Hướng dẫn Thí nghiệm cao học Tự động hóa - Bài thí nghiệm: Nhận dạng hệ thống (System Identification)
I. MỤC ĐÍCH THÍ NGHIỆM
Muốn thiết kế hệ thống điều khiển có chất lượng tốt cần phải biết mô hình
toán học của đối tượng điều khiển. Nhận dạng hệ thống là phương pháp rút ra mô
hình toán học của hệ thống dựa vào dữ liệu vào – ra quan sát được. Lý thuyết nhận
dạng hệ thống được đưa ra từ những năm 1960 trên cơ sở lý thuyết xác suất thống
kê. Đến nay các phương pháp nhận dạng mô hình tuyến tính đã phát triển khá hoàn
chỉnh; các phương pháp nhận dạng hệ phi tuyến, đặc biệt là hệ phi tuyến MIMO
đang là vấn đề nghiên cứu được rất nhiều người quan tâm hiện nay.
Bài thí nghiệm này trang bị cho học viên kiến thức thực hành về nhận dạng
hệ thống. Thông qua các thí nghiệm cụ thể nhận dạng các đối tượng điển hình
trong phòng thí nghiệm là động cơ DC và hệ bồn chứa học viên sẽ áp dụng được
các phương pháp nhận dạng mô hình tuyến tính cũng như phi tuyến; phương pháp
nhận dạng hệ thống hở cũng như hệ thống kín; phương pháp nhận dạng hệ SISO
cũng như hệ MIMO vào thực tế. Bài thí nghiệm sẽ giúp học viên củng cố kiến thức
lý thuyết, phát triển kỹ năng thực hành nhận dạng hệ thống để sau này có thể vận
dụng lý thuyết nhận dạng các hệ thống thực tế trong công nghiệp.
Để có thể thực hiện tốt bài thí nghiệm, học viên cần xem lại cơ sở lý thuyết
trong các môn học Mô hình hóa, nhận dạng và mô phỏng; Mạng neuron nhận dạng,
dự báo và điều khiển. Phụ lục A ở cuối hướng dẫn thí nghiệm này tóm lượt lý
thuyết tối thiểu học viên phải nắm trước khi tiến hành thí nghiệm.
(A.21) với ∏ = = r j ijijjAiii ttg ij 1 ),),((),),(( γβϕµγβϕ (A.22) trong đó ijA ~µ là hàm liên thuộc của các tập mờ biểu diễn các giá trị ngôn ngữ trong mệnh đề điều kiện của các qui tắc mô tả đặc tính động học của hệ thống. Hình A.3: Mô hình mờ • Mô hình mạng thần kinh Hình A.4: Mô hình mạng thần kinh Hàm tác động của các tế bào thần kinh ở lớp ẩn là hàm sigmoid hoặc hàm gauss, kí hiệu là )(xκ , hàm tác động của tế bào thần kinh ở lớp ra là hàm tuyến tính xxf =)( . Bài thí nghiệm: Nhận dạng hệ thống 24 Biểu thức bộ dự báo dùng mạng thần kinh như sau: ∑ = = l i ii tgwty 1 )(),(ˆ θ (A.23) trong đó: ( )0)( iTii vtg −= ϕvκ (A.24) với ijv và iw là trọng số của lớp ẩn và lớp ra. A.4. ƯỚC LƯỢNG THÔNG SỐ Ở bước này chúng ta phải giải một bài toán tối ưu hóa để tìm thông số mô hình sao cho tối thiểu một hàm xác định dương đánh giá sai lệch giữa tín hiệu ra của bộ dự báo và tín hiệu ra thực nghiệm. Thông thường tiêu chuẩn ước lượng có dạng toàn phương: ),(minargˆ eN ZV θθ θ= (A.25) với ∑ = −= N t eN tytyN ZV 1 2)],(ˆ)([1),( θθ (A.26) Nếu bộ dự báo có thể biểu diễn dưới dạng hồi qui tuyến tính: θϕθ )(),(ˆ tty T= (A.27) thì lời giải của bài toán tối ưu hóa (A.25) có thể tìm được dễ dàng bằng công thức: = ∑∑ = − = N t N t T tyttt 1 1 1 )()()()(ˆ ϕϕϕθ (A.28) Trong trường hợp mô hình phi tuyến theo thông số thì bài toán tối ưu hóa (A.25) cần giải là bài toán qui hoạch không lồi, trong đa số trường hợp chỉ có thể tìm được lời giải tối ưu cục bộ bằng các thuật toán lặp, chẳng hạn như thuật toán Newton: [ ] ),ˆ(),ˆ(ˆˆ )1(1)1()1()( eiNeiNii ZVZV −−−− ′′′−= θθθθ (A.29) Các phiên bản của thuật toán Newton như thuật toán suy giảm độ dốc hay thuật toán Levenberg – Marquardt rất thường dùng để giải bài toán ước lượng thông số mô hình phi tuyến. Ngoài ra thuật toán di truyền cũng có thể sử dụng để ước lượng thông số, tuy nhiên do tốc độ hội tụ của thuật toán di truyền chậm nên ít được sử dụng thường xuyên. A.5 ĐÁNH GIÁ MÔ HÌNH Sau khi ước lượng thông số ta có được mô hình toán của hệ thống, câu hỏi đặt ra là chất lượng của mô hình vừa nhận dạng như thế nào? Bước đánh giá mô hình trả lời câu hỏi này. Phương pháp cơ bản để đánh giá mô hình là khảo sát khả năng tái tạo đáp ứng của hệ thống với một tập dữ liệu mới không dùng ở bước ước lượng thông số bằng cách mô phỏng mô hình vừa thu được với tín hiệu vào mới và so sánh tín hiệu ra mô phỏng với tín hiệu ra thực nghiệm, phương pháp này gọi là Bài thí nghiệm: Nhận dạng hệ thống 25 đánh giá chéo. Một phương pháp khác cũng hay dùng để đánh giá mô hình phương pháp phân tích thặng dư, theo đó nếu mô hình nhận dạng được có chất lượng tốt thì: - tương quan giữa thặng dư (sai lệch giữa tín hiệu ra thực nghiệm và tín hiệu ra của mô hình) và tín hiệu vào phải xấp xỉ bằng 0. - thặng dư phải có dạng nhiễu trắng. A.6. NHẬN DẠNG HỆ THỐNG KÍN Đôi khi phải thực hiện thí nghiệm có hồi tiếp ngõ ra để thu thập số liệu nhận dạng (nhận dạng vòng kín) vì các lý do: - Hệ hở không ổn định - Hệ thống cần phải được điều khiển vì các lý do kinh tế, an toàn. - Hệ thống có sẳn cơ chế hồi tiếp. Sơ đồ khối thí nghiệm thu thập dữ liệu của hệ thống kín trình bày ở hình A.5. Hình A.5: Sơ đồ thí nghiệm nhận dạng hệ thống kín Các phương pháp nhận dạng vòng kín được sử dụng hiện nay là: - Phương pháp trực tiếp: Áp dụng phương pháp sai số dự báo: dùng tín hiệu ra )(ty của đối tượng và tín hiệu vào )(tu để nhận dạng tương tự như đã làm đối với trường hợp nhận dạng hệ hở, bỏ qua hồi tiếp và không sử dụng tín hiệu chuẩn )(tr . - Phương pháp gián tiếp: Nhận dạng hệ thống kín từ tín hiệu vào chuẩn )(tr và tín hiệu ra )(ty , sau đó tính hàm truyền của đối tượng dựa vào mô hình hệ kín vừa nhận dạng được và mô hình của bộ điều chỉnh (regulator) đã biết. - Phương pháp kết hợp vào – ra: Xem )(ty và )(tu như là tín hiệu ra của hệ thống có tín hiệu vào là )(tr , nhận dạng mô hình của đối tượng và mô hình của bộ điều khiển. A.7. BỘ CÔNG CỤ NHẬN DẠNG HỆ THỐNG CỦA MATLAB Bộ công cụ Ident (Identification Toolbox) của Matlab hỗ trợ đầy đủ các tiện ích để người dùng có thể dễ dàng giải bài toán nhận dạng mô hình tuyến tính. - Xử lý dữ liệu: lọc nhiễu, loại mức DC, phân đoạn dữ liệu, kết hợp dữ liệu từ nhiều thí nghiệm, lấy mẫu lại, - Cấu trúc mô hình: Ident có thể nhận dạng mô hình không tham số (đáp ứng xung, đáp ứng tần số) và mô hình có tham số (ARX, ARMAX, OE, BJ, State-Space). G0(q) Fy(q) +++− r(t) v(t) y(t) u(t) Bài thí nghiệm: Nhận dạng hệ thống 26 - Ước lượng thông số: các phương pháp ước lượng mô hình không tham số (phương pháp tương quan, phương pháp phân tích phổ) và ước lượng mô hình có tham số (phương pháp bình phương tối thiểu, phương pháp biến công cụ). - Đánh giá mô hình: Ident hỗ trợ vẽ đồ thị ngõ ra mô hình, đặc tính tần số (biểu đồ Bode), đáp ứng quá độ (tín hiệu vào là hàm nấc), giản đồ cực – zero, phân tích thặng dư, phổ nhiễu để người dùng dễ dàng đánh giá mô hình. Chi tiết về các tính năng và cách sử dụng bộ công cụ Ident có thể tham khảo trong các tài liệu hướng dẫn của Matlab. Bài thí nghiệm: Nhận dạng hệ thống 27 PHỤ LỤC B ĐẶC TÍNH ĐỘNG HỌC HỆ BỒN CHỨA B.1. GIỚI THIỆU Hệ bồn chứa là một trong những đối tượng điều khiển thường gặp trong các quá trình công nghiệp, đặc biệt là các quá trình công nghệ hóa học như hóa dầu, xử lý nước thải,... Để có thể thiết kế được các hệ thống điềâu khiển mực chất lỏng trong các bồn chứa cần thiết phải nhận dạng mô hình toán học của hệ bồn chứa. Trong bài thí nghiệm này học viên sẽ thực hành nhận dạng một mô hình bồn chứa đơn giản trong phòng thí nghiệm được thiết kế và thi công theo mô hình hệ bồn chứa của hãng Kent Ridge Instrument (xem hình 5, trang3). Tùy theo sự thay đổi của các van xả và số máy bơm sử dụng mà ta có hệ bồn đơn (Single Tank), hệ bồn nối tiếp (Cascade Tank) hay hệ bồn kép (Couple Tank). Các kiến thức tích lũy được từ bài thí nghiệm này sẽ rất hữu ích cho học viên khi cần phải nhận dạng mô hình toán học của các hệ bồn chứa phức tạp hơn trong công nghiệp. B.2. HỆ BỒN ĐƠN Hình B.1: Hệ bồn đơn Phương trình vi phân mô tả đặc tính động học hệ bồn đơn: ( ))(2)(1)( tgyCatku A ty −=& trong đó: )(ty : độ cao mực chất lỏng trong bồn chứa [cm] )(tu : tín hiệu điều khiển máy bơm k: lưu lượng bơm cực đại [cm3/sec] A: tiết diện ngang của bồn [cm2] a: tiết diện van xả [cm2] C: hệ số xả, phụ thuộc loại chất lỏng g: gia tốc trọng trường (g=981[cm/sec2]) • Mô hình toán học tuyến tính của hệ bồn đơn xung quanh điểm tĩnh (U0,Y0): 1)( )()( +== Ts K sU sYsG • Mô hình hồi qui tuyến tính mô tả đặc tính phi tuyến của hệ bồn đơn: θϕθ ).(),( tty T= trong đó [ ]Ttutytyt )1()1()1()( −−−=ϕ , [ ]T321 θθθ=θ y(t) u(t) Bài thí nghiệm: Nhận dạng hệ thống 28 • Mô tả đặc tính động học hệ bồn đơn bằng các phát biểu ngôn ngữ: Dựa vào kinh nghiệm, ta có thể mô tả đặc tính động học của hệ bồn đơn bằng các phát biểu ngôn ngữ có dạng tương tự như sau: Nếu )1( −ty thấp và )1( −tu thấp thì )(ty thấp Nếu )1( −ty thấp và )1( −tu cao thì )(ty trung bình . Các phát biểu trên có thể chuyển thành mô hình mờ mô tả hệ thống. B.3. HỆ BỒN NỐI TIẾP Hình B.2: Hệ bồn nối tiếp Phương trình vi phân mô tả đặc tính động học hệ bồn đơn: ( ) ( ) −−= −−= )(2)]()([21)( )]()([2)(1)( 222112 2 2 2112 1 1 tgyCatytygCa A ty tytygCatku A ty & & trong đó: )(1 ty : độ cao mực chất lỏng trong bồn 1 [cm] )(2 ty : độ cao mực chất lỏng trong bồn 2 [cm] )(tu : tín hiệu điều khiển máy bơm k: lưu lượng bơm cực đại [cm3/sec] A1: tiết diện ngang của bồn 1 [cm2] A2: tiết diện ngang của bồn 2 [cm2] a12: tiết diện van liên thông giữa bồn 1 và bồn 2 [cm2] a2: tiết diện van xả của bồn 2 [cm2] C: hệ số xả, phụ thuộc loại chất lỏng g: gia tốc trọng trường (g=981[cm/sec2]) B.4. HỆ BỒN KÉP Hình B.3: Hệ bồn nối tiếp u1(t) y2(t)y1(t) u2(t) u(t) y2(t) y1(t) Bài thí nghiệm: Nhận dạng hệ thống 29 Phương trình vi phân mô tả đặc tính động học hệ bồn kép: ( ) ( ) −−−−= −−−−= )()(2)]()([)(2)(1)( )()(2)]()([)(2)(1)( 2112122222 2 2 2112211111 1 1 tytygCatytysigntgyCatuk A ty tytygCatytysigntgyCatuk A ty & & trong đó: )(1 ty , )(2 ty : độ cao mực chất lỏng trong bồn 1, bồn 2 [cm] )(1 tu , )(2 tu : tín hiệu điều khiển máy bơm 1, máy bơm 2 k1, k2: lưu lượng bơm cực đại của máy bơm 1, máy bơm 2 [cm3/sec] A1, A2: tiết diện ngang của bồn 1, bồn 2 [cm2] a1, a2: tiết diện van xả của bồn 1, bồn 2 [cm2] a12: tiết diện van liên thông giữa bồn 1 và bồn 2 [cm2] C: hệ số xả, phụ thuộc loại chất lỏng g: gia tốc trọng trường (g=981[cm/sec2])
File đính kèm:
- huong_dan_thi_nghiem_cao_hoc_tu_dong_hoa_bai_thi_nghiem_nhan.pdf