Luận án tiến sĩ về điều khiển thông minh - Lê Minh Thành

TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH LÊ MINH THÀNH NGHIÊN CĆU PHÁT TRIÄN GIÀI THU¾T ĐIÂU KHIÄN THÔNG MINH DĂA TRÊN M¾NG N¡-RON Mâ HâI QUY ĆNG DĂNG ĐIÂU KHIÄN HÈ PHI TUYÀN LU¾N ÁN TIÀN S) Ngành: Kỹ thuÁt điÃu khiển và tự động hóa Mã sá: 9520216 Thành phố Hồ Chí Minh, tháng 3 năm 2024 TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH LÊ MINH THÀNH NGHIÊN CĆU PHÁT TRIÄN GIÀI THU¾T ĐIÂU KHIÄN THÔNG MINH DĂA TRÊN M¾NG N¡-RON Mâ HâI QUY ĆNG DĂNG ĐIÂU KHIÄN HÈ PHI TUYÀN LU¾N ÁN TIÀN S) Ngành: Kỹ thuÁt điÃu khiển và tự động hóa Mã sá: 9520216 NG¯âI H¯àNG DẪN: 1. NGUYÆN CHÍ NGÔN 2. NGUYÆN QUANG SANG Thành phố Hồ Chí Minh, tháng 3 năm 2024 i LâI CAM ĐOAN Tôi xin cam đoan luÁn án tiÁn sĩ với đà tài: <Nghiên cću phát triÅn giÁi thu¿t điÃu khiÅn thông minh dăa trên m¿ng n¢-ron mã hãi quy ćng dăng điÃu khiÅn hÉ phi tuyÁn= là công trình khoa học do chính tôi nghiên cāu độc lÁp. Các kÁt luÁn và kÁt quÁ trình bày trong luÁn án mang tính trung thực, không thực hiện sao chép d°ới bất kỳ hình thāc nào và từ bất kỳ nguồn tài liệu nào.

Nội dung tham khÁo từ các tài liệu đÃu đã đ°ợc trích d¿n và ghi nguồn tài liệu tham khÁo đúng theo quy đánh. Thành phố Hồ Chí Minh, ngày 19 tháng 3 năm 2024 Nghiên cāu sinh Lê Minh Thành ii LâI CÀM ¡N Trong thßi gian nghiên cāu và thực hiện luÁn án, em đã nhÁn đ°ợc sự quan tâm và giúp đỡ tÁn tình cÿa Tr°ßng Đ¿i học Giao thông vÁn tÁi Thành phá Hồ Chí Minh, Viện Đào t¿o Sau Đ¿i học, Khoa Điện - ĐTVT, quý Thầy (Cô), gia đình và b¿n bè. Với lòng biÁt ¡n sâu sắc, em xin chân thành cÁm ¡n: - Quý Thầy, Cô Viện Đào t¿o Sau đ¿i học, Khoa Điện – ĐTVT Tr°ßng Đ¿i học Giao thông vÁn tÁi Thành phá Hồ Chí Minh đã tÁn tình hỗ trợ em trong việc hoàn thành các thÿ tục hồ s¡ káp thßi và đã t¿o điÃu kiện thuÁn lợi cho em đ°ợc tham gia nghiên cāu t¿i tr°ßng hiệu quÁ. - Đặc biệt, PGS.

Nguyễn Chí Ngôn và TS. Nguyễn Quang Sang – những ng°ßi Thầy đáng kính đã tÁn tình h°ớng d¿n, giúp đỡ em rất nhiÃu trong suát thßi gian nghiên cāu học tÁp. - CÁm ¡n Quý Thầy (Cô) Khoa Điện - Điện tử tr°ßng Đ¿i học S° ph¿m Kỹ thuÁt Vĩnh Long đã hỗ trợ và t¿o điÃu kiện cho em trong quá trình nghiên cāu học tÁp. - CÁm ¡n gia đình, b¿n bè đã luôn động viên, khuyÁn khích để em yên tâm nghiên cāu và hoàn thành luÁn án.

Xin chân thành cÁm ¡n tất cÁ! Nghiên cāu sinh Lê Minh Thành iii TÓM TÀT LuÁn án này nhằm mục tiêu nghiên cāu phát triển giÁi thuÁt điÃu khiển thông minh dựa trên m¿ng n¡-ron mß hồi quy (Recurrent Fuzzy Neural Networks) để áp dụng trong điÃu khiển hệ phi tuyÁn, mà cụ thể là hệ robot song song 3 bÁc tự do, gọi là robot Delta. TiÁp cÁn đầu tiên cÿa luÁn án là xây dựng mô hình động học và mô hình động lực học cÿa robot Delta để phục vụ cho ho¿t động khÁo sát đặc tính cÿa nó thông qua mô phßng. Kỹ thuÁt điÃu khiển PID truyÃn tháng và điÃu khiển mß đã đ°ợc kiểm nghiệm tr°ớc tiên để đánh giá khÁ năng kiểm soát robot. Tuy nhiên, việc tìm kiÁm các bộ tham sá cho bộ điÃu khiển PID cũng nh° bộ điÃu khiển mß bằng ph°¡ng pháp thử sai tß ra kém hiệu quÁ đái với mô hình MIMO phi tuyÁn cÿa robot.

Vì vÁy, giÁi thuÁt di truyÃn GA (genetic algorithm) đã đ°ợc áp dụng với mong muán tìm đ°ợc tham sá tái °u cho bộ điÃu khiển PID nhß khÁ năng tìm kiÁm nghiệm tái °u toàn cục cÿa giÁi thuÁt. Mặc dù giÁi thuÁt GA hoàn toàn có khÁ năng đáp āng đ°ợc kỳ vọng, nh°ng với kỹ thuÁt tìm kiÁm nghiệm off-line tác độ chÁm, việc áp dụng trong điÃu khiển robot không phù hợp. Đồng thßi, GA chß có thể tìm đ°ợc bộ nghiệm tái °u để cài đặt cho bộ điÃu khiển t¿i thßi điểm ban đầu. NÁu trong quá trình vÁn hành, thông sá cÿa robot hay có sự tác động cÿa các yÁu tá bất đánh khác nh° nhiễu, ph°¡ng pháp này bắt buộc phÁi tìm l¿i bộ nghiệm tái °u mới bằng cách ch¿y l¿i giÁi thuÁt.

Một vấn đà lớn đặt ra là có thể hiệu chßnh tham sá tái °u cÿa bộ điÃu khiển một cách trực tuyÁn hay không? Để trÁ lßi cho câu hßi này, m¿ng n¡-ron mß hồi quy đã đ°ợc áp dụng trong luÁn án. M¿ng n¡-ron mß hồi quy đã đ°ợc nhiÃu nhóm nghiên cāu vÁn dụng trong kỹ thuÁt điÃu khiển thích nghi cho hệ phi tuyÁn. Tuy nhiên, kỹ thuÁt điÃu khiển này tồn t¿i một h¿n chÁ c¡ bÁn là phụ thuộc vào việc lựa chọn bộ tham sá ban đầu cÿa m¿ng. Việc lựa chọn bộ tham sá ban đầu không phù hợp s¿ gây ra tác độ hội tụ chÁm cÿa giÁi thuÁt, làm cho đáp āng quá độ cÿa đái t°ợng bá kéo dài.

Để khắc phục h¿n chÁ này, luÁn án đã kÁt hợp giÁi thuÁt điÃu khiển giám sát dùng bộ điÃu khiển PID để mang năng l°ợng chÿ đ¿o và dùng m¿ng n¡-ron mß hồi quy để hiệu chßnh bù một cách trực tuyÁn cho đái t°ợng. Nhß sự kÁt hợp này, tham sá cÿa bộ điÃu khiển PID không cần thiÁt phÁi cài đặt l¿i khi đái t°ợng hay môi tr°ßng điÃu khiển thay đổi, mà chính m¿ng n¡-ron mß hồi quy s¿ cung cấp tín hiệu điÃu khiển bù cho những tác động đó. KÁt quÁ mô phßng trên MATLAB/Simulink cho thấy giÁi thuÁt điÃu khiển giám sát dùng m¿ng n¡-ron mß hồi quy đã đáp āng đ°ợc yêu cầu thiÁt kÁ bộ điÃu khiển thông minh cho hệ phi tuyÁn. iv Nhằm kiểm chāng các giÁi thuÁt điÃu khiển đã mô phßng, mô hình thực nghiệm robot Delta cũng đ°ợc luÁn án thiÁt kÁ và chÁ t¿o thử nghiệm.

Và c¡ bÁn, bộ điÃu khiển đ°ợc xây dựng trên máy tính và truyÃn thông tín hiệu điÃu khiển cùng với các cÁm biÁn góc khớp cÿa robot thông qua card giao tiÁp C2000 cÿa Texas Instrument. KÁt quÁ thực nghiệm trên mô hình robot thÁt cho thấy giÁi thuÁt đáp āng đúng nh° thiÁt kÁ và mô phßng. Tuy nhiên, do h¿n chÁ và c¡ khí chính xác và độ cāng vững cÿa mô hình robot Delta đã đ°ợc chÁ t¿o mà đầu mút cÿa robot v¿n bá rung nhẹ khi ch¿y trên quỹ đ¿o đặt, mặc dù các góc khớp v¿n cho tín hiệu đúng. Do không có đÿ thßi gian và kinh phí để chÁ t¿o l¿i mô hình robot, nghiên cāu này đã thực nghiệm giÁi thuÁt điÃu khiển giám sát dùng m¿ng n¡-ron mß hồi quy trên hệ ổn đánh l°u l°ợng chất lßng RT020 cÿa hãng Gunt-Hamburg có sẵn.

KÁt quÁ thực nghiệm trên hệ RT020 cho thấy kỹ thuÁt điÃu khiển đã đà xuất hoàn toàn phù hợp và có khÁ năng kiểm soát tát đáp āng l°u l°ợng cÿa thiÁt bá. Trong thßi gian tới, giÁi thuÁt điÃu khiển đà xuất s¿ đ°ợc tiÁp tục kiểm nghiệm trên robot Delta sau khi nhóm nghiên cāu cÁi tiÁn l¿i phần cánh tay và bộ khung cÿa robot. Từ khóa: m¿ng n¡-ron mß hồi quy, giÁi thuÁt di truyÃn, điÃu khiển mß, điÃu khiển giám sát, nhÁn d¿ng hệ tháng, hệ phi tuyÁn. v ABSTRACT This thesis aims to study and develop intelligent control algorithms based on Recur- rent Fuzzy Neural Networks to apply in nonlinear system control, especially in parallel robot control, also called Delta robot.

The first approach of the study is to build a kinematic model and a dynamic model of the Delta robot to investigate its characteristics through simulation. Traditional PID control techniques and fuzzy control have been tested first to evaluate robot controlla- bility. However, finding the parameter sets for the PID controller as well as the fuzzy controller by trial-and-error method has proved ineffective for the nonlinear MIMO model of the robot. Therefore, the genetic algorithm GA (Genetic Algorithm) has been applied with the desire to find the optimal parameters for the PID controller thanks to its algorithm’s ability in finding the global optimal solution.

Although the GA algorithm completely meets the expectations with a slow speed off-line searching technique, its application in robot control is not suitable. At the same time, GA can only find the op- timal PID’s parameters for initial time. If during operation, the robot's parameters are affected by other uncertain factors such as noise, this method is required to find a new set of optimal parameters by running the GA algorithm again. A big question is whether it is possible to calibrate the controller's optimal parameter online? To answer this ques- tion, the study has continued to approach recurrent fuzzy neural networks.

Recurrent fuzzy neural networks have been applied by many research groups in adaptive control techniques for nonlinear systems. However, this control technique has a fundamental limitation in that it depends on the selection of the initial parameter set of the network. The inappropriate selection of the initial parameter set may get a slow convergence of the algorithm, causing longer transient response of the controlled object. To overcome this limitation, the thesis has combined a supervisory control algorithm using PID controllers to generate main control signals and using recurrent fuzzy neural networks to online compensate of control signals.

Thanks to this combination, parame- ters of PID controllers does not need to be re-install when the control object or environ- ment changes, because the recurrent fuzzy neural networks will provide compensative control signals for the changes. The simulation results on MATLAB/Simulink show that the supervisory control algorithm using recurrent fuzzy neural networks has met the requirements of designing intelligent controllers for nonlinear systems. vi To verify proposed control algorithms, the Delta robot experimental model has also been designed and tested by the thesis. Basically, the controller is built on the computer and communicates the control signal along with the joint angle sensors of the robot through the Texas Instrument C2000 interface card.

Experimental results on the real robot model show that the algorithm responds exactly as designed and simulated. How- ever, due to the limitations of precision mechanics and rigidity of the Delta robot model, the robot's arm tip still vibrates slightly when running on its trajectory, although the joint angles still give the correct signal. Due to the lack of time and funds to re-create the robot model, this study has tested the supervisory control algorithm using recurrent fuzzy neural networks on the liquid flow control system RT020 of the Gunt - Hamburg. Experimental results on the RT020 system show that the proposed control technique is completely suitable and has good control of the liquid flow response of the device.

The proposed control algorithms should be further tested on the Delta robot after the research team improves the arm and frame of the robot. Keywords: recurrent fuzzy neural network, genetic algorithm, fuzzy control, super- vised control, system recognition, nonlinear system. vii MĂC LĂC LâI CÀM ¡N. vii DANH MĂC CÁC CHĀ VIÀT TÀT.

xi DANH MĂC CÁC HÌNH V¾. xii DANH MĂC CÁC BÀNG BIÄU. xvii TäNG QUAN. Tính cấp thiÁt cąa lu¿n án .