Kết hợp điều khiển trượt và mạng nơ ron để điều khiển xe tự cân bằng
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (616.73 KB, 3 trang )
Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0
KẾT HỢP ĐIỀU KHIỂN TRƯỢT VÀ MẠNG NƠ RON
ĐỂ ĐIỀU KHIỂN XE TỰ CÂN BẰNG
Nguyễn Đức Minh
Trường Đại học Thủy lợi, email:
1. GIỚI THIỆU
Để điều khiển cho xe tự cân bằng thì hiện
nay có rất nhiều phương pháp hiệu quả như
điều khiển trượt, điều khiển PID, LQR,
BackStepping... Bản thân cá nhân bộ điều
khiển trượt hoặc sử dụng mạng nơ ron làm bộ
điều khiển cũng thu được kết quả rất tốt. Tuy
nhiên trong trường hợp nhiễu bất định xuất
hiện thì các phương pháp trên có những hạn
chế nhấn định. Trong bài báo này, tác giả
không sử dụng bộ điều khiển nơ ron làm bộ
điều khiển chính, mà sử dụng khả năng nhận
dạng đối tượng của mạng nơ ron, nhằm mục
đích nhận dạng các thành phần nhiễu xuất
hiện ngẫu nhiên trong hệ. Khi đó bộ điều
khiển trượt sẽ làm tốt nhiệm vụ cịn lại khi hệ
được lý tưởng hóa sau khi bù nhiễu bằng
mạng nơ ron.
Việc sử dụng mạng nơ ron để nhận dạng
nhiễu và bù nhiễu thường dựa trên kinh
nghiệm lựa chọn mạng và số nơ ron trên mỗi
lớp mạng, trong nghiên cứu này, tác giả sẽ
đưa ra kết quả lựa chọn của mình từ kinh
nghiệm của các nghiên cứu trước đó trong
phương án lựa chọn luật điều khiển hoặc
phương án bù nhiễu. Từ đó áp dụng vào điều
khiển và bù nhiễu cho xe hai bánh tự cân
bằng có dặc tính động học phi tuyến.
2. CẤU TRÚC VÀ MƠ HÌNH ĐỘNG HỌC
CỦA XE TỰ CÂN BẰNG
2.1. Mơ hình của xe tự cân bằng.
Thơng thường, mơ hình động học của rô
bốt được xây dựng bằng phương pháp EulerLagrange. Cấu trúc mơ hình của xe hai bánh
tự cân bằng được minh họa trên Hình 1. Đây
là rơ bốt 3 bậc tự do với 3 biến khớp lần lượt
là biến di chuyển x, biến góc quay δ và biến
góc nghiêng θ.
Hình 1. Cấu trúc của xe tự cân bằng.
2.2. Phương trình Lagrange
J x&l2 x&r2 m M x&l x&r 2
L mw wy
r2 2
2 2
1
x& x&r &
2
&2
ML l
cos( )+ 2 ( ML J p J c ) (1)
2
2
1 x&l x&r
Jv
mgl cos( )
2 D
Trong đó xl , xr là khoảng dịch chuyển của
bánh trái, bánh phải dọc theo trục x, D là
hoảng cách giữa 2 bánh xe theo trục z
Cấu trúc bộ điều khiển PID:
K
u ( s ) ( K p i sKd )e( s )
(2)
s
267
Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0
3. MƠ PHỎNG VÀ PHÂN TÍCH
Chọn chu kỳ trích mẫu Tsp = 0.01 để nhận
dạng thành phần nhiễu bất định có trong hệ.
Sau khi huấn luyện ta được kết quả như sau:
Sai lệch mse giữa đầu ra của mô hình
mạng nơ ron và đối tượng là 2,5*10-12. Sai
lệch lớn nhất giữa đầu ra của mơ hình mạng
nơ ron và cánh tay rô bốt là 6*10-5. Số lần
huấn luyện là 1350.
Tham số của hàm Gaussian sử dụng để mô
phỏng được tác giả lựa chọn như sau:
Các thông số của mô hình được lựa chọn
trong mơ phỏng như sau:
mw = 0.3kg; M = 1kg; m = 2kg; L = 0.1m;
D = 0.2m; g = 10 m*s-2; r = 0.035m
Ta đặt một nhiễu hình sin với tham số
ngẫu nhiên vào hệ và thu được lực tác động
vào hai bánh như sau:
fl = - fr = 2.85sin(((2t) + rank) N
Đáp ứng Mô men trên hai bánh lúc đó có
dạng như Hình 4.
1 1.2; 2 1.2; c1 0.01; c2 0.01
Tỷ lệ học = 0.1 và = 2. Đáp ứng vào, ra
của mơ hình mẫu, đầu ra của đối tượng và
đáp ứng của mơ hình mẫu của bộ điều khiển
nơ ron được mơ phỏng trong Hình 2 và 3.
Hình 4. Đáp ứng moment trên hai bánh
Các trạng thái ban đầu của hệ rô bốt tự cân
bằng được lựa chọn như sau:
[x;x&; ;&] 0;0.001; 0.0005;0
Hình 2. Tín hiệu vào và ra mẫu
Với lựa chọn về mạng nơ ron, luật điều
khiển, tham số hệ Gaussian như trên, đáp ứng
của hệ lần lượt được biểu diễn trên các hình
5, 6, 7 và 8. Quan sát trên các đáp ứng ta thấy
hệ thống được ổn định tốt, theo đúng thiết kế
với hiệu suất cao. Các thơng số về vị trí, tốc
độ, góc quay và vận tốc góc đều nhanh chóng
trở về vị trí cân bằng sau khơng q 1 giây.
Điều đó chứng tỏ phương pháp điều khiển do
nhóm tác giả đề suất đã hoạt động hiệu quả.
3
x 10
-3
Position [m]
2.5
2
1.5
1
0.5
0
-0.5
0
0.5
1
1.5
2
2.5
3
3.5
Hình 3. Đầu ra của NN model, sai lệch
giữa đầu ra của NN model và đối tượng
Hình 5. Đáp ứng vị trí của rô bốt
268
4
Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN: 978-604-82-5957-0
4. KẾT LUẬN
Các kết quả mô phỏng cho thấy bộ điều
khiển hoạt động tốt và đạt mục tiêu đề ra, các
tham số mạng noron được tính tốn cập nhật
online để luôn đảm bảo cho sự ổn định khi
gặp sự biến thiên của nhiễu.
5. TÀI LIỆU THAM KHẢO
Hình 6. Đáp ứng tốc độ của rô bốt
2
x 10
-4
[1] Minh Nguyen-Duc, Wang Wei, Zhuang
Yan. Consensus of Multi-Agent Systems
with Euler-Lagrange System Using Neural
Networks Controller. ICIC Express Lett.
2016, 10, pp. 1697-1704.
Angle [rad]
1
0
-1
-2
[2]
-3
-4
-5
0
0.5
1
1.5
2
2.5
3
3.5
4
Hình 7. Đáp ứng góc quay của rơ bốt
Hình 8. Đáp ứng vận tốc góc của rơ bốt
269
Minh Nguyen-Duc, Thang Nguyen-Trong.
Sliding Surface in Consensus Problem of
Multi-Agent Rigid Manipulators with
Neural Network Controller. Energies,
2017,10.12: 2127.
