ĐIỀU KHIỂN TRƯỢT THÍCH NGHI SỬ DỤNG MẠNG NƠ-RON RBF HỆ THỐNG BỒN ĐÔI TƯƠNG TÁC

Trong bài báo này, điều khiển thích nghi sử dụng mạng nơ-ron RBF (radial basis neural network) được đề xuất cùng với bài toán giảm chattering trong điều khiển trượt hệ thống bồn đôi tương tác. Mạng nơ-ron RBF được sử dụng để xấp xỉ hàm trong luật điều khiển trượt. Hàm signum trong luật điều khiển trượt được thay thế bởi hàm tanh để kiểm chứng hiệu quả của bài toán giảm chattering. Tính ổn định của giải thuật đề xuất được chứng minh bằng lý thuyết Lyapunov. Để chứng minh hiệu quả của phương pháp đề xuất, các kết quả mô phỏng với MATLAB/Simulink của phương pháp này được so sánh với điều khiển mờ, điều khiển trượt với điều kiện tích phân, điều khiển PID mờ và điều khiển vi tích phân tỷ lệ (PID) truyền thống. Các kết quả so sánh cho thấy rằng, bộ điều khiển đề xuất hiệu quả hơn với thời gian tăng là 0,1271 (s), không có vọt lố, triệt tiêu sai số xác lập, thời gian xác lập là 0,2464 (s) và không xảy ra hiện tượng chattering.