BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  20,496,888
  • Công bố khoa học và công nghệ Việt Nam

Khoa học kỹ thuật và công nghệ

BB

Sử Hồng Thạnh, Đào Huỳnh Đăng Khoa, Lê Minh Thành, Nguyễn Chí Ngôn(1)

THỰC NGHIỆM ĐIỀU KHIỂN GIÁM SÁT DÙNG MẠNG NƠ-RON MỜ HỒI QUY TRÊN HỆ ỔN ĐỊNH LƯU LƯỢNG CHẤT LỎNG

EXPERIMENTS OF RECURRENT FUZZY NEURAL NETWORKS – BASED SUPERVISORY CONTROL ON AN LIQUID FLOW CONTROL SYSTEM

Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên

2022

16

115 - 123

Mạng nơ-ron mờ hồi quy (recurrent fuzzy neural networks - RFNNs) đã được nhiều nghiên cứu kiểm chứng thành công trên mô phỏng. Tuy nhiên, các thực nghiệm điều khiển thiết bị thực vẫn còn hạn chế. Thậm chí có quan điểm cho rằng với tốc độ huấn luyện trực tuyến chậm, RFNNs khó đảm bảo yêu cầu truyền thông tín hiệu. Nghiên cứu này tiến hành kiểm nghiệm kỹ thuật điều khiển giám sát dùng RFNNs trên hệ ổn định lưu lượng chất lỏng RT020 của hãng Gunt-Hamburg, Đức. Giải thuật cập nhật tham số bộ điều khiển RFNN có dùng thông tin Jacobian được cung cấp từ bộ nhận dạng mô hình không tham số của đối tượng, cũng dùng một RFNN khác. Các thực nghiệm trên hệ RT020 cho thấy bộ điều khiển dùng RFNNs đã làm giảm thời gian xác lập của đối tượng, từ khoảng 12 giây, giảm xuống còn 8±0,5 giây, không xuất hiện sai số xác lập và độ vọt lố không đáng kể. Bên cạnh đó, khi giả lập sự tác động của yếu tố bên ngoài lên hệ RT020 bằng cách giảm cưỡng bức công suất máy bơm, kết quả thực nghiệm cũng đã chứng minh được bộ điều khiển dùng RFNNs hoạt động hiệu quả trong việc đưa đáp ứng của đối tượng quay về giá trị tham khảo một cách nhanh chóng và ổn định.

Recurrent fuzzy neural networks (RFNNs) has been successfully verified by many studies on simulation. However, the experimental controls on actual devices are still limited. There exist even some opinions that with a slow online training algorithm, it is difficult for RFNNs to guarantee the signal communication. This study conducts and experiments with a RFNNs – based supervisory control technique on the RT020 liquid flow control system of the Gunt-Hamburg, Germany. The RFNN controller parameter updating algorithm uses Jacobian information provided from a non-parameter model identifier, also using another RFNN. Experiments on the RT020 show that the RFNN controller has contributed to reduce the settling time, from about 12 seconds down to 8±0.5 seconds without stady-state error, and negligible overshoot. Besides, with external factor affected on the RT020 system by forcibly reducing the pump power, experiments have proven that the RFNN controller is effective in bring the system response back to the reference value quickly and stably.

Xem toàn văn