..
N
C
C N
N
P
................ ...................
N
ỄN VĂN
N
N CỨ ỨN DỤN
O N C Ặ CÂN BẰN C O BÀ O N
Ề
ỂN CÂN BẰN XE A B N
N ÀN :
L
Ề
ỂN VÀ Ự ỘN
N VĂN
Ề
C SĨ
OA
C
ỂN VÀ Ự ỘN
ƯỜ
DẪ K OA
ƯỚ
TS. Vũ Ngọc iên
Thái Nguyên – năm 2020
:
ÓA
ÓA
i
LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu của tôi. Các kết quả, số liệu
nêu trong luận văn là trung thực và chưa từng được công bố trong bất kỳ công trình
nào khác.
Thái nguyên, ngày 20/7/2020
Tác giả luận văn
Nguyễn Văn Đô
ii
LỜI CẢM ƠN
Lời đầu tiên em xin bày tỏ lòng biết ơn chân thành, lời cảm ơn sâu sắc tới
thầy giáo TS. Vũ Ngọc Kiên, người đã trực tiếp chỉ bảo và hướng dẫn em trong
suốt thời gian qua.
Em xin bày tỏ lòng cảm ơn đối với các thầy cô giáo trong Khoa, bộ môn
cùng đông đảo bạn bè, đồng nghiệp đã cổ vũ rất nhiều cho việc thực hiện luận văn
này.
Mặc dù được sự chỉ bảo sát sao của thầy hướng dẫn, sự nỗ lực cố gắng của
bản thân. Song vì kiến thức còn hạn chế, nên chắc chắn luận văn này không tránh
khỏi những thiếu sót nhất định. Em rất mong được sự chỉ bảo của các thầy cô giáo
và sự góp ý chân thành của các bạn.
Em xin chân thành cảm ơn!
iii
MỞ ĐẦU
Tăng tốc độ xử lý và tính toán hiện nay là một hướng ưu tiên nghiên cứu
trong lĩnh vực kỹ thuật. Để tăng tính toán, có một số hướng tiếp cận sau:
1. Sử dụng tối ưu thông lượng bộ nhớ cho các vi xử lý song song.
2. Phân rã các bài toán và lập trình song song theo nghĩa tính toán hiệu năng
cao.
3. Quay về dùng các chip tương tự như mạng nơ ron tế bào (CNN)
4. Tìm cách giảm độ phức tạp của thuật toán mà vẫn đảm bảo sai số theo yêu
cầu.
Giảm độ phức tạp của thuật toán chính là giảm bậc mô hình mà luận văn sẽ tập
trung nghiên cứu.
Trong những năm gần đây, nghiên cứu về giảm bậc mô hình xe hai bánh tự
cân bằng đã được nhiều nhà khoa học trên thế giới quan tâm. Một trong những khó
khăn nhất của vấn đề nghiên cứu xe hai bánh là khả năng duy trì cân bằng ổn định
trong những địa hình khác nhau. Trong đó, một vấn đề khó khăn là nghiên cứu điều
khiển cân bằng xe hai bánh. Để giải quyết vấn đề cân bằng xe hai bánh, có ba
phương pháp cơ bản như sau:
(i) điều khiển cân bằng bằng bánh đà,
(ii) điều khiển cân bằng sử dụng lực ly tâm
(iii) điều khiển cân bằng cách thay đổi tâm của trọng lực
Trong số ba phương pháp đó, cân bằng nhờ sử dụng bánh đà có ưu điểm là đáp ứng
nhanh và có thể cân bằng ngay cả khi xe không di chuyển.
Do xe hai bánh thường phải làm việc trong các điều kiện khác nhau, tải trọng
mang theo có thể thay đổi, ngoại lực tác động vào xe có thể thay đổi nên việc mô
hình hóa xe hai bánh tự cân bằng gặp nhiều khó khăn và có thể coi xe hai bánh là
đối tượng bất định. Do tính chất bất định của mô hình xe hai bánh nên thuật toán
điều khiển bền vững như trong nghiên cứu là thích hợp nhất.
Lý thuyết điều khiển H∞ là một lý thuyết điều khiển hiện đại cho việc thiết kế
các bộ điều khiển tối ưu và bền vững cho các đối tượng điều khiển có thông số thay
iv
đổi hoặc chịu tác động của nhiễu bên ngoài. Tuy nhiên, thiết kế bộ điều khiển theo
lý thuyết điều khiển H∞, bộ điều khiển thu được thường có bậc cao (bậc của bộ điều
khiển được xác định là bậc của đa thức mẫu). Bậc của bộ điều khiển cao có nhiều
bất lợi khi chúng ta đem thực hiện điều khiển trên xe hai bánh, vì mã chương trình
phức tạp. Vì vậy, việc giảm bậc bộ điều khiển mà vẫn đảm bảo chất lượng có một ý
nghĩa thực tiễn.
Mục tiêu nghiên cứu
- Nghiên cứu và đánh giá ưu nhược điểm của các phương pháp giảm bậc mô
hình.
- Nghiên cứu xây dựng mô hình xe hai bánh tự cân bằng và thiết kế hệ thống
điều khiển cân bằng mô hình xe hai bánh.
- Ứng dụng thuật toán chặt cân bằng trong hệ thống điều khiển cân bằng xe
hai bánh.
Đối tượng và phạm vi nghiên cứu
- Đối tượng: Các thuật toán giảm bậc mô hình, xe hai bánh tự cân bằng.
- Phạm vi nghiên cứu: Thuật toán chặt cân bằng cho hệ tuyến tính ổn định và
không ổn định; bài toán điều khiển cân bằng xe hai bánh.
Phương pháp nghiên cứu
- Thu thập nội dung các phương pháp giảm bậc mô hình, các thuật toán điều
khiển cân bằng xe hai bánh thông qua sách, các tạp chí chuyên ngành và qua mạng
internet.
- Lựa chọn thuật toán thuật toán giảm bậc mô hình có khả năng giảm bậc cả
hệ ổn định và không ổn định.
- Lựa chọn thuật toán điều khiển cân bằng xe dựa trên khả năng hoạt động ổn
định của xe hai bánh.
Ý nghĩa khoa học và thực tiễn của đề tài
Áp dụng thuật toán chặt cân bằng để giảm bậc bộ điều khiển bậc cao sẽ giúp
giảm độ phức tạp của thuật toán điều khiển, giảm thông tin thừa, tăng tốc độ xử lý.
Mô hình giảm bậc được sử dụng sẽ giúp xử lý tín hiệu một cách đơn giản, tăng tốc
v
độ tính toán, thiết kế hệ thống điều khiển đơn giản hơn đồng thời vẫn đảm bảo độ
chính xác yêu cầu.
Nội dung cơ bản của luận văn gồm các chương sau:
Chương 1: Tổng quan về giảm bậc mô hình.
Chương 2: Thuật toán giảm bậc mô hình.
Chương 3: Ứng dụng giảm bậc mô hình cho bài toán điều khiển cân bằng xe hai
bánh.
Sau thời gian tìm hiểu và nghiên cứu và đặc biệt dưới sự hướng dẫn của
Thầy TS. Vũ Ngọc Kiên luận văn của em đã được hoàn thành.
Trong quá trình thực hiện luận văn, chắc chắn không tránh khỏi những thiếu
sót. Em rất mong được sự chỉ bảo của các thầy giáo, cô giáo và sự góp ý chân thành
của các bạn.
vi
MỤC LỤC
Nội dung
Trang
LỜI CAM ĐOAN .....................................................................................................i
LỜI CẢM ƠN .........................................................................................................ii
MỞ ĐẦU .............................................................................................................. iii
MỤC LỤC ............................................................................................................. vi
Danh mục các bảng ..............................................................................................viii
Danh mục các hình vẽ, đồ thị.................................................................................. ix
Danh mục các ký hiệu viết tắt ................................................................................xii
CHƯƠNG 1. TỔNG QUAN VỀ GIẢM BẬC MÔ HÌNH ....................................... 1
1.1. Giới thiệu về giảm bậc mô hình .................................................................... 1
1.2 Bài toán giảm mô hình................................................................................... 2
1.3 Các phương pháp giảm bậc mô hình .............................................................. 3
1.3.1 Các nghiên cứu giảm bậc mô hình trên thế giới ...................................... 3
1.3.2 Các nghiên cứu trong nước về giảm bậc ................................................. 5
1.4 Kết luận chương 1 ......................................................................................... 6
CHƯƠNG 2. THUẬT TOÁN GIẢM BẬC MÔ HÌNH............................................ 7
2.1. Một số phép tính toán sử dụng trong giảm bậc mô hình .................................... 7
2.1.1 Một số phép phân tích ma trận ................................................................ 7
2.1.2 Gramian điều khiển và quan sát của hệ tuyến tính .................................. 7
2.2 Thuật toán chặt cân bằng cho hệ ổn định ....................................................... 9
2.3 Thuật toán chặt cân bằng cho hệ không ổn định........................................... 11
2.3.1 Gramian điều khiển và Gramian quan sát của hệ không ổn định ........... 13
2.3.2 Thuật toán chặt cân bằng gián tiếp cho hệ không ổn định ..................... 16
2.3.3 Thuật toán chặt cân bằng trực tiếp của Zhou ......................................... 17
2.4 Kết luận chương 2 ....................................................................................... 18
CHƯƠNG 3. ỨNG DỤNG GIẢM BẬC MÔ HÌNH CHO BÀI TOÁN ĐIỀU
KHIỂN CÂN BẰNG XE HAI BÁNH ................................................................... 20
3.1 Mô hình xe hai bánh tự cân bằng ................................................................. 20
vii
3.2. Mô hình hóa xe hai bánh tự cân bằng ......................................................... 21
3.3.Thiết kế bộ điều khiển bền vững RH∞.......................................................... 28
3.3.1. Khái niệm cơ bản về lý thuyết điều khiển RH∞ .................................... 28
3.3.2. Mô tả không gian H∞ và RH∞ .............................................................. 29
3.3.3. Xác định tập R( s ) các bộ điều khiển làm hệ SISO ổn định.................. 31
3.3.4 Tìm R( s ) trong R ( s ) để hệ có độ nhạy nhỏ nhất .................................. 33
3.3.5. Thiết kế tối ưu RH ∞ cho bài toán cân bằng xe hai bánh ...................... 34
3.4 Ứng dụng giảm bậc mô hình cho bài toán điều khiển cân bằng xe hai bánh . 42
3.4.1. Giảm bậc bộ điều khiển cân bằng xe hai bánh ..................................... 42
3.4.2. Sử dụng bộ điều khiển giảm bậc để điều khiển cân bằng xe hai bánh .. 47
3.5 Kết luận chương 3 ....................................................................................... 61
KẾT LUẬN VÀ KIẾN NGHỊ ............................................................................... 62
A. KẾT LUẬN .................................................................................................. 62
B. KIẾN NGHỊ ................................................................................................. 63
TÀI LIỆU THAM KHẢO ..................................................................................... 64
viii
Danh mục các bảng
Tên bảng
Trang
Bảng 3.1. Các thông số của mô hình xe hai bánh tự cân bằng
21
Bảng 3.2 Kết quả giảm bậc phân hệ ổn định của bộ điều khiển bậc cao
43
Bảng 3.3 Kết quả giảm bậc bộ điều khiển bậc cao
43
Bảng 3.4 Kết quả giảm bậc bộ điều khiển bậc cao
45
ix
Danh mục các hình vẽ, đồ thị
Tên hình
Trang
Hình 3.1. Mô hình xe hai bánh tự cân bằng
20
Hình 3.2. Mô hình xe hai bánh từ cân bằng
21
Hình 3.3. Mô hình điều khiển bền vững
28
Hình 3.4. Sơ đồ cấu trúc hệ thống điều khiển bền vững RH ∞
30
Hình 3.5. Mô hình Simulink xe hai bánh tự cân bằng
38
Hình 3.6. Sơ đồ Simulink hệ thống điều khiển cân bằng xe hai bánh tự cân
38
bằng
Hình 3.7. Đáp ứng góc lệch θ của xe khi tham số mô hình danh định
39
Hình 3.8. Đáp ứng góc lệch θ của xe khi tham số mô hình thay đổi
40
Hình 3.9. Đáp ứng góc lệch θ của xe khi tham số mô hình thay đổi
41
Hình 3.10. Đáp ứng bước nhảy của bộ điều khiển gốc và các bộ điều khiển
44
giảm bậc theo thuật toán chặt cân bằng gián tiếp
Hình 3.11. Đáp ứng tần số của bộ điều khiển gốc và các bộ điều khiển giảm
44
bậc theo thuật toán chặt cân bằng gián tiếp
Hình 3.12. Đáp ứng bước nhảy của bộ điều khiển gốc và các bộ điều khiển
46
giảm bậc theo thuật toán chặt cân bằng trực tiếp
Hình 3.13. Đáp ứng tần số của bộ điều khiển gốc và các bộ điều khiển giảm
46
bậc theo thuật toán chặt cân bằng trực tiếp
Hình 3.14 Mô hình Simulink hệ thống điều khiển cân bằng xe hai bánh
47
Hình 3. 15 Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
48
dụng bộ điều khiển gốc và bộ điều khiển bậc 5 theo thuật toán chặt cân bằng
gián tiếp
x
Hình 3. 16 Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
49
dụng bộ điều khiển bậc 4 theo thuật toán chặt cân bằng gián tiếp
Hình 3. 17 Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
50
dụng bộ điều khiển gốc và bộ điều khiển bậc 5 khi thông của mô hình xe hai
bánh thay đổi
Hình 3. 18. Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
51
dụng bộ điều khiển gốc và bộ điều khiển bậc 5 khi thông của mô hình xe hai
bánh thay đổi
Hình 3.19 Mô hình Simulink hệ thống điều khiển cân bằng xe hai bánh
52
Hình 3. 20. Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
53
dụng bộ điều khiển gốc và bộ điều khiển bậc 5 theo thuật toán chặt cân bằng
trực tiếp
Hình 3. 21. Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
54
dụng bộ điều khiển gốc và bộ điều khiển bậc 4, bậc 3, bậc 2 theo thuật toán
chặt cân bằng trực tiếp
Hình 3. 22. Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
55
dụng bộ điều khiển gốc và bộ điều khiển bậc 5 theo thuật toán chặt cân bằng
trực tiếp
Hình 3. 23. Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
56
dụng bộ điều khiển gốc và bộ điều khiển bậc 4, bậc 3 theo thuật toán chặt
cân bằng trực tiếp
Hình 3. 24. Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
57
dụng bộ điều khiển gốc và bộ điều khiển bậc 2 theo thuật toán chặt cân
bằng trực tiếp
Hình 3. 25. Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
dụng bộ điều khiển gốc và bộ điều khiển bậc 5 theo thuật toán chặt cân bằng
58
xi
trực tiếp
Hình 3. 26. Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
59
dụng bộ điều khiển gốc và bộ điều khiển bậc 4, bậc 3 theo thuật toán chặt
cân bằng trực tiếp
Hình 3. 27. Đáp ứng đầu ra của hệ thống điều khiển cân bằng xe hai bánh sử
dụng bộ điều khiển gốc và bộ điều khiển bậc 4, bậc 3 theo thuật toán chặt
cân bằng trực tiếp
60
xii
Danh mục các ký hiệu viết tắt
LQG
Linear Quadratic Regulator
MPC
Model Predictive Control
MOR
Model Order Reduction
ODEs
Ordinary Differential Equations
SVD
Singular Value Decomposition
1
CHƯƠNG 1. TỔNG QUAN VỀ GIẢM BẬC MÔ HÌNH
1.1. Giới thiệu về giảm bậc mô hình
Vì sao có bài toán giảm bậc mô hình ?
Trong rất nhiều lĩnh vực kỹ thuật (như kỹ thuật hàng không, kỹ thuật điều
khiển, kỹ thuật ô tô, động lực, …), mô hình toán học được sử dụng để mô hình hóa,
điều khiển và phân tích cho các hệ thống lớn và các hiện tượng vật lý. Do sự phát
triển của các phần mềm thiết kế mô hình chuyên dụng và tính toán chính xác trên
máy tính nên mô phỏng số ngày càng được sử dụng để mô phỏng các hệ thống phức
tạp hoặc hiện tượng vật lý và rút ngắn thời gian phát triển sản phẩm và giảm giá
thành. Tuy nhiên, do yêu cầu tăng cường tính chính xác của các mô hình đã dẫn đến
việc tăng cường số lượng các biến (biến trạng thái) và khối lượng tính toán cần
được xử lý làm tăng chi phí tính toán mô phỏng. Hơn nữa, theo quan điểm của điều
khiển học, khi mô hình đối tượng bậc cao hoặc bộ điều khiển bậc cao sẽ dẫn đến :
+ Sự gia tăng thời gian mô phỏng và khó khăn trong việc phân tích tính chất
của mô hình như tính chất bất định, thay đổi thông số, tính phi tuyến ...
+ Khó khăn khi tổng hợp bộ điều khiển hiện đại (như điều khiển LQG, điều
khiển bền vững H∞, H∞,/H2, MPC ...) cũng như hệ thống điều khiển sẽ khó có khả
năng đáp ứng yêu cầu điều khiển thời gian thực.
Vì vậy nếu có một mô hình toán học có bậc nhỏ hơn mà có thể mô tả một
cách tương đối chính xác đối tượng hoặc bộ điều khiển bậc cao thì :
- Mô hình giảm bậc tạo điều kiện để tìm hiểu về hệ thống hoặc để có sự hiểu
biết ban đầu về hệ thống dễ dàng hơn: Mô hình giảm giúp hiểu về hệ thống đơn
giản hơn.
- Mô hình bậc thấp sẽ giảm thời gian tính toán: Mô hình bậc thấp giúp quá
trình tính toán nhanh hơn.
- Mô hình bậc thấp chỉ ra được các đặc điểm (hành vi) bền vững của mô hình
gốc: Mô hình giảm bậc là mô hình đáng tín cậy hơn.
2
- Mô hình giảm bậc làm cho việc thiết kế điều khiển được thuận lợi hoặc dễ
dàng hơn: Bộ điều khiển thu được có cấu trúc đơn giản và dễ dàng hơn để hiểu và
thiết kế cũng như đáp ứng được yêu cầu điều khiển thời gian thực.
Từ thực tế đó, yêu cầu xác định mô hình bậc thấp từ mô hình gốc bậc cao
đáp ứng một số yêu cầu nhất định là một yêu cầu cấp thiết. Các thuật toán để xác
định mô hình bậc thấp từ mô hình bậc cao đáp ứng một số yêu cầu cơ bản (như bảo
toàn tính ổn định, sai số giảm bậc nhỏ, ..) hình thành nên lĩnh vực được gọi là “giảm
bậc mô hình” (MOR: Model Order Reduction).
1.2 Bài toán giảm mô hình
Mô hình giảm hay giảm bậc mô hình là một thuật toán để tìm một hệ bậc
thấp hơn so với hệ gốc dạng hệ phương trình vi phân thường (ODEs – ordinary
differential equations). Ý tưởng chính của thuật toán là chuyển véctơ trạng thái bậc
cao thành một véctơ trạng thái bậc thấp trong không gian trạng thái, cụ thể như sau:
Cho một hệ tuyến tính, liên tục, tham số bất biến theo thời gian, có nhiều đầu
vào, nhiều đầu ra, mô tả trong không gian trạng thái bởi hệ phương trình sau:
x = Ax + Bu
y = Cx
(1.1)
trong đó, x ∈ R n , u ∈ R p , y ∈ R q , A ∈ R nxn , B ∈ R nxp , C ∈ R qxn . Mục tiêu của bài toán
giảm bậc đối với mô hình mô tả bởi hệ phương trình đã cho trong (1.1) là tìm mô
hình mô tả bởi hệ các phương trình:
xr = Ar xr + Br u
yr = Cr xr
(1.2)
trong đó, x ∈ R r , u ∈ R p , y ∈ R q , A ∈ R rxr , B ∈ R rxp , C ∈ R qxr , với r ≤ n
Sao cho mô hình mô tả bởi phương trình (1.2) có thể thay thế mô hình mô tả bởi
phương trình trong (1.1), đồng thời đáp ứng được một số yêu cầu sau:
1. Sai số giảm bậc nhỏ và tồn tại một giới hạn lỗi toàn cục;
3
2. Thuật toán giảm bậc cần tính toán hiệu quả, ổn định;
3. Thuật toán giảm bậc có thể thực hiện tự động dựa trên giới hạn sai số;
4. Các tính chất quan trọng của hệ thống gốc cần được bảo toàn trong hệ
giảm bậc như tính ổn định và thụ động, …
1.3 Các phương pháp giảm bậc mô hình
1.3.1 Các nghiên cứu giảm bậc mô hình trên thế giới
Trong nhiều năm qua, đã có hàng trăm công trình nghiên cứu để giải quyết
bài toán giảm bậc mô hình bậc cao được công bố và đề xuất, trong đó hầu hết các
công trình tập trung giải quyết bài toán giảm bậc cho hệ tuyến tính. Tuy nhiên theo
[1, 32], đối với một hệ bậc cao cho trước, các phương pháp đã đề xuất có thể được
phân loại như sau
Nhóm phương pháp bảo toàn những giá trị riêng quan trọng của mô hình
gốc bậc cao để xác định bậc của mô hình bậc thấp. Và các tham số của mô hình bậc
thấp được xác định sao cho trước tác động của tín hiệu tại đầu vào, đáp ứng của mô
hình bậc thấp gần đúng với đáp ứng của mô hình gốc. Đề xuất được quan tâm nhiều
nhất của nhóm là phương pháp điểm cực trội của Rommes [22, 23, 24], trong những
nghiên cứu này, tác giả đã đưa ra được khái niệm hay tiêu chuẩn đánh giá tính quan
trọng của điểm cực dựa trên cở sở đóng góp của điểm cực vào đáp ứng xung đầu ra
từ đó làm cơ sở phân loại các điểm cực và bảo lưu các điểm cực trong hệ giảm bậc.
Nhóm phương pháp dựa trên thuật toán phân tích giá trị suy biến SVD:
Đề xuất đầu tiên của nhóm phương pháp này là phương pháp chặt cân bằng (cân
bằng nội) do Moore đề xuất [18]. Phương pháp chặt cân bằng được thực hiện bằng
cách áp dụng điều kiện tương đương lên quá trình đường chéo hóa đồng thời hai ma
trận gramian điều khiển và quan sát động học của hệ trong tư duy hệ hở. Việc tương
đương hóa hai ma trận đường chéo như thế cho phép chuyển mô hình gốc biểu diễn
trong hệ cơ sở bất kỳ thành hệ tương đương biểu diễn theo hệ tọa độ trong không
gian cân bằng nội. Từ không gian cân bằng đó, mô hình bậc thấp có thể tìm được
4
bằng cách loại bỏ các giá trị riêng ít đóng góp cho sự tạo dựng mối quan hệ giữa
đầu vào và đầu ra của hệ. Những nghiên cứu gần đây [10] tập trung vào hoàn thiện
thuật toán cho từng ứng dụng cụ thể của thuật toán cắt ngăn cân bằng. Ngoài
phương pháp cân bằng nội thì còn có một số phương pháp cân bằng khác như
phương pháp cân bằng ngẫu nhiên [17, 31], cân bằng giới hạn thực, cân bằng thực
dương [26], cân bằng LQG [9], cân bằng trọng tần số [35], phương pháp xấp xỉ
chuẩn Hankel (Hankel-Norm Approximation) [2], …
Nhóm phương pháp Singular Perturbation Approximation được đề xuất
đầu tiên bởi Y. Liu và B. D. O. Anderson [34] và được hoàn thiện thêm thuật toán
và ứng dụng trong các nghiên cứu [1, 28, 29].
Nhóm phương pháp dựa trên không gian con Krylov (moment matching
methods): Cơ sở của nhóm phương pháp này là chọn trùng khớp đặc tính đáp ứng
của hệ giảm bậc và hệ gốc. Sự hấp dẫn chủ yếu của nhóm phương pháp này nằm ở
chỗ tính toán đơn giản hơn so với các phương pháp khác. Nhóm phương pháp này
được phát triển từ phương pháp lấy xấp xỉ khi tích phân gần đúng hàm theo chuỗi
của Pade [21]. Một hạn chế lớn của phương pháp gần đúng Pade là đôi khi các mô
hình bậc thấp tìm được có thể không ổn định dù rằng mô hình gốc bậc cao ổn định.
Để khắc phục nhược điểm trên đã có nhiều phương pháp được đề xuất trong đó
quan trọng nhất là phương pháp giảm bậc ổn định sử dụng phương pháp gần đúng
theo chuỗi Chebyshev Pade do Bistritz và Lanholz đề xuất [5] và phương pháp thời
điểm phù hợp (Pade approximants - moment matching) dựa trên không gian Krylov
[13, 16, 32] và được chia làm 3 nhóm nhỏ hơn là 1) thực hiện theo quy trình
Arnoldi [33] 2) thực hiện theo quy trình Lanholz [13], 3) thực hiện theo tỷ số năng
lượng [16]. Các kỹ thuật thuật toán này đảm bảo cho việc lựa chọn điểm trùng khớp
phù hợp, cung cấp giới hạn lỗi, đảm bảo được sự ổn định của mô hình, có thể áp
dụng cho hệ nhiều vào nhiều ra, hệ tính toán song song,…
Nhóm phương pháp dựa trên Gramian và hàm dấu ma trận (Low-rank
Gramian approximants and matrix sign function method): Nhóm phương pháp này
5
là sự kết hợp của phương pháp dựa trên SVD và phương pháp thời điểm phù hợp
(moment matching) dựa trên không gian con Krylov: Nhóm phương pháp này tìm
cách kết hợp ưu điểm của các thuật toán dựa trên SVD và các thuật toán dựa trên
phương pháp thời điểm phù hợp. Đề xuất đầu tiên của nhóm phương pháp này là
của Li [25] đề xuất cách giải 2 phương trình Lyapunov bằng phép chiếu không gian
con Krylov. Tiếp theo hiện có rất nhiều tác giả tiếp tục nghiên cứu và đưa ra nhiều
phương pháp khác nhau để kết hợp 2 nhóm phương pháp trên [4, 5, 8, 11, 12].
Nhóm các phương pháp khác: Đánh quan tâm nhất là nhiễu loạn được
Sannuti và Kokovic đề xuất [27], phương pháp này đặc biệt tiện lợi khi hệ thống
gốc có đặc tính biến đổi theo hai mức thời gian. Các trạng thái động học của hệ
được phân chia thành các nhóm thuộc mode “chậm” và mode “nhanh” và việc giảm
bậc được thực hiện bằng cách cho các đạo hàm theo thời gian của các trạng thái
thuộc mode “nhanh” bằng không để các trạng thái thuộc thuộc mode “nhanh” được
loại bỏ.
Ngoài ra con có các phương pháp như phương pháp kết hợp phép chiếu trực
giao thích hợp (POD) với phương pháp cắt ngắn cân bằng (POD-BT), hay phương
pháp dùng các thuật toán PSO hoặc GA tìm thông số của mô hình giảm bậc cố định
cho hệ SISO, ...
1.3.2 Các nghiên cứu trong nước về giảm bậc
Theo tìm hiểu của tác giả thì ở trong nước hiện nay chưa có nhiều công trình
nghiên cứu về giảm bậc mô hình, xin nêu ra ở đây một số công trình mà tác giả đã
tìm hiểu được.
Luận văn tiến sĩ của Đào Huy Du [20] đề xuất phương pháp giảm bậc kết
hợp giữa phương pháp dựa trên SVD với bảo toàn giá trị riêng quan trọng và áp
dụng thuật toán giảm bậc cho bài toán viễn thông.
Các nghiên cứu của Nguyễn Ngọc San [7] đề xuất phương pháp giảm bậc tối
ưu đầu ra, đảm bảo bảo lưu các trạng thái các trạng thái của mô hình gốc bậc cao
6
trong mô hình giảm bậc và áp dụng thuật toán giảm bậc cho các bài toán trong
mạng viễn thông.
Luận văn tiến sĩ của Vũ Ngọc Kiên [32] để xuất thuật toán giảm bậc bảo toàn
các điểm cực trội theo chuẩn H2, H∞ trong quá trình giảm bậc hệ ổn định và không
ổn định và áp dụng thuật toán vào bài toán điều khiển.
1.4 Kết luận chương 1
Qua quá trình tìm hiểu các phương pháp giảm bậc mô hình, cho thấy phương
pháp "tốt nhất" hiện nay, tức là một phương pháp giảm bậc đáp ứng mọi yêu cầu,
chưa tồn tại. Mỗi phương pháp giảm bậc đều có những ưu nhược điểm riêng và cần
sử dụng theo một nhu cầu thích hợp.
Với mục tiêu của luận văn là nghiên cứu giảm bậc ứng dụng cho bài toán
điều khiển, cụ thể là ứng dụng cho bài toán điều khiển xe hai bánh tự cân bằng thì
phương pháp giảm bậc cần phải đảm bảo sai số giảm bậc nhỏ, hiệu quả tính toán
cao, đồng thời do bộ điều khiển bậc cao thu được theo các phương pháp điều khiển
bền vững H∞ có thể là không ổn định nên các thuật toán giảm bậc cần phải giảm bậc
được cho cả đối tượng ổn định và không ổn định.
7
CHƯƠNG 2. THUẬT TOÁN GIẢM BẬC MÔ HÌNH
2.1. Một số phép tính toán sử dụng trong giảm bậc mô hình
2.1.1 Một số phép phân tích ma trận
2.1.1.1 Phân tích SVD (Singular Value Decompositon)
Cho ma trận A ∈ C nxn , với n ≤ m. Khi đó tồn tại hai ma trận unita U ∈ C nxn ,
UU * = I , và V ∈ C nxn , VV * = I , sao cho:
A = U ΣV T ,
trong đó Σ = diag (σ 1 , σ 2 ,...σ n ) là ma trận đường chéo, với σ 1 > σ 2 > ... > σ n là căn
bậc hai của giá trị riêng AA* . Phép phân tích A = U ΣV * được gọi là phép phân tích
giá trị suy biến của ma trận A [1].
2.1.1.2 Phân tích Schur
Cho ma trận vuông A ∈ C nxn . Khi đó tồn tại ma trận unita U ∈ C nxn sao cho
A = U ∆U * ,
trong đó: ∆ là ma trận tam giác trên với các giá trị riêng của ma trận A nằm trên
đường chéo chính của ma trận ∆ .
2.1.1.3 Phân tích Cholesky
Cho ma trận A ∈ C nxn là ma trận xác định dương. Khi đó tồn tại một ma trận
tam giác trên R ∈ C nxn sao cho
A = R * R,
Ma trận R còn được gọi là thừa số cholesky của A.
2.1.2 Gramian điều khiển và quan sát của hệ tuyến tính
Xét một hệ tuyến tính, liên tục, tham số bất biến theo thời gian, ổn định tiệm
cận như mô tả trong (1.1).
- Xem thêm -