Luận án tiến sĩ kỹ thuật điều khiển và tự động hóa nhận dạng và điều khiển hệ ph

KLӇQ 7ӵĈӝQJ+yD 0mVӕFKX\rQQJjQK 62520216 3KҧQELӋQÿӝFOұS: 3*676ĈһQJ;XkQ.LrQ 3KҧQELӋQÿӝFOұS: 3*6767UѭѫQJĈuQK1KѫQ 3KҧQELӋQ: 3*6761JX\ӉQ&Kt1J{Q 3KҧQELӋQ: 3*6761JX\ӉQ7KDQK3KѭѫQJ 3KҧQELӋQ: 3*6761JX\ӉQ4XӕF+ѭQJ 1*ѬӠ, +ѬӞN*'Ү1: 1. Hӗ3KҥP+X\Ánh LӠ,&$0Ĉ2$1 Nghiên cӭu sinh [LQFDPÿRDQÿk\là công trình nghiên cӭu cӫa bҧn thân nghiên cӭu sinh. Các kӃt quҧ nghiên cӭu và các kӃt luұn trong luұn án này là trung thӵc, và không sao chép tӯ bҩt kǤ mӝt nguӗQQjRYjGѭӟi bҩt kǤ hình thӭc nào. ViӋc tham khҧo các nguӗn tài liӋu ÿmÿѭӧc thӵc hiӋn trích dүn và ghi nguӗn tài liӋu tham khҧo ÿ~QJquy ÿӏnh.

Nghiên cӭu sinh luұn án Cao VăQ.Lên i TÓM 7Ҳ7/8Ұ1ÁN HӋ thӕng phi tuyӃn vӟi các yӃu tӕ bҩWÿӏnh và nhiӉXÿӝng rҩWNKyÿӇ [iFÿӏnh chính xác mô hình toán hӑc cӫa hӋ thӕng ÿһc biӋt ÿӕi vӟi cic hӋ cy ÿһc ttnh trӉ'Rÿy FiFKѭӟng tiӃp cұQÿLӅu khiӇn thông WKѭӡng dӵa trên mô hình toán hӑc gҫQQKѭNKông ÿiS ӭQJ ÿѭӧc yêu cҫu. Vì thӃ ngày càng có nhiӅu nghiên cӭu tұp trung vào các mô hình và các bӝ ÿLӅu khiӇn thông minh ӭng dөng kӻ thuұt tính toán mӅm dӵa trên mҥng Qѫ-ron nhân tҥo, logic mӡ và các thuұt toán tӕLѭXWLӃn hóa. Trong luұn án này, nghiên cӭu sinh ÿӅ xuҩt mô hình Fuzzy nhiӅu lӟp kӃt hӧp vӟi giҧi thuұt tiӃn hóa vi sai ÿӇ nhұn dҥng và ÿLӅu khiӇn hӋ phi tuyӃn. Các nӝi dung chính cӫa luұn án ÿѭӧc tóm tҳWQKѭVDX ĈӅ xuҩt ÿҫu tiên là mô hình Fuzzy nhiӅu lӟp dùng trong nhұn dҥQJ Yj ÿLӅu khiӇn hӋ phi tuyӃn.

Mô hình Fuzzy nhiӅu lӟp ÿѭӧc tҥo thành bҵng cách kӃt hӧp nhiӅu mô hình Fuzzy Multi-Input, Single-Output (MISO). Mӛi mô hình Fuzzy MISO nhiӅu lӟSÿѭӧc tҥo thành bӣi nhiӅu mô hình Fuzzy Takagi-Sugeno (T-S) truyӅn thӕng. Cҩu trúc và luұt mӡ cӫa mô hình Fuzzy nhiӅu lӟp ÿѭӧc tính toán tӕLѭXEҵng giҧi thuұt tiӃn hoá vi sai. KӃt quҧ cho thҩy mô hình Fuzzy nhiӅu lӟp có thӇ dùng trong nhұn dҥng mô hình Multi-Input Multi-Output (MIMO) và tính linh hoҥt cӫa mô hình ÿѭӧc thӇ hiӋn trong các thí nghiӋm.

ĈӅ xuҩt thӭ hai là giҧi thuұt huҩn luyӋn ghép tҫQJGQJÿӅ huҩn luyӋn mô hình Fuzzy nhiӅu lӟp mӝt cách tuҫn tӵ. Qua kӃt quҧ thӵc nghiӋm chӭng miQKÿѭӧFSKѭѫQJ SKiSOjPWăQJ ÿӝ chính xác, giҧm thӡi gian tính toán so vӟLSKѭѫQJSKiSKXҩn luyӋn thông thѭӡng. VӅ EjLWRiQÿLӅu khiӇn, luұn án có hai ÿӅ xuҩt giҧi thuұWÿLӅu khiӇn kӃt hӧp giҧi thuұt tính toán mӅm tӕi ѭXYà giҧi thuұt ÿLӅu khiӇn thích nghi. Ĉҫu tiên là giҧi thuұt WUѭӧt mӡ thích nghi vӟi hàm thích nghL ÿѭӧc thiӃt kӃ mӟi gӑQ KѫQ Yj Wұn dөng khҧ QăQJ cӫa các giҧi thuұt tính toán tӕLѭXYjRQKұn dҥng các tham sӕ EDQÿҫu cӫa bӝ ÿLӅu khiӇn.

ĈӅ xuҩt cho bài toán ÿLӅu khiӇn thӭ hai là giҧi thuұt ÿLӅu khiӇn mô hình ngѭӧc thích nghi áp dөng mô hình Fuzzy nhiӅu lӟp tӕi ѭXEҵng giҧi thuұt tiӃn hóa vi sai kӃt hӧp vӟi giҧi thuұt ÿLӅu khiӇn trѭӧt mӡ thích nghi. Cҧ hai hѭӟng ÿӅ xuҩt ÿӅu có các ÿһc ÿLӇm là kӃt hӧp giӳa giҧi thuұt tӕi ѭu vӟi giҧi thuұt ÿLӅu khiӇn thích nghi làPWăQJFKҩt Oѭӧng bӝ ÿLӅu khiӇn lúc khӣLÿӝng Yjÿҧm bҧo lý thuyӃt әQÿӏnh Lyapunov. ii ABSTRACT Nonlinear systems with uncertainties and disturbances make it difficult to accurately identify the mathematical model of the system. Therefore, the conventional control approaches based on the mathematical model almost do not meet the quality requirements.

Therefore, more and more research is focused on intelligent models and controllers applying soft computing techniques based on artificial neural networks, fuzzy logic, and evolutionary optimization algorithms. In this thesis, the author proposes multilayer fuzzy model trained by the differential evolution algorithm to identify and control the nonlinear system. The main contributions of the thesis are summarized as follows: The first contribution is a multilayer Fuzzy model used in the identification and control nonlinear systems. Multilayer Fuzzy models are created by combining multiple Fuzzy MISO models.

Each multilayer Fuzzy MISO model is made up of many traditional Takagi-Sugeno Fuzzy models. The structure and laws of the multilayer Fuzzy model are optimally identified using the differential evolution (DE) algorithm. The results show that multilayer fuzzy model can be used in MIMO model identification and the flexibility of the model has been shown in experiments. The second contribution is a cascade training algorithm, which uses to train a multi-layered fuzzy model sequentially.

The experimental results show that the method increases accuracy and reduces calculation time compared to conventional methods. Regarding the control problem, the author has two contribution that combining the optimal soft computing algorithm and adaptive control algorithm. The first is a novel adaptive fuzzy sliding mode algorithm that is the adaptive law has been newly designed and takes advantage of the ability of optimal computing algorithms to identify the initial parameters of the controller. The second control problem is an adaptive inversed model control algorithm that applies the optimal multilayer Fuzzy model by DE algorithm combined with an adaptive fuzzy control algorithm.

Both proposed controllers have the characteristics of combining optimization algorithm with an adaptive control algorithm to increase controller quality at startup and guarantee the system meets Lyapunov's stability theory. iii LӠI CҦ0Ѫ1 ĈӇ hoàn thành luұn án này, tôi xin gӱi lӡi cҧPѫQÿӃn GS. Hӗ Phҥm Huy Ánh, thҫy ÿm Kѭӟng dүn tôi trong suӕt quá trình thӵc hiӋn ÿӅ tài. Tôi xin gӱi lӡi cҧPѫQÿӃn tҩt cҧ thҫ\F{ .KRDĈLӋn - ĈLӋn tӱĈҥi hӑc Bách Khoa Tp.HC0ÿmWUX\ӅQÿҥt các kiӃn thӭc nӅn tҧng quý báu tӯ khi tôi hӑc ӣ bұc Cao hӑc FKR ÿӃn các hӑc phҫn TiӃQ Vƭ QKӡ nhӳng kiӃn thӭc nӅn tҧng này mà tôi mӟi có thӇ thӵc hiӋQÿѭӧc công viӋc nghiên cӭu.

Xin gӱi lӡi cҧP ѫQÿӃn các thҫy cô trong các Hӝi ÿӗQJÿiQK giá các FKX\rQÿӅ TiӃQVƭluұn án TiӃQVƭFҩp Khoa, nhӳng ý kiӃn phҧn biӋn và góp ý thұt sӵ ÿmJL~SW{LUҩt nhiӅu trong viӋc chӍnh sӱa và hoàn chӍnh luұn án cӫa mình. Xin gӱi lӡi cҧPѫQÿӃQOmQKÿҥo TUѭӡQJĈҥi hӑc Công nghiӋp Tp.HCM, lãnh ÿҥo và toàn thӇ cán bӝ, giҧng viên Khoa Công nghӋ ĈLӋn tӱ YuÿmFy nhӳng chính sách hӛ trӧ, tҥo ÿLӅu kiӋn rҩt tӕt cho tôi hӑc tұp và làm viӋc. &XӕL FQJ[LQFKkQWKjQKFҧPѫQgia ÿuQK và nJѭӡLWKkQOX{QFKia Vҿ PӑL khó NKăn và là chӛ GӵDYӳQJFKҳFYӅYұWFKҩt YjWLQKWKҫQWURQJVXӕWWKӡLJLDQWKӵFKLӋQYjKRjn WKjQKOXұQ án. iv MӨC LӨC DANH MӨC BҦNG BIӆU.

xi DANH MӨC CÁC TӮ VIӂT TҲT. xii DANH MӨC CÁC KÝ HIӊU. GIӞI THIӊ8Ĉӄ TÀI. TӘNG QUAN TÌNH HÌNH NGHIÊN CӬU.

V͉ OƭQKY͹c nh̵n d̩ng h͏ th͙ng dùng mô hình logic mͥ. V͉ OƭQKY͹FÿL͉u khi͋n dùng mô hình logic mͥ. PHҤM VI NGHIÊN CӬU. NӜI DUNG QUYӆN LUҰN ÁN.

THUҰT TOÁN TIӂN HÓA VI SAI. MÔ HÌNH FUZZY NHIӄU LӞP TRONG NHҰN DҤNG Hӊ PHI TUYӂN. Mô hình Fuzzy trong nh̵n d̩ng h͏ phi tuy͇n. Mô hình Fuzzy nhi͉u lͣp.

24 C+ѬѪ1* NHҰN DҤNG Hӊ PHI TUYӂN DÙNG MÔ HÌNH FUZZY NHIӄU LӞP. Thu th̵p dͷ li͏u vào ra. K͇t qu̫ nh̵n d̩ng mô hình thu̵n. K͇t qu̫ nh̵n d̩QJP{KuQKQJ˱ͫc.

MÔ HÌNH PAM SONG SONG. Mô hình PAM song song. Thu th̵p dͷ li͏u vào ± ra. Hṷn luy͏n mô hình thu̵n ± QJ˱ͫc.

HUҨN LUYӊN GHÉP TҪNG MÔ HÌNH FUZZY NHIӄU LӞP ӬNG DӨNG NHҰN DҤNG Hӊ PHI TUYӂ1Ĉ$%,ӂN. nh̵n d̩ng tham s͙ mô hình Fuzzy nhi͉u lͣp b̹QJSK˱˯QJSKiSJKpSW̯ng. Thu th̵p dͷ li͏u. Hṷn luy͏n mô hình.

K͇t qu̫ hṷn luy͏n. 55 &+ѬѪ1* Ĉ,ӄU KHIӆN THÍCH NGHI Hӊ PHI TUYӂN DÙNG MÔ HÌNH FUZZY NHIӄU LӞP KӂT HӦP GIҦI THUҰT TӔ,Ѭ8. GIҦI THUҰ7Ĉ,ӄU KHIӆ175ѬӦT MӠ NÂNG CAO KӂT HӦP GIҦI THUҰT TӔ,Ѭ8. Mô hình PAM 1dof th͹c nghi͏m.

K͇t qu̫ ÿL͉u khi͋n. GIҦI THUҰ7Ĉ,ӄU KHIӆ11*ѬӦC THÍCH NGHI NÂNG CAO KӂT HӦP GIҦI THUҰT TӔ,Ѭ8. Gi̫i thu̵t ÿL͉u khi͋n QJ˱ͫc thích nghi nâng cao k͇t hͫp gi̫i thu̵t t͙L˱X. Mô hình Spring-mass-damper.

Mô hình b͛QQ˱ͣc liên k͇t. 96 &+ѬѪ1* KӂT LUҰN VÀ KIӂN NGHӎ. 99 DANH MӨC CÔNG TRÌNH LIÊN QUAN LUҰN ÁN. 101 TÀI LIӊU THAM KHҦO.

120 vi DANH MӨC CÁC HÌNH ҦNH +uQK/ѭXÿӗJLҧLWKXұWWӕLѭX'( .18 +uQK0{KuQK)X]]\GQJQKұQGҥQJKӋSKLWX\ӃQ0,62. Mô hình Hierachical Fuzzy««««««««««««««««««. Mô hình Fuzzy nKLӅXOӟSiSGөQJWURQJQKұQGҥQJ .22 +uQK+jPOLrQWKXӝFQJ}YjRFӫDP{KuQK)X]]\7-6Gҥng tam giác. Hàm liên thuӝc QJ}YjRFӫDP{KuQK)X]]\7-6GҥQJ*DXVV .24 +uQK&ҩXWU~FP{KuQKEӗQQѭӟFOLrQNӃWÿ{L .26 Hình 3'ӳOLӋXKXҩQOX\ӋQP{Kình .28 +uQK'ӳOLӋXÿiQKJLiP{KuQK .28 Hình 0{KuQK)X]]\WURQJQKұQGҥQJKӋEӗQQѭӟF .ӃWTXҧKXҩQOX\ӋQQKұQGҥQJQJ}UDEӗQ .ӃWTXҧÿiQKJLiFKҩWOѭӧQJQKұQGҥQJQJ}UD bӗQ .31 +uQK*LiWUӏKjPPөFWLrXTXDFiFWKӃKӋ .ӃWTXҧQKұQGҥQJP{KuQK)X]]\YӟLngõ ra x4.ӃWTXҧÿiQKJLiP{KuQK)X]]\YӟLQJ}UD[ .32 HìQK*LiWUӏKjPPөFWLrXNKLKXҩQOX\ӋQP{KuQK)X]]\cho ngõ ra x4 .ӃWTXҧKXҩQOX\ӋQP{KuQK)X]]\QJ}UDOjÿLӋQiSEѫP .ӃWTXҧKXҩQOX\ӋQP{KuQK)X]]\QJ}UDOjÿLӋQiSEѫP .35 +uQK*LiWUӏKjPPөFWLrXTXDWKӃKӋKXҩQOX\ӋQP{KuQK)X]]\QKLӅXOӟSFKR ngõ ra u1.ӃWTXҧKXҩQOX\ӋQP{KuQK)X]]\QJ} UDOjÿLӋQiSEѫP .ӃWTXҧÿiQKJLiP{KuQK)X]]\QJ}UDOjÿLӋQiSEѫP .37 HìQK*LiWUӏKjPPөFWLrXTXDFiFWKӃKӋKXҩQOX\ӋQP{ KuQK)X]]\QKLӅXOӟS cho ngõ ra u2 .37 +uQK+uQKҧQKP{KuQKWKӵFWӃ .38 vii +uQK6ѫÿӗNKӕLP{KuQK3$0VRQJVRQJWKӵFWӃ .39 +uQK'ӳOLӋXKXҩQOX\ӋQP{KuQK3$0 .40 +uQK'ӳOLӋXÿiQKJLimô hình PAM .40 Hình 36ѫÿӗP{KuQK)X]]\QKLӅXOӟSQKұQGҥQJKӋ3$0VRQJVRQJ .ӃWTXҧOҫQKXҩQOX\ӋQP{KuQK.

KӃWTXҧ OҫQÿiQKJLiP{KuQK .43 +uQK+jPPөFWLrXWURQJOҫQKXҩQOX\ӋQ .ӃWTXҧOҫQKXҩQOX\ӋQP{KuQK .ӃWTXҧÿiQKJLiWURQJOҫQWKtQJKLӋP .ӃWTXҧKjPPөFWLrXWURQJOҫQKXҩQOX\ӋQ .45 HìQK4XiWUuQKKXҩQOX\ӋQJKpSWҫQJ .46 +uQK'ӳOLӋXYjR-UDÿӉ KXҩQOX\ӋQ .47 Hình 'ӳOLӋXÿiQKJLiP{KuQK .ӃWTXҧKXҩQOX\ӋQYjÿiQKJLiFӫDOҫQKXҩQOX\ӋQJKpSWҫQJÿҫXWiên. GiiWUӏKjPPөFWLrXFӫDOҫQKXҩQOX\ӋQJKpSWҫQJÿҫXWLrQ .ӃWTXҧKXҩQOX\ӋQYjÿánh giá mô hình ӣOҫQKXҩQOX\ӋQJKpSWҫQJWKӭ .50 +uQK*LiWUӏKjPPөFWLrXFӫDOҫQKXҩQOX\ӋQJKpSWҫQJWKӭ .ӃWTXҧKXҩQOX\ӋQYjÿiQKJLiP{KuQKӣOҫQKXҩQOX\ӋQJKpSWҫQJWKӭ .52 +uQK*LiWUӏKjPPөFWLrXFӫDOҫQKXҩQOX\ӋQJKpSWҫQJWKӭ .ӃWTXҧSKѭѫQJSKiSKXҩQOX\ӋQWK{QJWKѭӡQJ .53 +uQK+jPPөFWLrXFӫDSKѭѫQJSKiSKXҩQOX\ӋQWK{QJWKѭӡQJ .54 Hình 46ѫÿӗJLҧLWKXұWÿLӅXNKLӇQPӡWhích nghi.58 +uQK6ѫÿӗNKӕLP{KuQK3$0EұFWӵGR .ӃWTXҧKXҩQOX\ӋQ .ӃWTXҧÿiQKJLi .64 +uQK0{KuQK)X]]\YjVXUIDFH[ҩS[ӍKjPI [W. Mô hình Fuzzy YjVXUIDFH[ҩS[ӍKjPJ [W .65 +uQK+jPOLrQWKXӝFYjWѭѫQJTXDQYjRUD FӫDP{KuQK)X]]\WKtFKQJKL .66 +uQK6ѫÿӗNKӕLmô hình Fuzzy thích nghi .66 +uQK+jPOLrQWKXӝFFӫDEӝÿLӅXNKLӇQ)X]]\-PID .67 +uQK6ѫÿӗEӝÿLӅXNKLӇQ)X]]\-PID. So sánh các gLҧLWKXұW$)60&)X]]\-3,'$)Yj3,'O~FNK{QJWҧL .69 +uQK6RViQKFiFJLҧLWKXұW$)60&)X]]\-PID, AF và 3,'YӟLWҧLJ .70 +uQK6RViQKFiFJLҧLWKXұW$)60&)X]]\-3,'$)Yj3,'YӟLWҧLJ .70 +uQK6RViQKFiFJLҧLWKXұW AFSMC, Fuzzy-3,'$)Yj3,'YӟLWҧL 500g .71 +uQK6ѫÿӗJLҧLWKXұWÿLӅXNKLӇQÿӅ[XҩW.

Mô hình Spring-Mass-Damper .77 +uQK'ӳOLӋX GQJKXҩQOX\ӋQYjÿiQKJLiP{KuQK .ӃWTXҧKXҩQOX\ӋQP{KuQK60' .ӃWTXҧÿiQKJLiP{KuQK60' .ӃWTXҧÿLӅXNKLӇQYӟL[1(0) = 0.ӃWTXҧVRViQKFiFEӝÿLӅXNKLӇQWUrQKӋ60'± 7KtQJKLӋP$ .ӃWTXҧVRViQKFiFEӝÿLӅXNKLӇQWUrQKӋ60'± 7KtQJKLӋP% .ӃWTXҧVRViQKFiFEӝÿLӅXNKLӇQWUrQKӋSMD ± 7KtQJKLӋP& .ӃWTXҧVRViQKFiFEӝÿLӅXNKLӇQWUrQKӋ60'± 7KtQJKLӋP' .ӃWTXҧVRViQKFiFEӝÿiӅXNKLӇQ WUrQKӋ60'± 7KtQJKLӋP( .ӃWTXҧÿLӅXNKLӇQYӏWUtEҵQJEӝÿLӅXNKLӇQ$,0)&ÿӅ[XҩW .ӃWTXҧ ÿLӅXNKLӇQYӏWUt EҵQJEӝÿLӅXNKLӇQ$,0)&ÿӅ[XҩW .87 +uQK0{KuQKEӗQQѭӟFOLrQNӃW .88 +uQK'ӳOLӋXGQJKXҩQ OX\ӋQYà QKұQGҥQJP{KuQK .ӃWTXҧÿiQKJLiP{KuQK. So sánh các EӝÿLӅXNKLӇQiSGөQJFKRKӋEӗQQѭӟFOLrQNӃW ± 7KtQJKLӋP A .91 +uQK6RViQKFiFEӝÿLӅXNKLӇQiSGөQJFKRKӋEӗQQѭӟFOLrQNӃW± 7KtQJKLӋP B.92 +uQK6RViQKFiFEӝÿiӅXNKLӇQiSGөQJFKRKӋ EӗQQѭӟFOLrQNӃW± 7KtQJKLӋP& .36 So sánh FiFEӝÿLӅXNKLӇQiSGөQJFKRKӋ EӗQQѭӟFOLrQNӃW± 7KtQJKLӋPD .93 +uQK6RViQKFiFEӝÿLӅXNKLӇQiSGөQJFKRKӋEӗQQѭӟFOLrQNӃW± 7KtQJKLӋP( .36RViQKFiFWUѭӡQJKӧSÿLӅXNKLӇQtrong 50s ± 7KtQJKLӋP$%&'( .94 +uQK6RViQKFiFJLҧLWKXұWÿLӅXNKLӇQ .95 x DA1+0Ө&%Ҧ1*%,ӆ8 %ҧQJéQJKƭDYұWOêYjWK{QJVӕP{KuQKtKӵFQJKLӋP .27 %ҧQJ7KDPVӕFӫDFiFJLҧLWKXұWWӕLѭX .49 %ҧQJ%ҧQJVRViQK NӃWTXҧKXҩQOX\ӋQJKpSWҫQJYjSKѭѫQJSKiSWh{QJWKѭӡQJ .54 %ҧQJ/XұWPӡFӫDKjPWKtFKQJKL.61 %ҧQJ'DQKViFKFiFWKLӃWEӏGQJWURQJFҩXKuQK3$0EұFWӵGR.62 %ҧQJ*LiWUӏQJ}UDFӫDEӝÿLӅXNKLӇQ .67 %ҧQJ/XұWPӡFӫDEӝÿLӅXNKLӇQ)X]]\-PID .68 %ҧQJ&iFWKDPVӕVӱGөQJWURQJJLҧLWKXұW'(GQJYӟLKӋ60'.ӃWTXҧVRViQKFiFEӝÿLӅXNKLӇQiSGөQJWUrQKӋ60' .85 %ҧQJ6RViQKFKҩWOѭӧQJFiFJLҧLWKXұWÿLӅXNKLӇQiSGөQJOrQKӋ60' .87 %ҧQJ 7K{QJVӕ YұWOêFӫDP{KuQKEӗQQѭӟFOLrQNӃWGQJWURQJP{SKӓQJ .88 %ҧQJ6RViQKFKҩWOѭӧQJÿLӅXNKLӇQYӟLWLrXFKXҭQEuQKSKѭѫQJVDLVӕ .95 xi DANH MӨ&&È&7Ӯ 9,ӂ7 7Ҳ7 DE Differential evolution TiӃn hóa vi sai GA Genetic algorithm Giҧi thuұt di truyӅn MIMO Multiple-input and multiple-output NhiӅu ngõ vào và nhiӅu ngõ ra SISO Single-input and single-output Mӝt ngõ vào và mӝt ngõ ra MISO Multiple -input and single-output NhiӅu ngõ vào và mӝt ngõ ra MSE Mean Squared Error Trung bình bình phѭѫQJsai sӕ PSO Particle Swarm Optimization Tӕi ѭXbҫy ÿàn SMC Sliding mode controller Bӝ ÿLӅu khiӇn trѭӧt SMD Spring-Mass-Damper Lò xo ± Xe ± giҧm chҩn PID Proportional Integral Derivative Bӝ ÿLӅu khiӇn PID AF Adaptive Fuzzy Mӡ thích nghi IAF Inverse Adaptive Fuzzy Mô hình mӡ ngѭӧc thích nghi IF Inverse Fuzzy Mô hình mӡ ngѭӧc PAM Pneumatic Artificial Muscles CѫNKí nén nhân tҥo NARX Nonlinear Autoregressive Exogenous Mô hình hәi qui NARX ABC Artificial Bee Colony Giҧi thuұt bҫy ong RBFN Radial Basis Function Network Mҥng chӭc năQJcѫVӣ xuyên tâm AFSMC Adaptive Fuzzy Sliding Mode Controller Bӝ ÿLӅu khiӇn trѭӧt mӡ thích nghi xii '$1+0Ө&&È&.é+,ӊ8 CR +ӋVӕODLJKpS F +ӋVӕÿӝWELӃQ NP KíFKWKѭӟFTXҫQWKӇ GEN 6ӕWKӃKӋKXҩQOX\ӋQ s MһWWUѭӧW wi Ĉӝÿúng cӫDOXұWPӡ zi TrӑQJVӕQJõ ra cӫDOXұWPӡ C HӋVӕGүQOѭXQJõ ra 1 TӍVӕGòng chҧ\bӇYӟL bӇ 2 TӍVӕGòng chҧy bӇ2 vӟLEӇ3 uFSMC 1J}UDEӝÿLӅXNKLӇQtrѭӧWPӡ uAFSMC 1J}UDEӝÿLӅXNKLӇQtrѭӧWPӡ thích nghi usw 1J}UDEӝÿLӅXNKLӇQÿҧPEҧRWính әQÿӏQK uifm Ngõ ra EӝÿLӅXNKLӇQngѭӧF tӕLѭX uPID 1J}UDEӝÿLӅXNKLӇQ3,' uaf Ngõ UDEӝÿLӅXNKLӇQmӡWӕLѭX A1 DiӋn tích tiӃt diӋn bӗn 1 A2 DiӋn tích tiӃt diӋn bӗn 2 b1 DiӋn tích tiӃt diӋn van xҧ 1 b2 DiӋn tích tiӃt diӋn van xҧ 2 Gc HӋ sӕ bѫP xiii 0ӢĈҪ8 7tQKFҩSWKLӃWFӫDÿӅWjL HӋ thӕng phi tuyӃn vӟi các yӃu tӕ bҩWÿӏnh và nhiӉXÿӝng rҩWNKyÿӇ [iFÿӏnh chính xác mô hình toán hӑc cӫa hӋ thӕng+ѫQQӳa sӵ phát triӇn không ngӯng cӫa khoa hӑc công nghӋ ljm xuҩt hiӋn ciFÿӕLWѭӧng ÿLӅu khiӇn cy ÿӝ phӭc tҥp ngjy cjQJWăQJ [1], [2]. Yêu cҫu thӵc tiӉQÿһt ra lj phҧLÿiӅu khiӇn cic hӋ thӕng ÿӝng ngjy cjng phӭc tҥp, WURQJÿLӅu kiӋn cic yӃu tӕ bҩWÿӏnh ngjy cjQJJLDWăQJFNJQJQKѭ\rXFҫu chҩt Oѭӧng ngjy cjng cao. 'RÿyFiFKѭӟng tiӃp cұQÿLӅu khiӇn thông thѭӡng dӵa trên mô hình toán hӑc gҫQQKѭNhông ÿiSӭQJÿѭӧc yêu cҫu.