Cách tìm hệ số Ki,Kp,Kd

[HaiAu2005]

AFH: Cách hiểu của AFH đúng đó. Phương pháp mà tôi trình bày là trường hợp đặc biệt đơn giản của một hệ thống điều khiển gán cực tự điều hưởng, và cũng được gọi là điều khiển PID (gọi chính xác theo tài liệu tham khảo là PID self-tuning pole assignment control hoặc three-term self-tuning pole assignment control) vì thuật toán tương đương với điều khiển PID (theo khái niệm điều khiển PID nguyên thủy mà ông Minorsky trình bày trong thuật toán của ông vào khoảng thập niên 1920s). Từ thuật toán điều khiển PID nguyên thủy cho đến nay đã phát sinh nhiều thuật toán PID khác nhau, nhưng về bản chất đều như nhau cả. Tên gọi điều khiển PID còn có tên khác là: Proportional, Reset (tương ứng với Integral) và Rate (tương ứng với Derivative). Khuếch đại điều khiển vi phân và đạo hàm (Ki, Kd) cũng còn được thay thế bằng thời gian tích phân (Ti = integral time) Ki = Kp/Ti; thời gian đạo hàm (Td = derivative time): Kd = Kp*Td.

H.A.

[HaiAu2005]

Xin trao đổi thêm. Một kinh nghiệm của tôi trước kia khi làm thí nghiệm với hệ thống điều khiển tàu biển là sử dụng chương trình mô phỏng để lựa chọn các giá trị khuếch đại điều khiển, ví dụ như trong điều khiển PID là Kp, Ki, Kd. MATLAB/Simulink là chương trình tôi đã từng sử dụng để mô phỏng và thí nghiệm (nối trực tiếp computer với thiết bị điều khiển thông qua data acquisition devices). Tôi còn nhớ hồi đó sử dụng Simulink có thể lập được chương trình mô phỏng cũng như chương trình điều khiển mà có thể thay đổi được trị số khuếch đại trực tiếp từ bàn phím khi chương trình đang chạy. Các ngôn ngữ lập trình khác như Visual Studio (C/C++, VB, và Fortran) cũng cho phép lập các chương trình có giao diện tốt để làm thí nghiệm và hiển thị kết quả trên màn hình. Khi thay đổi khuếch đại điều khiển vào hệ thống điều khiển thì phản ứng hệ thống (system response) có thể được biểu diễn ngay trên màn hình và do vậy chúng ta có thể biết được những giá trị nào tốt (một cách gần đúng). Từ những giá trị lựa chọn trong chương trình mô phỏng khi thực hiện thí nghiệm sẽ sớm lựa chọn được những giá trị thích hợp hơn. Tôi không biết chúng ta trong diễn đàn này có làm mô phỏng hay không? Nếu làm được chương trình mô phỏng chúng ta có thể dự đoán được những giá trị khuếch đại sao cho phản ứng (hay là đáp ứng?) hệ thống đạt giá trị mong muốn nhanh nhất và overshoot nhỏ nhất cũng như hệ thống điều khiển có thể khử được ảnh hưởng của các nhiễu nhanh nhất.

H.A.

[daihang86]

Nhưng cái chính bác từ MATLAB bác tác động xuông các cổng như thế nào ? Em xem trên Discovery thấy mấy thằng tây nó dùng 2 que đo rồi matlab hiển thị lên luôn , Em kiếm tài liều đọc về giao tiếp xuống các cổng dùng MATLAB nhưng không thấy

[daihang86]

Còn bác thực hiện là xây dựng mô hình cho đối tượng hay bác làm cách nào ? Còn theo em được biêt thì thức tế rất khó xây dựng mô hình cho đối tượng trên MATLAB vì các thông số của nó trên thực tế là thây đổi như đối tượng là động cơ khi vân hành chắc chắn sẽ nóng lên, khi đó rõ ràng điện trở sẽ tăng, khi đó nếu tân sô thấp sẽ ảnh hưởng ngay, còn tần cao thì không ảnh hưởng lắm..

[daihang86]

Còn cách của mấy anh AFH gì đó nêu ra em thấy thực tế chỗ em toàn làm vậy , thu được kết quả có thể chấp nhận dù mò hơi mệt

[daihang86]

Còn em không học sâu điều khiển như các bác, bác chỉ em nhận dạng tham số cho các đối tượng điều khiển ntn , em đọc sách không hiểu. Nếu bác nêu ví dụ thì càng hay

[daihang86]

Còn em đang mắc chỗ nhận dạng điện trở Stator của động cơ xoay chiều dùng để điều khiển trực tiếp mômen của nó, thấy mấy thầy bảo dùng mờ đơn giản hơn. Còn theo anh DK thích nghi với Fuzzy cái nào trong trường hợp này đơn giản mà hiệu quả ?

[HaiAu2005]

daihang86: Xin trả lời vài hàng về việc sử dụng MATLAB/Simulink trong việc làm mô phỏng, đo lường (từ hay dùng là data logging) và điều khiển các thiết bị. Sử dụng MATLAB/Simulink để lập trình tính toán và mô phỏng thì hiển nhiên rồi vì đây là một ngôn ngữ lập trình. Còn dùng MATLAB/Simulink để đo lường và điều khiển (real-time) thì cần phải có thêm thiết bị data acquisition devices nối máy tính với thiết bị muốn đo hoặc hệ thống muốn điều khiển. Muốn sử dụng MATLAB/Simulink (để đo và điều khiển), phải cần thêm một số phần mềm kèm theo (cũng của hãng MathWorks) như sau: Control Toolbox, Real-time Workshop, xPC Target, Data Acquisition Toolbox. Xin tìm thông tin ở trang web:

www.mathworks.com

Có nhiều hãng sản xuất thiết bị dùng MATLAB/Simulink để đo lường và điều khiển, ví dụ như Hãng Xanalog www.xanalog.com, Opal-RT: http://www.opal-rt.com/.

Tôi có tìm thấy cuốn sách sau trong www.vinabook.com:

Matlab & Simulink Dành Cho Kỹ Sư Điều Khiển Tự Động

Ai quan tâm có thể tìm đọc thử xem sao.

Nếu chúng ta có PC nối với thiết bị cần đo thì khi chạy chương trình MATLAB/Simulink để đo chúng ta có thể sử dụng PC giống như sử dụng multimeter với hai que đo như daihang86 mô tả đó!

Ngoài MATLAB/Simulink ra chúng ta cũng có thể sử dụng các ngôn ngữ lập trình khác để đo lường và điều khiển như LabVIEW của National Instruments (www.ni.com). Cũng có thể dùng cả Visual Studio (C/C++, Visual Basic và Fortran) để chạy chương trình điều khiển miễn là có data acquisition devices thích hợp.

H.A.

[daihang86]

Cảm ơn bác haiau2005 rất nhiều, cuốn sách bác giới thiệu của thầy Phùng Quang em đọc rồi, quyển đó chịu khó đọc trong help có lẽ chi tiết hơn. Bác có thể giúp em cách nào để nhận dạng tham số động của động cơ mà thu được kết quả cao, thực hiện dễ dàng nhất trong thiết bị thực ?

[HaiAu2005]

Nhận dạng tham số (hoặc gọi là system identification, nhận dạng hệ thống) là bài toán liên quan đến việc sử dụng số đo thực tế (của đối tượng điều khiển) để lập nên mô hình của đối tượng điều khiển đó. Có nhiều phương pháp nhận dạng hệ thống khác nhau có thể sử dụng được trong điều khiển. Trong điều khiển thích nghi thì các phương pháp ướng lượng đệ quy (recursive estimation algorithms) như recursive least squares algorithm (bình phương nhỏ nhất đệ quy), recursive prediction error algorithm (sai số dự đoán đệ quy). Phương pháp recursive least squares algorithm được xây dựng dựa trên phương pháp least squares algorithm (thuật toán bình phương nhỏ nhất). Nói nôm na thì phương pháp đệ quy (recursive) được dùng để ước tính các tham số trực tuyến dùng trong điều khiển, còn phương pháp least squares algorithm thì được dùng để ước tính các tham số của một mô hình toán khi chúng ta có một mớ số đo lưu trong ổ đĩa! (tôi còn nhớ trong cuốn Toán cao cấp của bác Nguyễn Đình Trí có trình bày phương pháp bình phương nhỏ nhất áp dụng cho phương trình tuyến tính bậc 1: y = ax + b).

Ví dụ động cơ của bạn được giả thiết bằng mô hình toán sau (tôi dùng mô hình rời rạc, trong lý thuyết điều khiển số):

y(k) + a1y(k-1) + a2y(k-2) = b0u(k-1) + b1u(k-2) (1)

trong đó a1, a2, b0, b1 là các tham số mà bạn phải nhận dạng (ước tính) dựa trên số do thực tế, y(k-i) (i = 1,2) là số đo tín hiệu vào (output) và u(k-i) (i = 1, 2). Phương trình (1) có thể viết dưới dạng véc tơ như sau:

y(k) = Phi*Theta (2)

trong đó:

Phi = [-y(k-1) -y(k-2) u(k-1) u(k-2)] và
Theta = transpose of [a1 a2 b0 b1]

Như vậy nếu có số đo chính xác tín hiệu vào và tín hiệu ra ở các thời điểm khác nhau thì chúng ta có thể áp dụng các phương pháp nhận dạng hệ thống khác nhau và từ đó có thể ước lượng (dự đoán) được các tham số của hệ thống (đối tượng điều khiển). Bạn nên tìm tài liệu về phương pháp bình phương nhỏ nhất, và pp bình phương nhỏ nhất đệ quy thì sẽ hiểu cách ước lượng các tham số của mô hình trong phương trình (2).

Giữa các phương pháp nhận dạng hệ thống khác nhau, thật khó so sánh vì mỗi phương pháp có ưu nhược điểm khác nhau, và độ chính xác của các giá trị ước lượng (thông qua tính hội tụ của các tham số ước lượng) phụ thuộc vào nhiều yếu tố. Thử với một vài phương pháp khác nhau sẽ thấy phương pháp nào tốt hơn.

H.Â.

[daihang86]

Bác Haiau2005 , em muốn học ĐK thích nghi thì nên đọc cuốn nào dẽ hiểu cho dân ngoại đạo như em ? Nếu chỉ biết ĐK tuyến tính (Số biết một chút +2 tiêu chuẩn tối ưu môdul và đối xứng thì học thích nghi có ổn không hả bác ? Bọn em chỉ được học có thế thôi còn thầy cứ đưa ra sơ đồ ĐK đông cơ, chẳng hiểu gì ? Mà em sắp ra truờng rồi ?

[HaiAu2005]

Xin trao đổi thêm: nếu bạn giả thiết mô hình của động cơ bằng mô hình toán là phương trình vi phân (hệ thống liên tục) thì khi áp dụng các thuật toán nhận dạng hệ thống cần phải 'rời rạc hóa' (discretization) phương trình vi phân (differential equation) thành dạng phương trình hiệu số (difference equation) thì có thể bài toán sẽ đơn giản hơn. Ví dụ: chúng ta có phương trình vi phân bậc nhất T*y_dot + y = K*u (T, K là hằng số, y là tín hiệu ra, u là tín hiệu vào), để ước lượng chúng ta cần số đo của u, y và y_dot (đạo hàm của y, hay nói cách khác là vận tốc biến thiên của y). Để ước lượng được hai tham số T và K bằng số đo thực tế thì phải rời rạc hóa phương trình vi phân thành dạng sau:

y(k) = exp(-h/T)*y(k-1) + K[1-exp(-h/T)]*u(k)

trong đó h là thời gian lấy mẫu (sampling interval).

Phương trình này có thể viết thành:

y(k) = Phi*Theta

trong đó

Phi = [y(k-1) u(k)]
Theta = transpose of [a1 b0]

a1 = exp(-h/T) (*)
b0 = K[1-exp(-h/T)] (**)

Từ (*) và (**) chúng ta có thể tính được hai tham số T và K (vì hệ thống bậc nhất nên có thể gọi T hằng số thời gian, time constant và K là độ nhạy, sensitivity, hoặc tên gọi khác là khuếch đại, gain).

H.Â.

[HaiAu2005]

Tôi không có tài liệu tiếng Việt nên không biết giới thiệu cho bạn cuốn nào. Nếu bạn đọc được tiếng Anh thì có thể đọc cuốn sau:

Hang, C.C., Lee, T.H. and Ho, W.K (1993), Adaptive Control, Intrument Society of America, North Carolina, USA.

Thử download cuốn Robust Adaptive Control sau xem sao:

http://www-rcf.usc.edu/%7Eioannou/Ro...ve_Control.htm

Ngoài ra còn cuốn sau của 2 tác giả Karl Johan Åström và Björn Wittenmark. Phần bạn muốn tham khảo là Chương 2 Real-time Parameter Estimation (Ước lượng tham số thời gian thực, real-time ở đây cũng có thể hiểu là online, trực tuyến). Chương này trình bày hai phương pháp bình phương nhỏ nhất và bình phương nhỏ nhất đệ quy.

Adaptive Control

CONTENTS
1 WHAT IS ADAPTIVE CONTROL? 1
1.1 Introduction 1
1.2 Linear Feedback 3
1.3 Effects of Process Variations 9
1.4 Adaptive Schemes 19
1.5 The Adaptive Control Problem 24
1.6 Applications 27
1.7 Conclusions 33
Problems 34
References 38
2 REAL-TIME PARAMETER ESTIMATION 41
2.1 Introduction 41
2.2 Least Squares and Regression Models 42
2.3 Estimating Parameters in Dynamical Systems 56
2.4 Experimental Conditions 63
2.5 Simulation of Recursive Estimation 71
2.6 Prior Information 78
2.7 Conclusions 82
Problems 82
References 87
3 DETERMINISTIC SELF-TUNING REGULATORS 90
3.1 Introduction 90
3.2 Pole Placement Design 92
3.3 Indirect Self-tuning Regulators 102
3.4 Continuous-Time Self-tuners 109
3.5 Direct Self-tuning Regulators 112
3.6 Disturbances with Known Characteristics 121
3.7 Conclusions 128
Problems 129
References 135
4 STOCHASTIC AND PREDICTIVE SELF-TUNING REGULATORS 137
4.1 Introduction 137
4.2 Design of Minimum-Variance and Moving-Average Controllers 137
4.3 Stochastic Self-tuning Regulators 146
4.4 Unification of Direct Self-tuning Regulators 156
4.5 Linear Quadratic STR 164
4.6 Adaptive Predictive Control 168
4.7 Conclusions 178
Problems 179
References 181
5 MODEL-REFERENCE ADAPTIVE SYSTEMS 185
5.1 Introduction 185
5.2 The MIT Rule 186
5.3 Determination of the Adaptation Gain 194
5.4 Lyapunov Theory 199
5.5 Design of MRAS Using Lyapunov Theory 206
5.6 Bounded-Input, Bounded-Output Stability 215
5.7 Applications to Adaptive Control 230
5.8 Output Feedback 235
5.9 Relations between MRAS and STR 243
5.10 Nonlinear Systems 245
5.11 Conclusions 255
Problems 256
References 260
6 PROPERTIES OF ADAPTIVE SYSTEMS 263
6.1 Introduction 263
6.2 Nonlinear Dynamics 265
6.3 Adaptation of a Feedforward Gain 274
6.4 Analysis of Indirect Discrete-Time Self-tuners 280
6.5 Stability of Direct Discrete-Time Algorithms 293
6.6 Averaging 299
6.7 Application of Averaging Techniques 306
6.8 Averaging in Stochastic Systems 319
6.9 Robust Adaptive Controllers 327
6.10 Conclusions 338
Problems 338
References 343
7 STOCHASTIC ADAPTIVE CONTROL 348
7.1 Introduction 348
7.2 Multistep Decision Problems 350
7.3 The Stochastic Adaptive Problem 352
7.4 Dual Control 354
7.5 Suboptimal Strategies 362
7.6 Examples 365
7.7 Conclusions 370
Problems 371
References 372
8 AUTO-TUNING 375
8.1 Introduction 375
8.2 PID Control 376
8.3 Auto-tuning Techniques 377
8.4 Transient Response Methods 378
8.5 Methods Based on Relay Feedback 380
8.6 Relay Oscillations 385
8.7 Conclusions 388
Problems 388
References 389
9 GAIN SCHEDULING 390
9.1 Introduction 390
9.2 The Principle 391
9.3 Design of Gain-Scheduling Controllers 392
9.4 Nonlinear Transformations 398
9.5 Applications of Gain Scheduling 402
9.6 Conclusions 416
Problems 416
References 417
10 ROBUST AND SELF-OSCILLATING SYSTEMS 419
10.1 Why Not Adaptive Control? 419
10.2 Robust High-Gain Feedback Control 419
10.3 Self-oscillating Adaptive Systems 426
10.4 Variable-Structure Systems 436
10.5 Conclusions 442
Problems 442
References 445
11 PRACTICAL ISSUES AND IMPLEMENTATION 448
11.1 Introduction 448
11.2 Controller Implementation 449
11.3 Controller Design 458
11.4 Solving the Diophantine Equation 462
11.5 Estimator Implementation 465
11.6 Square Root Algorithms 480
11.7 Interaction of Estimation and Control 487
11.8 Prototype Algorithms 490
11.9 Operational Issues 493
11.10 Conclusions 494
Problems 496
References 497
12 COMMERCIAL PRODUCTS AND APPLICATIONS 499
12.1 Introduction 499
12.2 Status of Applications 500
12.3 Industrial Adaptive Controllers 503
12.4 Some Industrial Adaptive Controllers 506
12.5 Process Control 517
12.6 Automobile Control 527
12.7 Ship Steering 529
12.8 Ultrafiltration 534
12.9 Conclusions 541
References 542
13 PERSPECTIVES ON ADAPTIVE CONTROL 545
13.1 Introduction 545
13.2 Adaptive Signal Processing 546
13.3 Extremum Control 550
13.4 Expert Control Systems 554
13.5 Learning Systems 557
13.6 Future Trends 559
13.7 Conclusions 561
References 562
INDEX 565

---

H.Â.

[daihang86]

Mấy cách số hóa hay rời rạc hóa của bác ra em cũng biết sơ sơ, cái chính đối với 1 hệ thống hay 1 đối tương điều khiển thì thời gian lấy mấu thế nào cho hợp lí ? nhỏ quá cũng không ổn lắm , cái cụ thể em làm là DK động cơ không đồng bộ dùng biến tần trực tiếp, thì trong DSP nếu chọn h(lấy mẫu)=1/20 (chu kì của lưới điện) con DSP thường thực hiện lênh NOP là chính , bảo thầy giảm h thì thầy bảo chọn như thế là hợp lí rồi ?

[HaiAu2005]

Những trang web sau có thể có ích (sampling theorem and reconstruction) cho bạn:

http://www.st-andrews.ac.uk/~www_pa/...rt7/page3.html

http://www.jhu.edu/~signals/sampling/

http://oldsite.vislab.usyd.edu.au/CP3/Four3/node4.html

http://ece.gmu.edu/~gbeale/ece_320/sampling_01.html

http://cnx.org/content/m10791/latest/

Free book:

http://www.dspguide.com/pdfbook.htm

http://www.dspguide.com/ch3.htm

Chapter 3. ADC and DAC
Quantization
The Sampling Theorem
Digital-to-Analog Conversion
Analog Filters for Data Conversion
Selecting the Antialias Filter
Multirate Data Conversion
Single Bit Data Conversion

Most of the signals directly encountered in science and engineering are continuous: light intensity that changes with distance; voltage that varies over time; a chemical reaction rate that depends on temperature, etc. Analog-to-Digital Conversion (ADC) and Digital-to-Analog Conversion (DAC) are the processes that allow digital computers to interact with these everyday signals. Digital information is different from its continuous counterpart in two important respects: it is sampled, and it is quantized. Both of these restrict how much information a digital signal can contain. This chapter is about information management: understanding what information you need to retain, and what information you can afford to lose. In turn, this dictates the selection of the sampling frequency, number of bits, and type of analog filtering needed for converting between the analog and digital realms.

H.Â.