BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC THÁI NGUYÊN

NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT
ĐIỀU KHIỂN HIỆN ĐẠI XÂY DỰNG MÔ HÌNH
TRONG ĐIỀU KHIỂN DỰ BÁO PHI TUYẾN

LUẬN ÁN TIẾN SĨ KỸ THUẬT

THÁI NGUYÊN – 2015


BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC THÁI NGUYÊN

NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT ĐIỀU
KHIỂN HIỆN ĐẠI XÂY DỰNG MÔ HÌNH TRONG
ĐIỀU KHIỂN DỰ BÁO PHI TUYẾN

Chuyên ngành: Kỹ thuật điều khiển & Tự động hóa
Mã số: 62. 52. 02. 16

LUẬN ÁN TIẾN SĨ KỸ THUẬT

NGƯỜI HƯỚNG DẪN KHOA HỌC

THÁI NGUYÊN – 2015


i

LỜI CAM ĐOAN
Tôi tên là Lê thị Huyền Linh, tôi xin cam đoan đây là công trình nghiên
cứu của cá nhân tôi dưới sự hướng dẫn của tập thể các nhà khoa học và các tài
liệu tham khảo đã trích dẫn. Kết quả nghiên cứu là trung thực và chưa được công
bố trên bất cứ một công trình nào khác.

Tác giả luận án

Lê Thị Huyền Linh


ii

LỜI CẢM ƠN
Trong suốt quá trình làm luận án, thực sự đã có những lúc khó khăn,
tưởng chừng như không thể tiếp tục, nhờ nhận được sự động viên, giúp đỡ của
người thân, bạn bè đồng nghiệp, thầy giáo hướng dẫn và tập thể các nhà khoa
học, tôi đã có được kết quả hôm nay. Từ sâu thẳm, tôi xin được trân trọng gửi lời
cảm ơn đến tất cả. Cảm ơn những người thầy, người bạn đã đồng hành, giúp đỡ,
chia sẽ cùng tôi trong giai đoạn khó khăn, vất vả nhất của chặng đường luận án.
Qua đây, tôi xin được bày tỏ lòng biết ơn chân thành đến thầy giáo
hướng dẫn PGS. TS. Lại Khắc Lãi đã tận tình, dìu dắt và định hướng cho tôi
trong suốt thời gian qua. Tôi cũng xin được gửi lời cảm ơn sâu sắc và kính trọng
đến các thầy cô giáo, các đồng nghiệp trong Khoa Điện, tập thể các nhà khoa
học, đã đóng góp những ý kiến quý báu về chuyên môn, quan tâm, tạo điều kiện
thuận lợi, giúp đỡ về công việc và thời gian. Cảm ơn Bộ môn Kỹ thuật Điện,
Khoa Điện, các Phòng ban của Trường Đại học Kỹ thuật Công nghiệp, Đại học
Thái Nguyên đã nhiệt tình, tạo điều kiện trong suốt quá trình thực hiện luận án.
Từ sâu tận đáy lòng, tôi muốn được nói lời cảm tạ đến bố mẹ, chị gái,
chồng và con gái bé bỏng đã luôn luôn bên tôi, hết lòng thương yêu, quan tâm, sẻ

chia, ủng hộ, động viên tinh thần, tình cảm, tạo điều kiện giúp tôi có nghị lực để
hoàn thành quyển luận án này.
Tác giả luận án

Lê Thị Huyền Linh


3

MỤC LỤC
LỜI CAM ĐOAN ................................................................................................... i
LỜI CẢM ƠN ........................................................................................................ ii
MỤC LỤC............................................................................................................. iii
DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT ....................................... vi
DANH MỤC CÁC BẢNG BIỂU ......................................................................... ix
DANH MỤC CÁC HÌNH VẼ ................................................................................x
MỞ ĐẦU.................................................................................................................1
1. Tính cấp thiết của đề tài luận án ........................................................................1
2. Phạm vi, đối tượng nghiên cứu và phương pháp nghiên cứu ............................3
3. Mục tiêu của luận án ..........................................................................................4
4. Những đóng góp mới về lý luận và thực tiễn của luận án .................................4
5. Bố cục của luận án .............................................................................................5
CHƯƠNG
1
T Ổ N G Q U A N V Ấ N Đ Ề N G H I Ê N C Ứ U
7
1.1.

Giới thiệu tổng quan về điều khiển dự báo theo mô hình ............................7


1.1.1. Khái niệm .....................................................................................................7
1.1.2. Nguyên lý của điều khiển dự báo theo mô hình ..........................................8
1.1.3. Các thành phần chính trong điều khiển dự báo dựa trên mô hình .............10
1.2.
Những vấn đề liên quan về điều khiển dự báo hệ tuyến tính
.....................15
1.3.

Các ưu nhược điểm của điều khiển dự báo so với phương pháp khác ......20

1.4.
Những vấn đề liên quan về điều khiển dự báo hệ phi tuyến
......................21
1.5.

Đề xuất hướng nghiên cứu giải quyết trong luận án ..................................25

1.6.

Kết luận Chương 1 .....................................................................................26

CHƯƠNG
2
NHẬN DẠNG NHIỄU VÀ BÙ NHIỄU CHO LỚP HỆ
T

U

Y


Ế

N

C

Ó

T

R

PHI
Ễ

27
2.1.

Tổng quát chung về nhận dạng và mạng nơron .........................................27

2.1.1 Khái niệm về nhận dạng.............................................................................27


4

2.1.2 Khái quát về cấu trúc mạng nơron .............................................................28
2.1.3 Giới thiệu mạng nơron RBF.......................................................................30


5


2.1.4 Tóm lược về nhận dạng trực tuyến hệ phi tuyến sử dụng mạng nơron nhân
tạo ...............................................................................................................3
1
2.2.
Bài toán nhận dạng nhiễu cho lớp hệ phi tuyến có trễ
...............................32
2.3.

Thuật toán nhận dạng nhiễu hệ phi tuyến có trễ trên cơ sở sử dụng mạng
nơron RBF khi chỉ có một thành phần nhiễu .............................................33

2.3.1. Xây dựng thuật toán nhận dạng nhiễu .......................................................33
2.3.2. Ví dụ minh họa...........................................................................................41
2.4.
Tổng hợp tin hiệu bù nhiễu cho hệ thống có trễ với một kênh điều
khiển.......44
2.5.

Thuật toán nhận dạng nhiễu hệ phi tuyến có trễ trên cơ sở sử dụng mạng
nơron RBF khi có nhiều thành phần nhiễu ................................................46

2.5.1.
Xây
dựng
thuật
....................................................................47

toán


nhận

dạng

2.5.2. Ví dụ minh họa...........................................................................................54
2.6.

Xác định điều kiện ứng đối cho việc bù nhiễu trong các hệ thống có trễ với
nhiều thành phần nhiễu tác động................................................................57

2.7.

Kết luận Chương 2 .....................................................................................59

CHƯƠNG
3
TỔNG HỢP BỘ Đ I ỀU KH IỂN DỰ BÁ O DỰA TH EO M Ô HÌNH
NỘ I C H O Đ Ố I T Ư Ợ N G C Ó T R Ễ V À X Â Y D Ự N G H Ệ T H
Ố N G

Đ I Ề U K H I Ể N C H O Đ Ố I T Ư Ợ N G C S T R

61
3.1.

Đặt vấn đề ..................................................................................................61

3.2.

Xây dựng tiêu chuẩn tối ưu cho bài toán điều khiển tối ưu và điều khiển

dự báo
.........................................................................................................62

3.3.

Xây dựng thuật toán điều khiển dự báo dựa trên mô hình nội cho lớp đối
tượng phi tuyến có trễ trên cơ sở đã nhận dạng và bù nhiễu .....................66

3.4.

Xây dựng mô hình toán cho đối tượng CSTR ...........................................71

3.4.1. Xây dựng mô hình toán cho đối tượng CSTR với một tín hiệu điều khiển76
3.4.2. Xây dựng mô hình toán cho đối tượng CSTR với hai tín hiệu điều khiển 79


6

3.5.

Thiết kế mô hình nhận dạng các nhiễu cho đối tượng CSTR ....................81

3.5.1. Thiết kế mô hình nhận dạng nhiễu trên hai kênh h và Cb với một tín hiệu
điều khiển ...................................................................................................82


7

3.5.2. Thiết kế mô hình nhận dạng nhiễu trên hai kênh h và Cb với hai tín hiệu
điều khiển ..................................................................................................87

3.6.

Xây dựng hệ thống điều khiển dự báo dựa trên mô hình nội cho đối tượng
CSTR trên cơ sở đã nhận dạng và bù nhiễu ...............................................92

3.6.1. Xây dựng bộ IMPC điều khiển một kênh Cb với một tín hiệu điều khiển
.......92
3.6.2. Xây dựng bộ IMPC điều khiển đồng thời cả hai kênh Cb và h với hai tín
hiệu điều khiển ...........................................................................................94
3.7.

So sánh bộ điều khiển PID với bộ điều khiển IMPC đã được nhận dạng và
bù nhiễu để điều khiển cho đối tượng CSTR .............................................96

3.7.1. So sánh bộ điều khiển PID với bộ điều khiển IMPC điều khiển một kênh
Cb với một tín hiệu điều khiển ...................................................................96
3.7.2. So sánh bộ điều khiển PID và bộ điều khiển IMPC điều khiển đồng thời
hai kênh Cb và h với hai tín hiệu điều khiển ............................................100
3.8.

Kết luận Chương 3 ...................................................................................105

KẾT LUẬN VÀ KIẾN NGHỊ ............................................................................107
DANH MỤC CÔNG TRÌNH KHOA HỌC CÓ LIÊN QUAN ĐẾN LUẬN
ÁN........109
TÀI LIỆU THAM KHẢO ..................................................................................110


8


DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
Danh mục các ký hiệu
thời gian trích mẫu
T

X(tk )

trạng thái tại thời điểm tk

X(tk 1 ), X(tk 2 ),...

trạng thái thại thời điểm tk+1, tk+2

x(t)

đầu ra của đối tượng điều khiển

u(t) , U(t)

tác động điều khiển

τ

thời gian trễ

ai

các thông số đặc trưng cho động học của đối

f () ,

F(X)

tượng vectơ các tác động nhiễu

fˆ (X) , Fˆ
(X)

hàm đánh giá của f (X)

wi* , w*ij

các trọng số lý tưởng

ε , εi
εM

sai số xấp xỉ
số nhỏ nhất bất kỳ cho trước

*

ε , εi*

sai số xấp xỉ lý tưởng

wˆ i , wˆ

các trọng số đánh giá

ij


wi , wij
A, B, D

sai lệch trọng số đánh giá
các ma trận thông số đặc trưng của đối tượng

O

ma trận với tất cả các thành phần bằng không

Im

ma trận đơn vị

i

(X)

Ci , Cij
i

,

ij

các hàm cơ sở
tâm của hàm cơ sở
độ trải rộng của hàm cơ sở


e(t) , E(t)

sai số trạng thái đầu ra

f (X)

sai số nhiễu đối tượng thực và nhiễu đánh giá

P,Q

ma trận đối xứng xác định dương

rmin (Q) , rmax (Q)

giá trị riêng nhỏ nhất, lớn nhất của ma trận Q
hệ số dương

0


vii

Pn , Pn m

2

i

dòng thứ n và n


m2

udk (t), Udk (t)

tín hiệu điều khiển

ub (t), Ub (t)

tín hiệu điều khiển bù

(B) ,

(D)

,

i của ma trận P

không gian hạng của ma trận B, D
các tập Compact

h

mức dung dịch

Cb

nồng độ dung dịch

l


khoảng cách từ van đến thành bình

T1, T2, T3

các van điện

T

hằng số thời gian

mv1, mv2, mv3

lưu lượng của các dung dịch

K

hệ số truyền của van điện



góc mở van

Danh mục các chữ viết tắt
ARMAX

Autoregressive Moving Average with Exogenous

CSTR


Continuous Stirred Tank Reactor

DMC

Dynamic matrix control

DLP

Double-Layer Perceptron feedforward neural network

EHAC

Extended Horizon Adaptive Control

FIR

Finite Impulse Response

HEICON

Hierarchical Constraint Control

IMPC

Internal Model Predictive Control

GPC

Generalized Predictive Control


LS

Least Squares

MAC

Model Algorithmic Control

MIMO

Multiple Input Multiple Output

MPC

Model Predictive Control

NAV

Nonlinear Absolute Values


8

OPC

Optimum Predictive Control

PFC

Predictive Functional Control


PID

Proportional Integral Derivative

RMPCT

Robust MPC Technology

RBF

Radial Basic Funtions

SMC

Sequential Monte Carlo

SISO

Single Input Single Output


9

DANH MỤC CÁC BẢNG BIỂU
Bảng 1.1. Bảng phân loại một số phương pháp sử dụng cho xây dựng mô hình,
giải bài toán tối ưu cho đối tượng tuyến tính, phi tuyến trong MPC ................... 14
Bảng 1.2. Bảng tóm lược một số phương pháp nhận dạng mô hình dự báo của
một số phương pháp MPC .................................................................................. 17
Bảng 1.3. Bảng tóm lược một số kỹ thuật MPC của một số hãng trên thế giới .. 17



10

DANH MỤC CÁC HÌNH VẼ
Hình 1.1. Hình ảnh về ứng dụng điều khiển trong công nghệ xử lý hóa chất ....... 8
Hình 1.2. Nguyên lý cơ bản của điều khiển dự báo dựa trên mô hình .................. 9
Hình 1.3. Sơ đồ khối hệ thống điều khiển dự báo dựa trên mô hình ................... 11
Hình 1.4. Cấu trúc mô hình lớp đối tượng phi tuyến có trễ ................................. 25
Hình 2.1. Sai số đầu ra của đối tượng thực và mô hình ....................................... 27
Hình 2.2. Cấu trúc hệ thống phi tuyến ................................................................. 28
Hình 2.3. Cấu trúc của một số mạng nơron thường gặp ...................................... 29
Hình 2.4. Cấu trúc mạng RBF xấp xỉ hàm f (X) ................................................. 36
Hình 2.5. Sơ đồ cấu trúc hệ thống nhận dạng nhiễu cho các đối tượng có trễ trên
cơ sở mô hình song song và mạng nơron............................................................. 41
Hình 2.6. Mô hình đối tượng hệ phi tuyến (2.35) dùng trong mô phỏng ............. 42
Hình 2.7. Sơ đồ cấu trúc nhận dạng nhiễu dựa trên cơ sở mạng nơron RBF ...... 43
Hình 2.8. Các đáp ứng tín hiệu đầu ra của hệ (2.35) ........................................... 43
Hình 2.9. So sánh thành phần phi tuyến F(X) của hệ (2.35) và thành phần nhiễu
được nhận dạng qua RBF..................................................................................... 43
Hình 2.10. Sai lệch giữa nhiễu nhận dạng và nhiễu thực của hệ thống ............... 44
Hình 2.11. Sơ đồ kênh tạo tín hiệu bù ................................................................. 45
Hình 2.12. Sơ đồ cấu trúc các mạng nơron xấp xỉ các hàm f1 (X) , f 2 (X) ,
, f m2 (X) của hệ (2.44) ....................................................................................... 48

Hình 2.13. Sơ đồ cấu trúc nhận dạng các nhiễu cho các lớp đối tượng có trễ trong
kênh điều khiển .................................................................................................... 54
Hình 2.14. Sơ đồ cấu trúc nhận dạng các nhiễu dựa trên cơ sở mạng nơron RBF
.............................................................................................................................. 55
Hình 2.15. Các đáp ứng tín hiệu đầu ra của hệ (2.74) ......................................... 55

Hình 2.16. So sánh thành phần phi tuyến F(X) của hệ (2.74) và thành phần các
nhiễu được nhận dạng qua RBF........................................................................... 56
Hình 2.17. Sai số của mô hình nhận dạng và đối tượng thực (2.74) ................... 56
Hình 2.18. Sơ đồ cấu trúc của đối tượng có trễ trong kênh điều khiển, có nhiễu
phụ thuộc trạng thái tác động và kênh bù nhiễu trên cơ sở nhận dạng nhiễu ...... 59


Hình 3.1. Sơ đồ cấu trúc của hệ thống điều khiển dựa trên mô hình dự báo cho
lớp đối tượng có trễ .............................................................................................. 68
Hình 3.2. Sơ đồ cấu trúc hệ thống điều khiển dựa trên mô hình dự báo cho đối
tượng có trễ dựa trên cơ sở nhận dạng bằng mạng nơron đã có bù nhiễu ........... 70
Hình 3.3. Mô hình bình phản ứng khuấy trộn liên tục CSTR.............................. 72
Hình 3.4. Sơ đồ cấu trúc nhận dạng các nhiễu cho đối tượng CSTR dùng mạng
nơron RBF và cơ cấu thích nghi AB với một tín hiệu điều khiển ....................... 82
Hình 3.5. Sơ đồ khối mô tả đối tượng thực ......................................................... 83
Hình 3.6. Sơ đồ khối mô tả hàm nhiễu F(X) sử dụng một tín hiệu điều khiển ... 83
Hình 3.7. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dịch f2
của đối tượng thực và sau khi nhận dạng sử dụng một tín hiệu điều khiển với thời
gian trễ   30s ..................................................................................................... 84
Hình 3.8. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb sử dụng một tín
hiệu điều khiển với thời gian trễ   30s ............................................................. 85
Hình 3.9. Sơ đồ khối mô tả hàm nhiễu F(X) + hàm sin trong trường hợp sử dụng
một tín hiệu điều khiển ........................................................................................ 86
Hình 3.10. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dich f2
của đối tượng thực và sau khi nhận dạng trong trường hợp nhiễu có thêm hàm sin
sử dụng một tín hiệu điều khiển với thời gian trễ   30s ................................... 86
Hình 3.11. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb trong trường hợp
nhiễu có thêm hàm sin sử dụng một tín hiệu điều khiển với thời gian trễ   30s
.............................................................................................................................. 87
Hình 3.12. Sơ đồ cấu trúc nhận dạng các nhiễu cho đối tượng CSTR dùng mạng

nơron RBF và cơ cấu thích nghi AB với hai tín hiệu điều khiển......................... 88
Hình 3.13. Sơ đồ khối mô tả hàm nhiễu F(X) sử dụng hai tín hiệu điều khiển ... 88
Hình 3.14. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dịch f2
của đối tượng thực và sau khi nhận dạng trong trường hợp sử dụng hai tín hiệu
điều khiển với thời gian trễ   30s ..................................................................... 89
Hình 3.15. Đáp ứng mức dung dịch và nồng độ dung dịch sử dụng hai tín hiệu
điều khiển với thời gian trễ   30s ..................................................................... 90


xii

Hình 3.16. Sơ đồ khối mô tả hàm nhiễu F(X) + hàm sin sử dụng hai tín hiệu điều
khiển ..................................................................................................................... 91
Hình 3.17. Tín hiệu hàm nhiễu mức dung dịch f1 và nhiễu nồng độ dung dịch f2
của đối tượng thực và sau khi nhận dạng trong trường hợp nhiễu có thêm hàm sin
sử dụng hai tín hiệu điều khiển với thời gian trễ   30s .................................... 91
Hình 3.18. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb của đối tượng và
sau khi nhận dạng khi có thêm hàm sin sử dụng hai tín hiệu điều khiển với thời
gian trễ   30s ..................................................................................................... 92
Hình 3.19. Sơ đồ cấu trúc điều khiển một kênh nồng độ dung dịch Cb sử dụng
một tín hiệu điều khiển theo cấu trúc IMPC ........................................................ 93
Hình 3.20. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển IMPC sử dụng một
tín hiệu điều khiển cho đối tượng có trễ   5s ................................................... 93
Hình 3.21. Sơ đồ cấu trúc điều khiển hai kênh mức dung dịch h và nồng độ dung
dịch Cb sử dụng hai tín hiệu điều khiển theo cấu trúc IMPC............................... 95
Hình 3.22. Đáp ứng mức dung dịch h và nồng độ dung dịch Cb của bộ điều khiển
IMPC sử dụng hai tín hiệu điều khiển cho đối tượng có trễ   5s ..................... 95
Hình 3.23. Sơ đồ cấu trúc so sánh bộ điều khiển PID chưa có nhận dạng và bù
nhiễu với bộ điều khiển dự báo theo IMPC điều khiển một kênh nồng độ dung
dịch Cb .................................................................................................................. 97

Hình 3.24. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển PID chưa có nhận
dạng, bù nhiễu và của bộ điều khiển IMPC sử dụng một tín hiệu điều khiển cho
đối tượng khi không có trễ   0s ........................................................................ 97
Hình 3.25. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển PID chưa có nhận
dạng, bù nhiễu và của bộ điều khiển IMPC sử dụng một tín hiệu điều khiển cho
đối tượng khi có trễ   5s ................................................................................... 98
Hình 3.26. Sơ đồ cấu trúc so sánh bộ điều khiển IMPC và PID có tích hợp nhận
dạng và bù nhiễu điều khiển một kênh nồng độ dung dịch Cb ............................ 99
Hình 3.27. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển IMPC và PID có
tích hợp nhận dạng và bù nhiễu sử dụng một tín hiệu điều khiển cho đối tượng
khi không có trễ   0s ........................................................................................ 99


xiii

Hình 3.28. Đáp ứng nồng độ dung dịch Cb của bộ điều khiển IMPC và PID có
tích hợp nhận dạng và bù nhiễu sử dụng một tín hiệu điều khiển cho đối tượng có
trễ   5s .............................................................................................................. 99
Hình 3.29. Sơ đồ cấu trúc sử dụng bộ PID điều khiển đồng thời hai kênh h và Cb
với hai tín hiệu điều khiển.................................................................................. 101
Hình 3.30. Sơ đồ cấu trúc so sánh bộ PID chưa nhận dạng và bù nhiễu với bộ
IMPC điều khiển hai kênh mức dung dịch h và nồng độ dung dịch Cb............. 102
Hình 3.31. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ
điều khiển PID chưa nhận dạng, bù nhiễu và của bộ IMPC sử dụng hai tín hiệu
điều khiển cho đối tượng khi không trễ   0s .................................................. 102
Hình 3.32. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ
điều khiển PID chưa nhận dạng, bù nhiễu và của bộ IMPC sử dụng hai tín hiệu
điều khiển cho đối tượng khi có trễ   5s ........................................................ 103
Hình 3.33. Sơ đồ cấu trúc so sánh bộ điều khiển IMPC và PID có tích hợp nhận
dạng và bù nhiễu điều khiển hai kênh mức dung dịch h và nồng độ dung dịch Cb

............................................................................................................................ 104
Hình 3.34. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ
điều khiển IMPC và PID có tích hợp nhận dạng và bù nhiễu sử dụng hai tín hiệu
điều khiển cho đối tượng khi không trễ   0s .................................................. 104
Hình 3.35. Đáp ứng tín hiệu mức dung dịch h và nồng độ dung dịch Cb của bộ
điều khiển IMPC và PID có tích hợp nhận dạng và bù nhiễu sử dụng hai tín hiệu
điều khiển cho đối tượng có trễ   5s .............................................................. 105


1

MỞ ĐẦU
1. Tính cấp thiết của đề tài luận án
Hiện nay, trong công nghiệp cũng như dân dụng có rất nhiều phương pháp
điều khiển khác nhau được nghiên cứu và áp dụng vào thực tiễn. Trong số đó phải
kể tới những bộ điều khiển như bộ điều khiển PID kinh điển, bộ điều khiển mờ, bộ
điều khiển nơron và các bộ điều khiển cao cấp khác. Do yêu cầu khắt khe về công
nghệ, chất lượng sản phẩm cũng như dịch vụ và sự cạnh tranh trên thị trường dẫn
tới việc đòi hỏi cần phải có những phương pháp điều khiển đáp ứng được những
yêu cầu thực tế và cải thiện được chất lượng của hệ thống, đặc biệt là trong các
trường hợp hệ thống phải đối mặt với nhiễu, có trễ, có ràng buộc, các đối tượng có
quá trình động học chậm,... Trong số đó phải kể tới phương pháp điều khiển dự báo
theo mô hình (MPC - Model Predictive Control).
Điều khiển dự báo dựa trên mô hình là sự kết hợp của một số lĩnh vực đã
được ứng dụng trong kỹ thuật điều khiển, điển hình đó là hai lĩnh vực điều khiển tối
ưu và nhận dạng hệ thống. Ngay như tên của nó “điều khiển dự báo dựa trên mô
hình” có nghĩa là phương pháp này cần phải sử dụng một mô hình dự báo để ước
lượng (hay dự báo) các giá trị của đại lượng cần điều khiển, còn gọi là các đầu ra
trong tương lai để phục vụ cho bài toán điều khiển [17], [30], [47], [74].
Phương pháp điều khiển dự báo đã được ứng dụng rất thành công đối với

các mô hình tuyến tính, và áp dụng thành công trong công nghiệp. Tuy nhiên trong
thực tế để mô tả một cách chính xác cần kể đến các yếu tố ảnh hưởng thì đa số các
đối tượng đều có dạng mô hình phi tuyến. Do đó việc phát triển bộ điều khiển dự
báo cho các mô hình phi tuyến là cần thiết. Trong thực tế bộ điều khiển dự báo theo
mô hình phi tuyến đã được ứng dụng cho một lớp các đối tượng cụ thể và đạt được
những kết quả nhất định. Đặc biệt, đối với các đối tượng có trễ thường gặp rất nhiều
trong công nghiệp lọc dầu, hóa dầu, công nghiệp hóa chất, công nghiệp thực phẩm,
công nghiệp giấy,… Để xây dựng các hệ thống điều khiển cho các đối tượng có trễ,
đã có nhiều phương pháp được đề xuất [5], [6], [17], [30], [70], [74]. Đáng chú ý
trong các phương pháp đó là các phương pháp xây dựng hệ thống điều khiển có mô
hình dự báo. Điều khiển dự báo tỏ rõ tính ưu việt đối với các đối tượng có trễ, các


2

đối tượng có động học chậm (slow dynamical plants) và các trường hợp có các ràng
buộc đối với tín hiệu điều khiển và vectơ trạng thái [17], [30], [57], [70]. Tuy nhiên
một trong những khó khăn chính đối với MPC phi tuyến là phải giải một bài toán
tối ưu hóa trực tuyến phi tuyến, lặp lại. Khó khăn đó sẽ tăng lên nhiều khi có sự tác
động của nhiễu, của các thành phần không mô hình hóa được hay còn gọi là các
nhiễu bất định [30], [70]. Sự tồn tại của các yếu tố bất định làm cho vấn đề điều
khiển dự báo khó khăn gấp bội, do phải đồng thời xử lý tính phức tạp của bài toán
tối ưu hóa phi tuyến trực tuyến và xử lý các yếu tố bất định. Trong công trình mang
tính tổng quan tác giả Mayne D. Q. và các cộng sự đã nhấn mạnh mức độ phức tạp
đặt biệt này (extra level of complexity) và nêu rõ: hầu hết các công trình đã được
công bố liên quan đến điều khiển dự báo bền vững với các đối tượng phi tuyến bất
định mới chỉ xem xét các hệ không chứa trễ, không chứa các ràng buộc đối với
vectơ trạng thái, vectơ đầu vào điều khiển và vectơ tín hiệu đầu ra [50]. Đối với các
đối tượng phi tuyến bất định có trễ, độ phức tạp nêu trên còn được cộng thêm phần
trở ngại do hiệu ứng trễ gây ra. Mặt khác, do các đối tượng có trễ này rất phổ biến

trong công nghiệp, yêu cầu nâng cao chất lượng điều khiển ngày càng cao, dẫn đến
vấn đề xây dựng các phương pháp điều khiển dự báo cho lớp đối tượng này càng trở
nên bức thiết. Nhằm góp phần giải quyết vấn đề này, luận án đặt vấn đề nghiên cứu:
điều khiển dự báo cho lớp đối tượng với thành phần phi tuyến bất định, có trễ và
không có các ràng buộc kèm theo.
Luận án đi sâu nghiên cứu, đề xuất phương pháp điều khiển dự báo cho một
lớp đối tượng phi tuyến có trễ dựa trên cơ sở nhận dạng nhiễu sử dụng mạng nơron.
Hệ phi tuyến này được biểu diễn bằng một hệ tuyến tính có trễ cộng thêm thành
phần phi tuyến bất định (uncertain), thành phần phi tuyến này được hiểu là các
nhiễu bất định hay các nhiễu nội sinh, không đo được, phụ thuộc vào trạng thái
(state-dependent disturbances) và là các yếu tố không mô hình hóa được. Trước hết
ta cần nhận dạng được các nhiễu tác động lên hệ thống bằng luật cập nhật trọng số
trên cơ sở mạng nơron xuyên tâm (RBF - Radial Basic Functions) thực hiện trực
tuyến. Khi đã nhận dạng được các nhiễu với mức độ chính xác tùy ý thì nếu thỏa
mãn các điều kiện ứng đối ta hoàn toàn có thể bù trừ các tác động của nhiễu. Lúc
này bài toán điều khiển trở nên dễ dàng hơn bởi hệ trở thành tuyến tính có trễ với


3

các tham số xác định, từ đây ta có thể đi đến tổng hợp bộ điều khiển dự báo theo mô
hình nội (IMPC - Internal Model Predictive Control) cho hệ. Ta biết rằng MPC là
một phương pháp điều khiển rất phù hợp cho hệ có trễ, các phương pháp MPC cho
hệ tuyến tính có trễ được phát triển trong những năm vừa qua đã đạt được những kết
quả nhất định, tuy nhiên một đặc điểm khó khăn khi thực hiện trong thực tế là bộ
điều khiển luôn luôn phải giải bài toán tối ưu trực tuyến, tín hiệu điều khiển tối ưu
chỉ được tính cho thời điểm kế tiếp, do vậy phần cứng phải thực hiện rất nhiều phép
tính toán, nhiều khi không đảm bảo tính thời gian thực, hoặc cũng có thể không ổn
định nếu bài toán tối ưu không có nghiệm. Quá trình giải mất nhiều thời gian đặc
biệt khi tồn tại các điều kiện ràng buộc chặt chẽ. Việc tìm ra các phương pháp mới

nhằm khắc phục các khó khăn nêu trên đang là nhiệm vụ cấp bách đặt ra.
2. Phạm vi, đối tượng nghiên cứu và phương pháp nghiên cứu
Đối tượng nghiên cứu: Luận án nghiên cứu về nhận dạng và điều khiển một
lớp đối tượng phi tuyến có trễ thường gặp trong công nghiệp trên cơ sở mô hình dự
báo và nhận dạng nhiễu trực tuyến sử dụng mạng nơron RBF.
Phạm vi nghiên cứu của luận án: Luận án đi sâu nghiên cứu nghiên cứu
nhận dạng nhiễu, bù trừ nhiễu và điều khiển dự báo theo mô hình cho các đối tượng
có trễ trên kênh điều khiển.
Với tính chất đặc thù và những ưu điểm vốn có, điều khiển dự báo được ưu
tiên áp dụng cho các đối tượng có trễ, các đối tượng có động học biến đổi chậm và
cho các trường hợp có các ràng buộc đối với vectơ trạng thái và/hoặc vectơ điều
khiển. Trong khuôn khổ cho phép, luận án chỉ tập trung nghiên cứu xây dựng
phương pháp nhận dạng nhiễu trực tuyến và phương pháp điều khiển dự báo theo
mô hình cho các đối tượng có trễ trong điều khiển. Bài toán điều khiển dự báo cho
các đối tượng này khi có ràng buộc được xem là bước phát triển tiếp theo của luận
án. Tuy nhiên, một khi đã nhận dạng trực tuyến được nhiễu, vấn đề điều khiển dự
báo có các ràng buộc có thể được giải quyết bằng các phương pháp hiện có [30].
Phương pháp nghiên cứu: Luận án sử dụng phương pháp phân tích, đánh
giá và tổng hợp. Thông qua nghiên cứu lý thuyết để đề xuất vấn đề cần giải
quyết và xây dựng thuật toán giải quyết vấn đề đó, kiểm chứng các nghiên cứu lý


4

thuyết bằng mô phỏng và cuối cùng là áp dụng thuật toán đề xuất cho một đối
tượng cụ thể.
3. Mục tiêu của luận án
Mục tiêu của luận án là xây dựng phương pháp mới để nhận dạng mô hình
trực tuyến cho một lớp đối tượng phi tuyến có trễ trong hệ thống điều khiển dự báo
theo mô hình; đồng thời xây dựng cấu trúc điều khiển dự báo theo mô hình nội, áp

dụng các kết quả thu được cho một đối tượng cụ thể trong công nghiệp.
4. Những đóng góp mới về lý luận và thực tiễn của luận án
Luận án đã có những đóng góp mới sau:
1.

Đề xuất phương pháp nhận dạng nhiễu cho hệ thống có trễ trong điều khiển
trên cơ sở mô hình song song, trong đó mạng nơron RBF được sử dụng để xấp
xỉ các hàm nhiễu phi tuyến bất định bởi mạng này có cấu trúc đơn giản và có
khả năng xấp xỉ hầu hết các hàm phi tuyến với độ chính xác tùy ý.

2.

Phát biểu và chứng minh được hai định lý về các điều kiện đủ, đảm bảo quá
trình nhận dạng hội tụ cho hai trường hợp riêng biệt: trường hợp hệ thống có
một nhiễu tác động và trường hợp hệ thống đồng thời chịu nhiều nhiễu tác
động. Đã thu được luật cập nhật trọng số cho các mạng nơron RBF, vừa đảm
bảo hội tụ vừa có tính khả thi cao bởi tốc độ hiệu chỉnh trọng số chỉ phụ thuộc
vào vectơ sai lệch giữa trạng thái của đối tượng điều khiển và vectơ trạng thái
của mô hình.

3.

Đề xuất giải pháp bù trừ nhiễu cho lớp đối tượng có trễ trên cơ sở các kết quả
nhận dạng. Đã xây dựng được cấu trúc của kênh bù trừ nhiễu. Đã thu được
điều kiện ứng đối đảm bảo bù được các nhiễu tác động đồng thời lên hệ thống.
Các kết quả mới về nhận dạng nhiễu và bù nhiễu có thể được áp dụng không
những cho các hệ thống IMPC mà còn có thể áp dụng cho các hệ thống với
các luật điều khiển khác nhau.

4.


Đề xuất được phương pháp tổng hợp hệ thống điều khiển IMPC cho lớp đối
tượng có trễ trong điều khiển. Đã tích hợp bộ điều khiển IMPC với bộ nhận


5

dạng nhiễu trên cơ sở mạng nơron RBF và kênh bù trừ nhiễu, làm cho hệ
thống vừa đáp ứng tiêu chuẩn tối ưu, vừa có tính thích nghi, kháng nhiễu.
5.

Tổng hợp được bộ nhận dạng nhiễu và kênh bù nhiễu, xây dựng thành công hệ
thống IMPC vừa tối ưu vừa có khả năng thích nghi và kháng nhiễu cho tháp
(bình) phản ứng khuấy trộn liên tục CSTR.

Những đóng góp trên đây vừa có ý nghĩa khoa học, vừa có giá trị thực tiễn và có thể
áp dụng cho một lớp rất rộng các đối tượng trong các lĩnh vực công nghiệp, đặc biệt
với các đối tượng có trễ.
5. Bố cục của luận án
Luận án gồm 03 chương, phần mở đầu và kết luận, được bố cục như sau:
Chương 1. Tổng quan về vấn đề nghiên cứu
Chương này nghiên cứu tổng quan về lý thuyết điều khiển dự báo theo mô
hình tuyến tính và phi tuyến, tập trung cho lớp đối tượng có trễ. Thống kê một số
thuật toán, phương pháp xây dựng mô hình dự báo và các ứng dụng thực tế thương
mại. Những khó khăn đặc thù của lớp đối tượng có trễ và có nhiễu phi tuyến bất
định. Những hạn chế của bài toán tối ưu và xây dựng mô hình khi phải đối mặt với
lớp đối tượng này, từ đó đưa ra đề xuất mục tiêu của luận án làm sao nhận dạng
được nhiễu và bù nhiễu, tiếp theo đưa ra phương pháp điều khiển dự báo dựa trên
cơ sở sử dụng kết quả đã nhận dạng và bù nhiễu.
Chương 2. Nhận dạng nhiễu và bù nhiễu cho lớp hệ phi tuyến có trễ

Xây dựng phương pháp nhận dạng thành phần phi tuyến bất định trên cơ sở
mạng nơron nhân tạo. Chương này đưa ra phần thứ nhất đề xuất phương pháp nhận
dạng cho lớp đối tượng có trễ có một thành phần nhiễu phi tuyến bất định và một tín
hiệu điều khiển đầu vào tác động lên hệ thống, thuật toán này được thể hiện trong
Định lý 2.1. Tiếp đó luận án mở rộng cho lớp đối tượng có trễ với nhiều thành phần

nhiễu và nhiều tín hiệu điều khiển đồng thời tác động, thuật toán này được thể hiện
ở Định lý 2.2. Với chứng minh chặt chẽ cho phép nhận dạng các thành phần bất định
với mức độ chính xác bất kỳ sử dụng mạng nơron RBF với luật cập nhật trọng số đã


6

được xây dựng. Trên cơ sở kết quả nhận dạng, đã đề xuất giải pháp bù nhiễu và xây
dựng được cấu trúc của kênh bù nhiễu.
Chương 3. Tổng hợp bộ điều khiển dự báo dựa theo mô hình nội cho đối tượng
có trễ và xây dựng hệ thống điều khiển cho đối tượng CSTR
Nhiệm vụ tổng hợp bộ điều khiển IMPC được thực hiện sau khi đã được
nhận dạng và bù nhiễu. Trên cơ sở phân tích các tính chất đặc thù của bài toán điều
khiển ổn định phổ biến trong công nghiệp, mà mục tiêu là giữ cho đầu ra của đối
tượng ổn định xung quanh điểm đặt của đầu ra mong muốn, từ đó đề xuất phiếm
hàm mục tiêu thích hợp. Đã tổng hợp được luật điều khiển tối ưu và cấu trúc hệ
thống điều khiển dự báo theo cấu trúc IMPC cho lớp đối tượng có trễ. Ưu điểm nổi
bật của luật điều khiển tối ưu với cấu trúc IMPC thu được là đơn giản, kỹ thuật thực
hiện dễ dàng với tính khả thi cao. Tiếp theo, các kết quả thu được ở các phần trên
được áp dụng cho một lớp đối tượng cụ thể thường gặp trong công nghiệp là tháp
(bình) khuấy trộn liên tục. Đã xây dựng hệ thống điều khiển dự báo theo cấu trúc
IMPC với bộ nhận dạng và kênh bù nhiễu cho cả hai chế độ làm việc của CSTR.
Kết quả mô phỏng đã chứng minh đầy đủ tính hiệu quả của hệ thống.
Phần kết luận: đã nêu bật những kết quả và những đóng góp mới của luận

án, đồng thời đã chỉ rõ các hướng nghiên cứu phát triển tiếp theo.


7

CHƯƠNG 1
TỔNG QUAN VẤN ĐỀ NGHIÊN
CỨU
1.1. Giới thiệu tổng quan về điều khiển dự báo theo mô hình
1.1.1. Khái niệm
Điều khiển dự báo theo mô hình còn gọi là điều khiển dịch dần về tương lai
(Receding Horizon Control) là một xu hướng điều khiển được xuất hiện từ cuối
những năm 1970 [52], [74]. MPC là một trong những phương pháp điều khiển tìm
ra tín hiệu điều khiển một cách lặp lại dựa vào việc giải một bài toán điều khiển tối
ưu với một hàm mục tiêu cụ thể. So sánh với các phương pháp điều khiển khác,
MPC có một số những ưu điểm nổi trội khi áp dụng với các hệ thống có trễ, có quá
trình động học chậm và cho phép thỏa mãn các điều kiện có tính chất ràng buộc, các
yêu cầu về điều kiện vận hành với các chỉ tiêu chất lượng điều khiển cao. Trong hai
thập kỷ trở lại đây, điều khiển dự báo mô hình đã có những bước phát triển rất đáng
kể, đã đóng góp được khá nhiều các phương pháp về mặt học thuật cũng như đẩy
mạnh khả năng ứng dụng của MPC trong thực tế, những điều đó được thể hiện
trong các tài liệu [15], [17], [31].
Điều khiển dự báo theo mô hình là phương pháp điều khiển hệ thống dựa
trên cơ sở tín hiệu đầu ra của đối tượng được dự báo thông qua một mô hình toán
nào đó. Dựa vào tín hiệu dự báo đầu ra của đối tượng, sử dụng thuật toán tối ưu để
tìm tín hiệu điều khiển tối ưu cho hệ thống sao cho đầu ra của đối tượng ở tương lai
bám theo giá trị mong muốn. Như vậy tín hiệu điều khiển tối ưu này sẽ phụ thuộc
vào độ chính xác của tín hiệu dự báo đầu ra của đối tượng và thuật toán tìm nghiệm
tối ưu. Độ chính xác của tín hiệu dự báo phụ thuộc vào mô hình toán của đối tượng.
Trong thực tế mô hình toán của đối tượng thường được xây dựng dựa trên cơ sở các

định luật vật lý, rất phức tạp và thường là không chính xác. Do đó việc đưa ra một
phương pháp để nhận dạng hay xây dựng được chính xác mô hình đối tượng đang là
vấn đề thu hút được rất nhiều sự quan tâm của các nhà nghiên cứu khoa học.
Tính ưu việt của MPC được thể hiện ở các bài toán điều khiển quá trình
thường gặp trong công nghiệp. Ví dụ các quá trình biến thiên chậm, có trễ, cấu trúc


8

hàm truyền thay đổi và có độ phi tuyến lớn, các tham số điều khiển có độ tương tác,
hệ thống có vùng chết. Đó là các quá trình thường thấy trong bài toán điều khiển
nhiệt độ, lưu lượng, áp suất, phản ứng hoá học,… [57]. Với các quá trình trên nếu
chỉ dùng phương pháp điều khiển truyền thống thì chất lượng điều khiển không cao,
không giải quyết được bài toán điều khiển như mong muốn. Với những lớp đối
tượng này đã có rất nhiều các công trình nghiên cứu áp dụng thực hiện bằng phương
pháp điều khiển dự báo.
Hiện nay MPC đã trở thành một sách lược điều khiển cao cấp được chấp
nhận khá rộng rãi trong một số lĩnh vực công nghiệp. Đã có hơn 3000 ứng dụng của
MPC được thương mại hóa trong các lĩnh vực khác nhau bao gồm: công nghệ lọc
hóa dầu, công nghệ xử lý thực phẩm, công nghệ ô tô, công nghệ không gian, công
nghệ bột giấy và giấy,...[70], [71].

Hình 1.1. Hình ảnh về ứng dụng điều khiển trong công nghệ xử lý hóa chất

1.1.2. Nguyên lý của điều khiển dự báo theo mô hình
Nguyên lý của điều khiển MPC [49] là dựa vào thông số trạng thái của mô
hình đối tượng và trạng thái thực của chúng tại một số thời điểm liên tiếp để xác
định tín hiệu điều khiển tốt nhất có thể (tối ưu) trong một khoảng thời gian hữu hạn
(a finite time horizon). Tín hiệu điều khiển này được được duy trì cho đến khi hệ
thống cập nhật lại trạng thái mới, khi đó tín hiệu điều khiển mới lại được tính toán

và cập nhật lại trong khoảng thời gian hữu hạn tiếp theo. Điều khiển MPC được mô
tả theo thuật toán sau, thể hiện thông qua Hình 1.2.