một bộ nạp, bộ ắc-

quy và bộ đổi điện. Khi dùng không hết, điện đƣợc tích trữ vào ắc-quy. Khi không

có gió sẽ sử dụng điện phát ra từ ắc-quy. Các trạm nối với mạng điện quốc gia thì

không cần bộ nạp và ắc-quy.

Các trạm phát điện dùng sức gió có thể phát điện khi tốc độ gió từ 3 m/s (11

km/h), và tự ngừng phát điện khi tốc độ gió vƣợt quá 25 m/s (90 km/h). Tốc độ gió

hiệu qủa từ 10 m/s tới 17 m/s, tùy theo từng loại máy phát điện.

1.1.3 Những lợi ích khi sử dụng gió để sản xuất điện (điện gió)

Ƣu điểm dễ thấy nhất của điện gió là không tiêu tốn nhiên liệu, tận dụng

đƣợc nguồn năng lƣợng vô tận là gió, không gây ô nhiễm môi trƣờng nhƣ các nhà

máy nhiệt điện, không làm thay đổi môi trƣờng và sinh thái nhƣ nhà máy thủy điện,

không có nguy cơ gây ảnh hƣởng lâu dài đến cuộc sống của ngƣời dân xung quanh



-18-

nhƣ nhà máy điện hạt nhân, dễ chọn địa điểm và tiết kiệm đất xây dựng, khác hẳn

với các nhà máy thủy điện chỉ có thể xây dựng gần dòng nƣớc mạnh với những điều

kiện đặc biệt và cần diện tích rất lớn cho hồ chứa nƣớc.

Các trạm điện gió có thể đặt gần nơi tiêu thụ điện, nhƣ vậy sẽ tránh đƣợc chi

phí cho việc xây dựng đƣờng dây tải điện.

Trƣớc đây, khi công nghệ phong điện còn ít đƣợc ứng dụng, việc xây dựng

một trạm điện gió rất tốn kém, chi phí cho thiết bị và xây lắp đều rất đắt nên chỉ

đƣợc áp dụng trong một số trƣờng hợp thật cần thiết. Ngày nay điện gió đã trở nên

rất phổ biến, thiết bị đƣợc sản xuất hàng loạt, công nghệ lắp ráp đã hoàn thiện nên

chi phí cho việc hoàn thành một trạm điện gió hiện nay chỉ bằng ¼ so với năm

1986.

Các trạm điện gió có thể đặt ở những địa điểm và vị trí khác nhau, với

những giải pháp rất linh hoạt và phong phú:

- Các trạm điện gió đặt ở ven biển cho sản lƣợng cao hơn các trạm nội địa vì

bờ biển thƣờng có gió mạnh. Giải pháp này tiết kiệm đất xây dựng, đồng thời việc

vận chuyển các cấu kiện lớn trên biển cũng thuận lợi hơn trên bộ.

- Những mỏm núi, những đồi hoang không sử dụng đƣợc cho công nghiệp,

nông nghiệp cũng có thể đặt đƣợc trạm phong điện. Trƣờng hợp này không cần làm

trụ đỡ cao, tiết kiệm đáng kể chi phí xây dựng.

- Trên mái nhà cao tầng cũng có thể đặt trạm điện gió, dùng cho các nhu

cầu trong nhà và cung cấp điện cho thành phố khi không dùng hết điện. Trạm điện

này càng có ý nghĩa thiết thực khi thành phố bất ngờ bị mất điện.

- Ngay tại các khu chế xuất cũng có thể đặt các trạm điện gió. Nếu tận dụng

không gian phía trên các nhà xƣởng để đặt các trạm điện gió thì sẽ giảm tới mức

thấp nhất diện tích đất xây dựng và chi phí làm đƣờng dây điện.

- Đặt một trạm điện gió bên cạnh các trạm bơm thủy lợi ở xa lƣới điện quốc

gia sẽ tránh đƣợc việc xây dựng đƣờng dây tải điện với chi phí lớn gấp nhiều lần

chi phí xây dựng một trạm điện gió. Việc bảo quản một trạm điện gió cũng đơn giản

hơn việc bảo vệ đƣờng dây tải điện rất nhiều.



-19-

- Một trạm điện gió 4 kW có thể đủ điện cho một trạm kiểm lâm trong rừng

sâu hoặc một ngọn hải đăng xa đất liền. Một trạm 10 kW đủ cho một đồn biên

phòng trên núi cao, hoặc một đơn vị hải quân nơi đảo xa. Một trạm 40 kW có thể đủ

cho một xã vùng cao, một đoàn thăm dò địa chất hay một khách sạn du lịch biệt lập,

nơi đƣờng dây chƣa thể vƣơn tới đƣợc. Một nông trƣờng cà phê hay cao su trên cao

nguyên có thể xây dựng trạm điện gió hàng trăm hoặc hàng ngàn kW, vừa phục vụ

đời sống công nhân, vừa cung cấp nƣớc tƣới và dùng cho xƣởng chế biến sản

phẩm....

Tuy nhiên không phải nơi nào đặt trạm điện gió cũng có hiệu quả nhƣ nhau.

Để có sản lƣợng điện cao cần tìm đến những nơi có nhiều gió. Các vùng đất nhô ra

biển và các thung lũng sông thƣờng là những nơi có lƣợng gió lớn. Một vách núi

cao có thể là vật cản gió nhƣng cũng có thể lại tạo ra một nguồn gió mạnh thƣờng

xuyên, rất có lợi cho việc khai thác điện gió. Khi chọn địa điểm đặt trạm có thể dựa

vào các số liệu thống kê của cơ quan khí tƣợng hoặc kinh nghiệm của nhân đân địa

phƣơng, nhƣng chỉ là căn cứ sơ bộ. Lƣợng gió mỗi nơi còn thay đổi theo từng địa

hình cụ thể và từng thời gian. Tại nơi dự định dựng trạm điện gió cần đặt các thiết

bị đo gió và ghi lại tổng lƣợng gió hàng năm, từ đó tính ra sản lƣợng điện có thể

khai thác, tuơng ứng với từng thiết bị điện gió. Việc này càng quan trọng hơn khi

xây dựng các trạm công suất lớn hoặc các vùng điện gió tập trung.

1.2 NĂNG LƢỢNG GIÓ VÀ THIẾT BỊ BIẾN ĐỔI NĂNG LƢỢNG GIÓ –

TUABIN GIÓ

1.2.1 Tuabin gió

Tuabin gió là thiết bị biến đổi động năng của gió thành cơ năng, từ cơ năng

có thể biến đổi thành điện năng nhờ máy phát điện- Máy phát điện dùng sức gió

Tuabin gió có nhiều loại khác nhau nhƣng chủ yếu đƣợc chia làm hai nhóm

chính phụ thuộc vào cánh đón gió của nó: tuabin gió trục ngang và tuabin gió trục

đứng. Trong luận văn đề cấp đến loại tuabin gió trục đứng.



-20-

Tuabin gió trục đứng là loại ít phổ biến của

tuabin gió hiện nay, tuy nhiên nó có ƣu điểm là

bình đẳng với mọi hƣớng gió mà không cần đuôi

dẫn hƣớng nhƣ loại tuabin gió trục ngang. Ngoài ra,

tuabin gió trục đứng trong quá trình vận hành sản

xuất điện ít gây tiếng ồn hơn loại trục ngang. Một

số nghiên cứu đƣa ra loại tuabin trục đứng với bộ

cánh thẳng đứng, chúng đƣợc gắn với trục điều

khiển thông qua hệ thống cánh tay. Loại này đƣợc

gọi là H-rotor, hình 1.6

Trục điều khiển thƣờng đƣợc tách ra khỏi tháp đỡ hoặc đƣợc tựa trên hệ

thống dây đai và đƣợc nối trực tiếp với rotor của máy phát điện.

Với trục quay thẳng đứng của tuabin trục đứng cho phép đặt các máy phát

điện ở dƣới chân tháp đỡ, điều này sẽ đơn giản hóa việc lắp đặt, bảo trì, bảo dƣỡng

các máy phát đồng thời giúp giảm nhẹ tải trọng của tháp đỡ. Do đó giảm thiểu các

chi phí lắp đặt, bảo trì, bảo dƣỡng, và kích thƣớc, trọng lƣợng của máy phát điện

không còn là mối lo ngại khi tính toán thiết kế nữa. Ngoài ra các hệ thống điều

khiển tuabin gió loại này cũng đƣợc đặt tại mặt đất nên cũng tạo điều kiện cho việc

truy cập, lập trình và sửa chữa.

Nếu xét về tốc độ quay của tuabin thì ta có loại tuabin có tốc độ cố định và loại

tuabin có tốc độ thay đổi. Loại có tốc độ cố định (Fixed speed wind turbine), có

máy phát không đồng bộ đƣợc nối trực tiếp với lƣới. Tuy nhiên hệ thống này có

nhƣợc điểm chính là do tốc độ cố định nên không thể thu đƣợc năng lƣợng cực đại

từ gió.

Hình 1.6 H- rotor



-21-

Loại tuabin gió tốc độ thay đổi (variable-speed wind tuabin) khắc phục đƣợc

nhƣợc điểm trên của tuabin gió với tốc độ cố định, đó là nhờ thay đổi đƣợc tốc độ

nên có thể thu đƣợc năng lƣợng cực đại từ gió. Bất lợi của các tuabin gió có tốc độ

thay đổi là hệ thống điện phức tạp, vì cần có bộ biến đổi điện tử công suất để tạo ra

khả năng hoạt động với tốc độ thay đổi, và do đó chi phi cho tuabin gió tốc độ thay

đổi lớn hơn so với các tuabin tốc độ cố định.

Tuabin gió với tốc độ thay đổi có hai loại: tuabin gió với tốc độ thay đổi có bộ

biến đổi nối trực tiếp giữa stator và lƣới và tuabin gió sử dụng máy phát điện không

đồng bộ nguồn kép (MFKĐBNK).

Loại tuabin gió với tốc độ thay đổi có bộ biến đổi nối trực tiếp giữa mạch stator

của máy phát và lƣới, do dó bộ biến đổi đƣợc tính toán với công suất định mức của

toàn tuabin. Máy phát ở đây có thể là loại không đồng bộ rotor lồng sóc hoặc là

đồng bộ.

Gearbox IG

Soft

starter

Transformer

Capacitor bank

Hình 1.7 Tuốc bin gió với tốc độ cố định

Máy biến áp

Bộ khởi

động

mềm

Hộp số MF

Gearbox G

TransformerPower electronic

converter

≈

= ≈

=

Bộ biến đổi

điện tử CS

Máy biến áp

Hộp số

Hình 1.8 Tuốc bin gió với tốc độ thay đổi có bộ biến đổi nối trực tiếp giữa stator và lưới

MF



-22-

Ngày nay với xu hƣớng ngày càng phát triển việc sử dụng nguồn năng lƣợng

sạch tái tạo từ gió, trên thế giới ngƣời ta đã chế tạo các loại tuabin gió với công suất

lớn đến trên 7 MW, nếu dùng loại tuabin gió tốc độ thay đổi có bộ biến đổi nối trực

tiếp giữa stator và lƣới thì sẽ tốn kém, đắt tiền do bộ biến đổi cũng phải có công

suất bằng công suất của toàn tuabin. Vì vậy các hãng chế tạo tuabin gió có xu

hƣớng sử dụng MFKĐBNK làm máy phát trong các hệ thống tuabin gió công suất

lớn để giảm công suất của bộ biến đổi và do đó giảm giá thành, vì bộ biến đổi đƣợc

nối vào mạch rotor của máy phát, công suất của nó thƣờng chỉ bằng cỡ 1/3 tổng

công suất toàn hệ thống, các thiết bị đi kèm nhƣ bộ lọc biến đổi cũng rẻ hơn vì cũng

đƣợc thiết kế với công suất bằng 1/3 công suất của toàn hệ thống.

1.2.2 Máy phát điện trong tuabin gió.

Máy phát điện là một thành phần quan trọng không thể thiếu trong tuabin

gió, vì nó có nhiệm vụ chuyển đổi cơ năng của tuabin thành điện năng. Trong một

hệ thống phát điện, việc thiết kế và chọn máy phát điện phải phù hợp với loại tuabin

đã đƣợc lựa chọn. Các tuabin này đƣợc thiết kế với việc ƣu tiên cho các phƣơng

pháp điều khiển mong muốn và điều kiện gió tại vùng đã đƣợc quy hoạch. Các máy

phát điện ở đây không chỉ đƣợc sử dụng để biến đổi năng lƣợng mà còn dùng để

điều khiển điện áp thông qua tốc độ quay của tuabin.

Gearbox DFIG

Transformer

Power electronic

converter

≈

= ≈

=

Bộ biến đổi

điện tử CS

Hộp số

Máy biến áp

MFKĐBNK

Hình 1.9 Tuabin gió tốc độ thay đổi sử dụng MFKĐBNK



-23-

Tuabin đƣợc nối trực tiếp với rotor của máy phát thông qua một trục truyền

động, tức là trực tiếp điều khiển máy phát. Loại máy phát này sẽ có tốc độ quay

chậm hơn so với các loại máy phát thông thƣờng. Do đó nó đƣợc thiết kế với số

lƣợng điện cực nhiều để đạt đƣợc cảm ứng từ tốt và hiệu quả cao. Việc điều khiển

trực tiếp giúp loại bỏ tổn thất, bảo dƣỡng và các chi phí liên quan đến hộp số. Một

số nghiên cứu cho thấy hộp số là nguyên nhân dẫn đến hầu hết các hƣ hỏng của

tuabin gió. Hơn nữa, điều khiển trực tiếp làm giảm liên kết xoắn trên các trục truyền

động bởi tần số dao động riêng. Do đó các trục sẽ nhở hơn so với trƣờng hợp sử

dụng hộp số, với H-rotor điều này có nghĩa là tháp đỡ sẽ đƣợc giảm khối lƣợng. Khi

trục truyền động trực tiếp của máy có đƣờng kính lớn và cồng kềnh hơn so với máy

phát thông thƣờng thì việc sử dụng tuabin gió trục đứng có ƣu điểm và lợi thế rất

nhiều do máy phát đƣợc đặt tại mặt đất, khi đó kích thƣớc cũng nhƣ trọng lƣợng của

máy phát không còn là vấn đề cần quan tâm nữa.

1.2.3 Gió và năng lƣợng trong gió.

Gió là một nguồn năng lƣợng sạch trong tự nhiên mà loài ngƣời nên khai

thác và sử dụng nó, do đó yêu cầu đặt ra là cần phải có một công nghệ cao để khai

thác có hiệu quả nguồn năng lƣợng đó. Gió sẽ thay đổi cả về tốc độ cũng nhƣ hƣớng

gió phụ thuộc vào thời gian. Tốc độ gió thay đổi theo các khoảng thời gian khác

nhau. Tốc độ gió thay đổi theo mùa trong một năm, thay đổi theo giờ trong một

ngày, hoặc cũng có thể thay đổi theo từng phút, ví dụ nhƣ tốc độ gió vào mùa hè,

thu ở nƣớc ta thƣờng lớn hơn các mùa khác hay tốc độ gió vào ban ngày lớn hơn

ban đêm. Ngoài ra tốc độ gió cũng khác nhau phụ thuộc vào độ cao và địa hình, gió

ở trên cao thƣờng mạnh hơn dƣới thấp.

Năng lƣợng mà một tuabin gió có thể hấp thu là:

3

p t

1P C A v

2 (1.1)

Trong đó: P là năng lƣợng hấp thu, Cp là hệ số biến đổi năng lƣợng (nó là

một hàm của tỉ số tốc độ đầu cánh và góc cánh ), là mật độ không khí, At là

diện tích mặt cắt của tuabin gió, v là vận tốc gió. Theo lý thuyết thì giá tri lớn nhất



-24-

của Cp là 16/27 0,5926 và nó đƣợc gọi là giới hạn Betz. Năng lƣợng trong gió tỉ lệ

với lập phƣơng của vận tốc gió, do đó nếu tốc độ gió tăng thì năng lƣợng tăng lên

rất nhiều. Vì vậy giá trị năng lƣợng của tuabin thay đổi rất lớn. Điều này có thể thấy

đƣợc trong hình 3.1, hình vẽ biểu diễn sự biến thiên của tốc độ gió và năng lƣợng

gió trong khoảng thời gian ngắn của những cơn gió giật. từ hình vẽ ta thấy sự biến

thiên của năng lƣợng gió lớn hơn nhiều so với sự biến thiên của tốc độ gió

Hệ số biến đổi năng lƣợng Cp trong công thức (1.1) là một hàm của tỉ số tốc

độ đầu cánh , nó là tỉ số giữa tốc độ đầu cánh của tuabin gió và tốc độ gió.

m 0R

v

(1.2)

Trong đó: m là tốc độ quay của tuabin, R0 là bán kính tuabin, v là tốc độ

gió. Với tuabin gió trục ngang (TGTN) hoạt động bình thƣờng ở tỉ số tốc độ đầu

cánh đƣợc cho ở 1.2. Với tuabin gió trục đứng (TGTĐ) thì hoạt động ở tỉ số tốc độ

đầu cánh thấp hơn. Đƣờng cong biểu diễn quan hệ giữa Cp và cho ở hình 1.11

* Thống kê phân bố gió:

Gió là nguồn năng lƣợng thay đổi và các giá trị dữ liệu của các đại lƣợng đo

từ gió thƣờng là rất lớn. Vì vậy các phƣơng pháp thống kê đƣợc sử dụng để mô tả

gió. Các phƣơng pháp thống kê đƣợc sử dụng để dự đoán tiềm năng năng lƣợng tai

Tỉ số tốc độ đầu cánh

Hệ

số b

iến đ

ổi

năn

g l

ƣợ

ng C

p

Hình 1.11 Đường cong biểu diễn quan hệ giữa Cp và



-25-

một vùng nơi mà chúng ta cần phải biết các thống kê phân bố gió. Hai phƣơng pháp

thống kê phân bố gió là phân bố Rayleigh và phân bố Weibull. Phân bố Rayleigh

dựa trên tốc độ gió trung bình trong khi đó phân phối Weibull có thể đƣợc suy ra từ

tốc độ gió trung bình và độ lệch chuẩn và do đó nó chính xác hơn, tuy nhiên cần

phải biết thêm một số thông tin về vùng đó. Phân bố Rayleigh đơn giản hơn phân bố

Weibull bởi nó có sai số tiêu chuẩn là 0,523 lần tốc độ gió trung bình. Vì vậy phân

bố Rayleigh đƣợc sử dụng trong các mô phỏng bởi nó đơn giản hơn.

Xác suất phân bố p(v) cho một Rayleigh đƣợc xác định:

2v

( )4 v

2

vp(v) e

2 v

(1.3)

Trong đó: v là tốc độ gió, v là tốc độ gió trung bình, hàm xác suất phân bố

cho Rayleigh với tốc độ gió trung bình 7 m/s đƣợc biểu diễn ở hình 1.12

* Điều khiển hoạt động của tuabin gió:

Tuabin gió hấp thu đƣợc năng lƣợng nhiều nhất khi vận hành ở giá trị tối ƣu

của . Tuy nhiên tốc độ quay của tuabin cũng đƣợc chọn ở giá trị sao cho năng

lƣợng hấp thu đƣợc là lớn nhất. Với tốc độ quay cố định và khi tốc độ gió tăng thì

sẽ giảm và tuabin sẽ đi vào vùng giảm tốc. Khi công suất đạt đƣợc giá trị định mức

Tốc độ gió (m/s)

Hàm

xác

su

ất p

(v)

Hình 1.12 Hàm xác suất phân bố cho Rayleigh với tốc độ gió trung bình 7 m/s



-26-

thì nó đƣợc giữ cố định và sau đó phƣơng pháp điều khiển công suất đƣợc sử dụng

để hạn chế sự hấp thu năng lƣợng khi tốc độ gió tăng.

Một tuabin gió có thể đƣợc vân hành theo các quy tắc điều khiển khác nhau

tùy thuộc vào tốc độ gió. Tuabin gió đƣợc hoạt động ở tốc độ gió từ 4m/s đến 20m/s

và tốc độ gió định mức là 12m/s. Tuabin gió đƣợc khởi động khi tốc độ gió vƣợt

qua 4m/s. Nó đƣợc điều khiển ở giá tri tối ƣu của , cho đến khi tốc độ gió vƣợt qua

10m/s. Khi tốc độ gió trên 10m/s thì tốc độ quay đƣợc giữ cố định. Hệ số Cp sễ

giảm chút khi tốc độ từ 10m/s đến 12m/s. Khi tốc độ gió trên 12m/s thì công suất

đƣợc giữ cố định và tuabin giá bắt đầu quá trình giảm hấp thu năng lƣợng. Khi đó

tốc độ quay cần phải giảm chút ít tùy thuộc vào hiệu quả của phƣơng pháp điều

khiển. Đƣờng cong công suất của tuabin hoạt động theo phƣơng pháp này đƣợc

trình bày ở hình 1.13. Việc hạn chế tốc độ quay không chỉ là điều khiển tuabin mà

còn vì lý do về sự bền vững của kết cấu hệ thống, sự dao động của lá cánh, và để

hạn chế mức độ tiếng ồn khí động học.

1.3 KẾT LUẬN CHƢƠNG 1

Từ những năm 1970 con ngƣời đã tìm cách sử dụng nguồn năng lƣợng gió để

thay thế các nguồn năng lƣợng truyền thống, và đã có những bƣớc phát triển cả về

thiết bị và công nghệ biến đổi năng lƣợng gió thành năng lƣợng điện (điện gió).

Tốc độ gió (m/s)

Công

suất

(K

W)

Hình 1.13 Đương cong công suất của tuabin gió 50kW

điều khiển theo tốc độ gió



-27-

Ƣu điểm dễ thấy nhất của điện gió là không tiêu tốn nhiên liệu, tận dụng

đƣợc nguồn năng lƣợng vô tận là gió, không gây ô nhiễm, không làm thay đổi môi

trƣờng và sinh thái, không có nguy cơ gây ảnh hƣởng lâu dài đến cuộc sống của

ngƣời dân, dễ chọn địa điểm và tiết kiệm đất xây dựng.

Với sự phát triển của các thiết bị biến đổi năng lƣợng gió và những lợi ích

mà nguồn năng lƣợng gió mang lại, chúng ta cần phải có chiến lƣợc phát triển lâu

dài đồng thời phải có công nghệ tiên tiến để chuyển đổi năng lƣợng gió thành điện

năng với hiệu suất cao để giảm giá thành.



-28-

CHƢƠNG II

KHÍ ĐỘNG LỰC HỌC CỦA TUABIN GIÓ VÀ PHƢƠNG PHÁP ĐIỀU

KHIỂN CÁNH GIÓ CỦA TUABIN TRỤC ĐỨNG

2.1 KHÍ ĐỘNG LỰC HỌC TUABIN GIÓ

2.1.1 Động lực học cánh gió tuabin.

Cánh gió là một bộ phận không thể thiếu trong một tuabin gió cho dù đó là

tuabin trục đứng hay trục ngang. Nó có nhiệm vụ chuyển năng lượng của gió thành

động năng của tuabin thông qua động lực học của gió tác dụng lên cánh tuabin. Để

hiểu được sự hoạt động của cánh và quan trọng hơn là cơ chế biến đổi năng lượng

của tuabin gió ta cần phải có những kiến thức cơ bản về khí động lực học cánh gió.

Nếu ta giả thiết các cánh đứng yên và không khí chuyển động với cùng một

tốc độ, nhưng ở hướng ngược lại, các lực tác dụng vào cánh không thay đổi giá trị.

Khi đó lực tác dụng chỉ phụ thuộc vào tốc độ tương đối và góc tới tác dụng. Vì vậy,

để dễ dàng cho việc giải thích, chúng ta hãy xét trường hợp cánh cố định, không khí

chuyển động với tốc độ vô hạn V.

Áp lực của không khí lên bề mặt ngoài của cánh không là đều nhau: Ở bề

mặt trên thì áp lực giảm còn ở bề mặt dưới thì áp lực tăng lên. Để biểu diễn sự thay

đổi của áp lực, trên đường vuông góc với biên dạng của bề mặt cánh, ta lấy một

đoạn có chiều dài bằng Kp

0p

2

p pK

1V

2

(2.1)

Trong đó p là áp lực tĩnh trên đường

vuông góc với mặt cánh, và , p0, V là các

điều kiện tại vô cực.

Kết hợp các giá trị khác nhau của Kp ta có đường cong biểu diễn Kp như trên

hình 2.1, Kp nhận giá trị âm với các điểm ở phía mặt trên và nhận giá trị dương ở

mặt dưới

Áp lực

thấp

Áp lực

cao

Hình 2.1 Đường cong biểu diễn Kp

V

F

-

+

Kp



-29-

Hợp lực của các thành phần lực khác nhau tác dụng lên cánh dưới tác dụng

của vận tốc gió V là F, nó thường nghiêng so với hướng của tốc độ tương đối, và

được cho bởi biểu thức:

2

r

1F C SV

2 (2.2)

Với: là tỷ khối của không khí

S là diện tích tác dụng, nó bằng tích của

dây cung AB với chiều dài của cánh.

Cr là tổng hệ số khí động lực học.

V là tốc độ gió

Lực lượng này có thể được chia thành hai phần:

- Một thành phần song song với véctơ V

: lực cản dF

- Một thành phần vuông góc véctơ V

: lực nâng lF

, Fd và Fl được cho bởi các

biểu:

2

d d

1F C SV

2 và

2

1 l

1F C SV

2 (2.3)

Với Cd và Cl tương ứng hệ số lực cản và lực nâng. Từ những lực thành phần

ta có thể viết được: 2 2 2

d lF F F từ đó ta có: 2 2 2

d l rC C C

Nếu ta phân tích F thành hai thành phần Ft trên phương dây cung AB và Fn

trên phương vuông góc với AB ta được:

Trên dây cung AB: 2

t d l

1F SV (C cosi C sin i)

2 (2.4)

Trên đường vuông góc AB: 2

n l d

1F SV (C cosi C sin i)

2 (2.5)

Mặt khác các biểu thức có thể viết như sau: 2

t t

1F C SV

2 và 2

n n

1F C SV

2

Từ đó ta có: n l dC C cosi C sin i ; t d lC C cosi C sin i

Nếu gọi M mômen động lực học tương đối của F tác động lên mép trước của

cánh. Chúng ta có thể xác định hệ số mômen mC thông qua biểu thức:

i

Fd

F

Fl

V

A

B

C

Hình 2.2 Các lực tác

dụng lên cánh gió



-30-

2

m

1M C SlV

2 (2.6)

Với l là chiều dài dây cung cánh gió.

Từ đó ta thấy động lực học của cánh gió được đặc trưng bởi lực cản, lực

nâng cánh và mômen động lực học.

2.1.2 Động lực học của rotor.

Các máy chạy bằng sức gió cổ xưa và các tuabin gió hiện đại ngày nay đều

có các cánh được gắn trên một trục và cấu tạo nên rotor. Trước khi nghiên cứu về

động lực học của rotor tuabin gió, chúng ta hãy đưa ra một số định nghĩa như sau:

- Trục rotor: là trục quay của rotor,

- Mặt phẳng quay: là mặt phẳng vuông góc với trục quay của rotor,

- Đường kính rotor: là đường kính của vùng quét bởi trục rotor,

- Trục cánh: là trục dọc cánh mà nó có thể tạo nên độ nghiêng của cánh so

với mặt phẳng quay,

- Phần cánh trong bán kính r: là phần giao của cánh với một hình trụ có bán

kính r có trục là trục của rotor,

- Góc nghiêng của cánh: là góc độ giữa các dây cung của cánh tại r và bán

kính của mặt phẳng quay,

Ta xét một phần của chiều dài dr, dây cung l và góc độ ở bán kính r của

một cánh rotor .

Phần này sẽ có tốc độ trong mặt phẳng quay bằng U 2 rN .

Nếu ta gọi V tốc độ gió dọc trục qua rotor, và vận tốc của dòng không khí so

với cánh là W

như hình 2.3

V U W

W V U

Góc tới là i .

i là góc độ giữa W

và mặt phẳng quay của rotor, i được gọi là góc nghiêng.



-31-

Do đó, bộ phận cánh lệ thuộc

vào sự tác động của dòng không khí ở

tốc độ tương đối W

. Bộ phận cánh sẽ

chịu tác dụng của lực động học dR.

Lực dR này được phân tích thành hai

thành phần là lực nâng dRl và lực cản

dRd tương ướng theo phương vuông

góc và song song tốc độ tương đối

W

và phù hợp với góc tới i.

Đánh giá sự đóng góp của lực động học dR vào lực dọc trục tác dụng bởi

gió trên rotor và tác dụng vào mômen trên trục của rotor.

Xác định giá trị dF và dM. Với dF là hình chiếu của dR trên trục rotor và dM

là hình chiếu của mômen tương đối tác động lên trục rotor trên mặt phẳng quay.

l ddF dR cos dR sin (2.7)

l ddM r (dR sin I dR cos I) (2.8)

Mặt khác ta có các mối quan hệ sau:

2

l l

1dR C W dS

2 và 2

d d

1dR C W dS

2 (2.9)

2 2 2 2 2 2W V U V r với r cot g (2.10)

dP dM

Từ đó ta được dM, dF và dP như sau:

2 2

l d

1dF V dS(1 cot ) (C cos C sin )

2 (2.11)

2 2

l d

1dM V rdS(1 cot ) (C sin C cos )

2 (2.12)

3 2

l d

1dP V dScot I(1 cot I) (C sin I C cos I)

2 (2.13)

Tổng lực F tác dụng của gió trên rotor và mômen M trên trục của rotor thu

được tính bằng tổng tất cả các lực dF thành phần và các mômen dM thành phần

U

V

V

W

dR

ldR

ddR

i

Hình 2.3 Tác động của gió

lên các cánh



-32-

tương ứng tác động trên các cánh. Vì vậy, công suất P của gió truyền vào rotor và

công suất hữu ích Pu được cung cấp bởi tuabin gió có thể tính toán một cách dễ

dàng mà không gặp khó khăn:

u

P dF.V FV

P M

(2.14)

Hiệu suất của quá trình biến đổi năng lượng:

uP M

P FV

(2.15)

2.2 PHƢƠNG PHÁP ĐIỀU KHIỂN CÁNH GIÓ CỦA TUABIN TRỤC ĐỨNG

2.2.1 Lý luận chung

Nhược điểm của các tuabin gió nói chung và tuabin gió trục đứng nói riêng

là khi tốc độ gió thay đổi thì tốc độ quay của tuabin cũng thay đổi theo. Để giữ cho

tốc độ quay của tuabin ổn định chúng ta có thể thực hiện bằng cách thay đổi góc

cánh của tuabin, thay đổi diện tích bề mặt hứng gió của cánh.

Loài người đã biết sử dụng năng lượng gió từ rất lâu, nhưng ở mức độ hạn

chế. Ngày nay các nước vùng ôn đới và hàn đới đã quan tâm và đã có những thành

quả tốt, đặc biệt trong việc sản xuất ra các máy phát điện dùng sức gió công suất

lớn, để hòa vào hệ thống điện quốc gia.

Máy phát điện gió công suất lớn đòi hỏi phải có hệ thống điều tốc tốt, đảm

bảo số vòng quay của trục tuabin nằm trong giới hạn cho phép. Trong luận văn này

tác giả giới thiệu một phương pháp điều tốc đó là phương pháp điều khiển góc cánh

của tuabin, qua đó diện tích bề mặt hứng gió của cánh tuabin sẽ thay đổi để ổn định

tốc độ quay của tuabin.

Với máy phát điện gió công suất nhỏ, việc thay đổi góc cánh thường hay

dùng phương pháp ly tâm của khối lượng quay. Khi tốc độ gió thay đổi sẽ làm tốc

độ quay của tuabin thay đổi, lực ly tâm của vật quay cũng thay đổi. Nếu gió lớn,

vận tốc gió tăng, lực ly tâm tăng lên, tác dụng lên cơ cấu thay đổi góc cánh tuabin

làm giảm diện tích bề mặt hứng gió, dẫn đến hạn chế mức độ tăng tốc độ quay của

tuabin. Khi gió dịu đi, vận tốc gió giảm xuống, cánh tuabin tự xoay dần về vị trí ban



-33-

đầu, để duy trì tốc độ quay của tuabin trong phạm vi cho phép. Với máy phát điện

sức gió công suất lớn, thường dùng kết cấu cơ khí như hệ thống cam để điều chỉnh

góc cánh. Kết cấu máy sử dụng lực ly tâm và kết cấu cơ khí để xoay cánh tuabin

như vậy tương đối đơn giản, nhưng có nhược điểm là đáp ứng chậm, độ chính xác

điều chỉnh thấp, khoảng biến thiên tốc độ quay của tuabin quá lớn.

Nguyên lý làm việc của hệ thống điều khiển cánh gió để ổn định tốc độ

quay của tuabin như sau: Đặt cho trục tuabin gió một giới hạn tốc độ cho phép; khi

tốc độ gió lớn hơn quy định, trục tuabin sẽ quay nhanh hơn tốc độ cho phép, bộ

phận cảm biến nhận được tín hiệu, chuyển tín hiệu đó đến bộ điều khiển, bộ điều

khiển so sánh với tốc độ quay quy định, phát tín hiệu đến động cơ điều khiển cánh

gió, động cơ thay đổi góc cánh tuabin để giảm bề mặt hứng gió; khi tốc độ gió

giảm, động cơ sẽ xoay cánh quay trở lại. Bằng cách này, tốc độ quay của trục tuabin

được điều chỉnh kịp thời, khoảng dao động của tốc độ quay tương đối nhỏ.

Việc biến đổi năng lượng gió tuân theo những nguyên lý cơ bản về khả năng

sử dụng gió và khả năng tối ưu của các tuabin.

Đặt tuabin gió trong dòng chảy của không khí, khi không khí đến gần tuabin

bị ứ lại, áp suất dòng chảy tăng lên và vận tốc giảm, đến khi dòng chảy chạm vào

mặt tuabin trao cho tuabin năng lượng. Dòng chảy phía sau tuabin bị nhiễu xoáy,

gây bởi chuyển động của tuabin và sự tác động với các dòng không khí xung quanh.

Về nguyên tắc, dòng chảy phải được duy trì. Do đó, năng lượng tuabin thu

nhận được bị hạn chế. Trong trường hợp toàn bộ năng lượng gió được tuabin thu

nhận, thì vận tốc gió đằng sau tuabin sẽ bằng không. Muốn cho dòng chảy được cân

bằng giữa khối lượng và vận tốc, năng lượng chảy qua tuabin phải bị mất mát. Đối

với hệ tối ưu, số phần trăm cực đại của năng lượng gió có thể thu nhận được tính

theo công thức do Carl Betz đưa ra năm 1927 :

3

max 0P V 0,593

Ar 2 (2.16)

Trong đó : P là mật độ năng lượng

Ar là diện tích quét của cánh tuabin



-34-

0V là vận tộc gió ban đầu - Mật độ năng lượng trên một đơn vị

thể tích dòng chảy không khí.

Số 0,593 được gọi là giới hạn Betz hoặc hệ số Betz.

Bằng phương pháp phân tích đơn giản về động lực học đối với tuabin gió tìm

được hệ số công suất cực đại của nó là 16/27 tức là 59,3%. Điều này đã được Betz

chứng minh (1927). Hiển nhiên đây là trường hợp số cánh vô hạn (trở lực bằng

không) là điều kiện của một động cơ gió lý tưởng. Trong thực tế có 3 nhân tố làm

giảm nhỏ hệ số công suất cực đại:

1- Phía sau tuabin gió tồn tại dòng xoáy

2- Số cánh của tuabin gió là có hạn

3- Tỷ số Cd/Cl không bằng 0

Với Cl là hệ số nâng, Cd là hệ số cản.

ll

2

FC

1V A

2

; dd

2

FC

1 V A

2

(2.17)

trong đó: - mật độ không khí (kg/m3)

V - vận tốc dòng không khí (gió) không bị nhiễu loạn (m/s)

A - Diện tích hình chiếu của cánh (diện tích hứng gió) (m2).

Fl - Lực nâng (N).

Fd - Lực cản (N).

Như vậy, khi thay đổi diện tích bề mặt hứng gió của cánh tuabin, thì hiệu

suất sử dụng năng lượng gió của tuabin thay đổi, tức là thay đổi lực tác dụng lên

cánh làm quay tuabin. Khi tốc độ gió tăng, năng lượng gió tăng lên, nhưng công

suất trên trục tuabin hầu như không tăng lên.

Hệ thống thiết bị khai thác năng lượng gió rất khác nhau về kích thước, hình

dạng và dạng năng lượng cuối cùng nhận được. Nói chung hệ thống thiết bị khai

thác năng lượng gió có các phần: Bộ góp sức gió, chuyển động sơ cấp, thiết bị sản

sinh năng lượng cuối cùng.



-35-

Hệ thống máy phát điện sức gió, dạng năng lượng cuối cùng là điện năng; bộ

góp gió là tuabin gió; chuyển động sơ cấp là chuyển động quay tròn của trục tuabin;

thiết bị sản sinh điện năng là máy phát điện. Để máy phát điện hoạt động tốt, có thể

hoà được vào lưới điện quốc gia, chuyển động sơ cấp - chuyển động quay tròn của

trục tuabin phải có tốc độ quay hợp lý và ít thay đổi.

2.2.2 Phƣơng pháp xác định góc cánh điều khiển của tuabin gió trục đứng.

Tuabbin gió trong luận văn

nghiên cứu là tuabin trục đứng gồm 5

cánh có biên dạng phẳng hình chữ nhật

Để xác định góc cánh điều khiển

ta đi phân tích động lực học của cánh gió

tuabin ở một vị trí bất kỳ như hình 2.5:

V

U

W

U

hdU

htU

Hình 2.5 Phân tích động lực học cánh gió

Hướng gió

Chiều quay

tuabin

Hình 2.4 Mô hình tuabin gió trục đứng

5 cánh



-36-

Trên hình 2.5 với:

là góc định vị ở tâm

là góc cánh (đại lượng cần điều khiển)

là góc tới

V

là tốc độ gió

Giả thiết tốc độ gió tác động vào cánh tuabin là V

, ta phân tích nó thành hai

thành phần, một thành phần song song với mặt cánh là W

, một thành phần vuông

góc với mặt cánh là U

V U W

Với biên dạng cánh là phẳng thì thành phần W

sẽ gây ra lực cản Fd còn thành

phần U

sẽ gây ra lực nâng cánh Fl, chỉ có thành phần Fl mới có tác dụng gây ra

chuyển động của cánh.

Ta phân tích U

thành hai thành phần: hd htU U U

Với: hdU

là tốc độ theo phương tiếp tuyến

htU

là tốc độ theo phương hướng tâm

Thành phần theo phương hướng tâm gây ra lực hướng tâm trên cánh, thành

phần theo phương tiếp tuyến gây ra lực có tác dụng làm cánh chuyển động và ta gọi

đó là lực hiệu dụng Fhd

Ta có: 2

hd hd hd

1F C AU

2 (2.18)

trong đó: - mật độ không khí (kg/m3)

Uhd - vận tốc của gió theo phương tiếp tuyến (m/s)

A - Diện tích của cánh gió (diện tích hứng gió) (m2).

Chd – Hệ số lực hiệu dụng.

Theo lý thuyết tối ưu về hiệu suất biến đổi năng lượng gió thì ở một vị trí xác

định ( xác định) giá trị Fhd phải đạt giá trị là lớn nhất Fhdmax và từ biểu thức của Fhd

ta thấy Fhd phải đạt giá trị là lớn nhất khi Uhd đạt giá tri lớn nhất.

Từ hình 2.5 ta có:

U Vsin ; hdU Ucos Vsin .cos (2.19)



-37-

Với 090

0

hdU Vsin .cos Vsin( 90 ).cos Vcos( ).cos

hd

VU [cos(2 ) cos ]

2 (2.20)

Khi xác định thì Uhd đạt giá trị lớn nhất khi cos(2 - ) = 1 2

Từ mối quan hệ giữa góc cánh và góc định vị ta có thể xác định được

góc cánh điều khiển ở bất kỳ vị trí nào của cánh.

Sau đây ta xác định góc cánh điều khiển của một cánh của tuabin ở 10 vị trí

như bảng 2.1

Bảng 2.1 Góc cánh điều khiển ở các vị trí khác nhau

Góc định

vị (độ) 0 36 72 108 144 180 216 252 288 324 360

Góc cánh

ĐK (độ) 0 18 36 54 72 90 108 126 144 162 180

2

1

7

5

3 4

8

6

9

10

Hướng

gió

Chiều

quay

Hình 2.6 Góc điều khiển của một cánh gió ở 10 vị trí khác nhau



-38-

Với các cánh còn lại của tuabin ta cũng điều khiển góc cánh tương tự như

vậy khi ở các vị trí tương ứng.

Góc cánh ở trên ứng với tốc độ gió bằng tốc độ gió định mức V = V0, trong

trường hợp tốc độ gió lớn hơn tốc độ gió V > V0, từ biểu thức (2.20) ta thấy

cos(2 ) 12

, như vậy lực Fhd sẽ được ổn định và tốc độ của tuabin cũng

được ổn định.


Nội dung chương 2 đã đề cập đến một số vấn đề cơ bản về động lực học của

cánh gió và cách xác định góc cánh điều khiển cho tuabin trục đứng

Trong chương này tác giả đã nghiên cứu được các lực tác dụng lên cánh gió

gồm lực nâng cánh có tác dụng làm quay tuabin và lực cản cánh có tác dụng làm

giảm tốc độ quay của tuabin. Từ đó đưa ra phương pháp xác định góc cánh điều

khiển ở các vị trí khác nhau của cánh gió. Đồng thời đưa ra phương án điều khiển

góc mở của cánh gió bằng cách sử dụng các bộ điều khiển bằng điện thay cho các

phương pháp cơ khí sử dụng kết cấu cam và phương pháp ly tâm của khối lượng

quay nhằm tăng chất lượng của hệ thống, phân tích các ưu nhược điểm của các

phương pháp.



-39-

CHƢƠNG III

TỔNG QUAN CÁC HỆ ĐIỀU KHIỂN TỰ ĐỘNG

3.1 CÁC HỆ ĐIỀU KHIỂN KINH ĐIỂN

Trong các hệ thống điều khiển phân cấp hiện đại cũng như các hệ thống điều

khiển đa cấp, hệ điều chỉnh tự động là khâu cuối cùng tác động lên đối tượng điều

khiển. Chất lượng của các quá trình này ảnh hưởng trực tiếp đến chất lượng của các

quá trình công nghệ bao gồm: chất lượng sản phẩm, năng suất lao động và các chỉ

tiêu khác của dây chuyền công nghệ…

Chất lượng của hệ thống điều khiển tự động được đánh giá bởi tính ổn định

và các chỉ tiêu khác của quá trình xác lập và quá độ. Ổn định mới chỉ là chỉ tiêu nói

lên rằng hệ thống có thể làm việc được hay không, còn chất lượng của quá trình quá

độ mới nói tới việc hệ thống có được sử dụng hay không. Vì vậy việc nâng cao chất

lượng hệ thống điều khiển tự động luôn là đề tài được nhiều tác giả trong và ngoài

nước quan tâm.

Lý thuyết điều khiển kinh điển ra đời rất sớm và đã có nhiều đóng góp trong

các lĩnh vực của điều khiển học kỹ thuật như: trong lĩnh vực điện, điện tử, quốc

phòng, hàng hải…Việc tổng hợp các hệ điều khiển kinh điển có thể chia thành 2

loại: Tổng hợp hệ điều khiển mờ tuyến tính và hệ điều khiển phi tuyến.

3.1.1 Tổng hợp bộ điều khiển tuyến tính

Các bộ điều chỉnh PID tuyến tính (bao gồm P, PI, PD và PID) đã được

nghiên cứu và phát triển tới mức hoàn thiện. Để xác định được thông số tối ưu (Kp,

Ki, Kd) của PID ta có thể dùng phương pháp môdul tối ưu, phương pháp môdul đối

xứng và các phần mềm chuyên dụng (ví dụ MATLAB) để tự động xác định tối ưu

các thông số PID. Đặc điểm của phương pháp này là cần phải biết chính xác mô

hình của đối tượng.

3.1.2 Tổng hợp bộ điều khiển phi tuyến

Thực tế các hệ thống và các đối tượng vật lý ít nhiều đều có tính phi tuyến,

chúng chỉ tuyến tính trong 1 vùng làm việc nào đó. Vì vậy việc nghiên cứu tổng hợp

hệ phi tuyến có ý nghĩa phổ biến và thực tiễn. Các phương pháp phân tích và tổng



-40-

hợp hệ phi tuyến không tiến bộ nhanh như hệ tuyến tính và hiện nay còn đang trong

giai đoạn phát triển. hệ phi tuyến có những đặc điểm riêng khác hẳn hệ tuyến tính,

ví dụ tính tạo tần, tính phi tuyến. Vì vậy để phân tích và tổng hợp hệ phi tuyến ta

phải dùng các phương pháp gần đúng, các phương pháp gần đúng thường dùng là:

- Phương pháp tuyến tính hoá gần đúng: được áp dụng cho các hệ gần

tuyến tính, lúc đó sai lệch so với tuyến tính không quá lớn. Khi hệ thống làm việc ở

lân cận một điểm nào đó ta có thể coi vùng làm việc đó của hệ là tuyến tính.

- Phương pháp tuyến tính hoá điều hoà: là phương pháp khảo sát hệ thống

trong miền tần số gần giống với tiêu chuẩn Naiquyt, phương pháp này còn được gọi

là phương pháp hàm mô tả. Việc dùng hàm mô tả là một cố gắng để mở rộng gần

đúng hàm truyền của hệ tuyến tính sang hệ phi tuyến.

Hàm mô tả (hay hệ số khuếch đại phức) của khâu phi tuyến là tỉ số giữa

thành cơ bản của đáp ứng đầu ra với kích thích hình sin ở đầu vào. Nếu một hệ có

chứa nhiều khâu phi tuyến ta phải gộp tất cả chúng lại để được hàm mô tả tổ hợp.

Phương pháp tuyến tính điều hoà cho phép đưa ra kết quả hợp lý và có thể

dùng cho các hệ thống bậc bất kỳ, nhưng vì là phương pháp gần đúng nên ta phải

kiểm tra lại độ chính xác bằng các kỹ thuật khác hoặc bằng mô phỏng trên máy tính.

- Phương pháp tuyến tính hoá từng đoạn: Từ đặc tuyến phi tuyến của hệ ta

chia thành nhiều đoạn nhỏ, mỗi đoạn nhỏ coi là đoạn thẳng và được mô tả bởi

phương trình tuyến tính. Phương pháp này có ưu điểm là tạo ra lời giải tương đối

chính xác cho hệ phi tuyến bất kỳ. Phương trình vi phân dẫn ra trên mỗi phân đoạn

là tuyến tính và có thể giải được dễ dàng bằng các kỹ thuật tuyến tính thông dụng.

- Phương pháp mặt phẳng pha: Tiện dùng cho các hệ phi tuyến bậc 2

Trong điều khiển kinh điển, sự tác động của máy điều chỉnh được phân thành

2 vùng: vùng tác động lớn và vùng tác động nhỏ. Vùng tác động lớn tồn tại khi hệ

thống ở xa trạng thái cân bằng, khi có tác động lớn hệ thống sẽ nhanh chóng dịch

chuyển về trạng thái cân bằng, với tốc độ dịch chuyển lớn như vậy hệ thống dễ dàng

vượt qua trạng thái cân bằng và gây độ quá điều chỉnh lớn, điều này không mong

muốn. Vì vậy khi hệ thống gần đến trạng thái cân bằng, cần phải chuyển sang vùng



-41-

tác động nhỏ để giảm độ quá điều chỉnh. Xuất phát từ ý tưởng đó các bộ điều chỉnh

có cấu trúc thay đổi ra đời phát triển đã đáp ứng phần nào yêu cầu nâng cao chất

lượng hệ điều khiển phi tuyến.

Tóm lại trong một thời gian dài kể từ khi ra đời, lý thuyết điều khiển kinh

điển đã có nhiều đóng góp để giải quyết hàng loạt bài toán điều khiển đặt ra trong

thực tế. Tuy nhiên chất lượng của hệ thống cũng chỉ đạt được ở mức độ khiêm tốn,

nhất là đối với hệ phi tuyến. Với sự ra đời của các lý thuyết điều khiển hiện đại như

điều khiển thích nghi, điều khiển mờ, mạng nơron…đã tạo điều kiện thuận lợi để

các nhà kỹ thuật nghiên cứu ứng dụng nhằm ngày càng nâng cao chất lượng của hệ

thống điều khiển tự động, nhất là đối với các hệ thống lớn, hệ có tính phi tuyến

mạnh và khó mô hình hoá.

3.2 LOGIC MỜ VÀ ĐIỀU KHIỂN MỜ

3.2.1 Khái quát về lý thuyết điều khiển mờ

Từ những năm đầu của thập kỷ 90 cho đến nay, hệ điều khiển mờ đã được

các nhà khoa học trong nhiều lĩnh vực khoa học quan tâm, nghiên cứu và ứng dụng

vào sản xuất.

Tập mờ và logic mờ dựa trên các suy luận của con người với các thông tin

không chính xác hoặc không đầy đủ về hệ thống để hiểu biết và điều khiển hệ thống

một cách chính xác.

Điều khiển mờ chính là bắt chước cách xử lý thông tin và điều khiển của con

người đối với các đối tượng. Do đó điều khiển mờ đã giải quyết thành công các vấn

đề điều khiển phức tạp trước đây chưa giải quyết được.

3.2.2 Định nghĩa tập mờ

Tập mờ là một tập hợp mà mỗi phần tử x của nó được gán một giá trị thực

(x)[0,1] để chỉ thị độ phụ thuộc của x vào tập đã cho. Khi độ phụ thuộc bằng 0

thì phần tử đó sẽ hoàn toàn không phụ thuộc vào tập đã cho, ngược lại với độ phụ

thuộc bằng 1, phần tử đó là hoàn toàn thuộc tập đã cho.

Cho tập E, gọi A

là tập con mờ của E, ký hiệu A



-42-

AA : x / (x);x E

(3.1)

Trong đó:

A (x) được gọi là hàm liên thuộc của tập mờ A

với A (x) nhận các giá trị

trong khoảng [0 ;1]. Về mặt toán học người ta nói rằng hàm liên thuộc A (x) đã ánh

xạ mỗi một phần tử x trong tập E thành một giá trị liên thuộc liên tục trong khoảng

0 và 1.

Ví dụ một số dạng hàm liên thuộc như hình (1.1).

- Hàm Singleton (còn gọi là hàm Kronecker).

- Hàm hình tam giác.

- Hàm hình thang.

- Hình Gauss.

Các phép toán trên tập mờ

Cho tập E và A

, B

là hai tập mờ con của E, nghĩa là:

AA : x / (x);x E

, A (x) nhận các giá trị trong khoảng [0;1]

BB: x / (x);x E

, B (x) nhận các giá trị trong khoảng [0;1]

Các tập mờ cũng có 3 phép toán cơ bản là phép hợp, phép giao và phép bù.

Phép hợp (OR): Hợp của 2 tập mờ A

và B

có cùng cơ sở E là một tập mờ

cũng xác định trên cơ sở E với hàm liên thuộc :

A BA B: x / (x) , x E

(3.2)

Trong đó:

A B A B(x) = Max{ (x), (x)}, x E (3.3)

4m

Singleton

Tam giác Hình thang

(x) (x)(x)

x x x0m 1m 2m

3m1m 2m 3m

Hình 3.1 Một số dạng hàm liên thuộc.

(x)

x

Gaus

m



-43-

Hoặc A B A B(x) = Min{ 1, (x) + (x)}, x E (3.4)

Phép giao (AND): Giao của 2 tập mờ A

và B

có cùng cơ sở E là một tập mờ

cũng xác định trên cơ sở E với hàm liên thuộc:

A BA B: x / (x) , x E

(3.5)

Trong đó:

A B A B(x) = Min{ (x), (x)}, x E (3.6)

Hoặc A B A B(x) = (x). (x), x E (3.7)

Phép bù (NOT): cho tập mờ A

, gọi tập tập bù mờ của A

là A

và được định

nghĩa bởi:

AA : x / (x);x E

(3.8)

Với:

AA(x) 1 (x) (3.9)

Đồ thị mô tả các phép toán hợp, giao và bù của hai tập mờ như hình (3.2)

3.2.3 Biến mờ, hàm biến mờ, biến ngôn ngữ

Cho tập mờ A

có hàm liên thuộc là A (x) hàm liên thuộc này cũng chính là

hàm liên thuộc của phần tử x của tập mờ A

. Lúc này ta dùng các ký hiệu:

A Ba : (x), b : (x), ...

(3.10)

Thì ta gọi a, b

là các biến mờ.

x x x

A(x) B(x) A(x) A(x)

a. Hợp hai tập mờ b. Giao hai tập mờ c. Phép bù

B(x) A(x)

Hình 3.2



-44-

Cho y f (a,b,...)

là một hàm của các biến a,b,...

điều kiện để y được gọi là

hàm biến mờ là y chỉ phụ thuộc vào các biến mờ và thoả mãn điều kiện:

0 y 1 (3.11)

Biến ngôn ngữ là một biến mà có thể gán các giá trị của biến cũng được biểu

hiện bằng ngôn ngữ. Ở đây các giá trị của biến được đặc trưng bởi định nghĩa tập

mờ trong miền xác định mà biến được định nghĩa.

Ví dụ tốc độ động cơ có các giá trị ngôn ngữ là: rất chậm, chậm, trung bình,

nhanh, rất nhanh ...

3.2.4 Suy luận mờ và luật hợp thành

Suy luận mờ: Suy luận mờ thường được gọi là suy luận xấp xỉ (Fuzzy

reasoning or approximate reasoning) là thủ tục suy luận (inference procedure) để

suy diễn kết quả từ tập các quy tắc Nếu .... Thì theo một hay nhiều điều kiện.

Mệnh đề hợp thành

Cho hai biến ngôn ngữ và . Nếu biến nhận giá trị (mờ) A có hàm liên thuộc

A(x) thì nhận giá trị (mờ) B có hàm liên thuộc B(y) thì hai biểu thức:

= A ; = B được gọi là hai mệnh đề.

Luật điều khiển: nếu =A thì = B được gọi là mệnh đề hợp thành. Trong

đó =A gọi là mệnh đề điều khiển và = B gọi là mệnh đề kết luận. Một mệnh đề

hợp thành có thể có nhiều mệnh đề điều kiện và nhiều mệnh đề kết luận, các mệnh

đề liên kết với nhau bằng toán tử “và”. Dựa vào số mệnh đề điều kiện và số mệnh

đề kết luận trong một mệnh đề hợp thành mà ta phân thành các cấu trúc như sau:

- Cấu trúc SISO (một vào, một ra): Chỉ có một mệnh đề điều kiện và một

mệnh đề kết luận. Ví dụ: nếu =A thì = B

- Cấu trúc MISO (nhiều vào, một ra): Có từ hai mệnh đề điều kiện trở lên và

một mệnh đề kết luận. Ví dụ: nếu 1 =A1 và 2 =A2 thì = B

- Cấu trúc MIMO (nhiều vào, nhiều ra): Có ít nhất hai mệnh đề điều kiện và

hai mệnh đề kết luận. Ví dụ: nếu 1 =A1 và 2 =A2 thì 1 = B1 và 2 = B2

Mô tả mệnh đề hợp thành



-45-

Xét mệnh đề hợp thành: nếu =A thì = B, từ một giá trị x0 có độ phụ

thuộc A(x0) đối với tập mờ A của mệnh đề điều kiện ta xác định được hệ số thoả

mãn mệnh đề kết luận. Biểu diễn độ thoả mãn mệnh đề kết luận như một tập mờ B’

cùng cơ sở với B thì mệnh đề hợp thành chính là ánh xạ: A(x0) B’(y).

Ánh xạ này chỉ ra rằng mệnh đề hợp thành là một tập mà mỗi phần tử là một

giá trị (A(x0), B’(y)), tức là mỗi phần tử là một tập mờ. Mô tả mệnh đề hợp thành

tức là mô tả ánh xạ trên. Ánh xạ A(x0)B’(y) được gọi là hàm liên thuộc của luật

hợp thành. Đã có nhiều ý kiến khác nhau về nguyên tắc xây dựng hàm liên thuộc

AB(x,y) cho mệnh đề hợp thành AB, trong kỹ thuật điều khiển ta thường sử

dụng nguyên tắc của Mamdani “Độ phụ thuộc của kết luận không được lớn hơn độ

phụ thuộc của điều kiện”. Từ nguyên tắc Mamdani có hai công thức xác định hàm

liên thuộc cho mệnh đề hợp thành A B:

1. AB(x,y) = MIN {A(x),B(y)} (công thức MIN) (3.12)

2. AB(x,y) = A(x)B(y) (công thức PROD) (3.13)

Luật hợp thành mờ

Hàm liên thuộc AB(x,y) của mệnh đề hợp thành AB được kí hiệu là R,

tại một giá trị rõ x=x0 là một hàm liên thuộc cho một giá trị mờ nào đó của biến

ngôn ngữ .

Luật hợp thành là tên chung gọi mô hình R biểu diễn (một hay nhiều) hàm

liên thuộc AB(x,y) cho (một hay nhiều) mệnh đề hợp thành AB.

Một luật hợp thành chỉ có 1 mệnh đề hợp thành gọi là luật hợp thành đơn,

ngược lại có luật hợp thành kép.

Xét luật hợp thành R gồm 3 mệnh đề hợp thành:

R1: Nếu x = A1 Thì y = B1



Với mỗi giá trị rõ x0 của biến ngôn ngữ đầu vào, ta có 3 tập mờ ứng với 3

mệnh đề hợp thành R1 R2 R3 của luật hợp thành R. Gọi hàm liên thuộc của các tập



-46-

mờ đầu ra là: 1 2 3B ' B ' B '(y);μ (y);μ (y) thì giá trị của luật hợp thành R ứng với x0 là

tập mờ B’ thu được qua phép hợp 3 tập mờ: B’ = B1’ B2’ B3’ (3.14)

Tuỳ theo cách thu nhận các hàm liên thuộc 1 2 3B ' B ' B '(y);μ (y);μ (y) và

phương pháp thực hiện phép phép hợp để nhận tập mờ B’ mà ta có tên gọi các luật

hợp thành khác nhau:

- Luật hợp thành MAX-MIN nếu 1 2 3B ' B ' B '(y);μ (y);μ (y) thu được qua phép

lấy Min còn phép hợp thực hiện theo luật Max.

- Luật hợp thành MAX-PROD nếu 1 2 3B ' B ' B '(y);μ (y);μ (y) thu được qua

phépPROD còn phép hợp thực hiện theo luật Max.

- Luật hợp thành SUM-MIN nếu 1 2 3B ' B ' B '(y);μ (y);μ (y) thu được qua phép

lấy Min còn phép hợp thực hiện.

- Luật hợp thành SUM-PROD nếu 1 2 3B ' B ' B '(y);μ (y);μ (y) thu được qua

phép lấy PROD còn phép hợp thực hiện theo Lukasiewicz.

Vậy, để xác định hàm liên thuộc B’(y) của giá trị đầu ra B’ của luật hợp

thành có n mệnh đề hợp thành R1, R2, ... ta thực hiện theo các bước sau:

+ Xác định độ thoả mãn hj.

+ Tính 1 2 3' ' '(y);μ (y);μ (y)B B B theo qui tắc min hoặc Prod

'j jj

A 0 B j BB(y) Min x , y Min h , y (3.15)

hoặc 'j jj

A 0 B j BB(y) x . y h . y (3.16)

h2 x

A1(x) A2(x) A3(x)

x0

y

B1(x) B2(x) B3(x)

Hình 3.3 Mô tả hàm liên thuộc của

mệnh đề điều kiện

Hình 3.4 Mô tả hàm liên thuộc của

mệnh đề kết luận



-47-

+ Xác định B’(y) bằng cách thực hiện phép hợp các 'jB(y)

3.2.5 Bộ điều khiển mờ

Sơ đồ chức năng bộ điều khiển mờ cơ bản như hình (3.5), gồm 4 khối là khối

mờ hoá (1), khối hợp thành (2), khối luật mờ (3) và khối giải mờ (4).

Khối mờ hoá có nhiệm vụ biến đổi các giá trị rõ đầu vào thành một miền giá

trị mờ với hàm liên thuộc đã chọn ứng với biến ngôn ngữ đầu vào đã được định

nghĩa.

Khối hợp thành dùng để biến đổi các giá trị mờ hoá của biến ngôn ngữ đầu

vào thành các giá trị mờ của biến ngôn ngữ đầu ra theo các luật hợp thành nào đó.

Khối luật mờ (suy luận mờ) bao gồm tập các luật "Nếu ... Thì" dựa vào các

luật mờ cơ sở, được người thiết

kế viết ra cho thích hợp với từng

biến và giá trị của các biến ngôn

ngữ theo quan hệ mờ Vào/Ra.

Khối luật mờ và khối hợp thành

là phần cốt lõi của bộ điều khiển

mờ, vì nó có khả năng mô phỏng

những suy đoán của con người để

đạt được mục tiêu điều khiển mong muốn nào đó.

Khối giải mờ biến đổi các giá trị mờ đầu ra thành các giá trị rõ để điều khiển

đối tượng. Một bộ điều khiển mờ chỉ gồm 4 khối thành phần như vậy được gọi là bộ

điều khiển mờ cơ bản. Trong điều khiển người

ta thường sử dụng ba phương pháp giải mờ

chính, đó là :

- Phương pháp điểm cực đại: được thực

hiện theo hai bước:

Bước 1: Xác định miền chứa giá trị rõ

đầu ra y. Đó là miền mà giá trị rõ đầu ra y có

Hình 3.5 Sơ đồ khối chức năng của bộ điều

khiển mờ.

X Y

2 4

3

1

B

Miền G Bmax

Hình 3.6 Ví dụ về cách xác

định miền G.

y1 y2

y



-48-

hàm liên thuộc đạt giá trị cực đại (miền G như hình 3.6)

B (y) MG y Y | ax (3.17)

Bước 2: Xác định y từ miền G theo một trong ba nguyên lý (ví dụ hình 3.6)

* Nguyên lý trung bình: 1 2y yy

2

* Nguyên lý cận phải: 2y y

* Nguyên lý cận trái: 1y y

- Phương pháp trọng tâm: giá trị rõ đầu ra được lấy theo điểm trọng tâm của

hình bao bởi hàm liên thuộc hợp thành và trục hoành (hình 3.7). Lúc này giá trị rõ

đầu ra được xác định :

B

S

B

S

y. (y)dy

y(y)dy

(3.18)

- Phương pháp điểm trung bình tâm: Giá trị rõ y là giá trị trung bình các giá

trị có độ thỏa mãn cực đại của B(y) ví dụ theo hình 3.8 ta có giá trị giá trị rõ đầu ra

y được xác định:

1 1 2 2

1 2

h y h yy

h h

(3.19)

Bộ điều khiển mờ động: để mở rộng

ứng dụng cho các bài toán điều khiển, người ta

thường bổ sung thêm vào bộ điều khiển mờ cơ

bản các khâu tích phân, đạo hàm, bộ điều khiển

y

B

B Max

B1 B2

Hình 3.7

y

S

B

y2 y1

y

h1

h2

Hình 3.8

y e

Hình 3.9 Bộ điều khiển mờ động.

Bộ điều

khiển

mờ cơ

bản

I

P

D



-49-

có dạng như hình 3.9 được gọi là bộ điều khiển mờ động.

3.2.6 Hệ điều khiển mờ lai (F-PID)

Hệ mờ lai viết tắt là F-PID là hệ điều khiển trong đó thiết bị điều khiển gồm

2 thành phần: Thành phần điều khiển kinh điển và thành phần điều khiển mờ.

Bộ điều khiển F-PID có thể thiết lập dựa trên hai tín hiệu là sai lệch e(t) và

đạo hàm của nó e’(t). Bộ điều khiển mờ có đặc tính rất tốt ở vùng sai lệch lớn, ở đó

với đặc tính phi tuyến của nó có thể tạo ra phản ứng động rất nhanh. Khi quá trình

của hệ tiến gần đến điểm đặt (sai lệch e(t) và đạo hàm của nó e’(t) xấp xỉ bằng 0)

vai trò của bộ điều khiển mờ (FLC) bị hạn chế nên bộ điều khiển sẽ làm việc như

một bộ điều chỉnh PID bình thường. Trên hình 3.10 thể hiện ý tưởng thiết lập bộ

điều khiển mờ lai F-PID và phân vùng tác động của chúng.

Sự chuyển đổi giữa các vùng tác động của FLC và PID có thể thực hiện nhờ

khoá mờ hoặc dùng chính FLC. Nếu sự chuyển đổi dùng FLC thì ngoài nhiệm vụ là

bộ điều chỉnh FLC còn làm nhiệm vụ giám sát hành vi của hệ thống để thực hiện sự

chuyển đổi. Việc chuyển đổi tác động giữa FLC và PID có thể thực hiện nhờ luật

đơn giản sau:

if e(t) dƣơng lớn và )t(e dƣơng lớn

thì u là FLC (3.20)

if e(t) dƣơng nhỏ và )t(e dƣơng nhỏ

thì u là PID (3.21)

Để thực hiện chuyển đổi mờ giữa các mức

FLC và bộ chuyển đổi PID, ta có thể thiết lập

e’

e

PID2

PIDn

PID1

Hình 3.11 Vùng tác động

của các bộ điều khiển.

e(t)

FLC

PID

Đối

tượng y

dtd

e’(t)

FLC

Hình 3.10 a) Nguyên lý điều khiển mờ lai;

b) Vùng tác động của các bộ điều khiển.

a) b)

PID

u



-50-

nhiều bộ điều chỉnh PIDi (i = 1, 2 ... n) mà mỗi bộ được chọn để tối ưu chất lượng

theo một nghĩa nào đó để tạo ra đặc tính tốt trong 1 vùng giới hạn của biến vào

(hình 3.11).

Các bộ điều chỉnh này có chung thông tin ở đầu vào và sự tác động của

chúng phụ thuộc vào giá trị đầu vào. Trong trường hợp này, luật chuyển đổi có thể

viết theo hệ mờ như sau:

Nếu ( trạng thái của hệ ) là Ei thì ( tín hiệu điều khiển ) = ui

Trong đó i = 1, 2,..., n; Ei là biến ngôn ngữ của tín hiệu vào, u i là các hàm

với các tham số của tác động điều khiển. Nếu tại mỗi vùng điều chỉnh, tác động

điều khiển là do bộ điều chỉnh PIDi với:

t

Pi Di

0

deui = K e + K e(t)dt K

dt (i = 1, 2, ... n) (1.22)

Như vậy, các hệ số của bộ điều chỉnh PIDi mới phụ thuộc các tín hiệu đầu

vào, tổng quát hơn là phụ thuộc vào trạng thái của hệ. Nếu coi các hệ số KPi, KDi, và

KIi chính là kết quả giải mờ theo phương pháp trung bình trọng tâm từ ba hệ mờ

hàm:

Hệ mờ hàm tính hệ số KP với hệ luật:

Ru(i): if ER is Ep and CER is DE

q then K

iP = KPi(.) (3.23)

Hệ mờ hàm tính hệ số KD với hệ luật:

Ru(i): if ER is Ep and CER is DE

q then K

iD = KDi(.) (3.24)

Hệ mờ hàm tính hệ số KI với hệ luật:

Ru(i): if E is Ep and DE is DE

q then K

iI = KIi(.) (3.25)

Khi các hệ số Kpi, KDi và KIi được mờ hoá bởi các tập mờ, có thể xem như hệ

lúc đó gồm 3 tập mờ chuẩn đối với các hệ số Kpi, KDi và KIi. Trong trường hợp này,

các hệ số của bộ điều chỉnh PID mới có thể tính như sau:

n n n

PN i Pi DN i Di LN i Iii 1 i 1 i 1

K (t)y ; K (t)y ; K (t)y

Trong đó Pi Di Iiy , y , y tương ứng là tâm các tập mờ của hệ số Kpi, KDi và KIi

được mờ hoá.



-51-

Nhận xét:

Qua nghiên cứu ta thấy rằng bộ điều khiển mờ có tính phi tuyến mạnh, khả

năng chống nhiễu cao, nó rất phù hợp với hệ có tính phi tuyến, phụ thuộc thời gian,

có tham số rải và thời gian trễ lớn. Hiện nay việc thiết kế bộ điều khiển mờ còn phụ

thuộc rất nhiều vào kinh nghiệm vận hành hệ thống và kiến thức chuyên gia mà

chưa có được phương pháp chuẩn hoá đề thiết kế bộ điều khiển mờ.

3.3 ĐIỀU KHIỂN THÍCH NGHI

3.3.1 Giới thiệu tổng quan

Lý thuyết điều khiển thích nghi ra đời từ những năm 50 của thế kỷ 20 và đã

được hình thành như một môn khoa học, từ tư duy trở thành hiện thực, từ cách giải

quyết các vấn đề cơ bản trở thành bài toán tổng quát, từ vấn đề về sự tồn tại và khả

năng có thể giải quyết đến những áp dụng định hướng xuất phát từ tính bền vững và

chất lượng.

Thích nghi là quá trình thay đổi thông số và cấu trúc hay tác động điều khiển

trên cơ sở lượng thông tin có được trong quá trình làm việc nhằm đạt được một

trạng thái nhất định (thường là tối ưu) khi thiếu lượng thông tin ban đầu cũng như

khi điều kiện làm việc của hệ thống thay đổi.

Nói cánh khác: điều khiển thích nghi là tổng hợp các kỹ thuật nhằm chỉnh

định các bộ điều chỉnh trong mạch điều khiển nhằm thực hiện hay duy trì chất

lượng của hệ thống ở một mức độ nhất định khi thông số của quá trình điều

khiển không biết trước hoặc thay đổi theo thời gian.

Trong vòng 40 năm trở lại đây lý thuyết điều khiển thích nghi đã được hình

thành như một môn khoa học, từ tư duy đã trở thành hiện thực, từ cách giải quyết

vấn đề cơ bản trở thành bài toán tổng quát.

Cấu trúc cơ bản hệ thống thích nghi được trình bày như hình 3.12.

Hệ thống điều chỉnh theo yêu cầu nào đó thì với các đại lượng vào, phải cho

được các đại lượng ra mong muốn. Nhưng do nhiều yếu tố ảnh hưởng như nhiễu,

các đại lượng vào quá lớn hay không biết trước, do đó để đạt được theo yêu cầu, hệ



-52-

thống phải được tự động thích nghi bù sai số. Cơ cấu thích nghi tạo ra tín hiệu thích

nghi bằng tín hiệu từ khâu so sánh. Các chỉ tiêu chất lượng theo yêu cầu đặt trước

IP*, cho vào khâu so sánh với những giá trị đã được đo lường và tính toán theo các

thông số thực trạng của hệ thống điều chỉnh (các tín hiệu của đại lượng vào, đại

lượng ra, các nhiễu).

Mạch vòng thích nghi thông qua cơ cấu thích nghi để điều khiển thông số

của hệ thống điều chỉnh, hay thay đổi các đầu vào theo cơ cấu thích hợp để tiêu

chuẩn đặt trước IP* và tiêu chuẩn (Index of Performance) có sai lệch nhỏ nhất.

Cấu trúc của hệ thống thích nghi gồm ba khâu cơ bản:

- Đo lường theo tiêu chuẩn IP nào đó.

- Khâu so sánh.

- Cơ cấu thích nghi.

Các tiêu chuẩn IP có thể là: Các chỉ số tĩnh, các chỉ số động, các chỉ số của các

thông số, hàm của các biến thông số và các tín hiệu vào.

Cơ cấu thích nghi có thể là:

- Thích nghi thông số.

Tín hiệu ra

Nhiễu biết

trước

Tiêu chuẩn

đặt trước IP

Tín hiệu vào

Nhiễu không

biết

Hệ thống

điều chỉnh

Cơ cấu

thích nghi

So sánh

Đo lƣờng theo

tiêu chuẩn IP

Hình 3.12 Cấu trúc cơ bản của hệ thống thích nghi.



-53-

- Tổng hợp một tín hiệu bổ sung.

Chiến thuật thích nghi có thể là:

- Tiền định.

- Phỏng đoán (scholastic).

- Tự học.

Hệ thống cần điều khiển sẽ được điều khiển thích nghi ổn định theo thông số

nào đó, cho dù tín hiệu vào là không biết trước hay là quá lớn. Hệ điều khiển thích

nghi có 3 sơ đồ chính:

- Điều chỉnh hệ số khuếch đại.

- Điều khiền theo mô hình mẫu.

- Hệ tự điều chỉnh.

Hình 3.13 Điều chỉnh hệ số khuếch đại.

Đầu ra

Đo lường

so sánh Tín hiệu

chủ đạo Đối tƣợng

Bộ điều chỉnh

thông số


Điều chỉnh hệ

số khuếch đại

(+)

(-)

Tín hiệu

chủ đạo Ra của hệ y

Mạch vòng trong

Sai số

Ra của mô hình ym

Mạch vòng ngoài

Mô hình mẫu


Cơ cấu

thích nghi

Đối tƣợng

Hình 3.14 Điều khiển theo mô hình mẫu.



-54-

Các thông số của bộ điều chỉnh được hiệu chỉnh nhờ mạch vòng ngoài dựa

trên cơ sở sai số giữa mô hình mẫu ym và quá trình y. Vấn đề là xác định cơ cấu

hiệu chỉnh này sao cho ổn định và sai số tiến về bằng 0.

3.3.2 Tổng hợp điều khiển thích nghi trên cơ sở lý thuyết tối ƣu cục bộ

(Phƣơng pháp Gradient)

Xét hệ thống điều khiển thích nghi như hình vẽ:

Xét mô hình mẫu cho bởi phương trình:

2

1 2 0(1 a s a s ) b u (3.26)

Hệ điều khiển cho bởi phương trình:

2

1 2 0ˆ(1 a s a s ) b , t .u (3.27)

Trong đó:

Tín hiệu ra

Tín hiệu

điều khiển

Tín hiệu

chủ đạo

Các thông số

của quá trình

Tính toán

thiết kế


Đánh giá

thông số

Hình 3.15 Điều khiển tự chỉnh.

Đối tƣợng

Ys (-)

Ym (+)

u

Mô hình mẫu

Bộ điều chỉnh Đối tƣợng

Hình 3.16 Cấu trúc mô hình mẫu song song.

Cơ cấu

thích nghi



-55-

ym, ys: Là tín hiệu của mô hình và đối tượng.

u: Là tín hiệu vào.

0b , t : Là thông số có thể được điều chỉnh, có thể coi 0b , t như có 2

phần. Một phần b0 là chuẩn do cơ cấu thích nghi ở đây ta cần hiệu chỉnh để

0b , t hội tụ về b0.

Hàm mục tiêu của việc điều chỉnh này là hàm cực tiểu (1.3)

k k

k k

t t t t

2

t t

1 1(IP) L( , t)dt (t)dt min

2 2

(3.28)

Trong đó:

L(,t): Là dạng bình phương của sai số.

= ym – ys: Sai số đầu ra giữa các mô hình và hệ thống điều chỉnh, phụ thuộc

gián tiếp vào sai lệch0 0

ˆb b ( , t) .

Áp dụng phương pháp Gradient, ta tìm luật thích nghi cơ bản:

0

0

(IP)b ( , t) - K grad(IP) = - K

b

(3.29)

Trong đó: + 0b , t : Chỉ rõ luật thay đổi 0b , t .

+ K: Hệ số thích nghi có giá trị tương đương.

Tương ứng có tốc độ thay đổi của thông số điều chỉnh 0b , t :

0

0

ˆdbK

ˆdt t b

(IP) (3.30)

Giả thiết quá trình thích nghi chậm, tức là biến đổi trong (IP) được dẫn đến

từ sự biến đổi ở b( , t) tại mỗi thời điểm nhỏ nhất.

Viết lại phương trình ta có:

0

0 0

ˆdb 1 L( , t)K K

ˆ ˆdt 2 b b

(3.31)



-56-

Luật thích nghi (3.31) được gọi là luật MIT.

Để xác định cơ cấu thích nghi, ta đạo hàm m sy y theo

0b :

m s s

0 0 0 0

y y y

ˆ ˆ ˆ ˆb b b b

(3.32)

Thay (3.32) vào (3.31) ta có luật thích nghi là:

s0

0

d yb ( , t) K

ˆdt b

(3.33)

Lấy đạo hàm riêng hai vế của phương trình (3.27) theo b0 ta có:

s s s1 2

0 0 0

y y yp a a

ˆ ˆ ˆb b b

(3.34)

Giả thiết là quá trình thích nghi chậm, thông số 0b biến đổi chậm, phương

trình (3.34) lấy gần đúng:

2

s s s1 2 2

0 0 0

y y yp a a

ˆ ˆ ˆt tb b b

(3.35)

Viết gọn lại ta được:

2 s1 2

0

y1 a s a s u

b

(3.36)

So sánh phương trình (3.36) và (3.26) ta rút ra:

s s

00

y y

ˆ bb

(3.37)

Thay (3.37) và (3.33) ta có:

0 s

0

ˆdb y( , t) K

dt b (3.38)

Do đó luật thích nghi là:

0

m

ˆdb( , t) K '. .y

dt (3.39)

Với '

0

KK

b (K > 0)



-57-

Trường hợp tổng quát, ta có mô hình mẫu cho bởi phương trình:

n mi j

i m ji 0 j 0

a s Y b ( , t)s (3.40)

Đối tượng điều khiển được biểu diễn bởi phương trình:

n mi j

i s ji 0 j 0

ˆa ( , t)s Y b ( , t)s (3.41)

Với tiêu chuẩn tối ưu (IP) cho bởi phương trình (3.28) và a0 = 1 ta tìm được

luật thích nghi:

ai si

i

ˆda y( , t) k . .

ˆdt a

; i = 1,2,...n (3.42)

j b s

i

j

ˆdb y( , t) k . .

ˆdt b

; j = 1,2,...m (3.43)

Trong đó kia, kj

b là hằng số dương.

Muốn tìm cơ cấu thích nghi, ta xác định các hàm độ nhạy: s

i

y

a

và

s

j

y

b

Theo (3.41), tại thời điểm t = t1, ta thấy:

n mi j

s i s ji 1 j 0

ˆˆY a ( , t)s Y b ( , t)s u (3.44)

Giả thiết tốc độ biến thiên của các hệ số điều chỉnh chậm, từ (3.44) vi phân

hai vế theo ia và jb ta nhận được:

1

n i si

i 1i it t

Ys Ys a ( , t)s

a a

i

sY -

(3.45)

1

m is si

j 1jj t t

Y Yb ( , t)s

ˆ bb

j= s u -

(3.46)

Từ đó suy ra hàm truyền của bộ lọc là:

s n

i

ii 1

1F (s)

1 a ( , t)s (3.47)



-58-

Trong trường hợp đơn giản, có thể lấy gần đúng hoá hàm nhạy cảm, nhận

được:

iss

i

Ys Y

a

Với i = 1,2,3,...., n (3.48)

js

j

Ys

b

Với j = 1,2,3,...., m (3.49)

Ví dụ: Xét đối tượng mô tả bởi: mdy

ay budt

; Mô hình mẫu được mô tả bởi

phương trình: m

m m

dya y b u

dt

Tín hiệu điều khiển: 1 c 2u(t) u (t) y(t)

Đặt: e = y- ym

Trong đó y là đầu ra của hệ kín, ta có:

1c

2

bY U

s a b

; Với

ds

dt là toán tử vi phân.

Hàm độ nhạy được xây dựng bởi đạo hàm riêng sai số theo các biến 1 và

2 : 1

c

1 2

bEU

s a b

;

2

1c2

2 22

bE bU Y

s a b(s a b )

θ2

θ1

+

e -

u y

y

m

uc G(s)

-

s

s

m

m

b

s a

m

m

b

s a

Gs(s)

Hình 3.17 Sơ đồ khối hệ thống điều khiển thích nghi theo mô hình.

mẫu bậc nhất.

+



-59-

Các công thức trên không thê sử dụng trực tiếp vì không biết a, b do đó ta sử

dụng phương pháp gần đúng. Ta thấy rằng khi s + a + b2 = s + am thì tham số của

hệ thống hoàn toàn giống với mô hình mẫu. Vì vậy coi gần đúng: s + a + b2 s +

am. Ta nhận được quy luật điều khiển tham số:

1 mc

m

d au e

dt s a

(3.50)

2 mc

m

d au e

dt s a

trong (3.50) nói lên tốc độ hội tụ của thuật thích nghi.

Tóm lại: Phương pháp Gradient giúp ta dễ dàng tìm ra luật điều khiển

nhưng chỉ giới hạn ở miền biến thiên thông số trong dải hẹp. Khó khảo sát vùng

ổn định của hệ thống, đặc biệt đối với hệ bậc cao thì không thể xác định được

vùng ổn định chính xác.

3.3.3 Tổng hợp hệ thống điều khiển thích nghi trên cơ sở ổn định tuyệt

đối.

Xét hệ thống điều khiển theo mô hình song song có cấu trúc như hình (3.18)

Mô hình mẫu được mô tả bởi hệ phương trình vi phân:

m m m m mX A .X B .U (3.51)

Đối tượng điều khiển được mô tả:

p p p p pY A (e, t).Y B (e, t).U (3.52)

Trong đó: e = Xm - Yp (3.53)

Tín hiệu điều khiển đưa vào hệ thống được điều khiển:

p m m p p u mU K X K Y K U (3.54)

Với:

Yp: là véctơ trạng thái của đối tượng điều khiển, bậc mx1.

Xm: là véctơ trạng thái của mô hình bậc nx1.

Um: là véctơ đại lượng vào mô hình bậc mx1.



-60-

Up: là véctơ đại lượng vào hệ thống được điều khiển, bậc mx1.

Am, Bm, Ap, Bp, Km, Ku: là các ma trận hằng, có bậc tương ứng.

Giả thiết:

- Các cặp ma trận [Am, Bm] và [Ap, Bp] là ổn định với Am là ma trận Hurwitz.

- Cặp [Ap, Bp] có tính điều khiển.

Bài toán tổng hợp hệ điều khiển thích nghi được đặt ra ở đây là xác định các

ma trận Ku, Km sao cho với cặp Am, Ap, Bm, Bp thì các đại lượng trạng thái của hệ

thống điều khiển bám theo các đại lượng trạng thái của mô hình.

Theo điều kiện Erzberger, quá trình được điều khiển bám chặt theo mô hình

khi và chỉ khi:

e(t) = Xm - Yp = 0 (3.55)

m pe X Y 0 (3.56)

Có hai sơ đồ thích nghi cơ bản, được chứng minh là tương đương nhau:

Sơ đồ thích nghi thông số: (hình 3.18) Trong sơ đồ này các ma trận KU(t),

Kp(t) cần thay đổi để bù đắp lại các biến thiên thông số của hệ thống cần điều khiển.

Sơ đồ tổng hợp tín hiệu bổ sung Up2 (hình 3.19): Trong sơ đồ này tín

hiệu bổ sung Up2(t) được đưa thêm vào hệ điều khiển.

+

+ +

+

Ym Mô hình mẫu

Đối tƣợng

điều khiển

Hình 3.18 Phương pháp thích nghi thông số.

Km

Ku

Kp

Cơ cấu

thích nghi

-

UM



-61-

Xét biểu thức tín hiệu vào:

p p p u m m mU (t,e) K (t,e).Y K (t,e).U K .X (3.57)

Đặt p p pK (t,e) K K (t,e)

u u uK (t,e) K K (t,e)

Với: p uK , K : là các ma trận hằng.

u pK (t,e) , K (t,e) : là các thành phần biến thiên của Ku, Kp.

Tương tự đối với Up(t,e).

p1 p p u m m mU (t,e) K .Y K .U K .X

p2 p p u mU (t,e) K .Y J .U

Như vậy tín hiệu điều khiển vào (1.32) trở thành:

p p p m m u m p2U (t,e) K .Y K .X K .X U (t,e) (3.58)

Tín hiệu Up2(t,e) là tín hiệu bổ xung từ mạch vòng thích nghi, được tạo ra thế

nào đó để có thể bù đắp được sự biến thiên của thông số, dẫn đến hệ thống bám chặt

theo mô hình.

3.3.4 Tổng hợp hệ thống điều khiển thích nghi dùng lý thuyết Lyapunov.

+

+

+

+ +

+

Ym Mô hình mẫu

Đối tƣợng

điều khiển

Hình 3.19 Phương pháp tổng hợp tín hiệu bổ sung Up2.

Km

Ku

Cơ cấu

thích nghi

-

UM

Up2

Kp

Up1



-62-

Lý thuyết ổn định Lyapunov

được tìm ra bởi nhà bác học Nga

Lyapunov vào cuối thế kỷ 19. Tư

tưởng của phương pháp Lyapunov

được xây dựng trên cơ sở bảo tồn

năng lượng của một hệ vật lý. Hệ vật

lý này có năng lượng toàn bộ ở trạng

thái cân bằng bằng 0, ở xung quanh

trạng thái cân bằng năng lượng của hệ lớn hơn 0 và có xu thế tiến đến 0. Trạng thái

cân bằng được gọi là ổn định nếu ở vùng xung quanh điểm cân bằng của hệ thống,

giá trị của hàm giảm dần hoặc không thay đổi.

Để kiểm tính ổn định của hệ thống của hệ thống tại vị trí Xe, cần phải xác

định được hàm năng lượng V(x) - gọi là hàm Lyapunov, phụ thuộc vào trạng thái

của hệ thống. Không giảm tổng quát nếu coi Xe là điểm gốc của không gian trạng

thái và ở lân cận 0 hàm V(0) xác định dương. Khi đó vectơ:

T

1 n

V VgradV = ,....,

x x

luôn hướng ra xa điểm gốc. Do đó nếu vectơ gradV là vectơ

.

X (.

X là vectơ tiếp tuyến của quỹ đạo pha của hệ) lập với nhau một góc 090 thì

quỹ đạo pha X(x0,t) luôn có hướng về gốc toạ độ. Điều này tương đương

với: . .

TV gradV X gradV X cos <0 .

Gọi sai số giữa đối tượng và mô hình là: e = y - ym. Bài toán đặt ra là cần tìm

hàm Lyapunov và cơ cấu thích nghi để sai số tiến đến 0.

Xét hệ bậc nhất được mô tả bởi phương trình:

dyay bu

dt

Giả thiết mô hình mẫu được mô tả bởi:

m

m m m c

dya y b u

dt với am > 0 và tín hiệu được giới hạn.

Quỹ đạo

Đường đồng mức

V(x)=k1 V(x)=k2<k1

grad V

Hình 3.20 Minh hoạ phương pháp

Lyipunov với việc khảo sát tính ổn định.



-63-

Tín hiệu điều khiển: 1 c 2u u y với 1 2, là các tham số điều chỉnh.

Sai số: e = y - ym

Đạo hàm phương trình sai số ta có:

m 2 m 1 m c

dea e b a a y b b u

dt

Cần phải cho sai số tiến đến 0 nếu các tham số tiến đến các giá trị:

0 m1 1

b

b ;

0 m2 2

a a

b

Ta tìm cách xây dựng một cơ cấu điều chỉnh thông số để điều chỉnh các tham

số 1 và 2 tới gía trị mong muốn. Muốn vậy với giả thiết b 0 và có hàm bậc 2

sau:

2 22

1 2 2 m 1 m

1 1 1V e, , e b a a b b

2 b b

Hàm này sẽ bằng 0 khi sai số e = 0. Và tham số bộ điều chỉnh bằng giá trị

đặt. Để hàm này được coi như hàm Lyapunov thì đạo hàm dV

dt phải âm.

2 12 m 1 m

d ddv 1 de 1 1e b a a b b

dt 2 dt dt dt

2 2 1m 2 m 1 m c

d d1 1a e b a a ye b b u e

dt dt

Nếu như các tham số có dạng:

1c

du e

dt

;

2dye

dt

( - tốc độ hội tụ) ta nhận được:

2

m

dva e

dt

Từ định lý Lyapunov, sai số tiến đến gần 0. Tuy nhiên, các tham số cũng cần

phải hội tụ dần đến giá trị đặt. Sơ đồ cấu trúc của hệ biểu diễn trên hình (3.21).



-64-

So sánh với sơ đồ hình (3.17) theo luật MIT ta thấy chúng chỉ khác là không

có khâu lọc của tín hiệu uc và y.

Nhận xét:

- Trong cả hai trường hợp, luật điều chỉnh thích nghi các tham số theo

Gradient và theo Lyapunov có thể được viết dưới dạng tổng quát:

d

edt

(3.59)

với là một véctơ tham số.

T

c[-u y] đối với luật Lyapunov.

Tc

m

m uas

ay

đối với luật Gradient.

So với luật Gradient, luật điều chỉnh xây dựng từ lý thuyết Lyapunov đơn

giản hơn vì nó không yêu cầu phải lọc tín hiệu.

- Phương pháp hàm Lyapunov có một số ưu điểm trong bài toán ổn định. Bởi

vì nó được xây dựng trên cơ sở các hàm đã biết, không đòi hỏi tìm nghiệm bằng các

thuật toán phức tạp. Kinh nghiệm trong vấn đề xây dựng hàm Lyapunov là tìm hàm

ym

e

Hình 3.21 Sơ đồ khối hệ MRAS dựa trên lý thuyết Lyapunov cho

đối tượng bậc nhất

2

1

u y

Gm(s)

s

П

П

П

Uc

G(s)

s

+

-

П

+

-



-65-

tối ưu cho từng trường hợp cụ thể, tức là tìm hàm cho điều kiện đủ tốt nhất của bài

toán ổn định.

- Đối với các hệ có vế phải phụ thuộc thời gian việc xay dựng hàm Lyapunov

gặp nhiều khó khăn hơn nhiều so với hệ dừng (không phụ thuộc thời gian).

- Việc xây dựng hàm Lyapunov trong miền cho trước đối với hệ phi tuyến

không thể khẳng định đã giải quyết một cách trọn vẹn và đầy đủ. Thực tế cho thấy

chưa có một loại hàm Lyapunov nào mang tính tổng quát.

3.3.5 Điều khiển mờ thích nghi.

Bộ điều khiển mờ thích nghi có 2 phương pháp và cấu trúc cơ bản:

+ Bộ điều khiển mờ thích nghi theo phương pháp thích nghi trực tiếp

được tổng quát trên sơ đồ hình 3.22

+ Bộ điều khiển mờ thích nghi theo phương pháp thích nghi gián tiếp

được tổng quát trên sơ đồ hình 3.23

Bộ chỉnh

định mờ

Đối tƣợng y

x

-

Hình 3.22 Phương pháp điều khiển thích nghi trực tiếp

Bộ điều khiển

Nhận dạng

tham số

Bộ chỉnh

định mờ

Đối tƣợng

y

x

-

Hình 3.23 Phương pháp điều khiển thích nghi gián tiếp


Nhận dạng

tham số



-66-

Điều khiển thích nghi trực tiếp là luật điều khiển được nhận dạng và ước

lượng trực tiếp. Điều khiển thích nghi gián tiếp là sử dụng bộ nhận dạng để rút ra

đặc tính động học của đối tượng sau đó thông tin này dùng để tính toán tham số bộ

điều khiển. Nghĩa là bộ điều khiển được chỉnh định thích nghi tham số và cấu trúc

sau khi đã nhận dạng đối tượng.

3.3.6 Phƣơng pháp điều khiển thích nghi theo sai lệch.

Đây là phương pháp điều khiển dựa trên cơ sở tuyến tính hóa lân cận quỹ

đạo chuyển động tĩnh cho hệ phương trình vi phân mô tả động lực học. Tín hiệu

được tính từ khối phản hồi có luật điều khiển thích nghi có thể là gián tiếp hoặc trực

tiếp để các sai số điều khiển tiệm cận về 0. Ưu điểm của phương pháp là đơn giản

hóa thiết kế nhờ việc tuyến tính hoá. Tuy nhiên, nó chưa khảo sát hệ khi điều khiển

bám quỹ đạo. Đồng thời phương pháp này quan tâm nhiều đến sự tương tác giữa

các chuyển động mà chưa chú ý đến sự biến thiên thông số động học của hệ.


Nội dung toàn chương 3 tác giả đã đề cập đến các vấn đề sau:

- Tổng quan về lý thuyết điều khiển kinh điển

- Điều khiển thích nghi và các phương pháp tổng hợp hệ điều khiển thích

nghi

- Lý thuyết logic mờ và điều khiển mờ

Nhìn chung thì các lý thuyết điều khiển trên đều có những ưu điểm và có

những hạn chế nhất định:

- Lý thuyết điều khiển kinh điển ra đời sớm, việc tổng hợp bộ điều khiển

kinh điển cho hệ tuyến tính đã đạt tới mức độ tương đối hoàn chỉnh với các bộ điều

khiển PI, PD, PID và nó đã phát huy tác dụng trong cả thời gian dài. Song đối với

hê phi tuyến và hệ có thông số biến đổi thì lý thuyết kinh điển tỏ ra có nhiều hạn

chế, việc tổng hợp thường phải dùng các phương pháp gần đúng.

- Lý thuyết điều khiển thích nghi ra đời từ những năm 50 của thế kỷ 20 và

đã được hình thành như một môn khoa học, từ tư duy trở thành hiện thực, từ cách

giải quyết những vấn đề cơ bản trở thành bài toán tổng quát, từ vấn đề về sự tồn tại



-67-

và khả năng có thể giải quyết đến những áp dụng định hướng xuất phát từ tính bền

vững và chất lượng. Trong điều khiển thích nghi tác giả quan tâm nhiều tới các hệ

thích nghi được xây dựng theo phương pháp Gradient và Lyapunov, nó được dùng

làm cơ sở cho việc đề xuất các phương pháp tổng hợp hệ thích nghi mờ sau này.

- Lý thuyết tập mờ ra đời từ năm 1965 và đã được áp dụng trong nhiều lĩnh

vực nhất là trong lĩnh vực điều khiển. Hiện nay điều khiển mờ là một trong các

phương pháp điều khiển nổi bật bởi tính linh hoạt và khả năng ứng dụng. Với tốc độ

phát triển vượt bậc của tin học đã chắp cánh cho sự phát triển đa dạng và phong phú

của điều khiển mờ. Tuy nhiên để tổng hợp được bộ điều khiển mờ theo một logic

chặt chẽ và tổng hợp các bộ điều khiển mờ nâng cao như mờ thích nghi, mờ -

noron… vẫn còn đang bỏ ngỏ, thu hút sự quan tâm của nhiều nhà nghiên cứu.

.

.

.

Hệ thống

x1(t)…xp(t

)



-68-

CHƢƠNG IV

THIẾT KẾ HỆ THỐNG ĐIỀU KHIỂN CÁNH GIÓ CỦA TUABIN

TRỤC ĐỨNG ĐỂ ỔN ĐỊNH TỐC ĐỘ

4.1 SƠ ĐỒ CẤU TRÚC HỆ THỐNG

4.1.1 GIỚI THIỆU SƠ ĐỒ CẤU TRÚC HỆ THỐNG

Khối bộ điều khiển: có nhiệm vụ cung cấp tín hiệu điều khiển theo yêu cầu

cho khối điều khiển cánh gió, bộ điều khiển có thể sử dụng các bộ điều khiển kinh

điển như PID, thích nghi hoặc các bộ điều khiển thông minh như mờ, thích nghi

mờ...

Khối điều khiển cánh gió: có nhiệm vụ thay đổi góc cánh của 5 cánh tuabin

theo tín hiệu đặt yêu cầu, gồm có 5 hệ thống điều khiển vị trí góc độc lập cho 5 cánh

của tuabin ở các vị trí khác nhau.

BỘ ĐIỀU

KHIỂN

TUABIN

PHẢN HỒI

ĐIỀU KHIỂN

CÁNH GIÓ

Tác động

của gió

n* n

(-)

Hình 4.1 Sơ đồ cấu trúc hệ thống

Hình 4.2 Cấu trúc khối điều khiển cánh gió

1

Out1

In1

Out1

Out2

Out3

Out4

Out5

chia tin hieu dat goc canh In1 Out1

DK vi tri goc canh 5

In1 Out1


In1 Out1


In1 Out1


In1 Out1


1

In1



-69-

Hệ thống điều khiển vị trí sử dụng bộ biến đổi xung áp một chiều cung cấp

điện cho động cơ một chiều, có các mạch vòng phản hồi dòng điện, tốc độ và vị trí

như hình 4.3

Khối tuabin: tín hiệu vào khối tuabin là vị trí góc của các cánh, tín hiệu ra là

tốc độ quay của tuabin – là đại lượng cần được ổn định trong quá trình làm việc. Tín

hiệu làm tốc độ quay của tuabin thay đổi ở đây là vận tốc gió, khi vận tốc gió thay

đổi thì tốc độ của tuabin cũng thay đổi theo. Như vậy tốc độ gió ở đây được coi là

nhiễu tác động vào hệ thống. Vậy nhiệm vụ của bộ điều khiển là điều khiển hệ

thống để khi tốc độ gió thay đổi thì tốc độ của tuabin vẫn được ổn định trong một

giới hạn cho phép nào đó.

Từ đó ta có thể thấy tốc độ của tuabin n là một hàm của các góc cánh điều

khiển và tốc độ gió, tức là n = f(i, V) = K(1 + 2 + 3 + 4 + 5)

Với K = f(V) thay đổi phụ thuộc vào tốc độ gió. Tốc độ của tuabin được ổn

định khi tốc độ gió thay đổi trong một giới hạn cho phép quanh giá trị tốc độ định

mức V0, vì vậy ta có thể giả thiết K = f(V) = V0 + V với V là nhiễu tốc độ gió ngẫu

nhiên dừng tác động vào hệ thống làm thay đổi tốc độ quay của tuabin.

4.1.2 TỔNG HỢP HỆ THỐNG SỬ DỤNG CÁC BỘ ĐIỀU KHIỂN KINH

ĐIỂN

4.1.2.1 Tổng hợp hệ thống dùng bộ điều khiển PID kinh điển

Như ta đã biết các bộ điều chỉnh PID (bao gồm P, PI, PD và PID) đã được

nghiên cứu và phát triển tới mức hoàn thiện. Để xác định được thông số tối ưu (Kp,

Ki, Kd) của PID ta có thể dùng phương pháp môdul tối ưu, phương pháp môdul đối

1

Out1

0.0223

0.001s+1

Transfer Fcn20.2

0.002s+1

Transfer Fcn1

Saturation1Saturation

-K-

Rw

In1Out1

PI

In1Out1

PD

1

s

IntegratorUu

w

Iu

DC

In1Out1

BBDXA

1

In1

Hình 4.3 Sơ đồ mô phỏng hệ thống điều khiển vị trí góc cánh



-70-

xứng và các phần mềm chuyên dụng (ví dụ MATLAB) để tự động xác định tối ưu

các thông số PID. Ở đây ta dùng ta dùng phần mềm MATLAB để xác định các

thông số PID, sơ đồ mô phỏng hệ thống như hình 4.4.

Tiến hành chạy mô phỏng với các giá trị nhiễu của tốc độ gió khác nhau. Các

kết quả mô phỏng được chỉ ra trên các hình 4.5 và hình 4.6. Trong đó hình 4.5 cho

trường hợp tốc độ gió bằng định mức V0, hình 4.6 ứng với tốc độ gió thay đổi.

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50

0.2

0.4

0.6

0.8

1

thời gian (s)

Hình 4.5 Kết quả mô phỏng với tốc độ gió V=V0

Hình 4.4 Sơ đồ mô phỏng hệ thống dùng PID

In1 Out1

tuabin va do luong

ScopePID

PID Controller

In1 Out1

DK vi tri 5 goc canh

1

Constant



-71-

Từ kết quả mô phỏng ta thấy khi tốc độ gió bằng định mức thì tốc độ của

tuabin vẫn giữ được ổn định và bám sát với giá trị đặt. Tuy nhiên khi tốc độ gió

thay đổi quá lớn và ngẫu nhiên thì bộ điều khiển PID kinh điển không đáp ứng được

yêu cầu chất lượng. Do đó mà ta cần phải sử dụng các bộ điều khiển có thể thay đổi

được thông số để ổn định tốc độ tuabin khi tốc độ gió thay đổi như các bộ điều

khiển thích nghi.

4.1.2.2 Tổng hợp hệ thống dùng bộ điều khiển thích nghi kinh điển

Điều khiển thích nghi là tổng hợp các kỹ thuật nhằm chỉnh định các bộ điều

chỉnh trong mạch điều khiển nhằm thực hiện hay duy trì chất lượng của hệ thống ở

một mức độ nhất định khi thông số của quá trình điều khiển không biết trước hoặc

thay đổi theo thời gian.

Với hệ thống điều khiển cánh gió tuabin ổn định tốc độ quay thì nhiễu tác

động vào hệ thống (tốc độ gió) thay đổi liên tục theo thời gian, do đó cần phải có bộ

điều khiển thay đổi được thông số như bộ điều khiển thích nghi. Sơ đồ mô phỏng hệ

thống dùng bộ điều khiển thích nghi theo mô hình truyền thẳng như hình 4.7.

Hình 4.6 Kết quả mô phỏng với tốc độ gió V thay đổi

0 0.5 1 1.5 2 2.5 3 3.5 40

0.2

0.4

0.6

0.8

1

thời gian (s)



-72-

0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 50

0.2

0.4

0.6

0.8

1

Hình 4.9 Kết quả mô phỏng với giá trị đặt không đổi

thời gian(s)

1

Out11

s

1

s

3

Gain2

6

Gain1

3

In3

2

In2

1

In1

Hình 4.8 Sơ đồ khối thích nghi kinh điển dựa trên lý thuyết Lyapunov

9

Hình 4.7 Sơ đồ mô phỏng hệ thống dùng bộ ĐK thích nghi

theo mô hình truyền thẳng

In1Out1

tuabin va do luong

In1

In2

In3

Out1

thich nghi kinh dien

1

0.13s+1

mo hinh mau

Out1

gia tri dat

ScopeIn1 Out1




-73-

Tiến hành chạy mô phỏng với các giá trị đặt tốc độ cố định và thay đổi, kết

quả mô phỏng được chỉ ra trên hình 4.9 và 4.10. Từ kết quả mô phỏng ta thấy khi

giá trị đặt tốc độ cố định (hình 4.9), so với bộ điều khiển PID thì tốc độ tuabin được

giữ ổn định, ít dao động và bám sát giá trị đặt. Tuy nhiên khi giá trị đặt tốc độ thay

đổi (hình 4.10) thì bộ điều khiển thích nghi kinh điển không đáp ứng được chất

lượng động của hệ thống, trong quá trình thay đổi thì tốc độ của tuabin bị dao động

nhiều. Do đó cần phải sử dụng các bộ điều khiển thông minh được xây dựng trên cơ

sở của lý thuyết điều khiển hiện đại như các bộ điều khiển mờ, mờ thích nghi...

4.2 TỔNG HỢP HỆ THỐNG SỬ DỤNG BỘ ĐIỀU KHIỂN MỜ THÍCH

NGHI

4.2.1 KHÁI NIỆM

4.2.1.1 Định nghĩa

Hệ điều khiển thích nghi mờ là hệ điều khiển thích nghi được xây dựng

trên cơ sở của hệ mờ.

So với hệ điều khiển kinh điển hệ điều khiển thích nghi mờ có miền tham

số chỉnh định lớn. Bên cạnh các tham số K, TI, TD giống như bộ điều khiển PID

thông thường, ở bộ điều khiển mờ ta còn có thể chỉnh định các tham số khác như

hàm liên thuộc, các luật hợp thành, các phép toán OR, AND, NOT, nguyên lý giải

mờ v.v....

Hình 4.10 Kết quả mô phỏng với giá trị đặt thay đổi

thời gian(s) 0 2 4 6 8 10 12

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6



-74-

Trong thực tế hệ điều khiển thích nghi được sử dụng ngày càng nhiều vì nó

có các ưu điểm nổi bật so với hệ thông thường. Với khả năng tự chỉnh định lại các

tham số của bộ điều chỉnh cho phù hợp với đối tượng chưa biết rõ đã đưa hệ thích

nghi trở thành một hệ điều khiển thông minh.

4.2.1.2 Phân loại

Hệ điều khiển thích nghi mờ có thể phân thành 2 loại:

- Bộ điều khiển mờ tự chỉnh là bộ điều khiển mờ có khả năng chỉnh định

các tham số của các tập mờ (các hàm liên thuộc).

- Bộ điều khiển mờ tự thay đổi cấu trúc là bộ điều khiển mờ có khả năng

chỉnh định lại các luật điều khiển. Đối với loại này hệ thống có thể bắt đầu làm việc

với 1 vài luật điều khiển đã được chỉnh định trước hoặc chưa đủ các luật.

4.2.1.3 Các phƣơng pháp điều khiển thích nghi mờ

Các bộ điều khiển thích nghi rõ và mờ đều có mạch vòng thích nghi được

xây dựng trên cơ sở của 2 phương pháp:

- Phƣơng pháp trực tiếp thực hiện thông qua việc nhận dạng thường xuyên

các tham số của đối tượng trong kín. Quá trình nhận dạng thông số của đối tượng có

thể thực hiện bằng cách thường xuyên đo trạng thái của các tín hiệu vào/ra của đối

tượng và chọn 1 thuật toán nhận dạng hợp lý, trên cơ sở mô hình đã biết trước hoặc

mô hình mờ.

Cơ cấu

thích nghi Nhận dạng

Đối tƣợng Bộ điều khiển

Hình 4.11 Cấu trúc phương pháp điều khiển thích nghi trực tiếp.

.



-75-

- Phƣơng pháp gián tiếp thực hiện thông qua phiếm hàm mục tiêu của hệ

kín xây dựng trên các chỉ tiêu chất lượng.

Phiếm hàm mục tiêu có thể được xây dựng trên cơ sở các chỉ tiêu chất

lượng động của hệ thống như độ quá điều chỉnh, thời gian quá độ hay các chỉ tiêu

tích phân sai lệch v.v... Bộ điều khiển thích nghi mờ có thể chia thành 2 loại:

* Bộ điều khiển mờ tự chỉnh cấu trúc

Đó là bộ điều khiển mờ có khả năng tự chỉnh định các luật điều khiển. Để

thay đổi luật điều khiển trước tiên ta phải xác định được quan hệ giữa giá trị được

hiệu chỉnh ở đầu ra với giá trị biến đổi ở đầu vào. Do đó cần phải có mô hình thô

của đối tượng, mô hình này dùng để tính toán giá trị đầu vào tương ứng với 1 giá trị

đầu ra cần đạt được của bộ điều khiển ta có thể xác định và hiệu chỉnh các nguyên

tắc điều khiển để đảm bảo chất lượng hệ thống.

* Bộ điều khiển mờ tự chỉnh có mô hình theo dõi

Một hệ tự chỉnh không những chỉnh định trực tiếp tham số của bộ điều

khiển mà còn chỉnh định cả tham số của mô hình đối tượng được gọi là bộ tự chỉnh

có mô hình theo dõi. Với bộ điều khiển này hệ mờ không chỉ phục vụ cho việc điều

khiển đối tượng mà còn phục vụ cho việc nhận dạng đối tượng.

Sơ đồ cấu trúc của hệ tự chỉnh có mô hình theo dõi như hình 4.13.

Phiếm hàm

mục tiêu

Chỉnh định

Đối tƣợng Bộ điều khiển

Hình 4.12 Cấu trúc phương pháp điều khiển thích nghi gián tiếp.



-76-

Bộ điều khiển thích nghi có mô hình theo dõi 3 thành phần:

- Mô hình mờ của đối tượng được xác định trong khi hệ thống đang làm

việc bằng cách đo và phân tích các tín hiệu vào/ra của đối tượng. Mô hình mờ của

đối tượng gián tiếp xác định các luật hợp thành của bộ điều khiển. Vì vậy bộ điều

mờ tự chỉnh có mô hình theo dõi cũng chính là bộ điều khiển mờ tự chỉnh cấu trúc.

- Khối phiếm hàm mục tiêu: Các chỉ tiêu chất lượng của hệ thống được

phản ảnh qua phiếm hàm mục tiêu bằng các hàm liên thuộc.

- Khối tạo tín hiệu điều khiển có nhiệm vụ lựa chọn tín hiệu điều khiển từ

tập các tín hiệu điều khiển xác định từ mô hình đối tượng và đảm bảo tốt nhất chỉ

tiêu chất lượng đề ra.

4.2.2 TỔNG HỢP BỘ ĐIỀU KHIỂN MỜ THÍCH NGHI ỔN ĐỊNH

4.2.2.1 Cơ sở lý thuyết

Xét 1 hệ phi tuyến SISO được mô tả bởi phương trình:

n n 1'

y f y, y ,...y bu

; y = x là biến trạng thái. (4.1)

n

y f y bu

Trong đó u là đầu vào, y là đầu ra, hàm phi tuyến f(y) và hằng số b được

giả thiết chưa biết, ' (n 1) T

y [y,y ,...y ] . Mục tiêu là thiết kế bộ điều khiển mờ để tạo

ra tín hiệu điều khiển u sao cho tín hiệu ra y(t) của hệ thống bám theo quỹ đạo yd

cho trước nào đó.

Phiếm hàm

mục tiêu

Đối tƣợng

Mô hình

đối tƣợng

Nhận dạng

Tạo tín hiệu

điều khiển

Hình 4.13 Điều khiển thích nghi có mô hình theo dõi.



-77-

Nếu biết trước f(y) và b ta có thể tổng hợp được bộ điều khiển theo các

phương pháp kinh điển, bộ điều khiển đó có tín hiệu đầu ra là:

nTd

n

d y1u(t) f(y) K E

b dt

(4.2)

Trong đó:

1

2T

n 1

n

n 1

e

k de

k dtK , E

k d e

dt

Các hệ số k1, k2,...kn được chọn sao cho tất cả các nghiệm của phương trình:

n n 1

n 1p k p ... k 0 nằm ở nửa trái mặt phẳng phức. Tức là các nghiệm pk có

phần thực âm:

Re(pk)< 0 (4.3)

Thay (4.2) vào (4.1) ta có:

n n 1

n 1n n 1

d e d ek k e 0

dt dt

(4.4)

Do có điều kiện (4.3) nên nghiệm của e(t) chắc chắn thoả mãn điều kiện:

tlime(t) 0

(4.5)

Ta thấy rằng bài toán tổng hợp trên chỉ có ý nghĩa khi dã biết chính xác mô

hình toán học của hệ thống, hay nói cách khác là trong (4.1) ta đã biết f(y) và b.

Điều này không phù hợp với nhiều bài toán thực tế. Vì vậy mục tiêu điều khiển đề

ra là phải xác định bộ điều khiển mờ u u(x, ) và luật điều khiển vectơ tham số

sao cho thoả mãn các điều kiện sau:

- Hệ kín phải ổn định toàn cục trong phạm vi của các biến y(t) , (t) và

u(x, ). Tức là: xx(t) M , (t) M , uu(x, ) M với mọi t 0 .

Trong đó Mx, Mu, M là các tham số do người thiết kế đặt ra.

- Độ sai lệch e = yd –y càng nhỏ càng tốt.



-78-

Khi f(y) và b đã biết thì ta dễ dàng tổng hợp được bộ điều khiển:

n

* Td

n

d y1u f y K e

b dt

(4.6)

u* được coi là tối ưu.

Nhưng vì f(y) và b chưa biết nên u* không thể thực hiện được, ta sẽ thiết

kế bộ điều khiển mờ để xấp xỉ hoá điều khiển tối ưu này.

Giả thiết bộ điều khiển u là tổng hợp 2 bộ điều khiển bộ điều khiển mờ

fu (x, ) và bộ điều khiển giám sát su (x) :

u = uf + us (4.7)

Trong đó fu (x, ) là bộ điều khiển mờ được đề cập trong tổng kết 4.1.

Tổng kết 2.1: Một hệ logic mờ có n đầu vào x và 1 đầu ra

T n

1 2 ny (x (x ,x ...x ) R vµ y R) . Định nghĩa ij tập mờ j

ijA với các hàm liên

thuộc jÞjA

bao phủ miền xác định của các biến ngôn ngữ đầu vào (j = 1,..., n là số

đầu vào).

Luật 1 ni ...i

uR

1 n

1 2 n

1 i1 2 i2 n in i ....iif e A and e A and...and e A then u=B (4.8)

Trong đó i1= 1, 2...., N1; .... in = 1,2,....Nn là các hàm liên thuộc cho mỗi

biến đầu vào,1.... ni iB là tập mờ đầu ra.

Sử dụng luật hợp thành PROD, mờ hoá theo đường singleton và giải mờ

bằng phương pháp trung bình trọng tâm ta thu được bộ điều khiển mờ:

1 n

j1 n1 n

ij

1 n

j1 n

ij

nN N

i ...i ji 1 i 1 j 1

nN N

ji 1 i 1 j 1

.... y x

u u(x, )

.... x

A

A

(4.9)

T

u (x) (4.10)



-79-

Trong đó (x) là vectơ hàm cơ sở.

j

ij

1 n

j1 n

ij

n

jj 1

nN N

ji 1 i 1 j 1

x

(x)

.... x

A

A

(4.11)

Thay (4.10) vào (4.1) ta được:

(n)

f sy f(y) b[u (x, ) u (x)] (4.12)

Từ (4.6) ta rút ra:

n* Td

n

d yf(y) bu K e

dt thay vào (4.12):

(n) * (n) T

m f sy bu y K e b[u (x, ) u (x)] sau khi biến đổi ta được:

(n) T *

c se K e b[u -u (x, ) u (x)] (4.13)

Hoặc viết dưới dạng phương trình trạng thái:

*

f se Ae B[u -u (x, ) u (x)] (4.14)

Trong đó:

n n-1 n-2 1

0 1 0 0 ... 0 0

0 0 1 0 ... 0 0A B

...

-k -k -k ... -k b

(4.15)

Chọn hàm Lyapunov T1

V e Pe2

. Trong đó P là ma trận dương đối xứng

được xác định từ phương trình Lyapunov:

ATP + PA = - Q (Q>0) (4.16)

Đạo hàm V ta được:

T T1 1

V e Pe e Pe2 2

(4.17)

Thay (4.14) , (4.16) vào (4.17) ta được:

T T *

c s

T T T*

f s

1V e Qe e PB[u u (x, ) u (x)]

2

1 e Qe e PB u u e PBu

2

(4.18)



-80-

Ta cần phải tìm hàm su sao cho V 0

Giả thiết ta xác định được hàm uf (x) và hằng số bL thoả mãn điều kiện:

u

Lf(x) f (x) vµ 0<b b thì hàm điều khiển giám sát us(x) được xây dựng như sau:

(n)T* U T

s 1 f dL

1u (x) I sgn(e PB u f K e

by

(4.19)

Trong đó: *

1

1 khi V>VI

0 khi V V

( V là hằng số được chọn bởi người thiết

kế).

Vì b>0,T

sign(e PB)có thể xác định, hơn nữa tất cả các thành phần trong

(4.19) có thể xác định được, vì vậy bộ điều khiển giám sát us là hoàn toàn xác định.

Thay (4.19) và (4.6) vào (4.18) và xét cho trường hợp *

1I 1 ta có:

T T (n) T U (n) T

m c c m

L

T

1 1 1V e Qe e PB f y K e u u f y K e

2 b b

1 e Q 0

2

Vậy sử dụng us theo (4.19) ta luôn nhận được V V .

Từ (4.19) ta nhận thấy rằng us chỉ xuất hiện khi không thoả mãn điều kiện:

V V. Do vậy trong hệ thống trong khoảng sai số nhỏ (nghĩa là V V ) thì chỉ có

bộ điều khiển mờ uf làm việc còn bộ điều khiển giám sát không làm việc (us = 0);

Khi hệ thống có khuynh hướng mất ổn định ( V V ) thì bộ điều khiển giám sát bắt

đầu làm việc để hướng cho V V .

Nếu chọn *

1I 1 thì từ (4.20) ta cần phải đảm bảo không chỉ giới hạn của

vectơ trạng thái mà còn phải đảm bảo cho e hội tụ về 0. Ta không chỉ chọn phương

án này vì us thường rất lớn.

Thật vậy, từ (4.20) ta thấy us tỉ lệ với giới hạn của fU mà giới hạn này

thường rất lớn. Tín hiệu điều khiển lớn có thể gây phiền phức do vậy có thể làm

tăng thêm chi phí phụ. Bởi vậy ta chọn us làm việc theo kiểu giám sát.

(4.20)



-81-

Để tìm luật điều khiển thích nghi vectơ tham số ta thay T

fu (x, ) (x) .

Đặt * là vectơ tham số tối ưu:

x

* *

cM x Marg min sup u (x, ) u

và đặt * *

fw u (x, ) u biểu thức (4.14) có thể viết :

*

f s

*

f f s

T

s

e Ae B[u u (x, ) u (x)]

= Ae b[u (x, ) u (x, ) Bu (x) Bw]

= Ae B (x) Bu (x) Bw

(4.21)

Trong đó *

; (x) là hàm cơ sở.

Chọn hàm Lyapunov dạng:

T T1 b

V e Pe2 2

(4.22)

Với là một hằng số dương. Sử dụng (4.21) và (4.16) ta có:

T T T T

s

1 bV e Qe e PB[ (x) u w]+

2

(4.23)

Gọi Pn là cột cuối cùng của ma trận, từ (4.15) ta có:

T T

ne PB e P B (4.24)

Thay (4.24) vào (4.23) ta được:

T T T TT

n s

1 bV e Qe [ e P (x) ] e PBu e PBw

2

(4.25)

Chọn luật thích nghi:

T

ne P (x) (4.26)

thì (4.25) trở thành:

T T1

V e Qe e PBw2

(4.27)

Trong đó: T

se PBu 0 vµ

Đây là điều tốt nhất ta có thể đạt được.



-82-

4.2.2.2 Thuật toán tổng hợp bộ điều khiển mờ thích nghi

Để tổng hợp mờ thích nghi ta có thể tiến hành theo 2 bước: bước 1 là chọn

cấu trúc của bộ điều khiển mờ, bước 2 là xác định thích nghi các vectơ tham số.

a. Chọn cấu trúc của bộ điều khiển mờ

Cấu trúc của bộ điều khiển mờ thích nghi như hình 4.14. Trong đó đối

tượng điều khiển là 1 hệ phi tuyến bất kỳ được mô tả tổng quát bằng biểu thức (4.1).

Bộ điều khiển mờ thích nghi có thể có nhiều đầu vào gồm sai lệch và các đạo hàm

của chúng. Mục đích của việc thiết kế bộ điều khiển mờ là tạo ra tín hiệu điều khiển

u sao cho quĩ đạo đầu ra của đối tượng (y) bám theo quĩ đạo cho trước (yd) cho dù

có sự thay đổi thông số và cấu trúc của đối tượng.

b. Các bước thực hiện thuật toán

Trong trường hợp tổng quát bộ điều khiển mờ có n đầu vào, thuật toán tổng

hợp được tóm tắt theo các bước sau:

- Bƣớc 1: Xác định hàm liên thuộc của các biến ngôn ngữ đầu vào.

Đặt TT (n 1) (n 1)

1 2 n d d dE e , e ,...., e y y , y y ... y y

Định nghĩa miền xác định của các thành phần ej là:

u yd Hệ phi tuyến

(n) ' (n 1)y f(y,y ...,y bu

Luật thích nghi

' T

ne p (e)

d

dt

Bộ điều khiển mờ

Tu u(e, ) (e)

y

e

…

Hình 4.14 Sơ đồ cấu trúc bộ điều khiển mờ thích nghi.



-83-

j j

min max, (j= 1, 2,...., n là số đầu vào)

Chú ý rằng giá trị thực của ej có thể ở bên ngoài khoảng j j

min max, , hàm

liên thuộc của các tập mờ có thể chọn là hình tam giác, hình thang, hàm Gaus, hàm

sigmoi v.v... Chọn hàm liên thuộc kiểu hình tam giác và hình thang có ưu điểm là

đơn giản, song có nhược điểm là độ điều chỉnh không trơn. Hình 4.15 là ví dụ về

hàm liên thuộc kiểu Gaussmf ở giữa và trimf ở 2 bên đối với 1 biến ngôn ngữ đầu

vào.

j j j1 1 j 1

j j

j j 1 1A (e )

1(e ) (e ; ; ) 1

1 e

(4.28)

j j 2p j p

jp

(e )j j

j j p pA(e ) (e ; ; ) e

(4.29)

Với p = 2, 3...,Nj -1,còn:

j j jj jN jN Nj j

j j

j j N NA (e )

1(e ) (e ; ; )

1 e

(4.30)

Trong đó: j j j j j j

min 1 2 N 1 N max

- Bƣớc 2: Xây dựng bộ điều khiển mờ u từ tích N1...Nn luật sau đây:

Luật 1 ni iRu

1 2 n 1 n

1 2 n

1 i 2 i n i i ...iif e A and e A and...and e A then u = B (4.31)

Hình 4.15 Hàm liên thuộc với 7 tập mờ.



-84-

Trong đó i1 = 1, 2,..., N1; ... in =1, 2,..., Nn là hàm liên thuộc cho mỗi biến

đầu vào.

1 ni iB là tập mờ đầu ra sẽ được xác định.

Việc thiết kế bộ điều khiển mờ bây giờ chuyển sang việc xác định các

thông số 1 ni iB .

Sử dụng luật hợp thành PROD, mờ hoá theo đường singleton và giải mờ

bằng phương pháp trung bình trọng tâm ta thu được bộ điều khiển mờ:

1 n

j1 n1 n

ij

1 n

j1 n

ij

nN N

i i ji 1 i 1 j 1

nN N

ji 1 i 1 j 1

.... y ... e

u u(e, )

.... e

A

A

(4.32)

T

u (e) (4.33)

Trong đó: (e) là tập hợp hàm mờ cơ sở đã biết.

j

ij

1 n

j1 n

ij

n

j 1

nN N

ji 1 i 1 j 1

ª

(e)

.... e

A

A

(4.34)

Lưu đồ thuật toán tổng hợp hàm mờ cơ sở (e) như hình 4.16



-85-

1 ni iy là điểm trọng tâm của

1 ni iB , chúng sẽ được chỉnh định theo luật

thích nghi cho phù hợp với đối tượng.

là một vectơ gồm tập hợp các 1 ni iy với i1 = 1, 2,..., N1;....in =1, 2,...., Nn

Đặt l 1 nl 1 l 2 2 1 N 1 N N

y ,y , y , y , y (4.25)

Các thông số được chỉnh định nhờ sử dụng luật thích nghi sau:

T

ne P (e) (4.26)

trong đó là hằng số dương xác định tốc độ của thuật toán còn pn là cột

cuối cùng của ma trận P, với P là nghiệm của phương trình Lyapunov.

ATP+ PA = - Q (4.37)

Trong đó Q là ma trận dương xác định tuỳ ý, A là ma trận (n x n)

12A

1 21 1A A

…

…

…

…

/

/

/

/

/

/

ξ(e) /

/

/

1 21 2A A

1 21 nA A

1 22 1A A

…

e …

…

11A

13A

21A

22A

23A

e

Hình 4.16 Lưu đồ thuật toán tổng hợp hàm mờ cơ sở ξ(e).



-86-

n n-1 n-2 2

0 1 0 0 ... 0

0 0 1 0 ... 0A

-k -k -k ... -k

(4.38)

Với các hằng số k1, k2 ... được chọn sao cho tất cả các nghiệm của phương

trình: Pn + knPn-1

+ ....+ k1 = 0 nằm bên nửa trái mặt phẳng phức. Với cách tổng hợp

như vậy, hệ thống chắc chắn thoả mãn điều khiển tlime(t) 0

.

Từ các tập mờ đầu vào (4.28) .....(4.30) và các thông số . Pn được xác

định ở trên ta tiến hành xây dựng bộ điều khiển mờ theo trình tự sau:

- Định nghĩa các hàm liên thuộc (4.8) ... (4.30).

- Xây dựng hàm mờ cơ sở (4.24).

Xác định luật thích nghi T

ne P (e)

- Xây dựng bộ điều khiển (4.32).

Nhận xét:

Hệ số trong (4.36) nói lên tốc độ hội tụ của thuật toán thích nghi. Nó được

chọn và sau đó được kiểm nghiệm thông qua mô phỏng, nếu chọn quá nhỏ thuật

toán thích nghi hội tụ chậm, chọn lớn, quá trình hội tụ nhanh nhưng nếu chọn

quá lớn hệ thống sẽ mất ổn định.

Các giá trị P1 ,P2 được xác định từ phương trình Lyapunov (4.37). Tuy

nhiên độ lớn của nó cũng ảnh hưởng đáng kể đến chất lượng của hệ thống. Vì vậy

sau khi thiết kế xong cần chỉnh định lại các giá trị của chúng sao cho đảm bảo chất

lượng tốt trong toàn dải thay đổi của các thông số của đối tượng.

4.2.3 TỔNG HỢP BỘ ĐIỀU KHIỂN MỜ THÍCH NGHI TRÊN CƠ SỞ LÝ

THUYẾT THÍCH NGHI KINH ĐIỂN

4.2.3.1 Đặt vấn đề

Một cấu trúc thông dụng nhất của hệ logic mờ (FLC - Fuzzy Logic Control)

là cấu trúc điều khiển phản hồi sai lệch - Sơ đồ như hình 4.17.



-87-

Trong đó kI, là các hệ số khuếch đại đầu vào, K là hệ số khuếch đại đầu

ra. Thực tiễn cho thấy việc điều chỉnh FLC khó khăn hơn nhiều so với chỉnh định

bộ điều khiển kinh điển, một trong những lý do chính là tính mềm dẻo của vùng

nhận biết cơ bản của bộ điều khiển mờ và sự móc nối các thông số của chúng. Tuy

nhiên không có một cách hệ thống hoá nào để đưa ra tất cả các thông số này.

Hiện nay trong công nghiệp các bộ điều khiển logic mờ thường được thiết

kế theo kinh nghiệm và sự hiểu biết định tính đối tượng của các chuyên gia. Việc

chỉnh định FLC được thực hiện thông qua chỉnh định các hàm liên thuộc đầu vào và

đầu ra - mang nhiều tính chất “mò mẫn”. Do đó không phù hợp với việc chuẩn hoá

chất lượng và khó trở thành một phương pháp luận có hệ thống.

Trong phần này ta sẽ tiếp cận kiểu thiết kế hỗn hợp theo hướng kết hợp cả 2

cách tiếp cận định tính và tiếp cận định lượng. Đầu tiên ta xây dựng mô hình cơ bản

của bộ điều khiển mờ bao gồm các hàm liên thuộc, các luật hợp thành. Chúng có thể

tạo ra một đáp ứng hợp lý ở một mức độ nào đó. Luật hợp thành cơ bản được chọn

là một luật hợp thành tuyến tính, còn hàm liên thuộc có thể được xác định theo hàm

hình tam giác, hình thang hoặc hàm Gauss. Sau khi xác định được hàm liên thuộc

và luật hợp thành cơ bản, ta phải sử dụng chúng để tìm ra hệ số khuếch đại tỷ lệ. Có

thể sử dụng nhiều phương pháp định lượng khác nhau, việc xác định hệ số khuếch

đại tỷ lệ đúng rất quan trọng đối với sự hoạt động của FLC.

Trong điều khiển kinh điển, ta đã biết một Algorithm điều khiển thích nghi

theo mô hình mẫu sử dụng phương pháp Gradient hay phương pháp Lyapunov rất

thích hợp cho việc điều khiển một quá trình không nhận biết được, đặc biệt là đối

với hệ phi tuyến. Một bộ điều khiển mờ với luật hợp thành tuyến tính và các hàm

liên thuộc tam giác có thể xấp xỉ tuyến tính xung quanh trạng thái cân bằng. Do đó

e

R

u U

r

K

Luật hợp

thành

λ

ki

Hình 4.17 Cấu trúc cơ bản của hệ điều khiển mờ 2 đầu vào.



-88-

ta sử dụng ý tưởng đó của bộ điều khiển thích nghi kinh điển để áp dụng cho hệ

điều khiển mờ, thích nghi với một vài sự xấp xỉ nào đó.

Cấu trúc của các bộ điều khiển mờ thích nghi dựa trên cơ sở lý thuyết

Lyapunov và phương pháp Gradient kinh điển.

4.2.3.2 Mô hình toán học của bộ điều khiển mờ

Xét bộ điều khiển mờ hai đầu vào như hình 4.17. Để xây dựng mô hình

toán học của nó ta thực hiện các bước sau:

a. Chọn các hàm liên thuộc

Các tập mờ đầu vào được chọn để mờ hoá là E và R. Ta chọn số lượng các

tập mờ vào và ra bằng nhau và bằng N, các hàm thuộc sơ bộ chọn hình tam giác với

mỗi hàm liên thuộc bao phủ không gian trạng thái 2A đầu vào và 2B cho mỗi đầu

ra. Giả sử chọn hàm j liên thuộc âm cho E, R, U, chọn j hàm liên thuộc dương cho

E, R, U, và một hàm liên thuộc zezo cho E, R, U (hình 4.18) . Như vậy số lượng các

hàm liên thuộc của mỗi biến vào/ra là N = 2j+1.

Để đơn giản cho việc xây dựng luật hợp thành, thay vì sử dụng các ngôn ngữ

“âm nhiều”, “dương nhiều” v.v... ta sử dụng các chỉ số là số, ví dụ

1 2 0 1(x), (x), (x), (x)....

Ta thấy rằng mặc dù sử dụng các hàm liên thuộc giống nhau để mô tả 2 tập

mờ đầu vào nhưng thông qua các hệ số kI và (hình 4.17) chúng thực sự là các hàm

liên thuộc khác nhau.

b. Chọn luật điều khiển

Với các bộ điều khiển mờ hai đầu vào, mỗi đầu vào có N tập mờ sẽ có N2

luật điều khiển mô tả tất cả các khả năng kết hợp của Ei và Rj . Dạng tổng quát của

luật hợp thành là:

x

0,5

1 j(x) j(x)

0 (x)

A 0 -A

Hình 4.18 Định nghĩa hàm thuộc cho các biến vào - ra.



-89-

Nếu E = Ei và R = Ri thì U = uk với k = f(i, j)

Định nghĩa 1: Các luật điều khiển của một bộ điều khiển mờ được gọi là tuyến

tính nếu f(i, j) là một hàm tuyến tính đối với i và j, ví dụ f = i + j; f = i + j + 1

v.v…

Trong đó f(i, j) là quy luật để sinh ra các luật điều khiển. Với các f(i, j) khác

nhau sẽ cho các luật điều khiển khác nhau. Việc chọn luật điều khiển có thể coi là

một nghệ thuật và phụ thuộc rất nhiều vào kiến thức và kinh nghiệm các chuyên gia.

Việc chọn các luật điều khiển phải tạo điều kiện thuận lợi cho người thiết kế hệ điều

khiển mờ.

-3 -2 -1 0 1 2 3

3 0 1 2 3 3 3 3

2 -1 0 1 2 3 3 3

1 -2 -1 0 1 2 3 3

0 -3 -2 -1 0 1 2 3

-1 -3 -3 -2 -1 0 1 2

-2 -3 -3 -3 -2 -1 0 1

-3 -3 -3 -3 -3 -2 -1 0

Hình 4.19 thể hiện các luật điều khiển tuyến tính với f = i+j cho bộ điều

khiển mờ hai đầu vào và một đầu ra với 7 hàm liên thuộc cho mỗi biến vào và biến

ra.

Bảng 4.1 Quan hệ vào ra của luật hợp thành tuyến tính.

i+j -3 -2 -1 0 1 2 3

Uk-1 -3 -2 -1 0 1 2 3

Định nghĩa 2: Bộ điều khiển mờ cơ sở (Basis Fuzzy Control - BFC) là bộ điều

khiển mờ có hai đầu vào và một đầu ra, số tập mờ của các đầu vào và đầu ra

bằng nhau, luật hợp thành được sử dụng là luật hợp thành tuyến tính.

E R

Hình 4.19 Luật hợp thành tuyến tính.



-90-

c. Phân tích luật cơ sở hình thành ô suy luận

Các luật cơ sở chia vùng làm việc của bộ

điều khiển mờ cơ bản thành nhiều ô vuông, với

đầu ra của luật như hình .... Vì tất cả các thao tác

mờ đều có thể được tính toán trên các ô này nên

chúng được gọi là các ô suy luận.

Một cách tổng quát ta có thể chọn ô suy

luận IC (i,j) để phân tích. Ô này được tạo bởi các

hàm liên thuộc i i 1 i i 1(E), , (R) vµ (R) , các đường chéo của ô chia chúng thành 4

vùng (IC1.... IC4) (hình 4.21).

Các dữ liệu vào (E, R) trong luật cơ bản luôn luôn được ánh xạ đến dữ liệu

vào tương đối (e*,r*) trong IC(i,j) theo công thức:

E = iA+ e* (i = ....., -1, 0, 1,...) (4.39)

R= jA + e* (j = ....., -1, 0, 1,...) (4.40)

Tất cả các thao tác mờ bao gồm “Mờ hoá”, “Suy diễn mờ” và “Giải mờ” đều

có thể được thực hiện trong ô suy luận IC.

-3 Và

o 3

Ra

Hình 4.20 Quan hệ vào ra của

luật hợp thành tuyến tính.



-91-

d. Các thao tác mờ trong ô suy luận

Trong ô suy luận ta có thể thực hiện các thao tác mờ như: Mờ hoá, suy diễn

mờ và giải mờ. Sử dụng phương pháp suy luận Max-Min của Mamdani, các thao

tác đó được trình bày như sau:

* Mờ hoá: Từ các biểu thức biểu thức (4.39) và (4.40) ta thấy trong một ô

IC(i, j), các đầu vào (E, R) được xác định bởi (e*, r*) với các giá trị hàm liên thuộc

của e* là i i 1 vµ , các giá trị hàm liên thuộc của r* là j j 1vµ .

Vì luôn tồn tại quan hệ i i 11 và j j 1

1 do đó giá trị các hàm

liên thuộc đầu vào trong ô suy luận là:

j 1

j

j+1

B

u

E

(i,j-1)

IC(i,j) (i-1,j)

uk-2 uk

uk+1 uk uk-1

uk uk+1 uk+2

Ei Ei+1

Rj

Rj-1

Rj+1

i 1 i i 1

Ei-1

Ô suy luận

uk-1

(i-1, j-1)

R

B

k+1 k k-1

uk-1 uk uk+1

Hình 4.21 Sự hình thành ô suy luận từ luật hợp thành.



-92-

* *

i i 1

* *

j j 1

e e1 ;

A A

r r1 ;

A A

(4.41)

μ1 μ2 μ3

IC1 μi μj μj+1

IC2 μj μj μi+1

IC3 μj μj+1 μi+1

IC4 μi μi+1 μj+1

* Suy diễn mờ:

Từ luật hợp thành cơ sở: Nếu E = Ei và R = Rj thì U = uk

Với k = f(i, j) = i + j (4.42)

Hàm liên thuộc của các tập mờ đầu ra được biểu diễn trong hình 4.21 với giá

trị đầu ra là:

uk= k.B (4.43)

Tại mỗi vùng của ô suy luận ta thu được các giá trị 1 2 3, , (bảng 4.2)

thông qua phép lấy Max-Min với:

1 i j k

21 i j 1 k+1

22 i 1 j k+1

3 i 1 j 1 k+2

2 21 22

min( , ) cho ®Çu ra u




max( , )

(4.44)

* Giải mờ:

Dùng phương pháp điểm trọng tâm và khai triển Max-Min ta được tín hiệu

ra:

Hình 4.22 Kết quả của phép lấy

Max-Min trong ô suy luận.

i, j

1 k,U

r*

e*

e*,r

*

j 1

i 1

A

IC3

IC4

IC1

IC2 j

i

i+1, j

22 k 1, U

i+1, j+1

3 k 2,U

0

Hình 4.23 Các vùng trong ô suy luận.

k = i+j



-93-

3

k k l 1l 1

3

kk 1

u

u

(4.45)

e. Xây dựng biểu thức toán học của bộ điều khiển mờ

Qua các phân tích trên ta thấy rằng các tín hiệu vào khác nhau (e*, r

*) có thể

rơi trên các vùng khác nhau của ô suy luận mờ từ IC1 - IC4, đó là kết quả của phép

lấy Max-Min.

+ Xét vùng IC1:

Từ (4.41) và bảng 4.1 ta có:

*31

1 i j j 1 i 1 1l 1

e2

A

(4.46)

Từ bảng (4.1), (4.41) và (4.45) ta có:

3

1 k 1 1 i k 1 j k j 1 k 1l 1

* * *

* * *

* *

31

1 k 1 2 1l 1

u u u u

e r r (1 )(k 1)B (1 )kB

A A A(k 1)B

B[(k-1)A+e r ] e = kB(1 )

A A

Víi S=E+R =(k-1)A+e r ta cã:

Bu S kB( 1)

A

Từ đó ta rút ra:

3

11 k l 2 1

l 11 3 1

11

l 1

1 1 1

1 1

Bu S kB( 1)

Au

Bu S kB(1 )

A

Bu kB (S kA)

A

Tương tự với các ô suy luận khác, cuối cùng ta thu được:



-94-

1 1 1

Bu S kB(1 ) (l=1,2,3,4)

A (4.47)

Hoặc: 1 1

Bu (S kA) kB

A (4.48)

*1 1

1 i

*1 1

2 j

*1 1

3 i 1

*1 1

4 j 1

e(1 ) (2 )

A

e(1 ) (2 )

A

e(1 ) (1 )

A

e(1 ) (1 )

A

(4.49)

* *

1S E R K ( e r) (k 1)A e r

k = i + j

l (l=1,2,3,4) là tham số phi tuyến trong vùng IC1

Ta thấy điều khiển mờ với luật hợp thành tuyến tính thực sự là điều khiển phi

tuyến như biểu thức (4.48). Nó sẽ trở thnàh điều khiển tuyến tính ở trạng thái cân

bằng. Trong biểu thức (4.48) ta cần phải xác định các hệ số khuếch đại tỷ lệ đầu vào

kI, λ và đầu ra K. Giá trị danh định của các hệ số khuếch đại đầu vào kI và λ có thể

xác định theo phương pháp của H.X.Li. Thông thường việc xác định hệ số khuếch

đại đầu ra K đúng là rất khó khăn.

4.2.4 XÂY DỰNG CƠ CẤU THÍCH NGHI THEO MÔ HÌNH MẪU CHO BỘ

ĐIỀU KHIỂN MỜ

4.2.4.1 Hệ điều khiển thích nghi theo mô hình mẫu (MRAS) dùng lý thuyết

thích nghi kinh điển

Xét một đối tượng kinh điển được mô tả bởi phương trình:

dy

ay budt

(4.50)

Mô hình mẫu có phương trình:



-95-

m

m m m c

dya y b u

dt (4.51)

Tín hiệu điều khiển: 1 c 2u u y với sai số my y .

Biểu thức chứa tham số điều chỉnh. Ta cần tìm ra cơ cấu thích nghi để điều

chỉnh các tham số 1 và 2 tới giá trị mong muốn sao cho sai số tiến tới 0. Để tìm

ra cơ cấu thích nghi này ta có thể dùng lý thuyết ổn định Lyapunov hoặc dùng

phương pháp Gradient sau:

* Luật thích nghi theo Lyapunov:

Giả thiết b > 0 và chọn hàm Lyapunov có dạng:

2 22

1 2 2 m 1 m

1 1 1V( , , ) b a a b b

2 b b

thì theo luật điều chỉnh các tham số 1, 2 để cho 0 là:

1 2c

d du ; y

dt dt (4.52)

Nếu chỉ có một tham số biến thiên, luật điều chỉnh thích nghi tham số trở

thành:

1c

du

dt (4.53)

* Luật thích nghi theo Gradient:

Giả thiết là một vectơ tham số cần được xác định và phụ thuộc giữa sai

lệch đầu ra của đối tượng (y) và đầu ra của mô hình (ym). Tiêu chuẩn sai lệch đáp

ứng của hệ được chọn:

21J( ) 0

2 (4.54)

thì quy luật điều chỉnh theo hướng Gradient của J là:

d J y

dt

(4.55)



-96-

Trong điều khiển thích nghi kinh điển nói chung không cần một mô hình

mẫu hoàn hảo. Tuy nhiên sự sai khác giữa mô hình mẫu và đối tượng cũng như tính

phi tuyến của nó chỉ nằm trong giới hạn nào đó, nếu quá giới hạn này bộ điều chỉnh

sẽ không làm việc hiệu quả nữa. Để khắc phục nhược điểm đó, ta sử dụng hệ điều

khiển mờ thích nghi theo mô hình mẫu.

4.2.4.2 Điều chỉnh thích nghi hệ số khuếch

đại đầu ra bộ điều khiển mờ.

Tín hiệu đầu ra của bộ điều khiển mờ

(4.47) được viết:

1 1 1

BU S kB(l )

A

Với thông số phi tuyến.

Thay S = E + R = K1(λ+I)e với I dt ta có:

1 1 I 1

BU K ( I)e kB(l ) F.e T

A

Trong đó: 1 1 I

1

B BF S K ( I)

A A

T kB(1 )

Bộ điều khiển mờ 2 đầu vào trong biểu thức (4.47) với hệ số khuếch đại đầu

ra K, có thể được biểu diễn như là F.e cộng thêm một giới hạn trễ T như biểu thức

(4.56) (hình 4.13) giới hạn trễ T sẽ tiến tới 0 khi hệ thống tiến đến điểm cân bằng.

U = K(T + Fe) (4.56)

Ta áp dụng phương pháp Lyapunov và phương pháp Gradient để chỉnh định

thích nghi hệ số khuếch đại đầu ra K của bộ điều khiển mờ. Quá trình điều chỉnh

được thực hiện theo 2 cấu trúc chính được gọi chung là điều khiển thích nghi mờ

theo mô hình mẫu (MRAFC) (Model Reference Adaptive Fuzzy Controller). Ta tiến

hành khảo sát 2 sơ đồ phản hồi đầu ra và sơ đồ điều khiển thích nghi mờ theo mô

U e F

T

K

Hình 4.24 Bộ điều khiển mờ với hệ số

khuếch đại đầu ra K.



-97-

hình hiệu chỉnh trước (FMRAFC- Feedforward Model Reference Adaptive Fuzzy

Controller).

4.2.4.3 Sơ đồ điều khiển thích nghi mờ theo mô hình mẫu (MRAFC)

Xét cấu trúc điều khiển mờ theo mô hình mẫu được biểu diễn trên hình 4.25.

Trong đó: đối tượng điều khiển có hàm truyền G, mô hình mẫu có hàm

truyền Gm, bộ điều khiển mờ bao gồm bộ điều khiển mờ cơ bản kết hợp với bộ

khuếch đại K. Cần phải tìm ra quy luật điều chỉnh hệ số K sao cho sai lệch giữa mô

hình vá đối tượng tiến đến 0 (0).

Xấp xỉ 1 trong (3.48) thành một hằng số, hệ thống vòng kín xung quanh

trạng thái cân bằng trở thành tuyến tính với phương trình của vòng kín là:

c

KFGy U

1 KFG

(4.57)

Và

m

(s) y KFC e e. G

K K 1 KFG K K (4.58)

Giả thiết y tiến đến ym thì ta có thể xấp xỉ m

KFGG

1 KFG

. Khi đó quy luật

điều chỉnh thích nghi cho hệ số khuếch đại đầu ra của FLC có thể xác định từ

(4.55):

m

dK eG

dt K

(4.59)

y

y

ym

Uc

e

-

-

U

T

Mô hình mẫu Gm

Cơ cấu

thích nghi

K

FLC

K X Đối tƣợng

G

+

Hình 4.25 MRAFC điều chỉnh hệ số khuếch đại đầu ra.



-98-

Để xét ổn định của sơ đồ trên, ta chọn hàm Lyapunov:

V = 1/22

2

m

eV ( K ) ( G )

K t K t

Hệ thống ổn định khi 0.t

4.2.4.4 Sơ đồ điều khiển thích nghi mờ kiểu truyền thẳng (FMRAFC)

Cấu trúc của bộ điều khiển thích nghi mờ được biểu diễn trên hình 4.26. Sơ

đồ này được gọi là sơ đồ thích nghi mờ truyền thẳng (Feedforward Model

Reference Adaptive Fuzzy Controller - FMRAFC).

Trong sơ đồ này sai lệch giữa tín hiệu đặt và tín hiệu đầu ra của đối tượng

được thay thế bằng giá trị sai lệch giữa đối tượng và mô hình: .

Hệ số khuếch đại thích nghi đầu ra: m

KFCy y

1 KFG

(4.60)

m

2

y(s) y KFC KFG.

K K K 1 KGF K K(1 KFG)

(4.61)

Trong đó: my

1 KFG

và giả thiết rằng y tiến đến ym thì

KFC1

1 KFC

. Từ

(4.55) ta rút ra quy luật thích nghi cho hệ số khuếch đại đầu ra là:

2dK

(theo gradient)dt k

(4.62)

uc

-

y ym

u

Cơ cấu

thích nghi

Đối tượng

G

T

FLC

K

F +

Mô hình

mẫu Gm

Hình 4.26 Cấu trúc hệ FMRAFC.



-99-

m

dKy (theo Lyapunov)

dt (4.63)

Ta thấy hàm truyền của mô hình không có mặt ở luật thích nghi (4.62) và

(4.63) nên cấu trúc thích nghi này chịu đựng tốt đối với giới hạn lớn độ sai lệch

giữa mô hình và đối tượng. Trong thực tế nó chỉ cần một mô hình xấp xỉ gần đúng

ví dụ mô hình mẫu bậc nhất:

mm

m

bG

a s cũng có thể áp dụng cho phần lớn các đối

tượng điều khiển.

4.2.5 THIẾT KẾ KHỐI MỜ CƠ BẢN

4.2.5.1 Sơ đồ khối mờ.

Bộ mờ cơ bản ta sẽ thiết kế bao gồm hai biến trạng thái mờ đầu vào và một

biến mờ đầu ra. Mỗi biến này lại được chia thành nhiều giá trị tập mờ (Tập mờ

con). Số giá trị mờ trên mỗi biến được chọn để phủ hết các khả năng cần thiết sao

cho khả năng điều khiển là lớn nhất trong khi chỉ cần một số tối thiểu các luật điều

khiển mờ.

4.2.5.2 Định nghĩa tập mờ

* Định nghĩa các biến ngôn ngữ vào ra

Biến ngôn ngữ vào là tín hiệu điều khiển của bộ điều khiển mờ cụ thể là

lượng sai lệch điện áp điều khiển E và TE là tích phân của sai lệch.

Biến ngôn ngữ ra là đại lượng tác động trực tiếp hay gián tiếp lên đối tượng

ở đây biến ngôn ngữ ra là điện áp điều khiển U.

* Xác định miền giá trị vật lý của các biến ngôn ngữ vào ra

Hình4.27 Sơ đồ khối mờ cơ bản



-100-

Miền giá trị vật lý phải bao hàm hết các khả năng giá trị mà biến ngôn ngữ

vào ra có thể nhận, ta chọn:

E = [-1; 1] (V)

TE = [-2; 2 ] (Vs)

U = [-78; 78] (V)

* Số lượng tập mờ

Số lượng tập mờ thường đại diện cho số trạng thái của biến ngôn ngữ vào ra,

thường nằm trong khoảng 3 đến 10 giá trị. Nếu số lượng giá trị ít hơn 3 thì không

thực hiện được vì việc lấy vi phân, nếu nhiều hơn thì con người khó có khả năng

bao quát, vì con người phải nghiên cứu đầy đủ để đồng thời phân biệt khoảng 5 đến

9 phương án khác nhau và có khả năng lưu trữ trong thời gian ngắn. Đối với đối

tượng này ta chọn các giá trị như sau:

E = {AL, AV, AN, K, DN, DV, DL}

TE = {AL, AV, AN, K, DN, DV, DL}

U = {AL, AV, AN, K, DN, DV, DL}

Trong đó:

AL: Âm lớn

AV: Âm vừa

AN: Âm nhỏ

K: Không

DN: Dương nhỏ

DV:Dương vừa

DL: Dương lớn

* Xác định dạng hàm liên thuộc

Đây là giai đoạn rất quan trọng, vì các quá trình làm việc của bộ điều khiển

mờ phụ thuộc rất nhiều vào dáng của hàm liên thuộc. Mặc dù không có một chuẩn

mực nào cho việc lựa chọn nhưng thông thường có thể chọn hàm liên thuộc có dạng

hình học đơn giản như hình thang, hình tam giác... Các hàm liên thuộc phải có miền

phủ lên nhau đồng thời hợp của các miền liên thuộc phải phủ kín miền giá trị vật lý



-101-

để trong quá trình điều khiển không xuất hiện các “lỗ trống”. Ta chọn các hàm liên

thuộc hình tam giác.

* Rời rạc hóa tập mờ

Độ phân giải của các dải trị phụ thuộc được chọn trước hoặc là cho các nhóm

điều khiển mờ loại dấu phẩy động (các số dj biểu diễn dưới dạng dấu phẩy động có

độ chính xác đơn) hoặc nguyên ngắn (giá trị phụ thuộc là các số nguyên có độ phụ

thuộc là các số có độ dài 2 byte hoặc theo byte). Phương pháp rời rạc hóa sẽ là yếu

tố quyết định độ chính xác và tốc độ bộ điều khiển.

4.2.5.3 Xây dựng các luật điều khiển “Nếu…Thì”

Với 7 tập mờ của mỗi biến đầu vào, ta xây dựng được 7x7 = 49 luật điều

khiển. Các luật điều khiển được biểu diễn dưới dạng mệnh đề IF... THEN... Các luật

điều khiển này được xây dựng theo 2 nguyên tắc sau:

- Sai lệch càng lớn thì tác động điều khiển càng lớn.

- Tích phân sai lệch càng lớn thì tác động điều khiển càng lớn.

1. If (input1 is AL) and (input2 is AL) then (output1 is AL) (1)

2. If (input1 is AV) and (input2 is AL) then (output1 is AL) (1)

3. If (input1 is AN) and (input2 is AL) then (output1 is AL) (1)

4. If (input1 is K) and (input2 is AL) then (output1 is AL) (1)

5. If (input1 is DN) and (input2 is AL) then (output1 is AV) (1)

6. If (input1 is DV) and (input2 is AL) then (output1 is AN) (1)

7. If (input1 is DL) and (input2 is AL) then (output1 is K) (1)

8. If (input1 is AL) and (input2 is AV) then (output1 is AL) (1)

9. If (input1 is AV) and (input2 is AV) then (output1 is AL) (1)

10. If (input1 is AN) and (input2 is AV) then (output1 is AL) (1)

11. If (input1 is K) and (input2 is AV) then (output1 is AV) (1)

12. If (input1 is DN) and (input2 is AV) then (output1 is AN) (1)

13. If (input1 is DL) and (input2 is AV) then (output1 is DN) (1)



-102-

14. If (input1 is AL) and (input2 is AN) then (output1 is AL) (1)

15. If (input1 is AV) and (input2 is AN) then (output1 is AL) (1)

16. If (input1 is AN) and (input2 is AN) then (output1 is AV) (1)

17. If (input1 is K) and (input2 is AN) then (output1 is AN) (1)

18. If (input1 is DN) and (input2 is AN) then (output1 is K) (1)

19. If (input1 is DV) and (input2 is AN) then (output1 is DN) (1)

20. If (input1 is DL) and (input2 is AN) then (output1 is DV) (1)

21. If (input1 is AL) and (input2 is K) then (output1 is AL) (1)

22. If (input1 is AV) and (input2 is K) then (output1 is AV) (1)

23. If (input1 is AN) and (input2 is K) then (output1 is AN) (1)

24. If (input1 is K) and (input2 is K) then (output1 is K) (1)

25. If (input1 is DN) and (input2 is K) then (output1 is DN) (1)

26. If (input1 is DV) and (input2 is K) then (output1 is DV) (1)

27. If (input1 is DL) and (input2 is K) then (output1 is DL) (1)

28. If (input1 is AL) and (input2 is DN) then (output1 is AV) (1)

29. If (input1 is AV) and (input2 is DN) then (output1 is AN) (1)

30. If (input1 is AN) and (input2 is DN) then (output1 is K) (1)

31. If (input1 is K) and (input2 is DN) then (output1 is DN) (1)

32. If (input1 is DN) and (input2 is DN) then (output1 is DV) (1)

33. If (input1 is DV) and (input2 is DN) then (output1 is DL) (1)

34. If (input1 is DL) and (input2 is DN) then (output1 is DL) (1)

35. If (input1 is AL) and (input2 is DV) then (output1 is AN) (1)

36. If (input1 is AV) and (input2 is DV) then (output1 is K) (1)

37. If (input1 is AN) and (input2 is DV) then (output1 is DN) (1)

38. If (input1 is K) and (input2 is DV) then (output1 is DV) (1)



-103-

39. If (input1 is DN) and (input2 is DV) then (output1 is DL) (1)

40. If (input1 is DV) and (input2 is DV) then (output1 is DL) (1)

41. If (input1 is DL) and (input2 is DV) then (output1 is DL) (1)

42. If (input1 is AL) and (input2 is DL) then (output1 is K) (1)

43. If (input1 is AV) and (input2 is DL) then (output1 is DN) (1)

44. If (input1 is AN) and (input2 is DL) then (output1 is DV) (1)

45. If (input1 is K) and (input2 is DL) then (output1 is DL) (1)

46. If (input1 is DN) and (input2 is DL) then (output1 is DL) (1)

47. If (input1 is DV) and (input2 is DL) then (output1 is DL) (1)

48. If (input1 is DL) and (input2 is DL) then (output1 is DL) (1)

49. If (input1 is DV) and (input2 is AV) then (output1 is K) (1)

4.2.5.4 Chọn luật hợp thành

Từ tập các luật điều khiển ta có thể dùng các luật hợp thành Max-Min,

Max-Prod hay các luật hợp thành khác để tìm hàm liên thuộc hợp thành của tập mờ

đầu ra. Ở đây ta chọn luật hợp thành Max-Min, ta có kết quả như sau:

Hình 4.28 Các luật hợp thành.



-104-

4.2.5.5 Giải mờ

Từ hàm liên thuộc hợp thành của tập mờ đầu ra, ta có thể dùng phương

pháp giải mờ thích hợp để xác định rõ đầu ra của bộ giải mờ. Phương pháp giải mờ

được chọn cũng gây ảnh hưởng đến độ phức tạp và trạng thái làm việc của toàn bộ

hệ thống. Thường trong thiết kế hệ thống điều khiển mờ, giải mờ bằng phương pháp

trọng tâm hay trung bình âm có nhiều ưu điểm hơn cả, vì lúc đó kết quả đầu ra có sự

tham gia đầy đủ của tất cả các luật điều khiển. Ở đây giải mờ bằng phương pháp

trọng tâm, ta có kết quả hợp thành và giải mờ như hình vẽ:

.

4.2.6 SƠ ĐỒ MÔ PHỎNG HỆ THỐNG ĐIỀU KHIỂN SỬ DỤNG BỘ ĐIỀU

KHIỂN MỜ THÍCH NGHI

Theo nghiên cứu ở trên, khi tốc độ gió thay đổi thì tốc độ của tuabin cũng

thay đổi theo và để ổn định được tốc độ quay của tuabin ta cần phải có bộ điều

khiển thay đổi được thông số phù hợp với sự thay đổi của tốc độ gió. Với bộ điều

khiển thích nghi kinh điển về cơ bản cũng đã đáp ứng được phần nào yêu cầu đó.

Tuy nhiên khi ta thay đổi giá trị đặt tốc độ quay của tuabin trong quá trình làm việc

thì bộ điều khiển thích nghi kinh điển không đáp ứng được yêu cầu chất lượng động

của quá trình điều khiển. Để khắc phục hiện tượng đó, tác giả đề xuất phương án sử

dụng bộ điều khiển mờ thích nghi. Bộ điều khiển thích nghi được thiết kế từ bộ điều

Hình 4.29 Quan hệ vào ra của bộ điều khiển mờ.



-105-

khiển mờ, song ở bộ điều khiển thích nghi hệ số khuếch đại đầu ra K thay đổi theo

luật Lyapunov.

1

Out11

s

1

s

1

s3.2

1.1

5.8

Fuzzy Logic

Controller

with Ruleviewer

2

In2

1

In1

Hình 4.31 Sơ đồ khối của bộ điều khiển mờ thích nghi.

Hình 4.32 Sự thay đổi của hệ số khuếch đại đầu ra K theo luật Lyapunov. 0 2 4 6 8 10 12

0

0.05

0.1

0.15

0.2

0.25

Hình 4.30 Sơ đồ mô phỏng hệ thống điều khiển cánh gió tuabin

với bộ điều khiển mờ thích nghi.

In1Out1

tuabin va do luong

1

0.13s+1

mo hinh mau

Out1

gia tri datScope

In1

In2

Out1

Mo thich nghi

In1 Out1




-106-


thời gian(s) 0 2 4 6 8 10 12

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

Hình 4.34 Kết quả mô phỏng hệ thống với bộ điều khiển mờ thích nghi

0 2 4 6 8 10 120

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

thời gian(s)

thời gian(s)


và mờ thích nghi

0 2 4 6 8 10 120

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6



-107-

Nhận xét:

Sau khi đưa bộ điều khiển mờ thích nghi vào thay thế bộ điều khiển thích

nghi kinh điển, từ kết quả mô phỏng trên phần mềm Matlab ta thấy sử dụng bộ điều

khiển mờ thích nghi đạt chất lượng động tăng lên rõ rệt, tốc độ quay của tuabin bám

theo giá trị đặt một cách nhanh chóng.

KÊT LUÂN VA KIÊN NGHI

Kết luận

Sau 6 tháng nghiên cứu tài liệu cũn g như tim hiêu trong thưc tê tac gia đa

hoàn thành những nội dung công việc cụ thể của luận văn như sau:

Tìm hiểu lịch sử phát triển nguồn năng lượng gió và các máy phát điện chạy

bằng sức gió.

Phân tích khí động lực học cánh gió của tuabin gió trục đứng và xác định góc

cánh điều khiển.

Nghiên cứu và thiết kế được bộ điều khiển mờ thích nghi để điều khiển cánh

gió của tuabin gió trục đứng. Kết quả mô phỏng cho thấy khi sử dụng bộ điều khiển

thích nghi kinh điển thì tốc độ của tuabin vẫn còn dao động trong quá trình thay đổi

tốc độ quay của tuabin. Với bộ điều khiển mờ thích nghi chất lượng động của hệ

2.5 3 3.5 4 4.5 5 5.5 6 6.5 70.8

0.9

1

1.1

1.2

1.3

1.4

1.5

1.6

Bộ điều khiển mờ

thích nghi


thích nghi kinh điển



-108-

thống tăng lên rõ rệt, ít dao động, hệ thống làm việc ổn định. Vì vậy việc áp dụng

bộ điều khiển mờ thích nghi để điều khiển cánh gió của tuabin gió trục đứng nhằm

ổn định tốc độ quay của tuabin theo yêu cầu và đảm bảo chất lượng động của hệ

thống, đó là một hướng nghiên cứu để có thể phát triển nguồn năng lượng sạch

trong tương lai.

Kiến nghị

Việc phát triển nguồn năng lượng gió ở nước ta hiện nay là một vấn đề còn

tương đối mới mẻ, việc nghiên cứu nó còn nhiều hạn chế. Để biến đổi năng lượng

gió thành điện năng đạt hiệu quả cao thì việc sử dụng các tuabin gió với bộ điều

khiển hợp lý là rất quan trọng. Trong luận văn này tôi sử dụng bộ điều khiển mờ

thích nghi để điều khiển cánh gió của tuabin trục đứng nhằm nâng cao hiệu suất

chuyển đổi năng lượng gió và ổn định tốc độ quay của tuabin theo yêu cầu. Tuy

nhiên chúng ta có thể sử dụng nhiều bộ điều khiển khác nhau, nếu có điều kiện tôi

có thể tiến hành nghiên cứu thiết kế và ứng dụng thay thế bằng những bộ điều khiển

thông minh khác như: bộ điều khiển mờ noron. Ngoài ra nếu có điều kiện tôi có thể

nghiên cứu điều khiển cánh gió của tuabin gắn với điều khiển công suất máy phát

cho phù hợp với yêu cầu của phụ tải.



-109-

TÀI LIỆU THAM KHẢO

A. Tiếng Việt

[1] Nguyễn như Hiển, Lại Khắc Lãi (2007), Hệ mờ và nơron trong kỹ thuật điều

khiển, NXB Khoa học tự nhiên và công nghệ, Hà Nội.

[2] Lại Khắc Lãi (2007), Ứng dụng hệ mờ - nơron để nhận dạng hệ phi tuyến nhiều

chiều, Tạp chí Khoa học & Công nghệ các trường Đại học kỹ thuật (số 60).

[3] Lại Khắc Lãi, “Xây dựng hệ điều khiển thông minh để điều khiển đối tượng phi

tuyến khó mô hình hoá”, Đề tài NCKH cấp bộ năm 2002; Mã số: B2002.02.03.

[4] Lại Khắc Lãi, “Nghiên cứu ứng dụng hệ mờ + Nơ ron để điều khiển chuyển

động nhiều trục”, Đề tài NCKH cấp bộ năm 2004; Mã số: B2004.

[5] Lại Khắc Lãi; “Một thuật toán thiết kế bộ điều khiển thông minh và ứng dụng”,

Tuyển tập các báo cáo khoa học Hội nghị toàn quốc lần thứ 6 về tự động hoá

4/2005, Tr 306-311.

[6] Phan Xuân Minh & Nguyễn Doãn Phước (2006), “Lý thuyết điều khiển mờ”,

nhà xuất bản Khoa học và Kỹ thuật, Hà Nội.

[7] Nguyễn Thương Ngô (2006), “Lý thuyết điều khiển tự động”, nhà xuất bản

Khoa học và Kỹ thuật, Hà Nội.

[8] Nguyễn Doãn Phước, Phan Xuân Minh & Hán Thành Trung (2003), “Lý thuyết

điều khiển phi tuyến”, nhà xuất bản Khoa học và Kỹ thuật, Hà Nội.

[9] Nguyễn Văn May (2005), “Bơm, quạt, máy nén”, Nxb Khoa học và Kỹ thuật,

Hà Nội.

[10] Nguyễn Thương Ngô (1999), “Lý thuyết điều khiển tự động hiện đại”, nhà

xuất bản Khoa học và Kỹ thuật, Hà Nội.



-110-

B. Tiếng Anh

[1] Thomas Ackerman (2005), “Wind Power in Power Systems”, John Wiley and

Sons, Ltd.

[2] Sandra Eriksson (2008), “Direct Driven Generators for Vertical Axis Wind

Turbines”, Uppsala University, Sweden.

[3] Désiré Le Gouriérès (1982), “Wind power plants – Theory and Desig”,

Pergamon Press.

[4] Morten H. Hansen, Anca Hansen, Torben J. Larsen, Stig Øye,Poul Sørensen

and Peter uglsang (2005), “Control design for a pitch-regulated, variable speed

wind turbine”.

[5] Fernando D. Bianchi, Hernán De Battista and Ricardo J. Mantz (2006), “Wind

Turbine Control Systems”, Department of Electrical Engineering National

University of La Plata, Argentina.

[6] Gary L. Johnson (2001), “Wind energy systems”, Manhattan, KS

[7] Erich Hau Springer (2005), “Wind turbine”.

[8] John F. Walker, and Nicholas Jenkins (1997), “Wind Energy technology”, John

Wiley and Sons, Ltd.

[9] Springer (1997), “Wind Energy”.

[10] Robert Mikkelsen (2003), “Actuator Disc Methods Applied to Wind Turbines”,

Technical University of Denmark DK-2800 Lyngby, Denmark

[11] George Ellis, “Cures for Mechanical Resonance in Industrial Servo

Systems”, A Danaher Motion Company, USA.

[12] George Ellis, Robert D. Lorenz (2000), “Resonant Load Control Methods for

Industrial Servo Drives”, IEEE Industry Applications Society, Annual Meeting,

Rome, Italy.

[13] Koji Sugiura and Yoichi Hori (1996), “Vibartion Suppression in 2-and 3 Mass

System Based on the Feedback of Imperfect Derivative of the Estimated Torsional

Torque”, IEEE, Vol 43, No 1.



-111-

[14] ArmstrongB.and AminB (1996), “PID control in the presence of static

friction: Acomparison of Algebraic and describing function analysis”, Milwaukee

[15] RmstrongB.and AminB (1994), “PID control in the presence of static

friction:Exact and describing function analysis”, Milwaukee

[16] LinC., YuT. and FengXu (1996), “Fuzzy control of a nonlinear pointing test

bed with backlash and friction”, Kobe.

[17] DhaouadiR.,KuboK.and TobiseM (1994), “Analysis and compensation of

speed drive systems with torsional loads”.

[18] HSUJ. and MeyerA (1968), “Modern Control Principles and Applications”,

McGraw-Hill, NewYork.

.

.

.

Hệ thống

x1(t)…xp(t

)

thuyẾt minh luẬn vĂn thẠc sỸ kỸ...

Documents