[block id=”bo-sung-1″]

Kết hợp mạng nơron vào bộ điều khiển mờ, tạo
thành một bộ điều khiển mới gọi là bộ điều khiển mờ
– nơron (NFCs) hay còn gọi là hệmờ-nơron. Sựkết
hợp này chính là sựtích hợp chặt chẽnhững kiến thức
chuyên gia trong hệmờvà lặp lại nó trong suốt quá
trình học của mạng nơron. Hệmờ-nơron sẽsửdụng
quá trình học của mạng đểchỉnh lại các tham sốhàm
liên thuộc của tập mờ(nhưtâm, độrộng) với mong
muốn đầu ra của hệthỏa mãn yêu cầu cho trước [2].
Hệchuyển động phi tuyến còn có thể được điều
khiển bằng hệmờthích nghi [1], để đạt được sai lệch
tiệm cậm về0 cho một lớp đối tượng.
Kết quảnày cũng áp dụng hiệu quảcho nhận dạng
và điều khiển hệ điều tốc tuốc bin thuỷlực, chỉra khả
năng ứng dụng của phương pháp, sự ổn định làm việc
cũng nhưthời gian đáp ứng tốt.

he_mo_noron_nhan_dang_va_dieu_khien_dieu_toc_tuoc_bin_thuy

 

pdf6 trang | Chia sẻ: superlens | Ngày: 21/09/2015 | Lượt xem: 1119 | Lượt tải: 0download

Bạn đang xem nội dung tài liệu Hệ mờ -Nơron nhận dạng và điều khiển điều tốc tuốc bin thủy lực, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên

Hội nghị toàn quốc về Điều khiển và Tự động hoá – VCCA-2011
1
Hệ mờ-nơron nhận dạng và điều khiển
điều tốc tuốc bin thuỷ lực
Fuzzy-neural System For Identification And Control
The Hydro Turbin Governors
Nguyễn Tăng Cường, Nguyễn Chỉ Sáng, Phạm Văn Đa
e-Mail: dapv.ima@gmail.com
Tóm tắt
Bài báo này trình bày việc áp dụng hệ mờ – nơron
để nhận dạng và điều khiển hệ chuyển động phi tuyến
cũng như cho hệ điều tốc tuốc bin thuỷ lực. Kết quả
mô phỏng cho khả năng ứng dụng tốt, ổn định và thời
gian quá độ nhỏ.
Abstract: This paper describes the fuzzy-neural
system applying to identification and controls the
non-linear motion system as well as the hydro turbine
governors. Simulation results show the feasibility of
using, stability and the improved of overshoot time.
Ký hiệu
Ký hiệu Đơn vị Ý nghĩa
f hàm phi tuyến
( )j
i
iA
xμ hàm liên thuộc
x Véc tơ trạng thái
Chữ viết tắt
SISO Single Input – Single Output
MISO Multi Input – Single Output
MIMO Multi Input – Multi Output
NFCs Neuro Fuzzy Controllers
T-S Takagi-Sugeno
1. Phần mở đầu
Kết hợp mạng nơron vào bộ điều khiển mờ, tạo
thành một bộ điều khiển mới gọi là bộ điều khiển mờ
– nơron (NFCs) hay còn gọi là hệ mờ-nơron. Sự kết
hợp này chính là sự tích hợp chặt chẽ những kiến thức
chuyên gia trong hệ mờ và lặp lại nó trong suốt quá
trình học của mạng nơron. Hệ mờ-nơron sẽ sử dụng
quá trình học của mạng để chỉnh lại các tham số hàm
liên thuộc của tập mờ (như tâm, độ rộng) với mong
muốn đầu ra của hệ thỏa mãn yêu cầu cho trước [2].
Hệ chuyển động phi tuyến còn có thể được điều
khiển bằng hệ mờ thích nghi [1], để đạt được sai lệch
tiệm cậm về 0 cho một lớp đối tượng.
Kết quả này cũng áp dụng hiệu quả cho nhận dạng
và điều khiển hệ điều tốc tuốc bin thuỷ lực, chỉ ra khả
năng ứng dụng của phương pháp, sự ổn định làm việc
cũng như thời gian đáp ứng tốt.
2. Hệ NFCs với mô hình Takagi-Sugeno
(T-S) áp dụng cho nhận dạng hệ
chuyển động.
Việc áp dụng mô hình mờ T-S đã được nghiên cứu
trong nhiều công trình khác nhau, thường sử dụng
mạng nơron 5 lớp [2],[4]. Xét một cấu trúc hệ NFCs
gồm 5 lớp, 2 lớp ngoài vào và ra thực hiện nhiệm vụ
nhận tín hiệu vào và tính giá trị ra của hệ. 03 lớp trong
thực hiện chức năng mờ hoá, thực hiện các luật mờ và
giải mờ. Để nhận dạng hệ thống, ta dùng hệ mờ-nơron
với luật mờ T-S [2],[4],[9]. Điểm khác nhau cơ bản
giữa hai mô hình mờ T-S và mô hình mờ Mamdani là
mệnh đề kết luận của các luật hợp thành. Mệnh đề kết
luận trong mô hình mờ T-S luôn là những hàm giá trị
thực, nó thay thế cho các tập mờ.
Giả sử luật mờ thứ j trong mô hình mờ T-S có dạng:
Nếu 1x là 1
jA và 2x là 2
jA và và nx là
j
nA
Thì j 0 1 1 2 2y f …= = + + + +j j j jn na a x a x a x (1)
Với: xi là biến đầu vào ; y là biến đầu ra ;
i
jA là biến
ngôn ngữ của mệnh đề điều kiện với hàm liên thuộc
( )j
i
iA
xμ ; jia là hệ số ; j=1m ; i=1n.
Xét một hệ chuyển động SISO có phương trình
động lực học phi tuyến tổng quát được mô tả bởi hệ
phương trình trạng thái (2) như sau:
1
( ) ( )= +
=
⎧⎪⎨⎪⎩
dx
F x G x u
dt
y x
(2)
Trong đó: 1 2( , ,…, )= nx x x x là một vector các
biến trạng thái của hệ; F(x) và G(x) là hai hàm phi
tuyến phụ thuộc vào các biến trạng thái x của hệ; u
là tín hiệu điều khiển tác động vào hệ; y là tín hiệu ra
của hệ. Nếu hệ đã nêu là hệ thống ổn định, tức khi nó
bắt đầu ở một vị trí nào đó, nó sẽ tiếp tục làm việc ở
lân cận vị trí này, giá trị đầu ra không vượt quá giới
hạn cho phép trong suốt thời gian sau đó và quỹ đạo
chuyển động trơn, liên tục, thì chúng ta có thể dùng
các công cụ toán học để đưa hệ trên về dạng chuẩn (3)
.
1 2
2 3
1
………..
( ) ( )
=⎧⎪ =⎪⎪⎨⎪ = +⎪ =⎪⎩
&
&
&n
x x
x x
x F x G x u
y x
(3)
Cụ thể hoá, ta xét hệ có 04 biến trạng thái và được
mô tả bởi phương trình (4) [3],[4],[9], trong đó
Hội nghị toàn quốc về Điều khiển và Tự động hoá – VCCA-2011
2
1 2 3 4( , , , )=x x x x x là các biến trạng thái của hệ; u là
đầu vào và y là đầu ra của hệ.
1 2 3 4( ) ( , , , )=F x F x x x x , 1 2 3 4( ) ( , , , )=G x G x x x x là hai
hàm phi tuyến phụ thuộc vào các biến trạng thái của
hệ.
1 2
2 3
3 4
4
1
( ) ( )
=⎧⎪ =⎪⎪ =⎨⎪ = +⎪⎪ =⎩
&
&
&
&
x x
x x
x x
x F x G x u
y x
(4)
Hệ mờ-nơron dùng để nhận dạng hai hàm F(x) và
G(x) có cấu trúc giống nhau, các trọng số trong mạng
được cập nhật là khác nhau và là hệ MISO có 4 đầu
vào và một đầu ra. Chọn mỗi đầu vào có hai hàm liên
thuộc, thì sẽ có 2n luật hợp thành. Với n =4 là số biến
đầu vào ta được 16 luật hợp thành từ R1 đến R16 theo
luật mờ T-S (1) như các phương trình từ (5) đến (20)
sau:
1 :R Nếu 1x là
1
1A và 2x là
1
2A và 3x là
1
3A và 4x là
1
4A
Thì : 1 1 1 1 11 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (5)
2 :R Nếu 1x là
1
1A và 2x là
1
2A và 3x là
1
3A và 4x là
2
4A
Thì : 2 2 2 2 22 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (6)
3 :R Nếu 1x là
1
1A và 2x là
1
2A và 3x là
2
3A và 4x là
1
4A
Thì : 3 3 3 3 33 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (7)
4 :R Nếu 1x là
1
1A và 2x là
1
2A và 3x là
2
3A và 4x là
2
4A
Thì : 4 4 4 4 44 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (8)
5 :R Nếu 1x là
1
1A và 2x là
2
2A và 3x là
1
3A và 4x là
1
4A
Thì : 5 5 5 5 55 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (9)
6 :R Nếu 1x là
1
1A và 2x là
2
2A và 3x là
1
3A và 4x là
2
4A
Thì : 6 6 6 6 66 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (10)
7 :R Nếu 1x là
1
1A và 2x là
2
2A và 3x là
2
3A và 4x là
1
4A
Thì : 7 7 7 7 77 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (11)
8 :R Nếu 1x là
1
1A và 2x là
2
2A và 3x là
2
3A và 4x là
2
4A
Thì : 8 8 8 8 88 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (12)
9 :R Nếu 1x là
2
1A và 2x là
1
2A và 3x là
1
3A và 4x là
1
4A
Thì : 9 9 9 9 99 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (13)
10 :R Nếu 1x là
2
1A và 2x là
1
2A và 3x là
1
3A và 4x là
2
4A
Thì : 10 10 10 10 1010 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (14)
11 :R Nếu 1x là
2
1A và 2x là
1
2A và 3x là
2
3A và 4x là
1
4A
Thì : 11 11 11 11 1111 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (15)
12 :R Nếu 1x là
2
1A và 2x là
1
2A và 3x là
2
3A và 4x là
2
4A
Thì : 12 12 12 12 1212 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (16)
13 :R Nếu 1x là
2
1A và 2x là
2
2A và 3x là
1
3A và 4x là
1
4A
Thì : 13 13 13 13 1313 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (17)
14 :R Nếu 1x là
2
1A và 2x là
2
2A và 3x là
1
3A và 4x là
2
4A
3
Thì : 14 14 14 14 1414 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (18)
15 :R Nếu 1x là
2
1A và 2x là
2
2A và 3x là
2
3A và 4x là
1
4A
Thì : 15 15 15 15 1515 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (19)
16 :R Nếu 1x là
2
1A và 2x là
2
2A và 3x là
2
3A và 4x là
2
4A
Thì : 16 16 16 16 1616 0 1 1 2 2 3 3 4 4y f= = + + + +a a x a x a x a x (20)
Trong đó 1 2 3 4; x ; ;x x x là các biến đầu vào; y là
biến đầu ra ; Aij là biến ngôn ngữ của mệnh đề điều
kiện với hàm liên thuộc )x( iA jiμ ;
j
ia là hệ số. Sơ đồ
cấu trúc mạng NFCs thực hiện các luật mờ từ (5) đến
(20) có cấu trúc như hình H.1.
+ Lớp 1: làm nhiệm vụ nhận tín hiệu vào.
+ Lớp 2: tất cả các nút trong lớp này thực hiện chức
năng mờ hoá, tạo hàm liên thuộc. Đầu ra của chúng
chỉ rõ độ thoả mãn của biến đầu vào xi với mỗi biến
Aij. Hàm liên thuộc chọn là hàm Gaus có dạng:
2
( ) σμ
⎛ ⎞−−⎜ ⎟⎜ ⎟⎝ ⎠=
j
i i
j
i
j
i
x m
iA
x e (21)
Với j ji im ; σ lần lượt là tâm và độ rộng của hàm liên
thuộc.
+ Lớp 3: thực hiện phép toán trong mệnh đề điều
kiện, theo luật tích đại số, để tìm các giá trị hàm liên
thuộc tích tương ứng với các trường hợp, từ 1 đến n.
Trường hợp cụ thể, n= 4 ta có các phương trình từ 1
đến 16 như sau.
1 1 1 1
1 2 3 4
1 1 1 2
1 2 3 4
1 1 2 1
1 2 3 4
1 1 2 2
1 2 3 4
1 1 2 3 4
2 1 2 3 4
3 1 2 3 4
4 1 2 3 4
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
μ μ μ μ μ
μ μ μ μ μ
μ μ μ μ μ
μ μ μ μ μ
=
=
=
=
A A A A
A A A A
A A A A
A A A A
x x x x
x x x x
x x x x
x x x x
1 2 1 1
1 2 3 4
1 2 1 2
1 2 3 4
1 2 2 1
1 2 3 4
1 2 2 2
1 2 3 4
5 1 2 3 4
6 1 2 3 4
7 1 2 3 4
8 1 2 3 4
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
μ μ μ μ μ
μ μ μ μ μ
μ μ μ μ μ
μ μ μ μ μ
=
=
=
=
A A A A
A A A A
A A A A
A A A A
x x x x
x x x x
x x x x
x x x x
1 1 1 1
1 2 3 4
2 1 1 2
1 2 3 4
2 1 2 1
1 2 3 4
2 1 2 2
1 2 3 4
9 1 2 3 4
10 1 2 3 4
11 1 2 3 4
12 1 2 3 4
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
μ μ μ μ μ
μ μ μ μ μ
μ μ μ μ μ
μ μ μ μ μ
=
=
=
=
A A A A
A A A A
A A A A
A A A A
x x x x
x x x x
x x x x
x x x x
H.1 Cấu trúc hệ NFCs theo luật mờ T-S, với n=4, luật hợp thành 2
x1
x2
x3
x4
y*
1
1A
2
1A
2
2A
2
3A
2
4A
1
2A
1
3A
1
4A
Hội nghị toàn quốc về Điều khiển và Tự động hoá – VCCA-2011
4
2 2 1 1
1 2 3 4
2 2 1 2
1 2 3 4
2 2 2 1
1 2 3 4
2 2 2 2
1 2 3 4
13 1 2 3 4
14 1 2 3 4
15 1 2 3 4
16 1 2 3 4
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
( ). ( ). ( ). ( )
μ μ μ μ μ
μ μ μ μ μ
μ μ μ μ μ
μ μ μ μ μ
=
=
=
=
A A A A
A A A A
A A A A
A A A A
x x x x
x x x x
x x x x
x x x x
+ Lớp 4: thực hiện phép toán theo mệnh đề kết luận
1 2
1 2; ;…;
μμ μμ μ μμ μ μ= = =
n
n
Sum Sum Sum
;
Với :
1
μ μ
=
= ∑nSum i
i
(22)
+ Lớp 5: tính giá trị đầu ra của hệ theo (23).
Như vậy quá trình cập nhật trọng số của mạng, đặc
biệt là lớp 2, thì các hàm liên thuộc của tập mờ luôn
được điều chỉnh để đảm bảo các luật hợp thành được
thực hiện tại lớp 3 thoả mãn mô hình mờ T-S và sai
lệch của hệ tiệm cận về 0.
* 1 1 2 2 …μ μ μ= + + + n ny f f f (23)
3. Hệ NFCs với phương pháp tuyến tính
hoá chính xác cho điều khiển hệ chuyển
động phi tuyến
Phương pháp tuyến tính hoá chính xác được áp
dụng để điều khiển hệ phi tuyến đạt được độ chính
xác cao trong việc điều khiển đầu ra bám theo quỹ
đạo đặt mong muốn.
Trở lại hệ chuyển động được mô tả toán dạng (3),
hai hàm ( ); ( )F x G x được nhận dạng dựa trên hệ
mờ-nơron sử dụng mô hình mờ T-S như phần 2 (hình
1). Điều kiện để hệ thống điều khiển được là tất cả các
biến trạng thái trong hệ bị chặn và ≠G(x) 0 [2]. Biến
đổi (3) ta được:
( ) ( ) ( )= +ny F x G x u (24)
( )( )1 ( )
( )
= −nu y F x
G x
(25)
Gọi y) là ước lượng đầu ra, ta giả thiết y y= ) và
( ) ( )= )n ny y , với sai số được xác định bởi mô hình
mờ T-S, bị chặn và tiệm cận về 0 [3]. Khi đó:
( )( )1 ( )
( )
= −) nu y F x
G x
(26)
Gọi lượng ra mong muốn là ym. Khi đó sai lệch
m me y y= − ) . Để em→0 sau một khoảng thời gian
hữu hạn thì em là nghiệm của phương trình vi phân
tuyến tính [2]:
( ) ( 1)
1 1… 0α α α− −+ + + + =&n nm m n m n me e e e (27)
Với các hệ số 1 2, , …, nα α α được chọn sao cho
tất cả các nghiệm của phương trình đặc trưng
1
1 1… 0α α α− −+ + + + =n n n ns s s có phần thực nằm
bên trái trục ảo. Như vậy việc chọn các hệ số
, 1i i nα = → có thể thực hiện theo phương pháp gán
điểm cực của Luenberger. Thay biểu thức sai lệch vào
(27) ta được (28) và (29).
Thay (29) vào (26) ta tìm được luật điều khiển
(30). Trường hợp xét n=4, ta được cấu trúc nhận dạng
và điều khiển hệ theo phương pháp tuyến tính hoá
chính xác thích nghi như hình H.2.
H.2 Mô hình cấu trúc hệ nhận dạng và điều khiển với n=4
u
1
s
Hệ mờ-nơron
y) 1
s
1
s
Hệ mờ-nơron
1
s
Hệ chuyển động
thực tế
x4
x1
x2
x3
(-) G(x)
F(x)
Bộ điều
khiển với
luật (30)
ym
y
Hệ chuyển động mô hình
(3))y
)&y )&&y
5
( ) ( ) ( 1) ( 1)
1 1( ) ( ) … ( ) ( ) 0α α α− − −− + − + + − + − =) ) ) )&&n n n nm m n m n my y y y y y y y (28)
( ) ( ) ( 1) ( 1)
1 1( ) … ( ) ( )α α α− − −= + − + + − + −) ) ) )&&n n n nm m n m n my y y y y y y y (29)
( )( ) ( 1) ( 1)1 11 ( ) … ( ) ( ) ( )( ) α α α− − −= + − + + − + − −) ) )&&n n nm m n m n mu y y y y y y y F xG x (30)
4. Mô phỏng hệ NFCs cho nhận dạng và
điều khiển điều tốc tuốc bin thuỷ lực
Hệ thống điều khiển điều tốc (governor) trong
nhà máy thuỷ điện có chức năng rất quan trọng đối
với sự hoạt động ổn định về chất lượng và hiệu
suất của toàn hệ thống. Trong tài liệu [5], hệ
governor được mô tả như tại hình H.3, trong đó
hàm truyền của các hệ thống chuyển động thực tế
đã được nghiên cứu và đưa ra và được áp dụng
trong nhiều công trình nghiên cứu như [2], [7],
[9], [11], ta có thể cụ thể hoá các khối chức năng
trong hình H.3 như hình H.4 để thuận lợi cho việc
mô phỏng áp dụng hệ NFCs cho nhận dạng và
điều khiển điều tốc tuốc bin thuỷ lực.
H.3 Khối chức năng hệ thống nhà máy thuỷ điện
Tần số
đặt
Governor Van Servomotor
Thuỷ lực,
Cơ khí
Tuốc bin
Máy phát
Tải
Lưới
Tần số
Lưới
Hệ thống chuyển động thực tế
(plant)
H.5 Sai lệch tần số của hệ khi tải
ngẫu nhiên 95%, 80%, 120% Pm



G(p)
g
1
1 T p+
1 Tw.p
1 0.5Tw.p

+
1
1 Tm.p+
Tần số
Đặt
Governor Servomotor Cánh hướng Tuốc bin Máy phát
H.4 Sơ đồ khối hệ thống điều khiển tổ máy thuỷ điện độc lập
L
1
Kd T .p+
Lưới


LPΔ
H.6 Sai lệch tần số của hệ khi tải
ngẫu nhiên ổn định tại 20%, 95% Pm
6
Kết quả mô phỏng bằng Matlab Simulink khi
hệ thống làm việc không tải ngẫu nhiên thì tần số
của hệ bằng tần số đặt. Khi cho tải ngẫu nhiên tác
động với các giá trị khác nhau là 95%, 80% và
120% tải ngẫu nhiên định mức cho phép, trong
mỗi khoảng thời gian 20 giây, thì sai lệch tần số
của hệ như đường xanh lá cây tại hình H.5. Mô
phỏng trong hai trường hợp tải ngẫu nhiên ổn
định bằng 20% và 95% tải ngẫu nhiên định mức,
thì biểu đồ sai lệch tần số của hệ chỉ ra như hình
H.6.
Các thông số của hệ động học được lấy theo
một hệ thực tế như sau:
Tm: 7 (s), hằng số thời gian quán tính cơ khí,
Tw: 2,17 (s), hằng số quán tính cột nước,
Tg: 0,2 (s), hằng số thời gian của hệ van và động
cơ séc vô,
TL: 7 (s), hằng số thời gian của lưới,
Kd: 2, hệ số tải của lưới,
P: toán tử Laplace,
ΔPL: Tải ngẫu nhiên (%Pm),
Δw: sai lệch tần số lưới (%).
5. Kết luận
Hệ NFCs với mô hình mờ T-S đã được áp dụng để
nhận dạng rất thành công cho nhiều hệ động học phi
tuyến. Trong bài báo này đã chỉ ra sự áp dụng thành
công cho nhận dạng hệ động học phi tuyến cho bộ
điều tốc tuốc bin thuỷ lực. Với luật điều khiển áp
dụng phương pháp tuyến tính hoá thích nghi, thì hệ
NFCs sử dụng để nhận dạng và điều khiển cho một hệ
điều tốc tuốc bin phi tuyến cụ thể, có tải ngẫu nhiên
tác động đã đảm bảo tần số sai lệch của hệ nhỏ
(0,5%), thời gian quá độ ngắn (30s) đối với hệ động
học có quán tính lớn như tuốc bin thuỷ lực trong các
nhà máy thuỷ điện. Trong mô phỏng cũng chỉ ra sự
sai lệch ổn định trong quá trình làm việc của hệ.
Tài liệu tham khảo
[1] Phạm Văn Đa, Tổng hợp bộ điều khiển thích
nghi cho đối tượng phi tuyến trên cơ sở lôgíc
mờ, Tạp chí Khoa học và Kỹ thuật – Số 130(10-
2009) – Học viện KTQS, 2009, tr.54-62.
[2] Nguyễn Tăng Cường, Nguyễn Ngọc Hoà, Phạm
Văn Đa, Áp dụng hệ mờ – Nơron để nhận dạng
và điều khiển hệ chuyển động phi tuyến bằng
phương pháp tuyến tính hoá chính xác, Tạp chí
Khoa học và Kỹ thuật – Số 134(6-2010), Học
viện KTQS, 2010, tr.5-14.
[3] Nguyễn Doãn Phước, Lý thuyết điều khiển nâng
cao, Nhà xuất bản Khoa học và kỹ thuật, Hà
Nội, 2005.
[4] Nguyễn Trọng Thuần, Đỗ Trung Hải, “Mô hình
thực nghiệm ứng dụng hệ mờ – nơron nhận dạng
trực tuyến (online) và điều khiển hệ phi tuyến”.
Tạp chí Khoa học & công nghệ các trường Đại
học Kỹ thuật, Số 63(2008), Hà Nội, Tr.6-10.
[5] George A.Rovithakis, Manolis A.Christodoulou,
Adaptive Control of Unknown Plants Using
Dynamical Neural Networks, IEEE Transactions
On Systems, Man, And Cybernetics, Vol. 24,
No. 3, 1994, pp. 400-412.
[6] George Ellis, Robert D.Lorenz, Resonant Load
Control Methods for Industrial Servo Driver,
IEEE Industrial Application Sosiety Annual
Meeting – Rome, Italy, 2000, pp. 1438-1445.
[7] G.Andersson, “Dynamics and Control of
Electric Power Systems”, Swiss Federal
Institute of Technology Zurich, 2006.
[8] Nand Kishor, RP. Saini, S.P. Singh, “A Review
on Hydropower Plant Models and
Control”,ScienceDirect, Renewable and
Sustainable Energy Reviews 11, 2007, pp.776–
796.
[9] O.B.Tör, U. Karaağaç, and, E. Benlier, “Step-
Response Tests of a Unit at Atatürk Hydro
Power Plant and Investigation of the Simple
Representation of Unit Control System ”,
Information Technology and Electronics
Research Institute, METU, Ankara, Turkey,
2006
[10] Siemens Pse Sro Slovakia, The Adaptive
Control of Nonlinear Systems Using the T-S-K
Fuzzy Logic, Acta Polytechnica Hungarica, Vol.
6, No. 2, 2009, pp.5-16.
[11] Yin Chin Choo, Kashem M.Muttaqi,
M.Negnevitsky, “Modelling of Hydraulic
Governor-turbine for Control Stabilisation”,
Austral. Mathematical Soc.2008, ISSN 1446-
8735, ANZIAM J.49 (EMAC2007), 2008,
PP.C681-C698.

[block id=”bo-sung”]

Từ khóa: Hệ mờ -Nơron nhận dạng và điều khiển điều tốc tuốc bin thủy lực

Leave a Reply

Your email address will not be published. Required fields are marked *