Điêu khien thiêt bị phản ứng khuấy trộn liên tục cstr sử dụng giải thuật di truyền

  • 26 trang
  • file .pdf
1
BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC ĐÀ NẴNG
VÕ ĐẠI BÌNH
ĐIỀU KHIỂN THIẾT BỊ PHẢN ỨNG
KHUẤY TRỘN LIÊN TỤC CSTR
SỬ DỤNG GIẢI THUẬT DI TRUYỀN
Chuyên ngành: Tự ñộng hóa
Mã số: 60.52.60
TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT
Đà Nẵng, Năm 2012
2
Công trình ñược hoàn thành tại
ĐẠI HỌC ĐÀ NẴNG
Người hướng dẫn khoa học: TS. NGUYỄN QUỐC ĐỊNH
Phản biện 1: TS. NGUYỄN BÊ
Phản biện 2: PGS.TS. NGUYỄN HỒNG ANH
Luận văn ñược bảo vệ tại Hội ñồng chấm Luận văn tốt nghiệp Thạc sĩ Kỹ
thuật họp tại Đại học Đà Nẵng vào ngày 30 tháng 6 năm 2012
Có thể tìm hiểu luận văn tại:
- Trung tâm Thông tin - Học liệu, Đại học Đà Nẵng
- Trung tâm Học liệu, Đại học Đà Nẵng.
3
MỞ ĐẦU
1. Lí do chọn ñề tài
Cùng với sự phát triển của ñất nước, hiện nay sự nghiệp công nghiệp hóa,
hiện ñại hóa ngày càng phát triển mạnh mẽ, sự tiến bộ của khoa học kỹ thuật,
trong ñó kỹ thuật ñiều khiển tự ñộng - thông minh cũng góp phần rất lớn tạo
ñiều kiện ñể nâng cao hiệu quả trong quá trình sản xuất và ñảm bảo các yêu cầu
về bảo vệ con người, máy móc và môi trường.
Ngành công nghiệp hóa chất là một trong những ngành kinh tế rất quan
trọng. Công nghiệp hóa chất sản xuất các hóa chất cơ bản hay hợp chất phức
tạp, cung cấp nguyên liệu phục vụ cho rất nhiều các ngành công nghiệp khác và
ñời sống của con người. Vì vậy yêu cầu ñặt ra là các sản phẩm của ngành phải
ñạt ñược chất lượng ngày càng cao. Bắt buộc trong quá trình ñiều khiển các ñại
lượng cơ bản như lưu lượng, áp suất, nhiệt ñộ, nồng ñộ,… cần ñáp ứng với ñộ
chính xác cao ñể phục vụ cho quá trình sản xuất ñạt hiệu quả tốt hơn.
Đặc thù của quá trình công nghệ sản xuất hóa chất là khó thay ñổi thiết kế
về công nghệ, mô hình phức tạp, chịu ảnh hưởng của nhiều ñối tượng tác ñộng ñặc
biệt là các tác ñộng khó xác ñịnh như nhiệt ñộ… Nên trong ñiều khiển ta phải thiết
lập một hệ thống ñiều khiển phù hợp với ñặc thù của quá trình công nghệ có tính
thích ứng cao. Thiết bị phản ứng khuấy trộn liên tục (CSTR- Continuous stirred
tank reactor) là một trong những thiết bị thường ñược sử dụng trong ngành hóa
chất, với thiết bị này có thể thực hiện các phản ứng hóa học ñể tạo ra các loại môi
chất mới. Cùng với sự phát triển của kỹ thuật ñiều khiển tự ñộng hiện nay thì có
nhiều cách ñể ñiều khiển thiết bị CSTR (ñiều khiển quá trình hóa học) chẳng hạn
sử dụng bộ ñiều khiển PID kinh ñiển, ñiều khiển mờ, nơron,…nhưng mỗi bộ ñiều
khiển ñều có ưu và nhược ñiểm nhất ñịnh.
Hiện nay, với bộ ñiều khiển sử dụng mạng hồi quy có thêm một hướng
phát triển mới trong lĩnh vực nghiên cứu thiết kế ñiều khiển hệ thống, có rất
nhiều ứng dụng trong lĩnh vực ñiều khiển trong công nghiệp hiện nay. Bộ ñiều
khiển sử dụng mạng hồi quy về nguyên tắc là bộ ñiều khiển tĩnh phi tuyến, có
thể ñược thiết kế với chất lượng hệ thống cho trước theo một ñộ chính xác tuỳ ý
và làm việc theo nguyên lý tư duy của con người. Tuy nhiên, cấu trúc của mạng
hồi quy sẽ rất phức tạp và việc ñiều chỉnh các tham số của mạng cho thích hợp
4
sẽ khó hơn. Có nhiều loại mạng hồi quy như : mạng hồi quy mờ, mạng hồi quy
nơron... ñã ñược ñưa ra cùng với thuật toán cho việc học của chúng
Gần ñây, một số cách học dựa trên giải thuật di truyền, tiến hóa ñược
dùng trong thiết kế mạng hồi quy ñược ñề xuất ñể giải quyết các vấn ñề học cho
bộ ñiều khiển hồi quy. Mục ñích của những cách học này là phát triển, cải tiến
ñể nâng cao hiệu suất trong việc ñiều khiển.
Với phương hướng như trên, tác giả sẽ tìm hiểu, nghiên cứu ứng dụng giải
thuật di truyền vào mạng nơron ñể ñiều khiển thiết bị phản ứng khuấy trộn liên
tục. Đó là lí do chọn ñề tài "ĐIỀU KHIỂN THIẾT BỊ PHẢN ỨNG KHUẤY
TRỘN LIÊN TỤC CSTR SỬ DỤNG GIẢI THUẬT DI TRUYỀN"
2. Mục ñích nghiên cứu
- Hiểu rõ lí thuyết mạng hồi quy, mạng nơron và thuật toán di truyền GA
- Ứng dụng GA vào việc thiết kế bộ ñiều khiển ñiều thiết bị phản ứng
khuấy trộn liên tục CSTR
- Sử dụng ñược phần mềm MATLAB SIMULINK làm công cụ xây dựng
mô hình mô phỏng kết quả.
3. Đối tượng nghiên cứu
- Thiết bị phản ứng khuấy trộn liên tục CSTR - Continuous-stirred tank
reactor;
- Mạng nơ ron;
- Thuật toán di truyền GA.
4. Phạm vi nghiên cứu
- Kết hợp giải thuật di truyền và mạng nơ ron ñể ñiều khiển thiết bị CSTR
cho tín hiệu theo mong muốn.
5. Phương pháp nghiên cứu
- Nghiên cứu lý thuyết kết hợp với mô phỏng mô hình bằng công cụ
Matlab – Simulink, sẽ là cơ sở ñể tiếp tục nghiên cứu trong thực tế.
6. Ý nghĩa của ñề tài
Ý nghĩa khoa học
Nếu thực hiện thành công, ñề tài sẽ mang lại một hướng ñi mới trong việc
thiết kế một bộ ñiều khiển tối ưu có sử dụng giải thuật di truyền. Bên cạnh việc
giữ ñược ưu ñiểm của bộ ñiều khiển nơron, phương pháp mới sẽ bổ sung cho
5
mạng một khả năng học mang tính di truyền nhằm ñưa ra hướng giải quyết tối ưu
nhất trong các trường hợp xảy ra với ñối tượng. Qua ñó tạo ra một công cụ ñiều
khiển mạnh trong ñiều khiển quá trình sử dụng trí tuệ nhân tạo.
Ý nghĩa thực tiễn
Đề tài thực hiện làm cơ sở ñể thực hiện các bộ ñiều khiển sử dụng trí tuệ
nhân tạo có khả năng ñiều khiển các hệ thống phức tạp với chất lượng ñạt yêu
cầu.
7. Cấu trúc luận văn : Luận văn gồm 4 chương:
CHƯƠNG 1: THIẾT BỊ PHẢN ỨNG KHUẤY TRỘN LIÊN TỤC
CONTINUOUS STIRRED TANK REACTOR - CSTR
1.1. Giới thiệu thiết bị phản ứng khuấy trộn liên tục
1.2. Cấu hình thiết bị CSTR
1.3. Phương trình toán học của ñối tượng
CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT
2.1. Giới thiệu tổng quan về mạng nơron
2.2. Giới thiệu tổng quan về thuật toán di truyền GA – Genetic
Algorithm
CHƯƠNG 3: THIẾT KẾ BỘ ĐIỀU KHIỂN SỬ DỤNG GIẢI THUẬT DI
TRUYỀN
3.1. Xây dựng mô hình bộ ñiều khiển sử dụng giải thuật di truyền
3.2. Tính toán các thông số trong thiết bị CSTR
CHƯƠNG 4: MÔ PHỎNG VÀ NHẬN XÉT
4.1. Mô phỏng bộ ñiều khiển
4.2. Kết quả mô phỏng
4.3. Nhận xét kết quả mô phỏng
6
CHƯƠNG 1
THIẾT BỊ PHẢN ỨNG KHUẤY TRỘN LIÊN TỤC
CONTINUOUS STIRRED TANK REACTOR - CSTR
1.1. GIỚI THIỆU THIẾT BỊ PHẢN ỨNG KHUẤY TRỘN LIÊN TỤC
Thiết bị khuấy trộn liên tục (CSTR) ñược biết ñến như một thùng chứa lớn
hoặc một lò phản ứng, là một dạng thiết bị phản ứng phổ biến trong kĩ thuật hóa
học. Một thiết bị CSTR thường dùng ñể nói ñến một mô hình ñược sử dụng ñể
ñánh giá sự thay ñổi của các thành phần hợp chất trong quá trình phản ứng, với
việc sử dụng một thùng (bể) chứa có thiết bị khuấy hoạt ñộng liên tục, nhằm
cho sản phẩm ñầu ra theo yêu cầu. Mô hình này làm việc với hầu hết các lưu
chất như : chất lỏng, khí ñốt, bùn than, xi măng...
Cách xử lý của một thiết bị CSTR là thường xấp xỉ hay hướng theo một
mẫu lý tưởng gọi là Continuous Ideally Stirred-Tank Reactor (CISTR). Tất cả
các tính toán ñều ñược xấp xỉ với các ñiều kiện lý tưởng. Trong một lò phản
ứng khuấy trộn hoàn hảo, hợp chất ở ñầu ra là ñồng nhất ñược cấu thành từ các
hợp chất hóa học ở ñầu vào, hoạt ñộng với thời gian và tốc ñộ phản ứng ổn
ñịnh. Nếu thời gian trộn ổn ñịnh là từ 5 ñến 10 chu kì thì ta coi như ñã ñạt ñược
yêu cầu kĩ thuật. Các thiết bị CSTR khi ñược sử dụng thường ñược ñơn giản
hóa các công thức tính toán kĩ thuật và có thể ñược sử dụng ñể mô tả các nghiên
cứu về phản ứng.
Hình 1.1. Thiết bị CSTR - Continuous-stirred tank reactor
7
1.2. CẤU HÌNH THIẾT BỊ CSTR
1.2.1. Cấu hình thiết bị CSTR dòng chết 2 biến ngõ vào và 2 biến ngõ ra
1.2.2. Cấu hình thiết bị CSTR dòng chảy qua 2 biến ngõ vào và 2 biến ngõ ra
1.2.3. Cấu hình thiết bị CSTR có nguồn nhiệt 3 biến ngõ vào, 3 biến ngõ ra
1.2.4. Cấu hình thiết bị CSTR có nguồn nhiệt 2 biến ngõ vào (Tc0 và Ca0), 2
biến ngõ ra(Tavà Ca)
1.3. PHƯƠNG TRÌNH TOÁN HỌC CỦA ĐỐI TƯỢNG
Hình 1.6. Hệ thống CSTR có nguồn nhiệt 2 biến ngõ vào (Tc0 và Ca0),
2 biến ngõ ra (Tavà Ca)
Bảng 1.1. Kí hiệu các ñại lượng
Kí hiệu Ý nghĩa Đơn vị
q Lưu lượng dòng chảy chất A Lít/phút
Ca0 Nồng ñộ mol của chất A mol /lít
T0 Nhiệt ñộ chất ñưa vào phản ứng K
Tc0 Nhiệt ñộ vào nguồn nhiệt K
V Thể tích bồn = thể tích hỗn hợp phản ứng Lít
ha Hệ số truyền nhiệt J/phút.K
k0 Hệ số va chạm 1/phút
E/R Năng lượng hoạt hóa K
R Hằng số khí
- ∆H Entanpi phản ứng (sức phản nhiệt) cal/mol
ρ Khối lượng riêng của chất phản ứng g/lít
ρc Khối lượng riêng của chất làm thiết bị nguồn nhiệt g/lít
Cp Nhiệt dung riêng của chất phản ứng cal/g.K
Cpc Nhiệt dung riêng của chất làm thiết bị nguồn nhiệt cal/g.K
qc Lưu lượng dòng chảy nguồn nhiệt Ml/phút
Ta Nhiệt ñộ của hợp chất sau phản ứng oC
Ca Nồng ñộ mol của chất B mol/lít
8
Từ hệ thống CSTR ñã chọn và theo tài liệu [11] [12] [14] [15] ñã xác ñịnh
mô hình toán cho hệ thống CSTR như sau:
Phương trình cân bằng mol cho thiết bị khuấy trộn liên tục:
dn j  dn j   dn 
=   +  j  (1.1)
dt  dt  ñl  dt  R
= q (C 0 j − C j ) + ∑ν i , j ri V
dC j r
(1.2)
V
dt i =1
Trong ñó: ν : tốc ñộ chuyển hóa cơ chất
r : tốc ñộ phản ứng r = k.cjn
n : bậc phản ứng
Theo phương trình Arrhenius
k = k0.exp  − E  (1.3)
 RT 
Trong ñó: k0: hệ số va chạm
Xét cụ thể phản ứng ở pha lỏng, ñẳng tích: A => B
Phương trình tốc ñộ :
E

r = k0e RT
CA (1.4)
Phương trình cân bằng vật chất cho chất A:
E
dCa q −
= (Ca 0 − Ca ) − k0Ca e RTa (1.5)
dt V
Ta có phương trình cân bằng nhiệt của thiết bị khuấy trộn liên tục có dạng:
dQ I
= Q S 1 − Q S 2 − Q D − Qv + Q R + QC (1.6)
dt
Với QI là nhiệt lượng của hệ:
Q I = mC p T = ρVC p T (1.7)
QS1, QS2 dòng nhiệt ñối lưu do hỗn hợp ñầu mang vào và hỗn hợp phản
ứng mang ra.
QS1 = ρqC p1T0 (1.8)
9
QS 2 = ρqC p 2Ta (1.9)
Trong ñó:
QD : lượng nhiệt trao ñổi giữa hỗn hợp phản ứng và tác nhân tải nhiệt qua
thành thiết bị. Đối với trường hợp này QD =0
Qv : Lượng nhiệt tổn thất ra môi trường xung quanh. Xét Qv = 0
QR : Nhiệt phản ứng
QR = − r.∆H .V (1.10)
Với Qc là Nhiệt lượng do nguồn nhiệt sinh ra
  k 
Qc = k 2 q c 1 − exp − 3  (Tc 0 − Ta ) (1.11)
  q c 
Với: k2 = ρ c C pc
ha
k3 =
ρC pc
Thế (1.7), (1.8), (1.9), (1.10), (1.11) vào (1.6) và với T = Ta , ta có:
dTa q  E    k3  
= (T0 − Ta ) + k1Ca exp  −  + k2 qc 1 − exp  −   (Tc 0 − Ta ) (1.12)
dt V  RTa    qc  
(− ∆H )k 0
Với k1 =
ρC p
Từ (1.5) và (1.12) ta có mô hình toán của ñối tượng như sau:
 dCa q −
E
 = (Ca 0 − Ca ) − k0Ca e RTa
 dt V
 (1.13)
 dTa = q (T − T ) + k C exp  − E  + k q 1 − exp  − k3   ( T − T )
 0 a 1 a   2 c   c0 a
 dt V  RTa    qc  
10
CHƯƠNG 2: TỔNG QUAN LÝ THUYẾT
2.1. GIỚI THIỆU TỔNG QUAN VỀ MẠNG NƠRON
2.1.1. Giới thiệu tổng quan về bộ não người và Nơron sinh học
Hệ thống thần kinh của con người có thể ñược xem như một hệ thống
ba tầng. Trung tâm của hệ thống là bộ não ñược tạo nên bởi một mạng lưới
thần kinh; nó liên tục thu nhận thông tin, nhận thức thông tin, và thực hiện
các quyết ñịnh phù hợp. Bên ngoài bộ não là các bộ tiếp nhận làm nhiệm vụ
chuyển ñổi các kích thích từ cơ thể con người hay từ môi trường bên ngoài
thành các xung ñiện; các xung ñiện này vận chuyển các thông tin tới mạng
lưới thần kinh. Tầng thứ ba bao gồm các bộ tác ñộng có nhiệm vụ chuyển
ñổi các xung ñiện sinh ra bởi mạng lưới thần kinh thành các ñáp ứng có thể
thấy ñược (dưới nhiều dạng khác nhau), chính là ñầu ra của hệ thống.
Hình 2.1. Biểu diễn sơ ñồ khối của hệ thống thần kinh
Thần kinh trung ương ñược cấu tạo từ 2 lớp tế bào, tế bào thần kinh (gọi
là nơron) và tế bào glia. Trong ñó, glia chỉ thực hiện chức năng hỗ trợ, nơron
mới trực tiếp tham gia vào quá trình xử lý thông tin. Bộ não người chứa khoảng
11 14
10 nơron, với hơn 10 liên kết giữa chúng, tạo thành một mạng tế bào thần
kinh khổng lồ. Hình 2.2 cho thấy tổng thể của một bộ não người.
Hình 2.2. Bộ não người
11
Mỗi nơron có phần thân với nhân bên trong (gọi là soma), một ñầu thần
kinh ra (gọi là sợi trục axon) và một hệ thống dạng cây các dây thần kinh vào
(gọi là dendrite). Xem Hình 2.3. Trục dây thần kinh ra cũng có thể phân nhánh
theo dạng cây ñể nối với các dây thần kinh vào hoặc trực tiếp với nhân tế bào
của các nơron khác thông qua các khớp nối (gọi là synapse). Thông thường mỗi
nơron có thể có từ vài chục ñến vài trăm ngàn khớp nối.
Hình 2.3. Cấu trúc của một nơron sinh học
Các nơron là các ñơn vị xử lý thông tin cơ sở của bộ não với tốc ñộ xử lý
chậm hơn từ năm tới sáu lần các cổng logic silicon. Tuy nhiên ñiều này ñược bù
ñắp bởi một số lượng rất lớn các nơron trong bộ não. Các synapse về cơ bản là
các ñơn vị cấu trúc và chức năng làm trung gian kết nối giữa các nơron. Kiểu
synapse chung nhất là synapse hoá học, hoạt ñộng như sau. Một quá trình tiền
synapse giải phóng ra một chất liệu truyền, chất liệu này khuếch tán qua các
synapse và sau ñó lại ñược xử lý trong một quá trình hậu synapse. Như vậy một
synapse chuyển ñổi một tín hiệu ñiện tiền synapse thành một tín hiệu hoá học
và sau ñó trở lại thành một tín hiệu ñiện hậu synapse. Trong hệ thống thuật ngữ
về ñiện, một phần tử như vậy ñược gọi là một thiết bị hai cổng không thuận
nghịch.
Có thể nói rằng tính mềm dẻo của hệ thống thần kinh con người cho phép
nó có thể phát triển ñể thích nghi với môi trường xung quanh. Trong một bộ óc
người trưởng thành, tính mềm dẻo ñược thể hiện bởi hai hoạt ñộng: sự tạo ra
các synapse mới giữa các nơron, và sự biến ñổi các synapse hiện có. Các nơron
12
có sự ña dạng lớn về hình dạng, kích thước và cấu tạo trong những phần khác
nhau của bộ não thể hiện tính ña dạng về bản chất tính toán.
Các tín hiệu truyền trong các dây thần kinh vào và ra của các nơron là tín
hiệu ñiện, ñược thực hiện thông qua quá trình giải phóng các chất hữu cơ. Các
chất này ñược phát ra từ các khớp nối, Hình 2.4, dẫn tới các dây thần kinh vào
sẽ làm tăng hay giảm ñiện thế của nhân tế bào. Khi ñiện thế ñạt tới một ngưỡng
nào ñó (gọi là ngưỡng kích hoạt), sẽ tạo ra một xung ñiện dẫn tới trục dây thần
kinh ra. Xung này ñược truyền theo trục tới các nhánh rẽ, khi chạm vào các
khớp nối nối với các nơron khác, sẽ giải phóng các chất truyền ñiện, Hình 2.5.
Người ta chia thành 2 loại khớp nối, khớp kích thích (excitatory) và khớp ức
chế (inhibitory).
Hình 2.4. Khớp nối thần kinh
Hình 2.5. Xung ñiện trên trục thần kinh
Việc nghiên cứu nơron sinh học cho thấy hoạt ñộng của nó khá ñơn giản,
khi ñiện thế ở dây thần kinh vào vượt quá một ngưỡng nào ñó, nơron bắt ñầu
13
giật (firing), tạo ra một xung ñiện truyền trên dây thần kinh ra ñến các nơron
khác, cơ chế này cho phép dễ dàng tạo ra mô hình nơron nhân tạo.
Trong bộ não, có một số lượng rất lớn các tổ chức giải phẫu quy mô nhỏ cũng
như quy mô lớn cấu tạo dựa trên cơ sở các nơron và các synapse; chúng ñược
phân thành nhiều cấp theo quy mô và chức năng ñặc thù. Cần phải nhận thấy
rằng kiểu cấu trúc phân cấp hoàn hảo này là ñặc trưng duy nhất của bộ não.
Chúng không ñược tìm thấy ở bất kỳ nơi nào trong một máy tính số, và không ở
ñâu chúng ta ñạt tới gần sự tái tạo lại chúng với các mạng nơron nhân tạo. Tuy
nhiên, hiện nay chúng ta ñang tiến từng bước một trên con ñường dẫn tới một
sự phân cấp các mức tính toán tương tự như vậy. Các nơron nhân tạo mà chúng
ta sử dụng ñể xây dựng nên các mạng nơron nhân tạo thực sự là còn rất thô sơ
so với những gì ñược tìm thấy trong bộ não. Các mạng nơron mà chúng ta ñã
xây dựng ñược cũng chỉ là một sự phác thảo thô kệch nếu ñem so sánh với các
mạch thần kinh trong bộ não. Nhưng với những tiến bộ ñáng ghi nhận trên rất
nhiều lĩnh vực trong các thập kỷ vừa qua, chúng ta có quyền hy vọng rằng trong
các thập kỷ tới các mạng nơron nhân tạo sẽ tinh vi hơn nhiều so với hiện nay.
2.1.2. Giới thiệu tổng quan về nơron nhân tạo
Lý thuyết về Mạng nơron nhân tạo, hay gọi tắt là “Mạng nơron”, ñược
xây dựng xuất phát từ một thực tế là bộ não con người luôn luôn thực hiện
các tính toán một cách hoàn toàn khác so với các máy tính số. Có thể coi bộ
não là một máy tính hay một hệ thống xử lý thông tin song song, phi tuyến
và cực kỳ phức tạp. Nó có khả năng tự tổ chức các bộ phận cấu thành của
nó, như là các tế bào thần kinh (nơron) hay các khớp nối thần kinh
(synapse), nhằm thực hiện một số tính toán như nhận dạng mẫu và ñiều
khiển vận ñộng nhanh hơn nhiều lần các máy tính nhanh nhất hiện nay. Sự
mô phỏng bộ não con người của mạng nơron là dựa trên cơ sở một số tính
chất ñặc thù rút ra từ các nghiên cứu về thần kinh sinh học.
Mạng nơron nhân tạo là mô hình toán học ñơn giản của bộ não con người, bản
chất của mạng nơron nhân tạo là mạng tính toán phân bố song song. Trái với
mô hình tính toán thông thường, hầu hết các mạng nơron phải ñược huấn luyện
14
trước khi sử dụng. Các nghiên cứu về mạng nơron nhân tạo ñã bắt ñầu từ thập
niên 1940. Đến năm 1944, McCulloch và Pitts công bố công trình nghiên cứu
về liên kết của các tế bào nơron. Năm 1949, Hebb công bố nghiên cứu về tính
thích nghi của mạng nơron. Cuối năm 1950, Rosenblatt ñưa ra mạng
Perceptron. Nghiên cứu về mạng nơron chỉ phát triển mạnh mẽ kể từ sau những
năm 1980 sau giai ñoạn thoái trào từ năm 1969, khi Minsky và Papert chỉ ra
một số khuyết ñiểm của mạng Perceptron. Năm 1985 mạng Hopfield ra ñời và
sau sau ñó một năm là mạng lan truyền ngược. Đến nay ñã có rất nhiều cấu hình
mạng và các thuật toán huấn luyện tương ứng ñược công bố ñể giải quyết các
bài toán khác nhau.
2.1.2.1. Mô hình tế bào Nơron nhân tạo
2.1.2.2. Mô hình nơron một ngõ vào
2.1.2.3. Mô hình nơron nhiều ngõ vào
2.1.3. Phản hồi (feedback)
2.1.4. Mạng nơron
2.1.4.1. Phân loại mạng nơron
2.1.4.2. Đặc trưng của mạng nơron
2.1.4.3. Biễu diễn tri thức trong mạng nơron
2.1.4.4. Huấn luyện mạng Nơron
2.2. GIỚI THIỆU TỔNG QUAN VỀ THUẬT TOÁN DI TRUYỀN GA –
GENETIC ALGORITHM
2.2.1. Từ ngẫu nhiên ñến thuật giải di truyền
2.2.2. Động lực
2.2.3. Thuật giải di truyền
Thuật giải di truyền (GA) là kỹ thuật chung giúp giải quyết vấn ñề-bài
toán bằng cách mô phỏng sự tiến hóa của con người hay của sinh vật nói chung
(dựa trên thuyết tiến hóa muôn loài của Darwin) trong ñiều kiện quy ñịnh sẵn
của môi trường. GA là một thuật giải, nghĩa là mục tiêu của GA không nhằm
ñưa ra lời giải chính xác tối ưu mà là ñưa ra lời giải tương ñối tối ưu.
GA( Fitness, Fitness_threshold, p, r, m)
{
// Fitness: hàm gán thang ñiểm ước lượng cho một giả thuyết
15
// Fitness_threshold: Ngưỡng xác ñịnh tiêu chuẩn dừng giải thuật tìm
kiếm
// p: Số cá thể trong quần thể giả thuyết
// r: Phân số cá thể trong quần thể ñược áp dụng toán tử lai ghép ở mỗi
bước
// m: Tỉ lệ cá thể bị ñột biến
• Khởi tạo quần thể: P  Tạo ngẫu nhiên p cá thể giả thuyết
• Ước lượng: Ứng với mỗi h trong P, tính Fitness(h)
• while [max Fitness(h)] < Fitness_threshold do
Tạo thế hệ mới, PS
1. Chọn cá thể: chọn theo xác suất (1 – r)p cá thể trong quần thể P
thêm vào PS. Xác suất Pr(hi) của giả thuyết hi thuộc P ñược tính
bởi công thức:
Fitness (hi )
Pr(hi ) =

p
j =1
Fitness (h j )
2. Lai ghép: chọn lọc theo xác suất r × p cặp giả thuyết từ quần thể
2
P, theo Pr(hi) ñã tính ở bước trên. Ứng với mỗi cặp , tạo
ra hai con bằng cách áp dụng toán tử lai ghép. Thêm tất các các
con vào PS.
3. Đột biến: Chọn m% cá thể của PS với xác suất cho mỗi cá thể là
như nhau. Ứng với mỗi cá thể biến ñổi một bit ñược chọn ngẫu
nhiên trong cách thể hiện của nó.
4. Cập nhật: P  PS.
5. Ước lượng: Ứng với mỗi h trong P, tính Fitness(h)
• Trả về giả thuyết trong P có ñộ thích nghi cao nhất.
}
16
Hình 2.38. Sơ ñồ tổng quát của thuật giải di truyền
2.2.4. Cơ chế thực hiện của thuật giải
2.2.4.1. Mã hóa
2.2.4.2. Chọn lọc cá thể.
2.2.4.3. Lai ghép
2.2.4.4. Đột biến
2.2.5. Hàm thích nghi và sự chọn lọc
2.2.5.1. Độ thích nghi tiêu chuẩn
2.2.5.2. Độ thích nghi xếp hạng (rank method)
2.2.5.3. Xử lý các ràng buộc
2.2.5.4. Điều kiện kết thúc lặp của GAs
17
CHƯƠNG 3: THIẾT KẾ BỘ ĐIỀU KHIỂN SỬ DỤNG
GIẢI THUẬT DI TRUYỀN
3.1. XÂY DỰNG MÔ HÌNH BỘ ĐIỀU KHIỂN SỬ DỤNG GIẢI THUẬT DI
TRUYỀN
Nhằm mục ñích ñiều khiển nồng ñộ và nhiệt ñộ của môi chất ra sao
cho bằng theo giá trị ñặt và . Tác giả thiết kế bộ ñiều khiển gồm mạng
nơron kết hợp với giải thuật di truyền ñể ñiều khiển thiết bị CSTR. Trong ñó
giải thuật di truyền sẽ huấn luyện mạng nơron cập nhật trọng số tối ưu cho
mạng nơron sao cho sai lệch là cực tiểu. Mô hình ñiều khiển có dạng như sau:
GA
NƠRON CSTR
Hình 3.1. Mô hình bộ ñiều khiển
Để ñơn giản hóa trong quá trình mô phỏng, ở ñây tác giả chọn mạng
nơron 2 lớp gồm 1 lớp ẩn và 1 lớp ra sử dụng hàm truyền tansig và hàm purelin.
Tín hiệu ñầu vào (tín hiệu ñặt là xung hình chữ nhật).
Hình 3.2. Mô hình mạng nơron
3.2. TÍNH TOÁN CÁC THÔNG SỐ TRONG THIẾT BỊ CSTR
Phương trình toán học của hệ ñối tượng
18
 dCa q −
E
 = (Ca 0 − Ca ) − k0Ca e RTa
 dt V
 (3.1)
 dTa = q (T − T ) + k C exp  − E  + k q 1 − exp  − k3   ( T − T )
 0 a 1 a   2 c   c0 a
 dt V  RTa    qc  
Bảng 3.1. Bảng thông số các hằng số trong phương trình
Kí hiệu Ý nghĩa Giá trị
Ca0 Nồng ñộ mol của chất A 1 (mol /lít)
T0 Nhiệt ñộ chất ñưa vào phản ứng 350 (K)
Tc0 Nhiệt ñộ vào nguồn nhiệt 350 (K)
V Thể tích bồn = thể tích hỗn hợp phản ứng 100 (lít)
ha Hệ số truyền nhiệt 7.105 (J/phút.K)
k0 Hệ số va chạm 7,2.1010 (1/phút)
E/R Năng lượng hoạt hóa 1.104 (K)
R Hằng số khí
- ∆H Entanpi phản ứng (sức phản nhiệt) 2.104 (cal/mol)
ρ Khối lượng riêng của chất phản ứng 1.103 (g/lít)
ρc Khối lượng riêng của chất làm thiết bị nguồn nhiệt 1.103 (g/lít)
Cp Nhiệt dung riêng của chất phản ứng 1 (cal/g.K)
Cpc Nhiệt dung riêng của chất làm thiết bị nguồn nhiệt 1 (cal/g.K)
Tính toán các hệ số phản ứng
( −∆H ) k0 2.104 × 7, 2.1010
k1 = = = 1, 44.1012 (3.2)
ρC p 1.10 × 1
3
ρ cC pc 1.103 × 1 (3.3)
k2 = = = 0, 01
ρ C pV 1.103 × 1× 100
ha 7.105 (3.4)
k3 = = = 7.10 2
ρ C pc 1.10 × 1
3
Xét mô hình toán học là hệ ñối tượng phi tuyến MIMO, có số ngõ vào
bằng số ngõ ra là p, bậc n ( với n=m1+m2+ . . . +mp). Lúc này phương trình ñộng
học có dạng:
19
 m1 p
y
 1 = f 1
( x ) + ∑ g 1 j ( x ) u j + d1
j =1

 .

 . (3.5)
 .

 mp p
y
 p = f p
( x ) + ∑ g pj ( x ) u j + d p
 j =1
Trong ñó:
fk và gkj (với k=1÷p) là các hàm phi tuyến.
T
u = u1 , u2 ,..., u p  ∈ R p là vectơ tín hiệu ñiều khiển ngõ vào hệ ñối tượng.
T
y =  y1 , y2 ,..., y p  ∈ R p là vectơ tín hiệu ngõ ra của hệ ñối tượng.
T
d =  d1 , d 2 ,..., d p  ∈ R p là vectơ tín hiệu nhiễu từ ngoài tác ñộng vào.
Trong bài toán này, yêu cầu thiết kế bộ ñiều khiển có tín hiệu ngõ ra y sẽ
T
bám theo tín hiệu ñặt yr =  yr1 , yr 2 ,..., yrp  ∈ R p .
Từ (3.5) có thể biểu diễn phương trình trạng thái hệ ñối tượng ñược rút
gọn như sau:
 x& = A0′ x + B′[ F ( x ) + G ( x )u + d ]
 (3.6)
 y = C T x
Trong ñó: A′, B′, C lần lượt là ma trận chéo của các ma trận A0′ k , B0′ k , C0k , với
A0′ = diag[ A01
′ , A02
′ ,..., A0′ p ] ∈ R nxn
B′ = diag[ B1′, B2′ ,..., B′p ] ∈ R nxp
C = diag[C1 , C2 ,..., C p ] ∈ R nxp
F ( x) = [ f1 ( x ), f 2 ( x),..., f p ( x)]T ∈ R p
G ( x) = [G1 ( x), G2 ( x),..., G p ( x)]T ∈ R pxp
Gk ( x) = [ g1k ( x), g 2 k ( x),..., g pk ( x)]T ∈ R p
Ta có ñịnh nghĩa:
Sai số bám: e = Yr − x ; eˆ = Yr − xˆ
Trong ñó ê và x̂ là ước lượng của e và x
 . . T

Yr =  yr1 , y r1 ,..., yr(1m1−1) ,..., yrp , y rp ,..., yrp( mp −1)  ∈ R n (3.7)
 
20
T
yr( m ) =  yr(1m ) , yr( m2 2) ,..., yrp( mp )  ∈ R p (3.8)
 . . T
 T
e =  e1 , e1 ,..., e1( m1−1) ,..., e p , e p ,..., e(pmp −1)  = e11 , e12 ,..., e1n ,..., e p1 , e p 2 ,..., e pn  ∈ R n
 
T T
e =  e1 , e2 ,..., e p  =  E11 , E12 ,..., E1 p  ∈ R p (3.9)
Nếu hàm fk(x) và gkj(x) ñã biết chắc chắn và không có nhiễu ngoài d thì
theo tiêu chuẩn Lyapunov luật ñiều khiển là:
 − F ( x) + yrm + K cT e 
u =
*
= G −1 ( x)  − F ( x) + yrm + K cT e  (3.10)
G ( x)
Trong ñó K c = diag  K c1 , K c 2 ,..., K cp  ∈ R
nxp
là vecto khuếch ñại hồi tiếp,
và K ck = [ K ck 1 , K ck 2 ,..., K ckn ] ∈ R k ñược chọn sao cho Ak′ = A0′k − Bk′ K ckT thoa
T m
Hurwitz.
Với mô hình toán ñối tượng ñược trình bày trong ở (3.1) là một ñối tượng
phi tuyến. Do ñó ñể ñiều khiển ñối tượng thì tác giả ñã chuyển gần ñúng hệ ñối
tượng về dạng (3.5). Nên cần phải ñưa về phương trình trạng thái của hệ ñối
tượng ñược thành lập như sau:
Đặt biến trạng thái, ngõ vào, ngõ ra:
{ x = [ x1 , x2 ] T = [Ca , Ta ] T
u1 = q; u2 = qc (3.11)
y1 = Ca ; y2 = Ta
Do ñó hệ phương trình (3.1) ñược viết lại
−E
q 
 (Cao − x1 ) − K 0 x1e
R* x2

 V 
x& = f ( x, u ) = (3.12)
q −E − K2 
 (T0 − x2 ) + K1 x1e R*x2 + K 3u2 (1 − e x2 )(Tc 0 − x2) 
V 
y = g ( x) = g ( x1 , x2 ) (3.13)
Ta có thể viết phương trình trạng thái của hệ ñối tượng như sau:
. 
 x1  = 0 0   x1  + 1 0   f1 ( x) g1 ( x)u1 
 .  0 0   x2  0 1   f 2 ( x) g 2 ( x)u2 
(3.14)
 x2 
 y1  1 0   x1  (3.15)
 y  = 0 1   x 
 2   2