Lương Hoài Thương * , Nguyễn Chí Ngôn Nguyễn Chánh Nghiệm

* Tác giả liên hệ (thuonglh@vlute.edu.vn)

Abstract

Control systems are generally nonlinear in reality, so controller design for nonlinear systems is difficult and traditional control methods are also ineffective. Therefore, modern and intelligent control solution such as model predictive control is preferred. However, when applying model predictive control, it will be difficult to identify the behaviors of the system in the future, especially the one with unknown parameters. This study approaches the application of radial basis function (RBF) neural networks to overcome such limitation. In addition, applying the online training method for the RBF neural network does not require collecting the training data, which cannot always be achieved in practice. The control algorithm was tested on a magnetic levitation system. The simulation results show that the system response follows the reference signal, the setting time is about 2 seconds without overshoot, and steady-state error is negligible. Furthermore, the simulation results also indicate that the control system is stable under the presence of noise and the changing of the object’s mass.
Keywords: Model predictive control, RBF neural networks, magnetic levitation system

Tóm tắt

Các hệ thống điều khiển trong thực tế thường phi tuyến, nên việc thiết kế bộ điều khiển trở nên khó khăn và các kỹ thuật điều khiển truyền thống cũng tỏ ra kém hiệu quả. Do đó, người ta thường tìm kiếm các giải pháp điều khiển hiện đại, thông minh, trong đó có kỹ thuật điều khiển dự báo mô hình. Tuy nhiên, khi áp dụng bộ điều khiển dự báo mô hình, vấn đề khó khăn là việc nhận dạng hành vi của đối tượng trong tương lai, đặc biệt khi chưa biết tham số của đối tượng. Nghiên cứu này tiếp cận việc ứng dụng mạng nơ-ron hàm cơ sở xuyên tâm RBF để khắc phục hạn chế đó. Ngoài ra, việc ứng dụng kỹ thuật huấn luyện online mạng nơ-ron RBF có ưu điểm là không cần phải thu thập dữ liệu trước - điều mà không phải lúc nào cũng đạt được trong thực tế. Giải thuật điều khiển được kiểm chứng trên hệ nâng vật trong từ trường. Kết quả mô phỏng cho thấy: đáp ứng của hệ nâng vật trong từ trường bám theo tín hiệu mong muốn, với thời gian xác lập khoảng 2 giây, không xuất hiện vọt lố và sai số xác lập không đáng kể. Mặt khác, khảo sát cũng cho thấy, hệ thống hoạt động ổn định dưới tác động của nhiễu và sự thay đổi khối lượng vật nặng.  
Từ khóa: Điều khiển dự báo mô hình, mạng nơ-ron RBF, hệ nâng vật bằng từ trường

Article Details

Tài liệu tham khảo

Al-Muthairi, N. F. and Zribi, M., 2004. Sliding mode control of a Magnetic Levitation System. Mathematical Problems in Engineering, Volume 2004, Issue 2, Pages 93-107.

Barie, W. and Chiasson, J., 1996. Linear and nonlinear state-space controllers for magnetic levitation. International Journal of Systems Science, 27, no. 11, Pages 1153–1163.

Camacho, E. F. and Alba, C. B., 2007. Model Predictive Control. 2nd ed., Springer, 405 pages. ISBN-13: 978-1852336943.

Charara, A., Miras, J.D. and Caron, B., 1996. Nonlinear control of a magnetic levitation system without premagnetization, IEEE Transactions on Control Systems Technology 4 (1996), no. 5, Pages 513–523.

Gupta, M. M., Jin, L. and Homma, N., 2003. Static and Dynamic Neural Networks, A. John Wiley & Sons, Inc, Publication, 752 pp.

Liu, J., 2013. Radial Basis Function (RBF) Noron Network Control for Mechanical Systems, Tsinghua University Press, Beijing and Springer - Verlag Berlin Heidelberg 2013, 752 pp.

Nguyễn Thị Phương Hà, 2007. Lý Thuyết Điều Khiển Hiện Đại, Nhà xuất bản ĐHQG-HCM. HCM, 523 trang.

Nguyễn Thúc Loan, Nguyễn Thị Phương Hà và Huỳnh Thái Hoàng, 2003. Điều khiển dự báo hệ phi tuyến dựa vào mô hình mờ, Tạp chí Bưu chính Viễn thông - Chuyên san Nghiên cứu khoa học, số 10-2003, trang 67-72.

Shafiq, M. and Akhtar, S., 2004. Inverse Model Based Adaptive Control of Magnetic Levitation System. 5th Asian Control Conference, pages 307–322.