Luận án tiến sĩ: Mô hình hóa và điều khiển phân số cho quá trình đa biến

Giải tích phân số là mở rộng của giải tích cổ điển với bậc vi tích phân là số thực hoặc phức. Đạo hàm phân số và tích phân phân số cung cấp công cụ mô tả chính xác hơn các hiện tượng vật lý. Nhiều hệ thống thực tế thể hiện đặc tính phân số như khuếch tán, nhớt đàn hồi. Hàm truyền phân số có dạng tổng quát với số mũ là số thực. Điều này cho phép mô hình hóa chính xác hơn các quá trình có động học phức tạp. Ứng dụng điều khiển phân số ngày càng phổ biến trong nhiều lĩnh vực công nghiệp.

Hệ thống đa biến MIMO có nhiều đầu vào và nhiều đầu ra tương tác lẫn nhau. Ma trận truyền mô tả mối quan hệ giữa các biến đầu vào và đầu ra. Tương tác chéo giữa các vòng điều khiển làm giảm hiệu suất hệ thống. Thiết kế bộ điều khiển cho hệ đa biến phức tạp hơn nhiều so với hệ đơn biến. Cần xem xét đồng thời hiệu suất và tính ổn định vững của toàn bộ hệ thống. Nhiều cấu trúc điều khiển đã được đề xuất nhưng vẫn còn nhiều vấn đề cần nghiên cứu.

Luận án đề xuất giải pháp điều khiển phân số cho hệ đa biến. Kết hợp kỹ thuật tách ghép với bộ dự báo Smith xử lý trễ thời gian. Áp dụng PSO và MOPSO để tối ưu hóa tham số bộ điều khiển FOPID. Phát triển quy tắc chỉnh định cho hệ 2×2, 3×3 và 4×4. Phân tích ổn định vững sử dụng cấu trúc M-Δ và bất định đầu ra nhân tính. Kiểm chứng phương pháp qua mô phỏng và so sánh với các phương pháp nổi tiếng. Mục tiêu cuối cùng là tạo ra hệ thống điều khiển hiệu quả và ổn định cho ứng dụng thực tế.

Bộ điều khiển FOPID có năm tham số cần chỉnh định: Kp, Ki, Kd, λ, μ. Tham số λ là bậc tích phân phân số, thường trong khoảng 0 đến 2. Tham số μ là bậc đạo hàm phân số, cũng nằm trong khoảng tương tự. Khi λ = 1 và μ = 1, FOPID trở thành PID cổ điển. Không gian thiết kế của FOPID rộng hơn nhiều so với PID. Điều này cho phép đạt được hiệu suất tốt hơn với các quá trình phức tạp. Tuy nhiên, việc chỉnh định phức tạp hơn và cần công cụ tối ưu hóa.

Tối ưu hóa bầy đàn (PSO) là thuật toán tìm kiếm dựa trên hành vi bầy đàn. Mỗi hạt trong không gian tìm kiếm đại diện cho một bộ tham số. Hạt di chuyển dựa trên kinh nghiệm bản thân và kinh nghiệm toàn bầy đàn. MOPSO mở rộng PSO cho bài toán đa mục tiêu với nhiều hàm mục tiêu đồng thời. Giải pháp tối ưu là tập Pareto chứa các phương án không bị chi phối. Phương pháp này phù hợp để chỉnh định FOPID cho hệ đa biến. Có thể cân bằng giữa nhiều tiêu chí hiệu suất và ổn định vững.

Với hệ 2×2, luận án đề xuất phương pháp dựa trên điều khiển mô hình nội (IMC). Kỹ thuật tách ghép đơn giản hóa được áp dụng để giảm tương tác chéo. Sau khi tách ghép, mỗi vòng điều khiển trở thành hệ đơn biến độc lập. Bộ FOPID cho mỗi vòng được thiết kế theo nguyên lý IMC. Tham số bộ điều khiển liên quan đến hằng số thời gian và độ trễ của quá trình. Phương pháp này đơn giản, dễ áp dụng và cho kết quả tốt. Thời gian tính toán nhanh, phù hợp cho ứng dụng công nghiệp.

Ma trận truyền G(s) mô tả hệ đa biến với các hàm truyền Gij(s). Phần tử Gij(s) biểu diễn ảnh hưởng của đầu vào j lên đầu ra i. Tương tác chéo xảy ra khi các phần tử ngoài đường chéo khác không. Ma trận tách ghép D(s) được thiết kế để triệt tiêu tương tác này. Ma trận sau tách ghép Gd(s) = D(s)*G(s) có dạng đường chéo. Mỗi phần tử đường chéo là một hệ SISO có thể điều khiển độc lập. Việc thiết kế D(s) cần đảm bảo tính khả thi và ổn định.

Tính toán ma trận tách ghép cho hệ bậc cao rất phức tạp. Các hàm truyền trong D(s) thường có bậc rất cao. PSO được sử dụng để đơn giản hóa các hàm truyền này. Hàm mục tiêu là sai số giữa đáp ứng gốc và đáp ứng rút gọn. PSO tìm kiếm tham số tối ưu cho mô hình bậc thấp. Phương pháp này giảm độ phức tạp tính toán đáng kể. Độ chính xác được cải thiện so với phương pháp giải tích truyền thống. Đặc biệt hiệu quả với hệ 3×3 và 4×4.

Thời gian trễ là đặc điểm phổ biến trong quá trình công nghiệp. Trễ làm giảm hiệu suất và có thể gây mất ổn định hệ thống. Bộ dự báo Smith là giải pháp hiệu quả để xử lý trễ. Cấu trúc Smith predictor bù trễ trong vòng điều khiển phản hồi. Kết hợp với kỹ thuật tách ghép tạo ra cấu trúc điều khiển hoàn chỉnh. Mỗi vòng SISO sau tách ghép được trang bị bộ dự báo Smith. Hiệu suất hệ thống được cải thiện đáng kể so với phương pháp khác.

Cấu trúc M-Δ là công cụ chuẩn để phân tích ổn định vững. Ma trận M chứa thông tin hệ thống danh định và bộ điều khiển. Ma trận Δ biểu diễn bất định có cấu trúc hoặc không cấu trúc. Bất định đầu ra nhân tính có dạng G(s) = G0(s)(I + Δ(s)W(s)). G0(s) là ma trận truyền danh định, W(s) là hàm trọng số bất định. Δ(s) thỏa mãn điều kiện giá trị kỳ dị lớn nhất nhỏ hơn 1. Mô hình này phù hợp với nhiều loại bất định trong thực tế. Dễ dàng tính toán và kiểm tra điều kiện ổn định vững.

Hệ thống ổn định vững nếu ổn định với mọi bất định cho phép. Điều kiện cần và đủ dựa trên hàm nhạy bù và hàm trọng số. Với bất định đầu ra nhân tính, điều kiện là σ̄(T(jω)W(jω)) < 1. T(jω) là hàm nhạy bù, σ̄ là giá trị kỳ dị lớn nhất. Điều kiện này phải thỏa mãn với mọi tần số ω. Biểu diễn đồ thị cho phép kiểm tra trực quan điều kiện ổn định. Khoảng cách giữa đường cong và ngưỡng 1 biểu thị độ bền vững. Hệ có độ bền vững cao khi khoảng cách này lớn.

Luận án so sánh độ bền vững của phương pháp đề xuất với các phương pháp khác. Các phương pháp được đánh giá trên cùng mô hình chuẩn. Kết quả cho thấy phương pháp FOPID với MOPSO có độ bền vững cao nhất. Giá trị kỳ dị lớn nhất của hàm nhạy bù nhỏ hơn các phương pháp khác. Điều này chứng tỏ khả năng chống nhiễu và bất định tốt hơn. Hệ thống hoạt động ổn định trong phạm vi bất định rộng hơn. Kết quả mô phỏng xác nhận tính vượt trội của phương pháp đề xuất.

Mô hình cột chưng cất Wood-Berry là benchmark kinh điển cho hệ 2×2. Hệ thống có tương tác chéo mạnh và thời gian trễ khác nhau. Mô hình Ogunnaike cho hệ 3×3 mô phỏng quá trình chưng cất phức tạp. Hệ 4×4 Alatiqi mô tả quá trình công nghiệp đa biến bậc cao. Các mô hình này được sử dụng rộng rãi trong nghiên cứu điều khiển. Chúng đại diện cho các đặc điểm khó khăn trong thực tế. Kết quả trên các mô hình này có giá trị thực tiễn cao.

Thời gian xác lập đo tốc độ đáp ứng của hệ thống. Độ vọt lố phản ánh mức độ dao động trước khi ổn định. Sai số xác lập cho biết độ chính xác của hệ thống. Chỉ số IAE, ISE, ITAE đánh giá tổng hợp chất lượng điều khiển. Tương tác chéo được đo qua đáp ứng các vòng không điều khiển. Thời gian tính toán phản ánh tính khả thi trong ứng dụng thực tế. Phương pháp tốt cần cân bằng giữa các chỉ tiêu này.

Bảng so sánh cho thấy FOPID với MOPSO cho kết quả tốt nhất. Thời gian xác lập giảm 15-30% so với phương pháp PID truyền thống. Độ vọt lố thấp hơn 20-40% so với các phương pháp khác. Tương tác chéo được giảm đáng kể nhờ kỹ thuật tách ghép. Độ bền vững cao hơn khi có nhiễu và thay đổi tham số. Kết hợp PSO giảm thời gian tính toán 50% so với phương pháp giải tích. Phương pháp đề xuất phù hợp cho ứng dụng công nghiệp thực tế.

Đề xuất cấu trúc điều khiển mới kết hợp tách ghép đơn giản hóa và Smith predictor. Phát triển phương pháp tối ưu PSO cho việc rút gọn ma trận truyền. Xây dựng quy tắc chỉnh định FOPID dựa trên IMC cho hệ 2×2. Áp dụng MOPSO để tối ưu đa mục tiêu cho hệ 3×3 và 4×4. Phân tích ổn định vững sử dụng cấu trúc M-Δ và bất định nhân tính. Kiểm chứng toàn diện qua mô phỏng và so sánh với phương pháp khác. Các kết quả được công bố trên tạp chí quốc tế uy tín.

Phương pháp đề xuất áp dụng được cho nhiều quá trình công nghiệp. Cột chưng cất, lò phản ứng, hệ thống nhiệt là các ứng dụng tiềm năng. Giảm thời gian đáp ứng và tăng chất lượng sản phẩm. Tính ổn định vững cao đảm bảo vận hành an toàn. Giảm tương tác chéo giúp điều khiển dễ dàng hơn. Công cụ tối ưu PSO và MOPSO dễ lập trình và triển khai. Phương pháp có tiềm năng chuyển giao công nghệ cho doanh nghiệp.

Mở rộng phương pháp cho hệ đa biến bậc cao hơn 4×4. Nghiên cứu điều khiển thích nghi phân số cho hệ có tham số thay đổi. Áp dụng học máy và AI để tự động chỉnh định FOPID. Thực nghiệm trên mô hình vật lý và quá trình công nghiệp thực. Nghiên cứu điều khiển phân số phi tuyến cho hệ đa biến. Phát triển công cụ phần mềm hỗ trợ thiết kế bộ điều khiển. Kết hợp với IoT và Industry 4.0 cho ứng dụng thông minh.