Bộ điều khiển PID dựa trên mạng nơ-ron hàm cơ sở xuyên tâm

Huỳnh Thế Hiển * , Huỳnh Minh Vũ và Nguyễn Hoàng Dũng

* Tác giả liên hệHuỳnh Thế Hiển

Article Sidebar

Full Text: PDF

Ngày nhận bài: 09-02-2018
Ngày nhận bài sửa: 11-04-2018
Ngày duyệt đăng: 29-10-2018
Ngày xuất bản: 29-10-2018
Title: Radial basic function based PID controller
DOI: 10.22144/ctu.jvn.2018.118
Lượt xem
255
Downloads
124
Crossref
Scopus
Google Scholar
Europe PMC
Trích dẫn
Hiển, H. T., Vũ, H. M., & Dũng, N. H. (2018). Bộ điều khiển PID dựa trên mạng nơ-ron hàm cơ sở xuyên tâm. Tạp chí Khoa học Đại học cần Thơ, 54(7), 9-19. https://doi.org/10.22144/ctu.jvn.2018.118
Số báo
Tập. 54 Số. 7 (2018)
Chuyên mục
Công nghệ

Abstract

This paper is to proposed an algorithm for estimating parameters (i.e., Kp, Ki, Kd) of a PID (proportional integral derivative) controller using RBF (radial basis function) neural network. The proposed algorithm is then applied to control direct current motor and a degree-of-freedom robot arm. MATLAB based simulation results show that the RBF based PID gives better performance than the conventional PID for both cases: the fixed and changed parameters of the DC motor and 1 DOF robot arm. It is noteworthy that the proposed approach gives the step response with insignificant overshoot, fast settling time (2 s), and the rise time (0.8 s) is shorter than the conventional PID.
Keywords: PID controller, radial basis function (RBF) neural network, Ziegler-Nichols tuning method

Tóm tắt

Bài báo đề xuất một giải thuật cập nhật các tham số Kp, Ki và Kd của bộ điều khiển vi tích phân tỷ lệ PID (Proportional Integral Derivative) sử dụng mạng nơ-ron hàm cơ sở xuyên tâm RBF (Radial Basis Function). Giải thuật đề nghị được áp dụng để điều khiển động cơ điện một chiều và cánh tay máy một bậc tự do. Kết quả mô phỏng từ phần mềm MATLAB đã minh chứng rằng, bộ điều khiển PID dựa trên mạng nơ-ron RBF cho chất lượng tốt hơn so với bộ điều khiển PID truyền thống kể cả hai trường hợp thông số của động cơ cố định và thay đổi. Đặc biệt, giải thuật đề nghị cho đáp ứng nấc với độ vọt lố không đáng kể, thời gian xác lập nhanh (2 s) và thời gian tăng (0,8 s) ngắn hơn so với bộ điều khiển PID truyền thống.
Từ khóa: Bộ điều khiển PID (Proportional Integral Derivative), mạng nơ-ron RBF (Radial Basic Function), phương pháp Ziegler-Nichols

Article Details

Tài liệu tham khảo

Ziegler, J.G. and Nichols N.B., 1942. Optimum settings for automatic controllers. Trans. ASME. 64(11): 759–768.

Nguyễn Hoàng Dũng, 2010. Điều khiển trượt thích nghi hệ phi tuyến dùng mạng nơ-ron hàm cơ sở xuyên tâm. Tạp chí khoa học Trường Đại học Cần Thơ. 15a: 263-272.

Nguyễn Hoàng Dũng, 2011. Điều khiển hệ phi tuyến dựa trên giải thuật Feedforward-Feedback. Tạp chí khoa học Trường Đại học Cần Thơ. 19a:17-26.

Nguyễn Hoàng Dũng, 2012. Điều khiển trượt dựa trên hàm trượt kiểu PID. Tạp chí khoa học Trường Đại học Cần Thơ. 21a: 30-36.

Zhu, Q., Ma, Z., and Warwick, K., 1999. Neural network enhanced generalised minimum variance self-tuning controller for nonlinear discrete-time systems. IEE Proc. Control Theory Appl. 146(4): 319-326.

Hou, Y., Du, J., and Wang, M., 2007. Neural network. XiDian University Press.

Nounou, H.N. and Rehman, H., 2007. Application of adaptive fuzzy PID Control to machines. Applied Soft Computing. 7(3): 899-907.

Ogata, K., 2010. PID controllers and modified PID controllers. In: Ogata, K. (Ed.) Modern Control Engineering. (5thed.) Pearson Education, Inc., New Jersey, pp. 567-641.

Johnson, M.A. and Moradi, M.H., 2005. Process Reaction Curve and Relay Methods Identification and PID Tuning. In: Johnson, M. A. and Moradi, M. H. (Eds.). PID Control - New Identification and Design Methods. Springer, London, pp. 297-337.

Hovakimyan, N., Nardi, F., Calise, A., et al., 2002. Adaptive output feedback control of uncertain nonlinear systems using single-hidden-layer neural networks. IEEE Trans. Neural Networks. 13(6): 1420–1431.

Yang, L., Ren, X., and Huang, H., 2006. Application of self tuning PID controller based on RBF network. Computer Simulation. 23(1): 270–273.

Moody, J. and Darken, C., 1992. Learning rate schedules for faster stochastic gradient search, Neural Networks for Signal Processing at IEEE.

Xiangsong, K., Xurui, C., and Jiansheng, G., 2016. PID Controller Design Based on Radial Basis Function Neural Networks for the Steam Generator Level Control. Cybernetics and Information Technologies. 16(5): 15-26.

Lasheen, A.A., El-Garhy, A.M., Saad, E.M., and Eid, S.M., 2010. Tuning pid controllers using hybrid genetic and nelder-mead algorithm. Journal of Engineering Sciences. 38(4): 979-987.

Nguyễn Hoàng Dũng và Dương Hoài Nghĩa, 2010. Điều khiển trượt thích nghi dùng mô hình nơron mờ. Tạp chí khoa học Trường Đại học Cần Thơ. 15a: 273-282.

Johnson, M.A and Moradi, M.H., 2005. PID control: New Identification and Design Methods. Springer, London, 543 pages.

Lee, C. C, Chung, P. C., Tsai, J. R., and Chang, C. I., 1999. Robust radial basis function neural networks. IEEE Trans. Systems, Man, and Cybernetics: Part B Cybernetics. 29(6): 674–685.

Nguyễn Chí Ngôn và Nguyễn Hoàng Dũng, 2012. Giáo trình Lý thuyết điều khiển tự động. NXB Đại học Cần Thơ.