|
ĐIỀU KHIỂN TRƯỢT THÍCH NGHI DÙNG MÔ
HÌNH NƠRON MỜ
Nguyễn Hoàng Dũng1, Dương Hoài Nghĩa2
1Khoa Công Nghệ, Đại Học Cần Thơ
2Khoa Điện - Điện Tử, Đại Học Bách Khoa -ĐHQG Tp. HCM
Tóm tắt
Ưu điểm nổi bậc của bộ 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. Hơn thế nữa, nếu biên độ của luật điều khiển trượt quá lớn
sẽ gây ra hiện tượng dao động (chattering) quanh mặt trượt. Để giải quyết khó
khăn trên, bài báo đề nghị sử dụng mạng nơron hàm cơ sở xuyên tâm (RBF) để ước
lượng trực tuyến các hàm phi tuyến trong luật điều khiển. Và sử dụng logic mờ để
ước lượng biên độ của luật điều khiển dựa vào lý thuyết ổn định Lyapunov. Giải
thuật đề nghị sẽ áp dụng để điều khiển hệ tay máy ba bậc tự do. Với bộ điều
khiển này, đáp ứng của hệ tay máy: không có vọt lố, không có dao động và sai số
xác lập tiến về zero. Kết quả điều khiển được kiểm chứng bằng phần mềm mô phỏng
Matlab.
Từ khoá: Mạng nơron, hàm cơ sở xuyên tâm, điều khiển hệ phi
tuyến, mô hình hóa hệ thống, hệ tay máy
ADAPTIVE SLIDING MODE CONTROL
USING FUZZY BASED NEURAL NETWORK
Nguyen Hoang Dung1, Duong Hoai Nghia2
1College of Technology, Can Tho University
2College of Electrical & Electronics Engineering, HCM University of
Technology
Abstract
The markable feature of sliding mode control (SMC) is the
stability robustness against disturbances and variations of the system. However
to design SMC, the exact model of the plant has to be known. Moreover the large
gain of an SMC may intensify the chattering on the sliding surface. To cope with
the above drawbacks, we propose to use a radial basis function neural network (RBF)
to estimate the plant model and to use a fuzzy based gain for the SMC. This SMC
gain is developed based on Lyapunov stability theory. The proposed algorithm is
applied to control a three degrees of freedom robot manipulator, which is a
complex MIMO (Multi input multi output) nonlinear system. Simulation results are
provided to illustrate the proposed method.
Key words: Neural network, radial basis function, nonlinear
system control, system modeling, robot manipulators
|
