Xem mẫu
- Luaän vaên toát nghieäp 31
Trong ñoù:
G(p): haøm truyeàn maïch hôû.
TM: thieát bò coâng ngheä.
R(p), r(t): tín hieäu ñieàu khieån.
C(p), c(t): tín hieäu ra.
N: caùc nhieãu loaïn.
n
C ( p ) Wi ( p ) R( p ) Wi ( p ) N i ( p )
i 1
G ( p)
G ( p) W ( p)
1 G ( p)
Wi(p): haøm truyeàn vôùi caùc nhieãu loaïn.
Giaû söû kích thích ñaàu vaøo laø haøm naác: r(t) = 1(t) R(p) = 1/p.
1 1
Exlp lim p
p1 G ( p ) 1 K p
p 0
Vôùi K p lim G ( p) : haèng soá sai leäch vò trí
p 0
Khi r(t) = t . 1(t) R(p) = 1/p2:
1 1 1
E xlv lim p lim
p 1 G ( p )
2 p 0 p.G ( p ) Kv
p 0
Vôùi K v lim pG ( p) : haèng soá sai leäch vaän toác.
p 0
Khi r(t) = t2/2. 1(t) R(p) = 1/p 3:
1 1
E xla lim p
p 1 G ( p ) K a
3
p 0
Vôùi K a lim p 2G( p ) : haèng soá sai leäch gia toác.
p 0
Ñeå taêng ñoä chính xaùc cuûa heä, ngöôøi ta theâm khaâu tích phaân vaøo heä hôû nhöng
khi ñoù ñoä oån ñònh cuûa heä thoáng bò giaûm ñi.
b. Ñoä oån ñònh cuûa heä thoáng:
Vieäc khaûo saùt oån ñònh döïa treân quan ñieåm vaøo chaën ra chaën vôùi caùc tieâu
chuaån: Routh, Hurwitz vaø tieâu chuaån taàn soá Nyquist – Mikhailov cuõng nhö caùc
phöông phaùp chia mieàn D hay quyõ ñaïo nghieäm ñeå khaûo saùt heä coù thoâng soá bieán ñoåi.
Heä thoáng tuyeán tính ñöôïc goïi laø oån ñònh neáu tín hieäu ra bò chaën khi tín hieäu vaøo
bò chaën. Xeùt moät heä thoáng ñieàu khieån voøng kín cô baûn sau:
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
- Luaän vaên toát nghieäp 32
C(p)
R(p)
G(p)
H(p)
G ( p)
Haøm truyeàn voøng kín: W ( p )
1 G ( p ).H ( p )
Coù phöông trình ñaëc tröng laø: F ( p ) 1 G ( p ).H ( p ) 0
- Ñieàu khieån caàn vaø ñuû ñeå heä tuyeán tính oån ñònh laø taát caû caùc cöïc Pi cuûa G(p)
phaûi coù phaàn thöïc aâm.
- Re Pi < 0, i hay noùi caùch khaùc nghieäm cuûa phöông trình ñaëc tröng phaûi ôû
beân traùi maët phaúng phöùc.
Ta cuõng goïi heä ôû bieân giôùi oån ñònh khi coù ít nhaát moät nghieäm cuûa phöông trình
ñaëc tröng ôû treân truïc aûo coøn nhöõng nghieäm coøn laïi ôû traùi maët phaúng phöùc.
Heä thoáng seõ khoâng oån ñònh neáu coù ít nhaát moät nghieäm cuûa phöông trình ñaëc
tröng coù phaàn thöïc döông.
* Tieâu chuaån ñaïi soá:
Xeùt moät heä thoáng coù phöông trình ñaëc tröng;
F(p) = anp n + an-1pn-1 + … + a0 = 0 , a 0.
Ñieàu kieän caàn ñeå heä oån ñònh laø:
aj cuøng daáu vôùi jan (= 0, 1, …, n)
aj 0 (= 0, 1, …, n).
Tieâu chuaån Hurwitz:
Ñieàu kieän caàn ñeå heä oån ñònh laø caùc nghieäm cuûa phöông trình ñaëc tröng naèm
beân traùi maët phaúng phöùc laø xeùt caû caùc ñònh thöùc Hurwitz Dk (k = 0… n) ñeàu cuøng daáu,
trong ñoù D0 = a, Di = an-1.
Tieâu chuaån Routh:
Ñieàu kieän caàn ñeå caùc nghieäm cuûa phöông trình ñaëc tröng naèm beân traùi maët
phaúng phöùc laø taát caû caùc phaàn töû cuûa coät 1 baûng Routh ñeàu cuøng daáu, neáu coù söï thay
ñoåi daáu thì soá laàn ñoåi daáu baèng soá nghieäm ôû PMP.
Ñoä döï tröõ oån ñònh:
Ñoä döï tröõ oån ñònh laø moät ñaïi löôïng döông ñaùnh giaù möùc ñoä oån ñònh cuûa heä
thoáng vaø neáu vöôït quaù löôïng döï tröõ ñoù thì heä thoáng oån ñònh seõ thaønh maát oån ñònh.
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
- Luaän vaên toát nghieäp 33
* Tieâu chuaån taàn soá:
Tieâu chuaån Nyquist:
Khi G(p) oån ñònh thì heä kín oån ñònh khi vaø chæ khi bieåu ñoà Nyquist bao ñieåm -1.
Khi G(p) khoâng oån ñònh thì heä kín oån ñònh khi vaø chæ khi bieåu ñoà Nyquist bao ñieåm –
1 m laàn.
Tieâu chuaån giaûn ñoà Bode:
Heä oån ñònh khi G(p) khoâng ñöôïc coù cöïc ôû phaàn maët phaúng phöùc.
Xeùt ñaëc tính pha ôû taàn soá caét bieân WB, xem ñaëc tính pha ôû taàn soá caét bieân neáu:
- Ñöôøng pha ôû treân ñöôøng –180o thì heä kín oån ñònh.
- Ñöôøng pha ôû ñöôøng –180o thì heä kín ôû bieân giôùi oån ñònh.
- Ñöôøng pha ôû döôùi ñöôøng –180o thì heä kín khoâng oån ñònh.
4. Caùc kieåu ñieàu khieån coå ñieån:
a. Ñieàu khieån tæ leä P:
e(t) u(t) C(t)
r(t)
K G(p)
f(t)
H(p)
Ñieàu khieån tæ leä cho pheùp nhanh choùng ñaït trò soá yeâu caàu nhöng thöôøng coù sai
leäch. Ñeå giaûm sai leäch ngöôøi ta taêng ñoä lôïi K, neáu taêng K quaù daãn ñeán voït loá max lôùn
vaø heä coù theå maát oån ñònh.
b. Ñieàu khieån tæ leä – vi phaân PD:
e(t) + u(t)
r(t) C(t)
K G(p)
- +
Td p
H(p)
Trong heä thoáng maø ñoä voït loá quaù lôùn thì ngöôøi ta thöôøng theâm khaâu ñieàu khieån
vi phaân:
de(t )
U (t ) Ke(t ) Td
dt
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
- Luaän vaên toát nghieäp 34
de(t )
Neáu C(t) taêng (ñoä voït loá lôùn) thì e(t) giaûm 0 , neân
dt
de(t )
giaûm nhieàu khoâng cho C(t) taêng quaù. Vì vaäy ñieàu khieån PD
U (t ) Ke(t ) Td
dt
laøm giaûm chaán cuûa heä thoáng taêng leân, giaûm voït loá nhöng thôøi gian treã seõ laâu hôn.
Ñieàu khieån PD chæ aûnh höôûng tôùi sai soá xaùc laäp Exl, neáu Exl bieán thieân theo thôøi
gian ( d 0 ) maø khoâng aûnh höôûng neáu Exl(t) = Cte. Neáu Exl taêng theo t , tín hieäu taùc
dt
ñoäng coù thaønh phaàn tæ leä vôùi de(t ) laøm giaûm bieân ñoä sai soá.
dt
c. Ñieàu khieån tæ leä – tích phaân PI:
e(t) + u(t)
r(t) C(t)
K G(p)
- +
Ki p
H(p)
Ñeå naâng cao ñoä chính xaùc cuûa heä thoáng, ngöôøi ta theâm khaâu ñieàu khieån tích
phaân. Tín hieäu taùc ñoäng:
t
K i e t dt e
Bao laâu coøn sai leäch, tín hieäu taùc ñoäng coøn duy trì ñeå laøm giaûm sai leäch naøy.
Ñieàu khieån PI laøm cho heä höõu sai thaønh voâ sai. Loaïi cuûa heä thoáng ñöôïc taêng leân
nghóa laø baäc cuûa noù cuõng taêng leân, do ñoù ñoä oån ñònh cuûa heä keùm ñi.
d. Ñieàu khieån tæ leä – tích phaân – vi phaân PID:
Ñeå caûi thieän heä thoáng ôû xaùc laäp vaø quaù ñoä thì tín hieäu taùc ñoäng:
t
de(t )
U (t ) Ke(t ) Td K i e(t ) dt
dt 0
e(t)
r(t)
K
- +
u(t)
C(t)
Td p G(p)
+
+
Ki p
H(p)
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
- Luaän vaên toát nghieäp 35
5. Boä ñieàu khieån môø:
a. Boä ñieàu khieån môø cô baûn:
Nhöõng thaønh phaàn cô baûn cuûa moät boä ñieàu khieån môø bao goàm khaâu Fuzzy hoùa,
thieát bò thöïc hieän luaät hôïp thaønh vaø khaâu giaûi môø. Moät boä ñieàu khieån môø chæ goàm ba
thaønh phaàn nhö vaäy coù teân goïi laø boä ñieàu khieån môø cô baûn.
R1: NEÁU ... THÌ ...
x1 H1
... B’ y’
... ...
Rq: NEÁU ... THÌ ...
xq
Hq
Boä ñieàu khieån môø cô baûn.
Do boä ñieàu khieån môø cô baûn chæ coù khaû naêng xöû lyù caùc giaù trò tín hieäu hieän thôøi
neân noù thuoäc nhoùm caùc boä ñieàu khieån tónh. Tuy vaäy ñeå môû roäng mieàn öùng duïng cuûa
chuùng vaøo caùc baøi toaùn ñieàu khieån ñoäng, caùc khaâu ñoäng hoïc caàn thieát seõ ñöôïc noái
theâm vaøo boä ñieàu khieån môø cô baûn. Caùc khaâu ñoäng ñoù chæ coù nhieäm vuï cung caáp
theâm cho boä ñieàu khieån môø cô baûn caùc giaù trò ñaïo haøm hay tích phaân cuûa tín hieäu.
Vôùi nhöõng khaâu ñoäng boå sung naøy, boä ñieàu khieån cô baûn seõ ñöôïc goïi laø boä ñieàu
khieån môø ñoäng.
...dt
x(t) y’(t)
Boä ñieàu
khieån môø cô
Boä ñieàu khieån môø ñoäng. d baûn
...
dt
b. Toång hôïp boä ñieàu khieån môø:
* Ñònh nghóa caùc bieán vaøo ra:
Xaùc ñònh caùc bieán ngoân ngöõ vaøo/ra vaø ñaët teân cho chuùng.
* Xaùc ñònh taäp môø:
Ñònh nghóa caùc bieán ngoân ngöõ vaøo/ra bao goàm soá caùc taäp môø vaø daïng caùc haøm
lieân thuoäc cuûa chuùng, caàn xaùc ñònh:
Mieàn giaù trò vaät lyù (cô sôû) cuûa caùc bieán ngoân ngöõ vaøo/ra
Soá löôïng taäp môø (giaù trò ngoân ngöõ)
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
- Luaän vaên toát nghieäp 36
Veà nguyeân taéc, soá löôïng caùc giaù trò ngoân ngöõ cho moãi bieán ngoân ngöõ neân naèm
trong khoaûng töø 3 ñeán 10 giaù trò. Neáu soá löôïng giaù trò ít hôn 3 thì coù ít yù nghóa, vì
khoâng thöïc hieän ñöôïc vieäc laáy vi phaân. Neáu lôùn hôn 10, khoù coù khaû naêng bao quaùt vì
phaûi nghieân cöùu ñaày ñuû ñeå ñoàng thôøi phaân bieät khoaûng 5 ñeán 9 phöông aùn khaùc nhau
vaø coù khaû naêng löu giöõ tron g moät thôøi gian ngaén.
Xaùc ñònh haøm lieân thuoäc:
Choïn caùc haøm lieân thuoäc coù phaàn choàng leân nhau vaø phuû kín mieàn giaù trò vaät lyù
ñeå trong quaù trình ñieàu khieån khoâng xuaát hieän “loã hoång”. Trong tröôøng hôïp vôùi moät
giaù trò vaät lyù roõ x0 cuûa bieán ñaàu vaøo maø taäp môø B’ ñaàu ra coù ñoä cao baèng 0 (mieàn xaùc
ñònh laø moät taäp roãng) vaø boä ñieàu khieån khoâng theå ñöa ra moät quyeát ñònh ñieàu khieån
naøo, lyù do laø hoaëc khoâng ñònh nghóa ñöôïc nguyeân taéc ñieàu khieån phuø hôïp hoaëc laø do
caùc taäp môø cuûa bieán ngoân ngöõ coù nhöõng “loã hoång”. Cuõng nhö vaäy ñoái vôùi bieán ra,
caùc haøm lieân thuoäc daïng hình thang vôùi ñoä xeáp choàng leân nhau raát nhoû, nhìn chung
khoâng phuø hôïp vôùi boä ñieàu khieån môø vì nhöõng lyù do treân. Noù taïo ra moät vuøng “cheát”
(dead zone) trong traïng thaùi laøm vieäc cuûa boä ñieàu khieån. Trong moät vaøi tröôøng hôïp,
choïn haøm lieân thuoäc daïng hình thang hoaøn toaøn hôïp lyù, ñoù laø tröôøng hôïp maø söï thay
ñoåi caùc mieàn giaù trò cuûa tín hieäu vaøo khoâng keùo theo söï thay ñoåi baét buoäc töông öùng
cho mieàn giaù trò cuûa tín hieäu ra. Noùi chung, haøm lieân thuoäc ñöôïc choïn sao cho mieàn
tin caäy cuûa noù chæ coù moät phaàn töû, hay chæ toàn taïi moät ñieåm vaät lyù coù ñoä phuï thuoäc
baèng ñoä cao cuûa taäp môø.
Rôøi raïc hoùa caùc taäp môø:
Ñoä phaân giaûi cuûa caùc giaù trò phuï thuoäc ñöôïc choïn tröôùc hoaëc laø cho caùc nhoùm
ñieàu khieån môø loaïi daáu phaåy ñoäng hoaëc soá nguyeân ngaén (giaù trò phuï thuoäc laø caùc soá
nguyeân coù ñoä daøi 2 byte) hoaëc theo byte (giaù trò phuï thuoäc laø caùc soá khoâng daáu coù ñoä
daøi 1 byte). Caùc khaû naêng ñeå toång hôïp caùc heä thoáng laø raát khaùc nhau, phöông phaùp
rôøi raïc hoùa seõ laø yeáu toá quyeát ñònh giöõa ñoä chính xaùc vaø toác ñoä cuûa boä ñieàu khieån.
* Xaây döïng caùc luaät ñieàu khieån:
Trong vieäc xaây döïng caùc luaät ñieàu khieån (meänh ñeà hôïp thaønh) caàn löu yù laø
khoâng ñöôïc taïo ra caùc “loã hoång” ôû vuøng laân caän ñieåm khoâng, bôûi vì khi gaëp phaûi caùc
“loã hoång” xung quanh ñieåm laøm vieäc boä ñieàu khieån seõ khoâng theå laøm vieäc ñuùng
theo nhö trình töï ñaõ ñònh. Ngoaøi ra, trong phaàn lôùn caùc boä ñieàu khieån, tín hieäu ra seõ
baèng 0 khi taát caû caùc tín hieäu vaøo baèng 0.
Ñeå phaùt trieån theâm, coù theå choïn heä soá an toaøn cho töøng luaät ñieàu khieån, töùc laø
khi thieát laäp luaät hôïp thaønh chung:
R = R1 R2 ... Rn
khoâng phaûi taát caû caùc luaät ñieàu khieån Rk, k = 1, 2, ..., n ñöôïc tham gia moät caùch bình
ñaúng maø theo moät heä soá an toaøn ñònh tröôùc. Ngoaøi nhöõng heä soá an toaøn cho töøng luaät
ñieàu khieån coøn coù heä soá an toaøn cho töøng meänh ñeà ñieàu kieän cuûa moät luaät ñieàu khieån
khi soá caùc meänh ñeà cuûa noù nhieàu hôn 1.
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
- Luaän vaên toát nghieäp 37
* Choïn thieát bò hôïp thaønh:
Coù theå choïn thieát bò hôïp thaønh theo nhöõng nguyeân taéc treân, bao goàm:
söû duïng coâng thöùc coù luaät MAX-MIN, MAX-PROD,
söû duïng coâng thöùc Lukasiewics coù luaät SUM-MIN, SUM-PROD,
söû duïng toång Einstein,
söû duïng toång tröïc tieáp, …
* Choïn nguyeân lyù giaûi môø:
Söû duïng caùc phöông phaùp xaùc ñònh giaù trò ñaàu ra roõ, hay coøn goïi laø quaù trình
giaûi môø hoaëc roõ hoaù. Phöông phaùp giaûi môø ñöôïc choïn cuõng gaây aûnh höôûng ñeán ñoä
phöùc taïp vaø traïng thaùi laøm vieäc cuûa toaøn boä heä thoáng. Thoâng thöôøng trong thieát keá
heä thoáng ñieàu khieån môø, giaûi môø baèng phöông phaùp ñieåm troïng taâm coù nhieàu öu
ñieåm hôn caû, bôûi vì trong keát quaû ñeàu coù söï tham gia cuûa taát caû keát luaän cuû a caùc luaät
ñieàu khieån, Rk, k = 1, 2, …,n (meänh ñeà hôïp thaønh).
c. Tính phi tuyeán cuûa heä môø:
* Phaân loaïi caùc khaâu ñieàu khieån môø:
Moät boä ñieàu khieån môø coù ba khaâu cô baûn goàm:
Khaâu Fuzzy hoùa coù nhieäm vuï chuyeån ñoåi moät giaù trò roõ ñaàu vaøo x0 thaønh
moät vector goàm caùc ñoä phuï thuoäc cuûa giaù trò roõ ñoù theo caùc giaù trò môø ñaõ ñònh
nghóa cho bieán ngoân ngöõ ñaàu vaøo,
Khaâu thöïc hieän luaät hôïp thaønh, coù teân goïi laø thieát bò hôïp thaønh , xöû lyù vector
vaø cho ra giaù trò môø B’ cuûa bieán ngoân ngöõ ñaàu ra,
Khaâu giaûi môø, coù nhieäm vuï chuyeån ñoåi taäp môø B’ thaønh moät giaù trò roõ y’
chaáp nhaän ñöôïc cho ñoái töôïng (tín hieäu ñieàu chænh).
Caùc boä ñieàu khieån môø seõ ñöôïc phaân loaïi döïa treân quan heä vaøo/ra toaøn cuïc cuûa
tín hieäu vaøo x0 vaø tín hieäu ra y’. Quan heä toaøn cuïc ñoù ñöôïc goïi laø quan heä truyeàn ñaït .
Vieäc phaân loaïi quan heä truyeàn ñaït moät boä ñieàu khieån môø döïa vaøo 7 tieâu chuaån:
tónh hay ñoäng.
tuyeán tính hay phi tuyeán.
tham soá taäp trung hay tham soá raûi.
lieân tuïc hay rôøi raïc.
tham soá tónh hay tham soá ñoäng.
tieàn ñònh hay ngaãu nhieân.
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
- Luaän vaên toát nghieäp 38
oån ñònh hay khoâng oån ñònh.
Boä ñieàu khieån môø
R1: NEÁU ... THÌ
...
x0 B’ y’
Fuzzy Rq: NEÁU ... THÌ Giaûi môø
hoùa
Caáu truùc beân trong cuûa moät boä ñieàu khieån môø.
Xeùt töøng khaâu cuûa boä ñieàu khieån môø goàm caùc khaâu Fuzzy hoùa, thieát bò hôïp
thaønh vaø giaûi môø, thì thaáy raèng trong quan heä vaøo/ra giaù trò y’ taïi ñaàu ra chæ phuï
thuoäc vaøo moät mình giaù trò x0 cuûa ñaàu vaøo chöù khoâng phuï thuoäc vaøo caùc giaù trò ñaõ
qua cuûa tín hieäu x(t), töùc laø chæ phuï thuoäc vaøo giaù trò cuûa x(t) taïi ñuùng thôøi ñieåm ñoù.
Do ñoù boä ñieàu khieån môø thöïc chaát laø moät boä ñieàu khieån tónh vaø quan heä truyeàn ñaït
hoaøn toaøn ñöôïc moâ taû ñaày ñuû baèng ñöôøng ñaëc tính y(x) nhö caùc ñöôøng ñaëc tính cuûa
khaâu relay 2 hoaëc 3 traïng thaùi quen bieát trong kyõ thuaät ñieàu khieån phi tuyeán kinh
ñieån.
* Xaây döïng coâng thöùc quan heä truyeàn ñaït:
Vieäc xaây döïng coâng thöùc toång quaùt y(x) cho quan heä truyeàn ñaït boä ñieàu khieån
MIMO chæ caàn boä ñieàu khieån môø vôùi nhieàu ñaàu vaøo vaø moät ñaàu ra (boä MISO) laø ñuû
vì moät boä ñieàu khieån môø coù nhieàu ñaàu ra baát kyø ñeàu coù theå ñöôïc thay baèng moät taäp
caùc boä ñieàu khieån vôùi moät ñaàu ra.
x1
y1
... Boä ñieàu khieån
x4 môø 1
y2
Boä ñieàu khieån
Boä ñieàu khieàn môø vôùi 4 ñaàu
môø 2
vaøo vaø 3 ñaàu ra.
y3
Boä ñieàu khieån
môø 3
Luaät ñieàu khieån cuûa boä ñieàu khieån môø n hieàu ñaàu vaøo vaø moät ñaàu ra coù daïng:
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
- Luaän vaên toát nghieäp 39
Rk: NEÁU 1 = A1k VAØ 2 = A2k VAØ ... VAØ d = Adk THÌ = Bk
trong ñoù k = 1, 2 …, n vaø caùc taäp môø Amk, m = 1, 2, …, d coù cuøng cô sôû X. Luaät ñieàu
khieån treân coøn coù teân goïi laø luaät chuaån (canonical) vì noù bao haøm raát nhieàu nhöõng
daïng luaät ñieàu khieån khaùc nhö:
R: NEÁU 1 = A1 VAØ … VAØ m = Am HOAËC m+1 = Am+1 VAØ
…VAØ d = Ad THÌ = B
hay R: NEÁU 1 = A1 VAØ 2 = A2VAØ … VAØ m = Am THÌ = B neáu m < d …
* Quan heä vaøo/ra cuûa thieát bò hôïp thaønh:
Moät taäp (luaät hôïp thaønh) R cuûa n luaät ñieàu khieån ñöôïc goïi laø:
- ñuû, neáu khoâng coù moät giaù trò roõ x0 X naøo cuûa ñaàu vaøo laøm cho ñoä thoûa maõn
moïi luaät Rk cuûa R baèng 0, töùc laø
x0 X, m {1, 2, …, d} : Ak ( x0 ) 0 , k {1, 2, …, n}
m
-nhaát quaùn, neáu khoâng coù hai luaät ñieàu khieån naøy cuõng coù cuøng meänh ñeà ñieàu
kieän nhöng laïi khaùc meänh ñeà keát luaän.
Vôùi caùc böôùc trieån khai treân, quan heä vaøo ra cuûa thieát bò hôïp thaønh ñöôïc thöïc
hieän qua caùc böôùc:
Böôùc 1: Tìm taäp môø ñaàu ra cuûa Rk
Kyù hieäu x laø moät vector d chieàu coù phaàn töû thöù m laø moät giaù trò baát kyø thuoäc taäp
hôïp môø, töùc laø:
x1
x ... , trong ñoù xm laø giaù trò thuoäc mieàn xaùc ñònh cuûa Ak ( x) .
m
x
d
Ñoä thoûa maõn Hk cuûa luaät Rk ñöôïc tính theo
1. Hk = MIN{ Ak ( x1 ) , , …, Ak ( xd ) },
1 d
neáu söû duïng (I.6) ñeå thöïc hieän pheùp giao trong meänh ñeà ñieàu kieän cuûa Rk,
2.
neáu söû duïng coâng thöùc “Tích ñaïi soá” ñeå thöïc hieän pheùp giao trong khoái meänh ñeà
ñieàu kieän cuûa Rk.
Töø ñoù taäp môø ñaàu ra B’k seõ coù haøm lieân thuoäc
a) B’k(y) = MIN{Hk, Bk(y)}
neáu söû duïng nguyeân taéc trieån khai MAX-MIN hoaëc SUM-MIN ñeå caøi ñaët Rk,
b) B’k(y) = Hk.Bk(y)
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
- Luaän vaên toát nghieäp 40
neáu söû duïng nguyeân taéc trieån khai MAX-PROD hoaëc SUM-PROD ñeå caøi ñaët Rk,
Böôùc 2: Tìm taäp môø ñaàu ra cuûa R
Sau khi ñaõ coù ñöôïc d taäp môø ñaàu ra cho töøng luaät ñieàu khieån Rk laø:
B’k(y), k = 1, 2, …, d.
taäp môø ñaàu ra chung B’ cuûa thieát bò hôïp thaønh.
n
R Rk
k 1
ñöôïc xaùc ñònh nhö sau:
1. B’(y) = MAX{B’k(y), k = 1, 2, …, n}
hoaëc
n
2. B ' ( y ) MIN 1, B 'k ( y )
k 1
Töø nhöõng coâng thöùc cuûa böôùc 1 vaø cuûa böôùc 2 deã daøng suy ra ñöôïc coâng thöùc
bieåu dieãn quan heä vaøo/ra x B’(y) cuûa thieát bò hôïp thaønh. Cho nhöõng nguyeân taéc
trieån khai, coâng thöùc aùp duïng thöïc hieän pheùp giao vaø hôïp treân taäp môø khaùc nhau thì
coù coâng thöùc bieåu dieãn quan heä vaøo/ra khaùc nhau. Neáu aùp duïng “tích ñaïi soá” cho
pheùp giao, nguyeân taéc trieån khai MAX-MIN ñeå thieát laäp luaät ñieàu khieån vaø coâng
thöùc cho pheùp hôïp thì:
d
B ' ( y ) MAX MIN Am ( x m ), Bk ( y )
k
1 k n
m1
hoaëc cho nguyeân taéc trieån khai SUM-PROD, pheùp giao vaø coâng thöùc Lukasiewicz
cho pheùp hôïp thì:
n
B ' ( y ) MIN 1, B 'k ( y ) MIN Ak ( xm )
1 m d m
k 1
* Quan heä vaøo/ra cuûa khaâu giaûi môø:
Neáu kyù hieäu H laø laø ñoä cao cuûa B’, G laø mieàn giaù trò vaät lyù y’ coù ñoä phuï thuoäc
baèng H vaø S laø mieàn xaùc ñònh cuûa B’ thì:
inf y sup y
yG yG
1. y '
2
cho phöông phaùp cöïc ñaïi theo nguyeân lyù trung bình,
2. y' inf y
yG
cho phöông phaùp cöïc ñaïi theo nguyeân lyù caän traùi,
Nghieân cöùu ñieàu khieån môø – Moâ phoûng heä thoáng ñieàu khieån môø baèng MatLab
nguon tai.lieu . vn
