ĐIỀU KHIỂN TRƯỢT DÙNG MẠNG NƠRON HỆ NÂNG VẬT BẰNG TỪ TRƯỜNG

Abstract

The strong point of the sliding mode control (SMC) is the stability and robustness even  under effecting of disturbances and variations of controlled object. However, designing a SMC requires an mathematic model of the object which may not always be obtained, in practically. In order to cope with this problem, this article proposes using an artificial neural network to estimate the object?s status for calculating the sliding control signal instead of using mathematic model. The proposed SMC algorithm is applied to control a magnetic levitation system. Simulation results indicate that the controller is stability and robustness in several conditions of noise effecting and object?s parameter changing; the system response has a rising time about 0.17±0.02s, without overshoot, fluctuation and steady-state error.

Tóm tắt

Ưu điểm nổi bậc của bộ điều khiển trượt là tính ổn định bền vững ngay cả khi hệ thống có nhiễu hoặc khi thông số của đối tượng thay đổi theo thời gian. Tuy nhiên để thiết kế được bộ điều khiển trượt, người thiết kế cần biết chính xác mô hình của đối tượng. Trong thực tế, vấn đề này không phải lúc nào cũng thực hiện được. Để giải quyết vấn đề trên, bài báo đề nghị sử dụng mạng nơron để ước lượng các hàm phi tuyến mô tả trạng thái của đối tượng trong luật điều khiển trượt thay vì sử dụng mô hình toán. Giải thuật đề nghị được áp dụng để điều khiển hệ nâng vật bằng từ trường. Kết quả mô phỏng cho thấy bộ điều khiển ổn định và bền vững dưới tác động của nhiễu và sự biến thiên thông số của đối tượng, đáp ứng của hệ thống có thời gian tăng 0.17±0.02 giây, không xuất hiện vọt lố, không dao động và sai số xác lập bị triệt tiêu.