Luận văn Nghiên cứu ứng dụng hệ điều khiển dự báo để điều khiển mức nước bao hơi của nhà máy nhiệt điện
ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP
--------------------------------------
LUẬN VĂN THẠC SĨ KỸ THUẬT
NGÀNH: TỰ ĐỘNG HÓA
NGHIÊN CỨU ỨNG DỤNG HỆ ĐIỀU KHIỂN
DỰ BÁO ĐỂ ĐIỀU KHIỂN MỨC NƯỚC BAO HƠI
CỦA NHÀ MÁY NHIỆT ĐIỆN
LÊ THỊ HUYỀN LINH
THÁI NGUYÊN 2009
ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP
--------------------------------------
LUẬN VĂN THẠC SĨ KỸ THUẬT
NGÀNH: TỰ ĐỘNG HÓA
NGHIÊN CỨU ỨNG DỤNG HỆ ĐIỀU KHIỂN
DỰ BÁO ĐỂ ĐIỀU KHIỂN MỨC NƯỚC BAO HƠI
CỦA NHÀ MÁY NHIỆT ĐIỆN
Học viên: Lê Thị Huyền Linh
Người HD Khoa Học: Nhà giáo ưu tú PGS.TS Lại Khắc Lãi
THÁI NGUYÊN 2009
ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐHKT CÔNG NGHIỆP
***
CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc lập - Tự do - Hạnh phúc
---------------o0o---------------
THUYẾT MINH
LUẬN VĂN THẠC SỸ KỸ THUẬT
ĐỀ TÀI:
NGHIÊN CỨU ỨNG DỤNG HỆ ĐIỀU KHIỂN DỰ BÁO ĐỂ
ĐIỀU KHIỂN MỨC NƯỚC BAO HƠI CỦA NHÀ MÁY
NHIỆT ĐIỆN
Học viên: Lê Thị Huyền Linh
Lớp: CHK9
Chuyên ngành: Tự động hoá
Người HD Khoa học: PGS.TS Lại Khắc Lãi
Ngày giao đề tài: 25/6/2008
Ngày hoàn thành: 25/2/2009
KHOA ĐT SAU ĐẠI HỌC NGƯỜI HƯỚNG DẪN
HỌC VIÊN
PGS.TS Lại Khắc Lãi
Lê Thị Huyền Linh
- 0 -
Luận văn thạc sỹ
LỜI NÓI ĐẦU
Điều khiển dự báo đã ra đời cách đây vài thập niên nhƣng trong những năm gần
đây phát triển mạnh mẽ và có nhiều thành công trong công nghiệp. Điều khiển dự báo
theo mô hình (Model Predictive Control MPC) là một trong những kỹ thuật điều khiển
tiên tiến đƣợc nhiều ngƣời ƣa chuộng nhất trong công nghiệp, có đƣợc điều này là do
khả năng triển khai các điều kiện ràng buộc vào thuật toán điều khiển một cách dễ
dàng mà ở các phƣơng pháp điều khiển kinh điển khác không có đƣợc. Điều khiển dự
báo là chiến lƣợc điều khiển đƣợc sử dụng phổ biến nhất trong điều khiển quá trình vì
công thức MPC bao gồm cả điều khiển tối ƣu, điều khiển các quá trình ngẫu nhiên,
điều khiển các quá trình có thời gian trễ, điều khiển khi biết trƣớc quỹ đạo đặt. Một ƣu
điểm khác của MPC là có thể điều khiển các quá trình có tín hiệu điều khiển bị chặn,
có các điều kiện ràng buộc, nói chung là các quá trình phi tuyến mà ta thƣờng gặp
trong công nghiệp, đặc biệt là quá trình phi tuyến phức tạp. Việc nghiên cứu và ứng
dụng điều khiển dự báo trong công nghiệp luyện kim là một giải pháp quan trọng, có ý
nghĩa thực tiễn, kỹ thuật và kinh tế.
Với những ý nghĩa trên đây và đƣợc sự định hƣớng của thầy giáo PGS.TS Lại
Khắc Lãi em đã lựa chọn đề tài: “Nghiên cứu ứng dụng hệ điều khiển dự báo để
điều khiển mức nước bao hơi của nhà máy nhiệt điện” trong đó sử dụng mạng nơron
để nhận dạng đối tƣợng.
Đƣợc sự giúp đỡ và hƣớng dẫn rất tận tình của Thầy giáo, nhà giáo ưu tú PGS.TS
Lại Khắc Lãi và một số đồng nghiệp, đến nay em đã hoàn thành luận văn của mình.
Mặc dù đã có nhiều cố gắng nhƣng do thời gian có hạn nên không tránh khỏi một số
thiếu sót nhất định. Em rất mong nhận đƣợc ý kiến đóng góp của các thầy cô và các
bạn đồng nghiệp để cho luận văn hoàn thiện hơn.
Em xin chân thành cảm ơn!
Tác giả
Lê Thị Huyền Linh
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 1 -
Luận văn thạc sỹ
LỜI CAM ĐOAN
Tên tôi là: Lê Thị Huyền Linh
Sinh ngày 01 tháng 11 năm 1981
Học viên lớp cao học khoá 9 - 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 dự báo để điều khiển
mức nước bao hơi của nhà máy nhiệt điện 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 có vấn đề gì trong nội dung
của luận văn thì tác giả xin hoàn toàn chịu trách nhiệm với lời cam đoan của mình.
Thái Nguyên, ngày 25 tháng 2 năm 2009
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 2 -
Luận văn thạc sỹ
MỤC LỤC
Trang
0
Nội dung
Lời nói đầu
Lời cam đoan
Mục lục
1
2
Danh sách các kí hiệu, các chữ viết tắt
Danh mục các hình vẽ, đồ thị
5
7
Chƣơng 1: MỞ ĐẦU
9
1.1.Lý do lựa chọn đề tài
9
1.2. Mục đích của đề tài
9
1.3. Đối tƣợng và phạm vi nghiên cứu
1.4. Ý nghĩa khoa học và thực tiễn của đề tài
Chƣơng 2: TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO
2.1. Tổng quan về điều khiển dự báo
10
13
14
15
2.1.1. Điều khiển theo mô hình dự báo là gì? (Model Prediction
Control).
15
2.1.1.1. Khái quát chung về MPC
15
17
19
21
22
23
24
2.1.1.2. Thuật toán MPC (MPC stragegy)
2.1.2. Mô hình hệ thống và mô hình phân bố nhiễu
2.1.3. Hàm mục tiêu
2.1.4. Điều kiện ràng buộc
2.1.5. Vấn đề tối ƣu hóa
2.1.6. Chiến lƣợc điều khiển dịch dần về tƣơng lai (receding
horizon control_RHC)
2.2. Mô hình trong điều khiển dự báo
2.2.1. Mô hình vào ra (Input Output models)
2.2.2. Mô hình đáp ứng bƣớc và mô hình đáp ứng xung (Impulse
and Step response models)
25
25
31
2.2.3. Mô hình đa thức
32
34
2.2.4. Mô hình mờ (Fuzzy Models)
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 3 -
Luận văn thạc sỹ
2.2.4.1. Các dạng mô hình mờ
32
38
41
2.2.4.2. Tính chất hội tụ của các dạng mô hình
2.2.5. Một số mô hình dự báo và các thuật toán cụ thể
2.2.5.1. Mô hình dự báo Smith cho quá trình có thời gian chết lớn
2.2.5.2. Điều khiển ma trận động vòng đơn (DMC)
2.2.5.3. Thuật toán điều khiển GPC (Generalized Predictive
Control)
41
43
46
2.2.5.4. Điều khiển dự báo dự báo hệ phi tuyến dựa vào mô hình
mờ Mandani
47
2.3. Giải bài toán điều khiển dự báo
48
49
51
52
53
2.3.1. Bộ dự báo
2.3.2. Điều khiển dự báo không ràng buộc
2.3.3. Điều khiển dự báo với ràng buộc phƣơng trình
2.4. Sử dụng mạng noron (Neural Network) để nhận dạng đối
tƣợng
2.5. Kết luận
60
64
Chƣơng 3: TÌM HIỂU HỆ THỐNG ĐIỀU KHIỂN LÒ HƠI
NHÀ MÁY NHIỆT ĐIỆN PHẢ LẠI
3.1. Giới thiệu chung về nhà máy Nhiệt Điện Phả Lại
3.2. Chu trình nhiệt của một tổ máy
64
64
65
65
65
66
3.3. Lò hơi BKZ – 220 – 100 – 10C
3.3.1. Sơ lƣợc về lò hơi
3.3.1.1. Nhiệm vụ của lò hơi
3.3.1.2. Các thông số kỹ thuật cơ bản của lò hơi BZK- 220-100-
10C
3.3.1.3.Cấu tạo của lò
67
71
72
73
74
75
3.3.1.4. Nguyên lí hoạt động của lò hơi BKZ – 220 – 100 – 10C
3.3.2. Các hệ thống điều chỉnh trong lò hơi nhà máy nhiệt điện
3.3.2.1. Hệ thống điều chỉnh nhiệt độ hơi quá nhiệt
3.3.2.2. Hệ thống điều chỉnh quá trình cháy
3.3.2.3. Hệ thống điều chỉnh sản lƣợng hơi
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 4 -
Luận văn thạc sỹ
3.3.2.4. Hệ thống điều chỉnh mức nƣớc bao hơi
76
3.4. Nghiên cứu về hệ thống điều chỉnh mức nƣớc bao hơi trong
nhà máy Nhiệt Điện Phả Lại
76
3.4.1. Đặt vấn đề
76
77
77
78
79
79
82
3.4.2. Các cấu trúc cơ bản của điều khiển mức nƣớc bao hơi
3.4.2.1. Các ký hiệu trên sơ đồ logic
3.4.2.2. Sơ đồ điều chỉnh một tín hiệu
3.4.2.3. Sơ đồ điều chỉnh hai tín hiệu
3.4.2.4. Sơ đồ điều chỉnh ba tín hiệu
Chƣơng 4: XÂY DỰNG HỆ ĐIỀU KHIỂN DỰ BÁO CHO MỨC
NƢỚC BAO HƠI
4.1. Hệ thống điều chỉnh mức nƣớc bao hơi ở chế độ bắt đầu khởi
động lò
82
4.1.2. Hàm truyền đạt của bộ chuyển đổi dòng điện – khí nén (I/P)
4.1.3. Hàm truyền đạt của van
83
83
84
88
4.1.4. Hàm truyền đạt của đối tƣợng điều chỉnh
4.2. Xây dựng hệ thống điều khiển dự báo để điều khiển mức nƣớc
bao hơi
4.3. Mạng noron trong bài toán nhận dạng
4.3. Kết quả mô phỏng
89
89
92
93
94
4.4. Nhận xét kết luận
Tóm tắt luận văn
Tài liệu tham khảo
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 5 -
Luận văn thạc sỹ
DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
I. Danh mục các ký hiệu
- Hp là tầm dự báo
- Hc là tầm điều khiển
- xss là trạng thái xác lập của hệ thống
- r(k) là tín hiệu tham chiếu của mô hình tại thời điểm k và chính là trạng thái đầu
ra mong muốn của đối tƣợng điều khiển
- y(k) là tín hiệu đầu ra của hệ thống thực
- yM(k) là đầu ra của mô hình
- u(k) là tín hiệu điều khiển đối tƣợng tại thời điểm k
ˆ
-
-
x
là trạng thái dự báo
ˆ ˆ
u, y
là tín hiệu điều khiển dự báo và đầu ra dự báo tƣơng lai tƣơng ứng của hệ
thống dựa trên cơ sở mô hình.
- x (k) là trạng thái của hệ thống
- e(k) là nhiễu trắng có trung bình bằng zero
-
k
là các thông tin biết trƣớc về hệ thống trong đó bao gồm phân bố nhiễu
- v(k) là các tín hiệu đầu vào hệ thống
-
-
-
J k Hàm mục tiêu
ˆ
z k :vector các tín hiệu có thể xác định trong hệ thống
j :ma trận lựa chọn chéo (diagonal selection matrix) với các giá tri zero và 1
trên đƣờng chéo.
-
-
là trọng số trên tín hiệu điều khiển
p
P q
1
p1q
.. pnpq
là một đa thức với các cực vòng kín mong muốn.
- Go(q): mô hình hệ thống.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 6 -
- Fo(q): mô hình phân bố nhiễu (disturbance).
- Ho(q): mô hình nhiễu (noise).
Luận văn thạc sỹ
- u(k): tín hiệu vào.
- do(k): tín hiệu phân bố nhiễu đã biết.
- q: toán tử dịch chuyển, q-1y(k) = y(k-1)
II. Danh mục các chữ viết tắt
1. Model Prediction Control (MPC)
2. Thuật toán MPC (MPC stragegy)
3. Receding horizon control (RHC)
4. Input Output Models (IOM)
5. Direct Input Output models (IO)
6. Increment Input Output models (IIO)
7. Dynamical Matrix Control (DMC)
8. Generalized Predictive Control (GPC)
9. Neural Network (NN)
10. Điều khiển dự báo (ĐKDB)
11. Tagaki-Sugeno (TS)
12. Quadratic Programing (QP)
13. Long-Range Predictive Control (LRPC)
14. Linear programming (LP)
15. Branch and Bound (BB)
16. Multil Input Multil Output (MIMO)
17. Single Input Single Output (SISO)
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 7 -
Luận văn thạc sỹ
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Hình 1.1. Sơ đồ khối điều khiển mức nƣớc bao hơi
Hình 1.2. Các tín hiệu trong điều khiển dự báo
Hình 1.3. Phân phối các ứng dụng MPC theo mức độ phi tuyến của hệ thống
Hình 2.1. (a) Sơ đồ khối hệ thống điều khiển dự báo
(b) Chiến lƣợc điều khiển dự báo
Hình 2.2. Thuật toán
Hình 2.3. Cấu trúc cơ bản của MPC
Hình 2.4. Mô hình tổng quát bộ điều khiển dự báo
Hình 2.5. Chiến lƣợc điều khiển RHC
Hình 2.6. Mô hình vào ra (IO)
Hình 2.7. Mô hình IO sử dụng biến trạng thái
Hình 2.8. Mô hình đa thức
Hình 2.9a. Mô hình sai số vào ra song song - nối tiếp
Hình 2.9b. Mô hình sai số vào ra nối tiếp - song song
Hình 2.10. Bộ ƣớc lƣợng không lệch trong mô hình có nhiễu
Hình 2.11. Điều khiển nhiệt độ của bình chất lỏng
Hình 2.12. Mô hình dự báo Smith dựa trên cấu trúc bộ điều khiển
Hình 2.13. Phạm vi dự báo
Hình 2.14. Mô hình nơron nhân tạo thứ i
Hình 2.15. Mạng truyền thẳng 1 lớp
Hình 2.16. Mạng truyền thẳng nhiều lớp
Hình 2.17. Nút tự truyền ngƣợc
Hình 2.18. Mạng truyền ngƣợc 1 lớp
Hình 2.19. Mạng truyền ngƣợc nhiều lớp
Hình 2.20. Mô hình học có giám sát
Hình 2.21. Mô hình học củng cố
Hình 2.22. Mô hình học không giám sát
Hình 3.1. Sơ đồ chu trình nhiệt kín
Hình 3.2. Cấu tạo lò hơi BZK-220-100-10C
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 8 -
Luận văn thạc sỹ
Hình 3.3: Sơ đồ điều chỉnh mức nƣớc bao hơi dùng một tín hiệu
Hình 3.4: Sơ đồ điều chỉnh mức nƣớc bao hơi dùng hai tín hiệu
Hình 3.4: Sơ đồ điều chỉnh mức nƣớc bao hơi dùng ba tín hiệu
Hình 4.1. Sơ đồ khối điều khiển mức nƣớc bao hơi
Hình 4.2. Sơ đồ điều chỉnh mức nƣớc bao hơi một tín hiệu
Hình 4.3: Đặc tính động của mức nƣớc bao hơi khi thay đổi lƣu lƣợng nƣớc cấp
Hình 4.4: Sơ đồ cấu trúc của hệ thống khi chƣa có điều khiển
Hình 4.5: Sơ đồ mô phỏng điều khiển mức nƣớc bao hơi dùng bộ điều khiển dự
báo
Hình 4.6: Dữ liệu vào/ra của đối tƣợng
Hình 4.7: Dữ liệu vào/ra của đối tƣợng, của mạng và sai số
Hình 4.8: Tập dữ liệu kiểm tra
Hình 4.9: Tập dữ liệu chấp nhận
Hình 4.10: Tín hiệu ra của hệ thống có 1 nhiễu đầu vào
Hình 4.11: Tín hiệu ra của hệ thống có 1 nhiễu đầu vào và có trễ
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 9 -
Luận văn thạc sỹ
Chƣơng 1
MỞ ĐẦU
1.1. Lý do lựa chọn đề tài
Các thuật toán điều khiển trong hệ thống điều khiển tự động đã đƣợc hình thành,
phát triển và có đƣợc những kết quả rất quan trọng. Chúng ta đã biết nền móng ban
đầu đó là thuật toán điều khiển PID kinh điển, sau đó hình thành các thuật toán PID tự
chỉnh, thuật toán lai PID _Logic mờ, thuật toán điều khiển tối ƣu, thuật toán điều khiển
thích nghi, thuật toán điều khiển mờ, thuật toán điều khiển nơron, thuật toán điều
khiển dự báo ... Xong việc nghiên cứu và tìm hiểu về các thuật toán điều khiển vẫn là
đề tài nhiều ngƣời nhiều ngành nghiên cứu và mang tính thời sự cao. Điều này cho
phép tìm hiểu cặn kẽ và chân thực bản chất của các thuật toán ứng dụng trong điều
khiển, tìm ra đƣợc những ƣu nhƣợc điểm từ đó hạn chế đƣợc những mặt yếu và phát
huy những thế mạnh của nó để đƣa ra các chỉ tiêu chất lƣợng theo yêu cầu.
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
Sau Đại học và thầy giáo, nhà giáo ƣu tú Phó Giáo Sƣ - Tiến sĩ Lại Khắc Lãi, tác giả
đã lựa chọn đề tài tốt nghiệp của mình là “Nghiên cứu ứng dụng hệ điều khiển dự
báo để điều khiển mức nước bao hơi của nhà máy nhiệt điện.” Trong quá trình thực
hiện đề tài, tác giả đã cố gắng hạn chế tối đa các khiếm khuyết, xong do trình độ &
thời gian còn hạn chế vì vậy không tránh khỏi thiếu sót, kính mong Hội đồng Khoa
học và độc giả bổ sung đóng góp ý kiến để đề tài đƣợc hoàn thiện tốt hơn.
1.2. Mục đích của đề tài
Phƣơng pháp điều khiển dự báo dựa trên mô hình của hệ thống thật để dự báo
trƣớc các đáp ứng ở tƣơng lai, trên cơ sở đó, một thuật toán tối ƣu hoá hàm mục tiêu sẽ
đƣợc sử dụng để tính toán chuỗi tín hiệu điều khiển sao cho sai lệch giữa đáp ứng dự
báo và đáp ứng tham chiếu của mô hình là nhỏ nhất.
1.3. Đối tƣợng và phạm vi nghiên cứu
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 10 -
Luận văn thạc sỹ
Căn cứ vào việc lựa chọn đề tài tác giả lựa chọn đối tƣợng là nghiên cứu ứng dụng
hệ điều khiển dự báo để điều khiển mức nƣớc bao hơi của nhà máy nhiệt điện dựa vào
mô hình mạng noron (Neural Network).
Bao hơi
Senso
Đo lƣờng
W
I
Đặt
RL
I
P
Van
Nƣớc sôi
bổ sung
Hình 1.1: Sơ đồ khối điều khiển mức nƣớc bao hơi
Lý thuyết điều khiển dự báo ra đời vào những năm 1960, song cho đến những năm
1980 phƣơng pháp điều khiển này mới bắt đầu phát triển mạnh và trở thành một lĩnh
vực nghiên cứu quan trọng trong điều khiển tự động. Hiện nay điều khiển dự báo đã có
nhiều ứng dụng thành công trong công nghiệp ( Richalet, 1993) đặc biệt là lĩnh vực lọc
dầu và hóa dầu. Điều khiển dự báo là chiến lƣợc điều khiển sử dụng phổ biến nhất
trong việc điều khiển quá trình.
Phƣơng pháp điều khiển dự báo dựa trên mô hình của hệ thống thật để dự đoán
trƣớc các đáp ứng ở tƣơng lai, trên cơ sở đó, một thuật toán tối ƣu hóa hàm mục tiêu sẽ
đƣợc sử dụng để tính toán chuỗi tín hiệu điều khiển sao cho sai lệch giữa đáp ứng dự
báo và đáp ứng tham chiếu của mô hình là nhỏ nhất. Xem hình 1.2:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 11 -
Luận văn thạc sỹ
Hình 1.2: Các tín hiệu trong điều khiển dự báo
Điều khiển dự báo mô hình (Model Predictive Control_MPC) là một trong những
kỹ thuật điều khiển tiên tiến đƣợc nhiều ngƣời ƣa chuộng nhất trong công nghiệp, có
đƣợc điều này phần lớn là do khả năng triển khai các điều kiện ràng buộc vào thuật
toán điều khiển một cách dễ dàng mà ở các phƣơng pháp điều khiển kinh điển khác
không có đƣợc (chẳng hạn LQG,
H
).
Khó khăn lớn nhất khi áp dụng điều khiển dự báo là xây dựng mô hình và giải bài
toán tối ƣu hóa. Đối với hệ thống phi tuyến thì công việc này càng khó khăn hơn do rất
khó xây dựng đƣợc mô hình tốt mô tả chính xác tính chất của hệ thống và thuật toán
tối ƣu hóa thƣờng phức tạp, số lƣợng phép tính lớn, thời gian thực hiện kéo dài do phải
giải quyết bài toán tối ƣu hóa không lồi. Chính vì vậy mà theo thống kê có trên 2200
ứng dụng thƣơng mại sử dụng kỹ thuật điều khiển dự báo thì phần lớn trong số này
đều tập trung vào các hệ thống tuyến tính, và chi tiết đƣợc thể hiện qua hình 1.3:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 12 -
Luận văn thạc sỹ
Hình 1.3: Phân phối các ứng dụng MPC theo mức độ phi tuyến của hệ thống
Hình 1.3 cho thấy MPC chƣa thâm nhập sâu vào các vùng mà ở đó hệ thống có
tính chất phi tuyến mạnh, nhƣng đây lại là những vùng có thể tạo ra cơ hội lớn nhất
cho việc áp dụng kỹ thuật điều khiển này so với các phƣơng pháp điều khiển truyền
thống. Chính vì vậy mà hƣớng nghiên cứu trên các hệ thống phi tuyến của lĩnh vực
điều khiển dự báo đã nhận đƣợc sự quan tâm hàng đầu trong những năm gần đây.
Đối với hệ thống động phi tuyến, mô hình đƣợc xây dựng theo hai cách sau:
- Mô hình vật lý hay mô hình hộp trắng, là mô hình đƣợc xây dựng trên cơ sở
các phƣơng trình vi phân phi tuyến.
- Mô hình hộp đen hoặc hộp xám, là mô hình sử dụng bộ xấp xỉ tổng quát và tập
dữ liệu vào ra của hệ thống.
Mô hình vật lý thích hợp đối với các hệ thống đơn giản, và có thể mô tả tính chất
của hệ thống bằng các phƣơng trình vi phân, trong khi mô hình hộp đen hoặc hộp xám
thích hợp cho các hệ thống phức tạp hoặc trƣờng hợp không biết nhiều thông tin về hệ
thống khi mô hình hóa. Do tính chất phức tạp của các hệ thống phi tuyến nên trong
thực tế dạng mô hình hộp đen hoặc hộp xám thƣờng đƣợc sử dụng nhiều hơn, điển
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 13 -
Luận văn thạc sỹ
hình nhất cho dạng mô hình này là: mô hình đa thức, mô hình mạng nơron (neural
network) và mô hình mờ.
Trong điều khiển dự báo, tiêu chuẩn quan trọng cho việc áp dụng kỹ thuật mô
hình hóa hộp đen là:
- Cấu trúc mô hình đơn giản, tin cậy và cho phép khai thác triệt để lƣợng thông
tin biết trƣớc về hệ thống.
- Mô hình không quá phức tạp, tức có lƣợng tham số không quá lớn.
- Dễ dàng áp dụng thuật toán tối ƣu hóa trực tuyến (on-line) để hiệu chỉnh các
thông số mô hình.
Từ những phân tích trên cho thấy việc chọn đề tài “Nghiên cứu ứng dụng hệ
điều khiển dự báo để điều khiển mức nước bao hơi của nhà máy nhiệt điện .” hoàn
toàn phù hợp với xu hƣớng nghiên cứu về điều khiển dự báo hiện nay, trong đó mô
hình đƣợc chọn là mô hình mạng noron (Neural Network), đây là mô hình đƣợc tác giả
Orlando De Jesus, Martin Hagan đề xuất, và có cấu trúc hoàn toàn thỏa mãn yêu cầu
của kỹ thuật mô hình hóa hộp đen ở trên.
1.4. Ý nghĩa khoa học và thực tiễn của đề tài
a. Ý nghĩa khoa học
Hệ thống nhiều chiều gặp rất nhiều trong thực tế nhƣ: hệ thống bình nóng lạnh, hệ
thống xử lý nƣớc thải, dây truyền sản xuất bia, nƣớc ngọt, điều khiển nhiệt độ trong
các lò nung liên tục, tay máy v.v...
Từ trƣớc đến nay các hệ thống này thƣờng đƣợc điều khiển bằng các hệ điều khiển
kinh điển nên chƣa kể hết đƣợc các yếu tố tác động từ bên ngoài.
b. 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 hiệu chỉnh hệ thống.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 14 -
Luận văn thạc sỹ
Chƣơng 2
TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO
Điều khiển dự báo ra đời cách đây khoảng vài thập kỷ (từ những năm 1960 và đã
có nhiều ứng dụng thành công trong công nghiệp) (Richalet, 1993). Hiện nay điều
khiển dự báo là chiến lƣợc điều khiển đƣợc sử dụng phổ biến nhất trong việc điều
khiển quá trình. Bộ điều khiển dự báo dùng một mô hình để đoán trƣớc đáp ứng tƣơng
lai của đối tƣợng điều khiển tại các thời điểm rời rạc trong một phạm vi dự báo
(Prediction horizon) nhất định. Dựa vào đáp ứng dự báo này, một thuật toán tối ƣu hoá
đƣợc sử dụng để tính toán chuỗi tín hiệu điều khiển tƣơng lai trong phạm vi điều khiển
(Control horizon) sao cho sai lệch giữa đáp ứng dự báo bởi mô hình và tín hiệu chuẩn
cho trƣớc là tối thiểu (hình 2.1) [6]. Phƣơng pháp điều khiển dự báo là phƣơng pháp
tổng quát thiết kế bộ điều khiển trong miền thời gian có thể áp dụng cho hệ tuyến tính
cũng nhƣ hệ phi tuyến, tuy nhiên trong thực tế việc áp dụng chiến lƣợc điều khiển dự
báo cho hệ phi tuyến gặp nhiều khó khăn.
Thứ nhất là phải xây dựng một mô hình toán để dự báo chính xác trạng thái của
quá trình cần điều khiển trong phạm vi dự báo.
Thuật toán điều khiển dự báo
Hàm mục
Mô hình
tiêu
w
r
Tạo tín
hiệu chuẩn
y
Đối tƣợng
điều khiển
Tối ƣu hoá
(a)
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 15 -
Luận văn thạc sỹ
y
HP
HC
tín hiệu đặt
Thời gian
Tín hiệu ra y
trong quá khứ
ˆ
y
tín hiệu
dự báo
u
Thời gian
k - 1 k k + 1
k + Hc
....
k + Hp
(b)
Hình 2.1. (a) Sơ đồ khối hệ thống điều khiển dự báo
(b) Chiến lƣợc điều khiển dự báo
Đối với hệ phi tuyến xây dựng đƣợc mô hình toán chính xác là một bài toán khó vì
đặc tính phi tuyến rất đa dạng.
Thứ hai phải giải một bài toán tối ƣu phi tuyến để tính toán chuỗi tín hiệu điều
khiển trong phạm vi điều khiển, thƣờng là bài toán tối ƣu không lồi có nhiều cực trị
cục bộ. Tất cả các thuật toán tối ƣu hoá phi tuyến đều là thuật toán lặp đòi hỏi số lƣợng
phép tính rất lớn, điều này làm hạn chế khả năng áp dụng chiến lƣợc điều khiển dự báo
vào các hệ thống tốc độ cao. Các nghiên cứu thiết kế bộ điều khiển dự báo cho hệ phi
tuyến hiện nay chủ yếu tập trung vào việc giải quyết 2 khó khăn vừa nêu trên.
2.1. Tổng quan về điều khiển dự báo
2.1.1. Điều khiển theo mô hình dự báo là gì? (Model Prediction Control).
2.1.1.1. Khái quát chung về MPC [ 10],[11],[12]
Thuật ngữ MPC chƣa chỉ rõ đƣợc một cách chính xác thuật toán điều khiển này là
do khả năng ứng dụng rộng rãi của thuật toán, phƣơng pháp sử dụng mô hình của đối
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 16 -
Luận văn thạc sỹ
tƣợng và tối ƣu hoá một hàm mục tiêu (Object Funtion) để xác định tín hiệu điều
khiển. Các bƣớc cơ bản khi xây dựng thuật toán điều khiển là:
* Sử dụng 1 mô hình để dự báo (dự đoán) giá trị đầu ra của quá trình ở các thời
điểm trong tƣơng lai.
* Tính toán lần lƣợt các tín hiệu điều khiển bằng cách tối thiểu hoá một hàm mục
tiêu.
* Mỗi lần (tại thời điểm hiện tại t) các tín hiệu điều khiển đƣợc dự báo thì chỉ có tín
hiệu đầu tiên đƣợc đƣa đến tác động vào quá trình.
Có rất nhiều các thuật toán MPC (Ví dụ nhƣ LRPC: Long-Range Predictive
Control...), sự khác nhau giữa chúng là sử dụng các mô hình khác nhau để biểu diễn
quá trình, nhiễu và hàm mục tiêu (Cost Funtion) đƣợc tối ƣu hoá. Phƣơng pháp điều
khiển này đƣợc ứng dụng rất rộng rãi trong nhiều lĩnh vực. Có rất nhiều ứng dụng đã
thành công nhƣ điều khiển quá trình, điều khiển robot, công nghệ sản xuất ximăng,
tháp sấy, tháp chƣng cất... Những kết quả đã chỉ ra khả năng ứng dụng của MPC và
khả năng đạt đƣợc những hệ thống điều khiển hiệu quả cao, có khả năng làm việc
trong thời gian dài và đƣợc thể hiện qua các ƣu điểm sau:
* Có khả năng áp dụng cho nhiều lớp đối tƣợng, từ những quá trình động đơn giản
đến quá trình phức tạp, hệ thống có thời gian trễ dài...
* Đối với các hệ đa biến cũng dễ dàng áp dụng.
* Có khả năng tự bù thời gian chết.
* Đƣa ra phƣơng pháp điều khiển vƣợt trƣớc
* Bộ điều khiển tuyến tính dễ thực hiện trong trƣờng hợp không có điều kiện ràng
buộc về tín hiệu điều khiển.
* Có khả năng xử lý các điều kiện ràng buộc
Tuy nhiên thì MPC cũng có nhiều thiếu sót. Một trong những thiếu sót là: mặc dù
luật điều khiển thực hiện dễ dàng nhƣng tính toán thì phức tạp hơn bộ điều khiển PID
kinh điển. Đối với các quá trình động có tham số không đổi thì bộ điều khiển đƣợc xác
định trƣớc một lần, nhƣng trong điều khiển thích nghi thì tất cả các phép tính đều phải
thực hiện tại mỗi thời điểm lấy mẫu. Nếu có các điều kiện ràng buộc thì phức tạp hơn
nên cần phải cân nhắc do số lƣợng tính toán nhiều.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 17 -
Luận văn thạc sỹ
Mặc dù vậy với khả năng của các thiết bị tính ngày nay thì điều này không quan
trọng nữa, đặc biệt là các máy tính điều khiển các quá trình công nghiệp. Một nhƣợc
điểm lớn nữa của phƣơng pháp là phải xác định đƣợc mô hình của quá trình. Khi xây
dựng thuật toán điều khiển phải dựa trên những hiểu biết trƣớc về mô hình, điều này
lại là sự mâu thuẫn giữa quá trình thực và mô hình ứng dụng.
Trong thực tế, MPC đã chứng tỏ là một phƣơng pháp điều khiển hiệu quả đối với
nhiều hệ thống điều khiển trong công nghiệp.
2.1.1.2. Thuật toán MPC (MPC stragegy) [5]
Thuật toán MPC đƣợc thực hiện bởi những bƣớc sau và đƣợc thể hiện trên hình 2.2
Bƣớc 1: Các tín hiệu đầu ra tƣơng lai nằm trong khoảng đƣợc xác định N, đƣợc
gọi là khoảng dự báo tại mỗi thời điểm t nhờ sử dụng mô hình của quá trình. Các giá
ˆ
trị đầu ra dự báo
, với k = 1...N phụ thuộc vào những giá trị trƣớc thời điểm t
y(t k)/t
cho tới thời điểm t (các tín hiệu vào, ra trong quá khứ và hiện tại) và tín hiệu điều
khiển trong tƣơng lai: u(t+k|t), k=1...N-1.
Bƣớc 2: Các tín hiệu điều khiển tƣơng lai đƣợc tính toán bởi việc tối ƣu hoá
một tiêu chuẩn làm cho hệ thống giống nhƣ một hệ kín với quỹ đạo đặt trƣớc là
w(t+k). Tiêu chuẩn này thƣờng là một hàm bậc hai của sai lệch giữa đầu ra dự báo và
quỹ đạo đặt (giá trị đặt). Hiệu quả của quá trình điều khiển phụ thuộc vào hàm mục
tiêu (tiêu chuẩn tối ƣu) trong hầu hết các trƣờng hợp.
Bƣớc 3: Tín hiệu điều khiển u(t|t) đƣợc đƣa đến quá trình trong khi tín hiệu
điều khiển tiếp theo u(t+1|t) cũng đƣợc tính nhƣng không sử dụng, bởi vì tại thời điểm
lấy mẫu tiếp theo y( t+1) đã xác định và cũng đƣợc tính toán nhƣ bƣớc 1 với những giá
trị mới. Nhƣ vậy u(t+1|t+1) đƣợc tính và khác hẳn với u(t+1|t) bởi vì mô hình có cập
nhật những thông tin mới về đối tƣợng.
u(t+k\ t)
u(t)
y(t+k\ t)
y(t)
N
Time
t-1
Số hóa bởi Trung tâm Học liệut– Đại học Thái Nguyên
t+1 .......................t+k..........................t+N
Hình 2.2 Thuật toán
- 18 -
Luận văn thạc sỹ
Quỹ đạo đặt
(Reference
Trafectory)
Đầu ra dự báo
(Predicted Outputs)
Đầu vào và đầu ra quá khứ
(Past Input and Outputs)
Mô hình
(Model)
(-)
Đầu vào tƣơng lai
(Future Inputs)
Bộ tối ƣu
(Optimizer)
Sai lệch dự báo
(Future Error)
Hàm mục tiêu
(Cost Function)
Điều kiện ràng
buộc
Hình 2.3 Cấu trúc cơ bản của MPC
Nhƣ vậy với thuật toán trên, cấu trúc cơ bản của hệ thống đƣợc biểu diễn trên
hình...Mô hình dự báo đầu ra của đối tƣợng căn cứ vào giá trị hiện tại, quá khứ và tín
hiệu tƣơng lai. Tín hiệu điều khiển đƣợc xác định bởi một bộ tối ƣu hoá.
Kỹ thuật điều khiển dự báo đƣợc áp dụng một cách linh hoạt trong lĩnh vực điều
khiển quá trình thông qua việc hiệu chỉnh cấu trúc bộ điều khiển phù hợp với đối
tƣợng điều khiển đã cho theo các thông số ràng buộc và các yêu cầu hoạt động của hệ
thống. Một bộ điều khiển dự báo bao gồm 5 thành phần cơ bản sau:
- Mô hình hệ thống và mô hình phân bố nhiễu.
- Hàm mục tiêu.
- Điều kiện ràng buộc.
- Phƣơng pháp giải bài toán tối ƣu hóa
- Chiến lƣợc điều khiển dịch dần về tƣơng lai.
Sơ đồ một bộ điều khiển dự báo tổng quát có thể mô tả trong hình 2.4.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 19 -
Luận văn thạc sỹ
Hình 2.4: Mô hình tổng quát bộ điều khiển dự báo
Trong hình 2.4, r(k) là tín hiệu tham chiếu của mô hình tại thời điểm k và chính là
trạng thái đầu ra mong muốn của đối tƣợng điều khiển; y(k) là tín hiệu đầu ra của hệ
thống thực; yM(k) là đầu ra của mô hình; u(k) là tín hiệu điều khiển đối tƣợng tại thời
ˆ ˆ
u, y
điểm k;
là tín hiệu điều khiển dự báo và đầu ra dự báo tƣơng lai tƣơng ứng của hệ
thống dựa trên cơ sở mô hình.
2.1.2. Mô hình hệ thống và mô hình phân bố nhiễu [4]
Trong điều khiển dự báo, mô hình đóng vai trò trong việc dự đoán trƣớc các trạng
thái tƣơng lai của hệ thống và trong việc giải bài toán tối ƣu hóa tìm tín hiệu điều
khiển. Đối với hệ thống tuyến tính thì mô hình biến trạng thái là một lựa chọn tốt nhất
cho việc mô phỏng hệ thống và đƣợc mô tả nhƣ sau:
x k
y k
Ax k B1e k B2
Cx k D1e k D2
k
B3
k
trong đó x (k) là trạng thái của hệ thống; e(k) là nhiễu trắng có trung bình bằng
zero; là các thông tin biết trƣớc về hệ thống trong đó bao gồm phân bố nhiễu;
k
v(k) là các tín hiệu đầu vào hệ thống; y(k) là tín hiệu đầu ra.
Đối với hệ thống phi tuyến, việc mô hình hóa chính xác hệ thống rất khó khăn.
Thông thƣờng, đối với dạng hệ thống này các mô hình vào ra, mô hình đáp ứng bƣớc,
mô hình đáp ứng xung,... đƣợc sử dụng để mô tả hệ thống. Một dạng mô hình khác rất
đƣợc ƣa chuộng hiện nay trong việc mô hình hóa hệ thống phi tuyến đó là mô hình mờ
mà đặc biệt là mô hình mờ với cơ sở luật của Takagi và Sugeno. Tất cả các dạng mô
hình này sẽ đƣợc trình bày chi tiết trong phần 2.2.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 20 -
Luận văn thạc sỹ
Trong phạm vi luận văn này, mô hình nhiễu đƣợc chọn là nhiễu trắng có trung bình
bằng zero đƣợc cộng thêm vào đầu ra của hệ thống thực.
2.1.3. Hàm mục tiêu [6]
Hàm mục tiêu hay còn gọi là tiêu chuẩn chất lƣợng của hệ thống điều khiển dự
báo, là một thành phần trong bộ điều khiển phản ánh ảnh hƣởng của tín hiệu điều
khiển hệ thống và sai số giữa đầu ra dự báo và tín hiệu tham chiếu của hệ thống. Trong
điều khiển dự báo tổng quát, hàm mục tiêu dựa trên cơ sở tín hiệu điều khiển và tín
hiệu đầu ra, và có dạng nhƣ sau:
Hp
T
ˆ
ˆ
J u,k
k
j| k r k j| k
k
j| k r k j| k
j 1
Hc
2
uT k j 1| k u k j 1| k
(2.1)
j 1
với:
-
k
P q y k
- r(k): quĩ đạo tham chiếu
- y(k): đầu ra của hệ thống thực
-
k : độ biến thiên của tín hiệu điều khiển tại thời điểm thứ k
- Hp: tầm dự báo
- Hc: Tầm điều khiển Hc
Hp
- : trọng số trên tín hiệu điều khiển
p
P q
1
p1q
.. pnpq
-
là một đa thức với các cực vòng kín mong muốn.
ˆ
Trong phƣơng trình (2.1),
là thành phần dự báo của thành phần k j
k j| k
dựa trên thông tin đã biết về hệ thống cho đến thời điểm thứ k. Độ biến thiên của tín
Nc
,
j
hiệu điều khiển tại thời điểm k là k u k u k và k j
0
khi
giá trị xác định sự cân bằng giữa sai số trạng thái đầu ra (thành phần thứ nhất trong
phƣơng trình 2.1) và tín hiệu điều khiển hệ thống (thành phần thứ hai trong phƣơng
trình 2.1), đa thức P (q) có thể đƣợc chọn bởi ngƣời thiết kế bộ điều khiển.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 21 -
Luận văn thạc sỹ
Một dạng hàm mục tiêu khác đƣợc sử dụng phổ biến trong công nghiệp đƣợc gọi là
hàm mục tiêu miền (zone performance index), và có dạng:
Hp
Nc
T
2
J u,k
e k j| k e k j| k
uT k j 1| k u k j 1| k
ˆ
ˆ
(2.2)
j 1
j 1
ˆ
trong phƣơng trình 2.2 thành phần e k | k ảnh hƣởng đến hàm mục tiêu chỉ khi
ˆ
y k | k r k | k
k
, với
k
là thành phần sai số cho phép trong bộ
max
max
điều khiển, vì:
ˆ
0
; y k j| k r k j| k
k
max
max
ˆ
ˆ
ˆ
e k j| k
y k j| k r k j| k
k ; y k j| k r k j| k
k
max
max
ˆ
ˆ
y k j| k r k j| k
k ; y k j| k r k j| k
k
max
Các dạng hàm mục tiêu trên đều có thể đƣa về dạng bậc hai tổng quát sau:
Hc
1
ˆT
ˆ
(2.3)
J ,k
z k j| k j z k j| k
j 0
ˆ
trong đó: - z k :vector các tín hiệu có thể xác định trong hệ thống
-
j :ma trận lựa chọn chéo (diagonal selection matrix) với các giá tri
zero và 1 trên đƣờng chéo.
Xét hàm mục tiêu (2.1):
chọn:
ˆ
k 1 r k 1
u k
ˆ
z k
và
0 0
; j
0
j
0 I
j
I 0
0 I
; 0
Hc
1
thay vào (2.3) ta đƣợc hàm mục tiêu (2.1).
Xét hàm mục tiêu (2.2):
chọn:
ˆ
r k 1 y k 1
ˆ
z k
u k
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 22 -
Luận văn thạc sỹ
và
0 0
; j
0
j
0 I
j
I 0
0 I
; 0
Hc
1
thay vào (2.3) ta đƣợc hàm mục tiêu (2.2).
2.1.4. Điều kiện ràng buộc[6]
Vấn đề ràng buộc là một trong những yếu tố quan trọng, đặc biệt là các bộ điều
khiển ứng dụng trong công nghiệp. Khi điều khiển hệ thống phải luôn đảm bảo tín hiệu
điều khiển, trạng thái của hệ thống không vi phạm các giới hạn cho phép, tức là phải
luôn nằm trong vùng an toàn. Ví dụ: khi điều khiển các thông số nhiệt độ, áp suất, mực
chất lỏng phải luôn có giới hạn cực đại và cực tiểu; giới hạn về lƣu lƣợng nƣớc chảy
trong ống dẫn; tốc độ xoay cực đại của val;...
Một hệ thống điều khiển sau khi thiết kế, nếu đƣợc hiệu chỉnh tốt thì các tín hiệu sẽ
luôn giữ đƣợc khoảng cách an toàn đối với các điều kiện ràng buộc. Trong cùng loại
hệ thống điều khiển, nếu hệ thống nào giữ đƣợc khoảng cách an toàn này lớn sẽ có giá
thành cao. Tuy nhiên, vì lý do kinh tế nên các hệ thống đƣợc thiết kế luôn có khuynh
hƣớng các tín hiệu bám theo các điều kiện ràng buộc để giảm bớt công sức hiệu chỉnh
và giá thành.
Trong điều khiển dự báo, kỹ thuật tối ƣu hóa đƣợc sử dụng để đảm bảo các ràng
buộc không bị vi phạm. Đối với hệ tuyến tính, các phƣơng pháp tối ƣu hóa LP (Linear
programming) và QP (Quadratic programming) thƣờng đƣợc sử dụng; đối với hệ
thống phi tuyến các phƣơng pháp phân nhánh và giới hạn (Branch and Bound),
phƣơng pháp Newton, phƣơng pháp Levenberg -Marquardt,... đƣợc sử dụng.
Trong hầu hết các trƣờng hợp, việc ràng buộc thể hiện bởi các giới hạn trên tín
hiệu điều khiển, trạng thái và tín hiệu ra của hệ thống:
umin
ymin
u k
y k
umax
ymax
,
min
min
k
k
max ,
max
hoặc
hoặc
,
,
Dạng ràng buộc nhƣ trên gọi là ràng buộc bất đẳng thức. Bên cạnh ràng buộc bất
đẳng thức thì ràng buộc phƣơng trình cũng đƣợc sử dụng trong điều khiển dự báo.
Ràng buộc phƣơng trình giúp cho bộ điều khiển tự cải thiện chất lƣợng điều khiển. Ví
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 23 -
Luận văn thạc sỹ
dụ điều kiện ràng buộc cho độ biến thiên của tín hiệu điều khiển trong phạm vi điều
khiển Hc là:
k | k
0 khi j Hc
Điều kiện này làm cho tín hiệu điều khiển phẳng hơn và bộ điều khiển bền vững
hơn. Một ví dụ khác về ràng buộc phƣơng trình trên điểm cuối của trạng thái:
ˆ
x k Hp | k xss
ˆ
x
Trong đó
là trạng thái dự báo, Hp là tầm dự báo và xss là trạng thái xác lập của hệ
thống. Ràng buộc này quan hệ đến tính ổn định và làm cho trạng thái hệ thống ở thời
điểm cuối của tầm dự báo đạt đến trạng thái xác lập.
Ta có thể tóm tắt hai dạng ràng buộc trong điều khiển dự báo nhƣ sau:
Ràng buộc bất đẳng thức:
~
~
k
~
~
không phụ thuộc vào đầu vào tƣơng lai của hệ thống;
là một vector.
Trƣờng hợp điều kiện ràng buộc giới hạn bởi hai giá trị cận trên và cận dƣới nhƣ
sau:
k
in
max
~
~
~
k
ta có thể đƣa về dạng tổng quát nhƣ sau:
ax
~
~
k
~
~
n
~
~
k
Ràng buộc phƣơng trình:
~
~
,
là một vector.
k
0
k
Phƣơng pháp điều khiển dự báo giải quyết tốt bài toán điều khiển có ràng buộc, và
đây cũng là lý do chính mà phƣơng pháp điều khiển này đƣợc sử dụng ngày càng phổ
biến.
2.1.5. Vấn đề tối ƣu hóa
Trong điều khiển dự báo, thuật toán tối ƣu hóa đƣợc áp dụng để tính toán chuỗi tín
hiệu điều khiển tƣơng lai trong phạm vi tầm điều khiển sao cho cực tiểu hóa đƣợc hàm
mục tiêu điều khiển theo các ràng buộc đƣợc cho.
Đối với bài toán tối ƣu hóa tuyến tính là bài toán tối ƣu hóa lồi, thời gian hội tụ của
thuật toán nhanh và luôn tìm đƣợc lời giải tối ƣu toàn cục. Một mô hình tuyến tính với
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 24 -
Luận văn thạc sỹ
ràng buộc tuyến tính và hàm mục tiêu bậc hai (chuẩn 2) thì việc tìm lời giải cho bài
toán tối ƣu hóa thƣờng dùng thuật toán QP, nếu hàm mục tiêu là chuẩn 1 hoặc chuẩn
vô cùng thì thuật toán đƣợc dùng là LP.
Khi đối tƣợng điều khiển là hệ thống phi tuyến, bài toán tối ƣu hóa là bài toán
không lồi, việc đi tìm lời giải rất dễ rơi vào trƣờng hợp tối ƣu cục bộ, do đó việc lựa
chọn thuật toán điều khiển rất quan trọng. Trong mục sau sẽ trình bày chi tiết một số
thuật toán tối ƣu hóa áp dụng cho hệ phi tuyến.
Bài toán tối ƣu hóa với các điều kiện ràng buộc đôi khi không tìm đƣợc lời giải,
trong những trƣờng hợp nhƣ vậy thuật toán điều khiển trở nên không khả thi. Trong
trƣờng hợp này cần loại bớt hoặc giới hạn lại các điều kiện ràng buộc để thuật toán có
thể tìm đƣợc lời giải phù hợp.
2.1.6. Chiến lƣợc điều khiển dịch dần về tƣơng lai (receding horizon
control_RHC)
Trong RHC, sau khi giải thuật toán tối ƣu hóa tìm đƣợc chuỗi tín hiệu điều khiển
tƣơng lai trong phạm vi tầm dự báo thì chỉ có tín hiệu điều khiển đầu tiên trong chuỗi
này đƣợc sử dụng để điều khiển hệ thống, tất cả các thành phần còn lại đƣợc dịch một
bƣớc (một mẫu) về tƣơng lai và quá trình tối ƣu hóa lại đƣợc bắt đầu. Xem hình 2.5:
Hình 2.5: Chiến lƣợc điều khiển RHC
u k | k , ... ,u k Hc | k
Xét tại thời điểm k: chuỗi tín hiệu điều khiển dự báo là
đƣợc tối ƣu hóa sao cho hàm mục tiêu J u,k cực tiểu ứng với các điều kiện ràng buộc
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 25 -
Luận văn thạc sỹ
đã cho. Tín hiệu điều khiển hệ thống u (k) đƣợc cập nhật giá trị mới là u (k|k), toàn bộ
các thành phần còn lại của chuỗi tín hiệu điều khiển đƣợc dịch một bƣớc về tƣơng lai
để chuẩn bị cho một quá trình tối ƣu hóa mới.
2.2. Mô hình trong điều khiển dự báo
Nhƣ đã trình bày ở phần trƣớc, trong điều khiển dự báo, mô hình đóng một vai trò
rất quan trọng, chiếm khoảng 80% công sức khi xây dựng bộ điều khiển. Các mô hình
ứng dụng trong điều khiển dự báo phục vụ cho hai mục đích sau:
- Dự báo các đáp ứng đầu ra tƣơng lai mong muốn của hệ thống dựa trên cơ sở các
tín hiệu đầu vào và các phân bố nhiễu đã biết cập nhật vào hệ thống ở thời điểm quá
khứ.
- Tính toán tín hiệu đầu vào kế tiếp cho hệ thống sao cho cực tiểu hóa đƣợc giá trị
của hàm mục tiêu điều khiển.
Nhƣ vậy một mô hình đƣợc xây dựng tốt sẽ cho một dự báo về đáp ứng tƣơng lai
chính xác của hệ thống, giúp cho việc giải bài toán tối ƣu hóa tìm tín hiệu điều khiển
chính xác hơn và dẫn đến hệ thống nhanh chóng tiến tới trạng thái xác lập. Ngƣợc lại
một mô hình xây dựng không tốt, không phản ánh đúng tính chất của hệ thống sẽ dẫn
đến mất ổn định trong điều khiển dù cho thuật toán điều khiển đúng. Sau đây chúng ta
sẽ xét một số loại mô hình tiêu biểu.
Có nhiều loại mô hình có thể áp dụng trong điều khiển dự báo và ngay trong một
bộ điều khiển cũng có thể dùng hai loại khác nhau để phục vụ cho hai mục đích trên.
Tuy nhiên, trong thực tế để xây dựng một mô hình tốt cho một hệ thống là rất khó
khăn, nên chỉ có một mô hình duy nhất đƣợc dùng chung trong bộ điều khiển.
2.2.1. Mô hình vào ra (Input Output models) [5]
Là mô hình mô tả các đặc tính vào ra của hệ thống. Mô hình vào ra đƣợc chia làm
hai loại:
- Mô hình vào ra trực tiếp (Direct Input Output models), kí hiệu là IO: ở mô hình
này, tín hiệu vào đƣợc đƣa trực tiếp vào mô hình.
- Mô hình vào ra gián tiếp (Increment Input Output models), kí hiệu là IIO: độ biến
thiên của tín hiệu vào tại thời điểm hiện tại (so với thời điểm trƣớc đó) đƣợc áp đặt
vào mô hình.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
- 26 -
Luận văn thạc sỹ
Mô hình IO:
Cho hệ thống rời rạc nhân quả và bất biến thời gian đƣợc mô tả nhƣ sau:
y k Go q u k Fo q do k Ho q eo k
Trong đó: - Go(q): mô hình hệ thống.
- Fo(q): mô hình phân bố nhiễu (disturbance).
- Ho(q): mô hình nhiễu (noise).
- y(k): tín hiệu ra.
- u(k): tín hiệu vào.
- do(k): tín hiệu phân bố nhiễu đã biết.
- eo(k): nhiễu trắng có trung bình zero.
- q: toán tử dịch chuyển, q-1y(k) = y(k-1)
Giá trị hàm y (k) không phụ thuộc vào giá trị hiện tại u (k) mà chỉ phụ thuộc
vào các giá trị quá khứ u (k-j), j > 0.
eo(k)
Xem hình 2.6.
Ho
u(k)
y(k)
Go
Fo
Hình 2.6: Mô hình vào ra (IO)
Do(k)
Có thể biểu diễn mô hình dƣới dạng phƣơng trình trạng thái nhƣ sau:
xo k
y k
Ao xo k Koeo k Lodo k Bouo k
Co xo k DHeo k DFdo k
và do đó, các hàm truyền Go(q), Fo(q) và Fo(q) đƣợc cho nhƣ sau:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Tải về để xem bản đầy đủ
99 trang
22/08/2024
350
Bạn đang xem 30 trang mẫu của tài liệu "Luận văn Nghiên cứu ứng dụng hệ điều khiển dự báo để điều khiển mức nước bao hơi của nhà máy nhiệt điện", để tải tài liệu gốc về máy hãy click vào nút Download ở trên.
File đính kèm:
- luan_van_nghien_cuu_ung_dung_he_dieu_khien_du_bao_de_dieu_kh.pdf
