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 :  21,927,633
  • Công bố khoa học và công nghệ Việt Nam

Tự động hóa (CAD/CAM, v.v..) và các hệ thống điều khiển, giám sát, công nghệ điều khiển số bằng máy tính (CNC), …

Lê Tấn Mỹ, Trần Xa Lil, Trần Thanh Hùng(1), Nguyễn Chí Ngôn(2)

Kiểm nghiệm khả năng kết hợp giữa điều khiển PI và trượt thích nghi trên thiết bị GUNT-RT020

Testing the combination of the PI and adaptive sliding mode control on the GUNT-RT020 Device

Khoa học (Đại học Cần Thơ)

2021

6

1-10

1859-2333

Điều khiển trượt thích nghi, Điều khiển lưu lượng chất lỏng, Điều khiển PI, Mạng neuron RBF

Adaptive Sliding Mode Control, Liquid flow control, PI controller, RBF neural network

Mặc dù được sử dụng rộng rãi trong công nghiệp, nhưng với tham số cố định, bộ điều khiển tích phân tỷ lệ PI (proportional integral controller) khó thích ứng với sự thay đổi của điều kiện thực tế. Trong khi đó, điều khiển trượt (sliding mode control – SMC) cho đáp ứng ổn định trên các đối tượng phi tuyến, nhưng lại tồn tại một số hạn chế. Bài báo này đề xuất giải pháp kết hợp giữa điều khiển PI và SMC thích nghi dựa trên mạng neuron hàm cơ sở xuyên tâm RBF (radial basis function neural network), gọi tắt là điều khiển PI-SMC. Nguyên tắc kết hợp này là tận dụng ưu điểm thích nghi, bền vững của bộ SMC để khắc phục hạn chế của bộ điều khiển PI, đồng thời sử dụng bộ PI mang năng lượng chủ đạo để đẩy bộ SMC nhanh chóng hội tụ về mặt trượt. Bộ điều khiển PI-SMC được kiểm nghiệm trên thiết bị ổn định lưu lượng RT020 của hãng Gunt-Hamburg. Kết quả cũng cho giá trị khởi tạo của bộ RBF và hệ số mặt trượt ảnh hưởng lớn đến chất lượng điều khiển. Thực nghiệm cũng cho thấy cơ chế trượt thích nghi có thể khắc phục được hạn chế cố định tham số của bộ PI. Với giá trị khởi tạo của bộ tham số được chọn, bộ điều khiển PISMC đã cải thiện tốt đáp ứng lưu lượng trên hệ RT020 với độ vọt lố nhỏ hơn 5 (%), thời gian xác lập nhỏ hơn 2 (giây) và sai số xác lập nhỏ hơn 0,3 (lít/giờ).

Although widely used in industry, with fixed parameters, the proportional integral (PI) controller is difficult to adapt to real conditions. Meanwhile, the sliding mode control (SMC) gives stable responses on nonlinear systems, but it has some limitations. This paper aims to propose a solution to combine the PI control and the radial basis function (RBF) neural network-based adaptive SMC, called PI-SMC control. The principle of this combination is to take SMC advantages to overcome the limitations of the PI controller and use the PI controller to push the sliding surface rapidly converge. The PI-SMC controller is tested on the liquid flow control device RT020 of the GuntHamburg. The results show that the initial values of the RBF neural network and the coefficient of sliding surface has a great influence on the control quality. The experiment also shows that the adaptive sliding mechanism can overcome the limitation of fixed PI controller. With selected initial values, the PI-SMC controller has improved the flow response on the RT020 with the overshoot is less than 5 (%); the settling time is less than 2 (s); and the steadystate error is less than 0.3 (l/h).

TTKHCNQG, CVv 403

Xem toàn văn
  • [1] Ye, T., Luo, Z. & Wang, G. (2020), Adaptive sliding mode control of robot based on fuzzy neural network,Journal of Ambient Intelligence and Humanized Computing, 11(12), 6235-6247. https://doi.org/10.1007/s12652-020-01809-2
  • [2] Nguyễn Đình Tứ, Lê Hoàng Đăng, Trần Chí Cường & Nguyễn Chí Ngôn (2017), Điều khiển thích nghi theo mô hình tham khảo dựa trên mạng nơron RBF,Tạp chí Khoa học Trường Đại học Cần Thơ, 50(A), 37-42. https://doi.org/10.22144/ctu.jvn.2017.064
  • [3] Nguyễn Chí Ngôn (2011), Bộ điều khiển PI mờ: Từ thiết kế đến ứng dụng,Tạp chí Khoa học Trường Đại học Cần Thơ, 18a, 82-92
  • [4] Miqoi, S., Ougli, A. E. & Tidhaf, B. (20169), Design of an adaptive sliding mode controller for efficiency improvement of the MPPT for PV water pumping,International Journal of Intelligent Engineering Informatics, 7(1), 19-36. https://doi.org/10.1504/IJIEI.2019.097550
  • [5] Nguyễn Đức Minh, Dương Hoài Nghĩa & Nguyễn Đức Thành (2009), Điều khiển trượt thích nghi dùng mạng nơ-ron,Tạp chí Khoa học & Công nghệ các trường đại học kỹ thuật, 71, 1-5
  • [6] (2003), LabJack U12 Quickstart Guide,Revision 1.09, www.LabJack.com
  • [7] Kanagaraj, N., Sivashanmugam, P. & Paramasivam, S. (2008), Fuzzy Coordinated PI Controller: Application to the Real-Time Pressure Control Process,Advances in Fuzzy Systems, 2008, Article ID 691808, 1- 9. https://doi.org/10.1155/2008/691808
  • [8] Keshtkar, S., Keshtkar, J. & Poznyak, A. (2016), Adaptive sliding mode control for solar tracker orientation,In: 2016 American Control Conference – ACC, 6543-6548, IEEE. DOI: 10.1109/ACC.2016.7526700
  • [9] Huang, H. P. & Jeng, J. C. (2005), Process Reaction Curve and Relay Methods Identification and PID Tuning,In: Johnson M.A., Moradi M.H. (eds) PID Control. Springer, London. https://doi.org/10.1007/1-84628-148-2_8.
  • [10] Gunt Gerätebau GmbH. (2004), Experiment Instructions - RT010- RT060 Principles of Control Engineering,Barsbüttel Germany, Publication-no: 918.000 00 A 0X0 02 (A)
  • [11] Gopika, K. & Ms. Latha. V. (2016), Sliding Mode based Level Controller with First Order Plus Delay Time (FOPDT) Modeling,Inter. J. of Engineering Research & Technology (IJERT), 4(17), 1-5
  • [12] 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
  • [13] Nguyễn Hoàng Dũng & 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