ĐI U KHI N T I U VÀ

ĐI U KHI N THÍCH NGHI

Đi u khi n t i u là gì?
Điều khiển để có được một chỉ tiêu chất lượng yr u* y
Bộ đi u Đ i t ợng
cho trước là tốt nhất. khi n t i u đi u khi n
*
1. Tối ưu off-line: Xác định tín hiệu u (t )
*
2. Tối ưu on-line: Xác định bộ điều khiển u (x , w )

Chất l ợng đ ợc đánh giá bằng giá trị c a hàm mục tiêu Chỉnh định T i u tham

J   g (x , u )dt  min J   g (xk , uk )  min

T N tham s s mô hình
hoặc đi u khi n
0 k 0 yr
Đ i t ợng
y
Bộ đi u
Đi u khi n thích nghi là gì? khi n u đi u khi n

Điều khiển khi mô hình không chính xác hoặc

luôn bị thay đổi cũng như khi có nhiễu tác động
vào hệ thống.
Nội dung bài giảng là những ki n th c cơ bản c a đi u khi n t i u, đi u khi n thích nghi cũng nh một s k t quả
nghiên c u riêng c a tác giả, đ ợc đánh dấu bằng (*)

GS. Nguyễn Doãn Phước 1

T i u hóa
Phát bi u bài toán và phân loại
Tối ưu hóa p*  arg min J (p ), p   p1 ,  , pn 
T
p P

1. Không ràng buộc, nếu P  Rn . Khi đó nó được viết thành: p*  arg min J ( p )
2. Có ràng buộc, nếu P  Rn
3. Lồi, nếu P là tập lồi và J (p ) là hàm lồi

Những ph ơng pháp cơ bản

Không ràng buộc: Có ràng buộc:

1. Gradient 1. QP
2. Newton-Raphson 2. SQP
3. Gauss-Newton 3. Interior point

ng dụng vào đi u khi n

1. Nhận dạng tham số mô hình
2. Xác định tham số tối ưu cho bộ điều khiển
3. Điều khiển dự báo
GS. Nguyễn Doãn Phước 2
 ng dụng t i u hóa
Nhận dạng tham s mô hình đ i t ợng đi u khi n

Zadeh (1962): Nhận dạng là xác định một mô u Đ i t ợng đi u y

uk N0 yk N0

hình toán cụ thể cho hệ thống từ lớp các mô hình khi n
thích hợp, trên cơ sở quan sát các tín hiệu vào
ra, sao cho sai lệch giữa nó với hệ thống là nhỏ
nhất. Thuật toán nhận dạng đ i
t ợng

Phát bi u bài toán nhận dạng on-line

b0  b1z 1
   bm z m
Kết quả: Mô hình

1. Hàm truyền G (z ) 
toán của đối tượng
1  a1z 1    an z n
2. Đo tín hiệu vào ra uk , yk , k  1,  , N rồi từ đó xác định các tham số của mô hình
là b0 ,  ,bm ,a1 ,  ,an sao cho kỳ vọng (giá trị trung bình) của bình phương sai
lệch giữa mô hình với đối tượng là nhỏ nhất.

Chú ý: Phải đảm bảo tín hiệu vào ra đo đ ợc là đang ở giai đoạn quá độ c a hệ th ng

GS. Nguyễn Doãn Phước 3

Nhận dạng on-line tham s mô hình hàm truy n
Hai tr ờng hợp áp dụng:
1. Khi nhiễu là có thể bỏ qua được (không có nhiễu)
2. Khi có nhiễu vào ra là egodic, không tương quan với tín hiệu vào ra tương ứng và bản
thân 2 nhiễu đó cũng không tương quan với nhau.

 
nu ny
Khi không có nhiễu uk Đ i t ợng
yk
1
p *  X T DX
đi u khi n

trong đó: p  col a1 ,  ,an , b0 ,  , bm 

X T Dy


y  col y1 ,  , yN  , X  col x T1 ,  , x TN 
a1 ,  ,an Thuật toán
b0 ,  ,bm nhận dạng

x Tk  yk 1 ,  , yk n , uk ,  , uk m  và D  diag (di ) là ma trận trọng số

Khi có nhiễu vào ra (*)

T
Sử dụng lại công thức trên, trong đó các vector x k , y được thay bởi dãy giá trị hàm tương

 
quan của các tín hiệu vào ra:
y  col ruy (0),  , ruy (N / ) với N /  N 5


xTl  col ruy (l  1),  , ruy (l  n ), ru (l ),  , ru (l  m ) 
GS. Nguyễn Doãn Phước 4
 ng dụng t i u hóa uk Đ i t ợng
yk
đi u khi n
Quan sát trạng thái t i u

x k 1  Ax k  Bu k
1. Mô hình trạng thái 
xk

Bộ quan sát

yk  C x k  Du k
t i u

2. Đo tín hiệu vào ra u k i , y , i  0,1,  , N trong quá khứ rồi từ đó xác định trạng
k i
thái của hệ x k ở thời điểm hiện tại t  kTa sao cho tổng bình phương sai lệch giữa
trạng thái quan sát được và trạng thái thực là nhỏ nhất.
 u k N 

   
 
X T X X T a  AN 1B ,  , AB , B  
K t quả:
1
x k  AN

 u k 2 
 
 u k 1 
 C   y k N   D   
   u k N 
     

   u k N 1 
trong đó
 CA   y k N 1   CB  
 

 
D
X    , a          
 N 1    
    
CA   y  CAN  2B CAN 3B D    u k 1 
 N 
 k 1   N 1 
 CB
 y   CA B CAN  2B 
 CA   CAB CB D   u k 
 k 
GS. Nguyễn Doãn Phước 5
 ng dụng t i u hóa
Quan sát trạng thái Kalman

x k 1  Ak x k  Bk u k  n k
1. Mô hình trạng thái 
nk

vk

yk  C k x k  Dk u k  v k
uk yk
Đ i t ợng
đi u khi n
2. Đo tín hiệu vào ra u k , y ở thời điểm hiện tại rồi từ đó xác
k
định trạng thái của hệ sao cho kỳ vọng của tổng bình phương 
xk
 Bộ quan sát
sai lệch giữa trạng thái quan sát được x k và trạng thái thực x k t i u Kalman

là nhỏ nhất.

K t quả:
1. Chọn K 0 tùy ý. Thực hiện lần lượt bước tính sau với k  1, 2, 
2. Tính Pk  Ak 1Kk 1AkT1  N

 
với N là ma trận tương quan của nhiễu n k
1
Lk  PkC kT C k PkC kT V
Kk  I  LkC k  Pk
với V là ma trận tương quan của nhiễu v k

x k/  Ak 1x k 1  Bk 1u k 1


x k  (I  LkC k )x k/  Lk (y k  Dk u k ) và xuất x k làm trạng thái quan sát được

 

GS. Nguyễn Doãn Phước 6

 ng dụng t i u hóa
Đi u khi n dự báo

Nguyên lý chung: Bộ điều khiển gồm 3 khối:

1. Khối mô hình dự báo: Có nhiệm vụ dựa vào mô
hình toán của đối tượng để xác định tín hiệu ra
tương lai yk i , 0  i  N phụ thuộc vào dãy các giá
trị tín hiệu điều khiển tương lai u k ,  , u k N
2. Hàm mục tiêu J (p ), p  col (u k ,  , u k N ) được Cửa sổ dự báo

k k 1 k N
xây dựng từ chỉ tiêu chất lượng muốn có của hệ.
t
Chẳng hạn:

J (p )   (w k i  y k i )T Q (w k i  y k i )  uTk i Ru k i 
N

i 0

khi chất lượng yêu cầu là bám ổn định, trong đó Q , R là hai ma trận đối xứng xác
định dương tùy chọn.
3. Tối ưu hóa: Là thuật toán tối ưu được áp dụng để tìm nghiệm p  arg minN J (p ) . Trong
*
p U
 col (u *k , , u *k N
*
số nghiệm tối ưu p *
 ) tìm được thì chỉ sử dụng phần tử đầu tiên u k

GS. Nguyễn Doãn Phước 7

 ng dụng t i u hóa
Đi u khi n dự báo hệ tuy n tính

Mô tả bài toán: Cho hệ tuyến tính x k 1  Ax k  Bu k


y k  C x k  Du k  v k với nhiễu v k

Xây dựng bộ điều khiển dự báo để tín hiệu ra y k bám theo tín hiệu mẫu w k

Kết quả: Sử dụng hàm mục tiêu: J ( p )   qi (y k i  w k i )2  ri uk2i   min

N

i 0

sẽ được u k   I , 0,  , 0  p

  TQ  x k  w 
1
trong đó p   TQ   R

 wk   uk
  CAN 1  CAN  2B  CB D 
     N 2   N 3 
w   k 1  ,   CA
 , p   u k 1 
 
CA B  D 0
   
w
    

,
          
 w k N   u k N
  C   D 0 
  
Q  diag qi  , R  diag ri 
 0

GS. Nguyễn Doãn Phước 8

Đi u khi n t i u
Phát bi u bài toán
Bài toán liên tục:
Xét hệ x  f (x , u ) . Hãy xác định u (t ) U đưa hệ đi từ x 0  x (0) tới x T  x (T ) trong

T để với nó có được J (u )   g (x , u )dt  min

T
khoảng thời gian
0

Bài toán không liên tục:

Xét hệ x k 1  f (x k , u k ) . Hãy xác định {u k } U đưa hệ đi từ x 0 tới x N trong khoảng

N để với nó có được J (u )   g (x k , u k )  min

N
thời gian
k 0

Phân loại
1. Theo trạng thái đầu là cho trước hoặc bất kỳ
2. Theo trạng thái cuối là cho trước hoặc bất kỳ
3. Theo thời gian xảy ra quá trình tối ưu là cho trước hoặc cũng là biến tối ưu cần tìm

GS. Nguyễn Doãn Phước 9

Đi u khi n t i u
Ph ơng pháp bi n phân
Chủ yếu áp dụng cho bài toán liên tục. Ngoài ra khoảng thời gian T là phải cho trước, trong
khi trạng thái đầu và cuối thì có thể cho trước hoặc bất kỳ. Tập ràng buộc phải hở.
Các bước thực hiện:

1. Lập hàm Hamilton: H (x , u , p )  pT f (x , u )  g (x , u ) với p là biến đồng trạng thái

H
 0T
u
2. Xác định quan hệ u (x , p ) từ điều kiện cần:

 H 
3. Sử dụng thêm quan hệ Euler-Langange p    
T

  
trong đó biến p phải thỏa mãn
điều kiện biên: x
p (0)  0 khi có điểm trạng thái đầu x 0 là bất kỳ
p (T )  0 khi có điểm trạng thái cuối xT là bất kỳ

Tính chất cơ bản của hàm Hamilton: Dọc theo quỹ đạo tối ưu thì hàm Hamilton sẽ:
1. Có giá trị là hằng số
2. Nếu xT là bất kỳ và T   thì có giá trị bằng 0

GS. Nguyễn Doãn Phước 10

Đi u khi n t i u
Bộ đi u khi n LQR liên tục
Với bài toán có hệ là tuyến tính, hàm mục tiêu dạng toàn phương và T   :

 

x  Ax  Bu , J (u )   xTQx  uT Ru dt , Q  QT  0, R  RT  0

trong đó P  P  0 là nghiệm
0

thì tín hiệu điều khiển tối ưu có dạng on-line: u  R 1BT Px

T

của phương trình đại số Riccati

PBR 1BT P  AT P  PA  Q
u x
Bộ điều khiển LQR: RLQR  R 1BT P
Đ i t ợng
tuy n tính

Bộ đi u
Một số điều kiện đủ để hệ kín ổn định:
1. Khi bài toán có Q  Q  0
khi n LQR
T

2. Khi nghiệm phương trình Riccati có P  PT  0

3. Khi cặp ma trận (A,Qa ) là quan sát được, trong đó Q  Qa Qa
T

4. Luôn có Qa i  0 với mọi vector riêng bên phải a i của A

GS. Nguyễn Doãn Phước 11

Đi u khi n t i u

k
ng dụng LQR vào đi u khi n dự báo hệ song tuy n (*)

x  A(x )x  B (x )u
Bài toán: Cho hệ song tuyến 
t


y  C (x )x  D (x )u
tk tk 1

và tín hiệu mẫu w (t ) . Hãy tìm bộ điều khiển phản hồi trạng thái để tín hiệu ra y (t ) bám
theo được tín hiệu mẫu.

khoảng thời gian  k để thực hiện, mặc dù rất nhỏ, nên khi tk  t  tk 1  tk   k ta có thể xấp
Kết quả: Vì nguyên tắc điều khiển dự báo làm việc theo vòng lặp và mỗi vòng lặp cần có một

xỉ hệ đã cho về hệ có tham số biến đổi theo thời gian như sau:

x  Ak x  Bk u trong đó Ak  A  x (tk )  , Bk  B  x (tk )  , C k  C  x (tk )  , Dk  D  x (tk ) 

1. Tại thời điểm tk đo x k  x (tk ) và tùy chọn Qk , Rk đối xứng xác định dương

2. Tính x s , u s thỏa mãn 0  Ak x s  Bk u s và w (tk )  C k x s  Dk u s

3. Xác định RLQR  Rk Bk P với PBk Rk Bk P  Ak P  PAk  Qk

1 T 1 T T

4. Đưa u  RLQR (x  x s )  u s vào điều khiển và quay về 1. để tính u tại thời điểm tk 1

GS. Nguyễn Doãn Phước 12

Đi u khi n t i u
Ph ơng pháp quy hoạch động (Bellman)
Chủ yếu áp dụng cho bài toán không liên tục. Ngoài ra khoảng thời gian N là phải cho trước,
trong khi trạng thái đầu và cuối thì có thể cho trước hoặc bất kỳ.
Nguyên lý Bellman: Mỗi đoạn cuối của quỹ đạo tối ưu cũng tối ưu
N 1
Hàm con Bk (x k )  min  g (x i , ui ) được gọi là hàm Bellman
ui i k

Theo nguyên lý tối ưu thì: Bk (x k )  min g (x k , uk )  Bk 1 (x k 1 )

uk

Các bước thực hiện:

1. Gán BN (x N )  0 và k  N  1


2. Tính u k (x k )  arg min g (x k , u k )  Bk 1 f (x k , u k ) 
 
 
*
uk

và từ đó là Bk (x k )  g (x k , u k )  Bk 1 f (x k , u k )
* *

3. Nếu k  0 thì gán k  k  1 và quay về 2. Ngược lại thì dừng

GS. Nguyễn Doãn Phước 13

Đi u khi n t i u
Bộ đi u khi n LQR không liên tục

 
Với bài toán có hệ là tuyến tính, hàm mục tiêu dạng toàn phương:

x k 1  Ax k  Bu k , J  x N 1Lx N 1   x Tk Qx k  uTk Ru k
1 T N

2 k 0

trong đó N có thể là hữu hạn N   hoặc vô hạn N   , thì tín hiệu điều khiển tối ưu có

 
1
dạng on-line: u   R  BT P B
k 1 BT Pk 1Ax k trong đó Pk là nghiệm của phương trình
k

 
đại số Riccati:
1
1. Khi N là hữu hạn: Pk  Q  A Pk 1A  A Pk 1B R  B Pk 1B BT Pk 1A
T T T

trong đó: PN 1  L

2. Khi N là vô hạn thì có thể gán Pk  P , k và L   với P là nghiệm của:

 
1
P  Q  A PA  A PB R  B PB
T T T
BT PA

GS. Nguyễn Doãn Phước 14

Đi u khi n t i u
ng dụng quy hoạch động vào đi u khi n dự báo hệ song tuy n (*)

x k 1  A(x k )x k  B (x k )u k
Bài toán: Cho hệ song tuyến 

y k  C (x k )x k  D (x k )u k
và dãy giá trị tín hiệu mẫu {wk } . Tìm bộ điều khiển phản
hồi trạng thái để đầu ra y k bám theo được tín hiệu mẫu.

Kết quả: Vì là phản hồi trạng thái nên ở thời điểm hiện tại,
khi đã có x k hệ đã cho luôn biểu diễn được dưới dạng
tham số hằng (LTI):
x k 1  k x k  k u k với k  A(x k ), k  B (x k ), k  C (x k ), k  D (x k )

1. Tại thời điểm k đo x k và tùy chọn Qk , Rk đối xứng xác định dương
x s , u s thỏa mãn x s  k x s  k u s và w k  k x s  k u s
 
2. Tính
1
3. Xác định RLQR  Rk  kT P 

 
kT P k
1
với P  Qk  kT P k  kT P k Rk  kT P k kT P k
4. Đưa u k  u s  RLQR (x k  x s ) vào điều khiển và gán k  k  1 rồi quay về 1.

GS. Nguyễn Doãn Phước 15

Đi u khi n t i u
Nguyên lý cực đại
Là công cụ duy nhất giúp thực hiện bài toán tối ưu có khoảng thời gian T xảy ra quá trình
tối ưu không cho trước, hay bản thân T cũng là một biến tối ưu cần tìm
Nội dung nguyên lý (cho bài toán liên tục):
*
Nếu u là nghiệm bài toán free end time thì:
1. Phải tồn tại ít nhất một vector biến đồng trạng thái p thỏa mãn:

u *  arg max H (x , u , p ) với H (x , u , p )  p f (x , u )  g (x , u )

T
uU

 
2. Nếu ký hiệu M (x , p )  max H (x , u , p ) thì tại điểm cuối T sẽ có: M x (T ), p (T )  0
uU

3. Nếu sử dụng biến đồng trạng thái thỏa mãn quan hệ Euler-Lagrange p    H x 
T

thì điều kiện 2 trên còn đúng với mọi 0  t  T , tức là dọc theo quỹ đạo tối ưu có:
M (x * , p * )  H (x * , u * , p * )  0
4. Nếu bài toán có thêm điều kiện ràng buộc về điểm đầu hoặc điểm cuối x (0)  S 0 , x (T )  ST
thì còn có: p (0)  S 0 hoặc p (T )  ST

GS. Nguyễn Doãn Phước 16

Đi u khi n t i u
ng dụng nguyên lý cực đại vào thi t k bộ đi u khi n FTS (*)

z 2  Lf  (x )
Với hệ phi tuyến affine bậc 2 một đầu vào:

x  f (x )  h (x )u , x  (x1 , x 2 )T , f (0)  0
thì bộ điều khiển:
k sgn (x ) khi  (x )  2k  (x )  L  (x ) L  (x )  0


u  r (x )   k sgn  (x ) khi  (x )  0 ,  (x )  0
f f

0 khi  (x )  L  (x )  0
 f z1   (x )

trong đó k  0 tùy chọn và  (x ) là hàm thỏa mãn (luôn tồn tại):

 (x )
Lh  (x )  h (x )  0 và Lh Lf  (x )  0, x
x
sẽ làm hệ ổn định tiệm cận tại gốc sau khoảng thời gian hữu hạn,
tức là sau khi bị nhiễu tức thời đánh bật ra khỏi gốc thì bộ điều
khiển trên sẽ kéo hệ về trở lại gốc sau một khoảng thời gian T  

GS. Nguyễn Doãn Phước 17

Đi u khi n thích nghi
Tiêu chuẩn ổn định Lyapunov
Xét hệ không bị kích thích x  f (x ) cân bằng tại gốc f (0)  0 . Nếu
tồn tại một hàm V (x ) xác định dương sao cho:
1. V (x )  0 thì hệ sẽ ổn định tại gốc
2. V (x )  0, x  0 thì hệ sẽ ổn định tiệm cận tại gốc (GAS).
Khi đó V (x ) được gọi là hàm Lyapunov (LF)

Áp dụng đ thi t k bộ đi u khi n phản hồi trạng thái

Cho hệ x  f (x , u ) thỏa mãn f (0, 0)  0 có vector các tín hiệu
vào là u . Để tìm bộ điều khiển phản hồi trạng thái r (x ) làm hệ ổn
định tiệm cận tại gốc (GAS), người ta thực hiện:

1. Xác định một hàm xác định dương V (x )

V (x )
2. Tính W (x , u ) 
x
f (x , u )

3. Tìm hàm r (x ) để W  x , r (x ) trở thành xác định âm. Khi đó V (x ) được gọi là hàm
điều khiển Lyapunov (CLF)
GS. Nguyễn Doãn Phước 18
Đi u khi n thích nghi
Ph ơng pháp backstepping

x  f (x )  H (x )z
Xét hệ truyền ngược 

z   (x , z )  G (x , z )u
trong đó z là một phần vector trạng thái col  x , z  , có số
chiều đúng bằng số các tín hiệu vào u là m và ma trận
vuông G (x , z ) kiểu m  m là không suy biến.
Nếu hệ con x  f (x )  H (x )z đã có hàm Lyapunov Vz (x ) cùng một bộ điều khiển phản
hồi trạng thái r z (x ) thỏa mãn r z (0)  0 làm nó ổn định tiệm cận, thì hệ truyền ngược đã
cho cũng sẽ có hàm điều khiển Lyapunov là:

V (x , z )  Vz (x ) 
1
2
 z  r z (x ) Q  z  r z (x )
T
với Q là ma trận xác định dương tùy chọn

B ớc khởi đầu c a backstepping

Hệ affine bậc 1: x  f (x )  h (x )u với h (x )  0, x luôn có hàm CLF là: V (x )  x 2
1
2
vì với nó hệ sẽ có bộ điều khiển phản hồi trạng thái GAS:

u  r (x )   ax  f (x ) , a  0
1
h (x )
GS. Nguyễn Doãn Phước 19
Đi u khi n thích nghi
Đi u khi n thích nghi giả định rõ


Bài toán: Cho hệ tham số hằng bất định  Cơ cấu

x  f (x )  G (x )  H (x )u
chỉnh định

w
trong đó  là vector các tham số hằng không xác định được
Bộ đi u u Đ i t ợng x
khi n đi u khi n

của hệ. Tìm bộ điều khiển GAS.

Nguyên lý giả định rõ (certainty equivalence):
1. Giả sử đã có  . Dựa vào lý thuyết Lyapunov, tìm hàm CLF Vc (x , ) và một bộ điều
khiển r c (x , ) GAS tương ứng. Tất nhiên chúng đều phụ thuộc 

2. Thay  không biết bởi hàm phụ huộc thời gian  (t ) . Sau đó sử dụng hàm CLF thích

nghi:
V (x , ) Vc (x , )  (   ) Q (   ) với Q  QT  0 tùy chọn
  1 T 

Vc
 f (x )  G (x )  H (x )r c (x , )   0
2
 
x  
thỏa mãn điều hiển nhiên

để tìm cơ cấu chỉnh định cho  tức là tìm d dt sao cho có được dV dt xác định


âm theo x (hay bán xác định âm theo x , )

GS. Nguyễn Doãn Phước 20

Đi u khi n thích nghi
Bộ đi u khi n thích nghi giả định rõ (*)
Vc
H (x )  0, x thì bộ điều khiển thích nghi của bài toán giả định rõ đã cho là:
x
Nếu có

Vc  Vc 1  Vc 

H (x )r c (x , )   Q  G (x ) 
T

 Vc  x    
u  H (x ) 
T
x
 x  Vc
1. Bộ điều khiển: 2


H (x )
  
x
2. Cơ cấu chỉnh định:   Q 
1
G (x ) 
T
 V
  
c
x

Một số trường hợp riêng:

1. Nếu tìm được hàm CLF Vc (x ) không phụ thuộc  thì bộ điều khiển sẽ đơn giản là:
u  r c (x , )


Vc
H (x )  0 ,
x
2. Bộ điều khiển và cơ cấu chỉnh định trên vẫn sử dụng được khi chỉ có
với x  X nhưng khi x  X lại có LfVc (x , )  0, 

GS. Nguyễn Doãn Phước 21

Ph ơng pháp backstepping thích nghi (*)
x  f 1 (x )  G1 (x )  H1 (x )z
Xét hệ truyền ngược chứa tham số hằng bất định: 

z  f 2 (x , z )  G 2 (x , z )  H 2 (x , z )u
Giả sử hệ con trong nó là: x  f 1 (x )  G1 (x )  H1 (x )z

đã có hàm CLF thích nghi V1 (x , ) cùng bộ điều khiển GAS z  r 1 (x , ) thỏa mãn r 1 (0,0)  0
 

và một cơ cấu chỉnh định tương ứng   p (x , ) , tức là đã có:

 

V1 V1
1

V1       
  p1 W (x )


x  1
 f (x ) G (x ) H (x )r (x , )
1 1 1

trong đó W (x ) là hàm xác định âm, thì hệ đã cho cũng sẽ có bộ điều khiển thích nghi:

 
 r     
u  2   p1  f 1  G1 p  H1z  R 
1
H1   f 2  G 2 p 
T
r V
  x  x  
(p ) 1 1 1

trong đó ( p ) là ma trận giả nghịch đảo bên phải của H , cùng với hai cơ cấu chỉnh định:
  
2 2

  
p  Q G 2 (x , z )R  z  r 1    R
1
G1   z  r 1  ,   p1 (x , )

T
r 
    
T 1
x
có Q , R là hai ma trận đối xứng xác định dương tùy chọn
GS. Nguyễn Doãn Phước 22
Đi u khi n thích nghi R
Đi u khi n thích nghi theo mô hình mẫu w u Đ i t ợng x
tuy n tính


x  Ax  B u  G (x ) 
Bài toán cơ cở: Xét hệ LTI chứa tham số bất định (đối tượng): 
Cơ cấu
chỉnh định

trong đó A là ma trận Hurwitz. Hệ sẽ điều khiển bám thích nghi

xm
theo được hệ mẫu: Mô hình

x m  Ax m  Bw
mẫu

nhờ cơ cấu chỉnh định thích nghi:

p  E  B (x )G (x ) T Pe với e  x  x m
Bộ đi u khi n


TTHCX


  G (x )p có E  E T  0 tùy chọn
w u Đ i t ợng x
phi tuy n

trong đó P  PT  0 là nghiệm phương trình Lyapunov 



A P  PA  Q với Q  Q  0 tùy chọn

Cơ cấu
T T chỉnh định

1. N u A không Hurwitz: Bổ sung thêm R Mô hình xm

mẫu
2. N u hệ là phi tuy n: Bổ sung thêm bộ đi u khi n TTHCX

GS. Nguyễn Doãn Phước 23

Đi u khi n thích nghi trong không gian bi n khớp
Các dạng mô hình hệ Euler-Lagrange

1. Mô hình tường minh M (q )q  C (q , q )q  g (q )  u

 
2. Mô hình tham số bất định M (q , )q  C (q , q , )q  g (q , )  u  F q , q , q 

3. Mô hình với tác động nhiễu M (q )q  C (q , q )q  g (q )  u   (t )

4. Mô hình bất định với tác động nhiễu M (q , )q  C (q , q , )q  g (q , )  u   (t )

Bài toán: Xác định bộ điều khiển để các biến khớp q  (q1 ,  , qn )T
bám tiệm cận theo được quỹ đạo mẫu cho trước w  (w1 ,  , wn )T

Chuyển về dạng mô hình trạng thái:

 x1   
x      
x2
   
 2   M (x 1 )  C (x )x 2  g (x 1 )  u  
x 1

trong đó x 1  q và x 2  q

GS. Nguyễn Doãn Phước 24

Đi u khi n thích nghi trong không gian bi n khớp
Tính chất cơ bản c a hệ Euler-Lagrange
1. Là một hệ thụ động với hàm trữ năng S (q ,q)  K (q ,q)  P (q ) trong đó K (q ,q) là hàm
tổng động năng và P (q ) là hàm tổng thế năng của hệ.

2. Có các điểm cân bằng col (q e , 0) với q e là nghiệm của g (q )  0

3. Ma trận M (q ) là đối xứng xác định dương
4. Cặp ma trận M (q ), C (q ,q) thỏa mãn tính đối xứng lệch, tức là: M (q )  C (q ,q)  C (q ,q)
T

Các tính chất trên luôn đúng ngay cả khi hệ có chứa tham số bất định 

Đi u khi n thụ động (Áp dụng cho mô hình loại 1)

Bộ điều khiển: r (q ,q)   y phản hồi đầu ra y  M (q ) q
T

với   0 tùy chọn, trong đó hàm trữ năng:

S (q ,q)  K (q ,q)  P (q )  qT M (q )q  P (q )

1
2
cũng là hàm điều khiển Lyapunov.

GS. Nguyễn Doãn Phước 25

Đi u khi n thích nghi trong không gian bi n khớp
Bộ đi u khi n PD bù trọng tr ờng (Áp dụng cho mô hình loại 1)

Bộ điều khiển: u  M (q )(w

  K1e  K 2e )  C (q ,q)q  g (q )
trong đó K1 , K 2 là hai ma trận đối xứng xác định dương tùy chọn và e  w  q
Mô hình hệ kín:
    
e  K 2e  K1e  0 tức là x       x  Ax có A là ma trận Hurwitz
e I
K1 K 2 
e  
A
Bộ đi u khi n tuy n tính hóa chính xác thích nghi (Áp dụng cho mô hình loại 2)
Bộ điều khiển: u  M (q , p ) w
  K1e  K 2e   C (q ,q, p )q  g (q , p )

Cơ cấu chỉnh định: p  E  B Px  E  B Px

Cơ cấu
T T T T p chỉnh định

trong đó AT P  PA  Q có E  E  0, Q  Q  0 tùy chọn

T T w Bộ đi u
q
u Hệ Euler-

e    I  
khi n Lagrange

và x    , A       ,   M (q , p ) F (q ,q,q)
1

e   K1 K 2  I 
, B

GS. Nguyễn Doãn Phước 26

Đi u khi n thích nghi trong không gian bi n khớp
Bộ đi u khi n thích nghi Li-Slotine (Áp dụng cho mô hình loại 2)

Bộ điều khiển: u  M (q , p )v  C (q ,q, p )v  g (q , p )  K 3 (v  q)

trong đó K 3 ,  là hai ma trận đối xứng xác định dương tùy chọn và

v  w   (w  q )  w  e , e  w  q

Cơ cấu chỉnh định: p  EF r  EF e   e  , r  e   e

T T

với E  E T  0 cũng tùy chọn

Đặc đi m:

1. Không cần xác định ma trận nghịch đảo của M (q , p )

Quá trình quá độ chia làm hai giai đoạn: Thứ nhất là khi đã đạt được r  0
và thứ hai là khi kết thúc quá trình quá độ với e  0
2.

3. giai đoạn thứ 2 của quá trình quá độ, khi đã có r  0 song chưa có e  0

được r  e   e  0 . Điều này đã gián tiếp tạo ra hiện tượng rung

nên bộ điều khiển vẫn phải thay đổi giá trị tín hiệu điều khiển để giữ cho

(chattering) trong hệ thống.

GS. Nguyễn Doãn Phước 27

Đi u khi n thích nghi trong không gian bi n khớp
Bộ đi u khi n b n vững ISS (Áp dụng cho mô hình loại 3)
Bộ điều khiển: u  M (q ) w
  v (t )  K1e  K 2e  C (q ,q)q  g (q )
trong đó K1  diag (k1i ), K 2  diag (k 2i ) với k 22i  k1i  0 và v (t ) là vector hàm được chọn sao
cho p  v (t )  M (q ) 1 (t ) thỏa mãn điều kiện bị chặn p (t )    , t , sẽ đưa hệ sai số:

e  K1e  K 2e  p

về được lân cận gốc tọa độ xác định bởi (gọi là miền hấp dẫn):
   e 
   x  R 2n x   với x    , e  w  q
  e 
 

trong đó   max k1i , k 2i  ,   min k12i , k 22i  k1i
i i
Trường hợp riêng: Để thu nhỏ miền hấp dẫn có thể chọn (*):

K1  diag (k ), k  1 và K 2  diag (ak ), a  2

 a 
 . Suy ra lim mas    0 , tức là k được chọn càng lớn, kích thước 

Khi đó sẽ có:
k k 
càng nhỏ và điều này không phụ thuộc v (t ).

GS. Nguyễn Doãn Phước 28

Đi u khi n thích nghi trong không gian bi n khớp
Bộ đi u khi n thích nghi b n vững (Áp dụng cho mô hình loại 4)
Đây là phương pháp được xây dựng trên cơ sở kết hợp giữa hai phương pháp tuyến tính hóa
chính xác thích nghi để xử lý thành phần bất định  và phương pháp ISS đế xử lý thành phần
nhiễu  (t ).

Bộ điều khiển: u  M w
  K1e  K 2e  Cq  g  s (t )
  

trong đó K1 , K 2 là hai ma trận đối xứng xác định dương tùy chọn,

M  M (q , p ), C  C (q ,q, p ), g  g (q , p ) với p tùy chọn

  

và s (t ) là tín hiệu bù sai lệch nhiễu, xác định bởi:

 v  E (M 1F )T K1 , (M 1F )T K 2  x
 
  
 s  Fv
sẽ đưa được sai lệch bám x  col (e ,e), e  w  q về tới lân cận gốc (miền hấp dẫn):
  
  x  R n x   với 0    Q ,   sup  (t ) ,   PB , A P  PA  Q
  
T

  I 
t

có A    và Q  Q  0 là tùy chọn.
 K1 K 2 
T

GS. Nguyễn Doãn Phước 29

Tài liệu tham khảo

1. Phước,N.D: Tối ưu hóa trong điều khiển và điều khiển tối ưu. NXB Bách khoa (chuẩn bị xuất bản 2015).
2. Phước,N.D: Phân tích và điều khiển hệ phi tuyến. NXB Bách khoa, 2012.
3. Phước,N.D: Lý thuyết điều khiển nâng cao. NXB Khoa học và kỹ thuật, In lần thứ 3, 2009.
4. Phuoc,N.D. and Ha,L.T.T: Constrained output tracking control for time-varying bilinear systems via RHC
with infinite prediction horizon. Journal of Informatic and Cybernetic. Vietnam Academy of Science and
Technology, submited 2015.
5. Phước,N.D và Hà,L.T.T: Điều khiển bám thích nghi bền vững hệ phi tuyến có thành phần bất định hàm
không bị chặn. Tạp chí Khoa học và Công nghệ. Viện Hàn lâm Khoa học Việt Nam, số 53, tập 1, trang 9-
17, 2015.
6. Phước,N.D và Hà,L.T.T: Robust and adaptive tracking controller design for gearing transmission systems
by using its third oder model. Tạp chí KH&CN các trư ng Đại học kỹ thuật. Đại học Bách khoa Hà Nội.
Số 91, trang 12-17, 2012.
7. Phuoc,N.D.: Combining exact linearization and model reference techniques for design of adative global
asymptotic stabilizer to adaptive control of induction motor. Proceedings of EPE Conference 9.2005,
Germany. IEEE catalog number 05EX1132C. Vol.DS1-2, No. 251, trang P1-P8, 2005.

GS. Nguyễn Doãn Phước 30