Bài viết Thực nghiệm điều khiển giám sát dùng mạng nơ-ron mờ hồi quy trên hệ ổn định lưu lượng chất lỏng tiến hành kiểm nghiệm kỹ thuật điều khiển giám sát dùng RFNNs trên hệ ổn định lưu lượng chất lỏng RT020 của hãng Gunt-Hamburg, Đức. Giải thuật cập nhật tham số bộ điều khiển RFNN có dùng thông tin Jacobian được cung cấp từ bộ nhận dạng mô hình không tham số của đối tượng, cũng dùng một RFNN khác. | TNU Journal of Science and Technology 227 16 115 - 123 EXPERIMENTS OF RECURRENT FUZZY NEURAL NETWORKS BASED SUPERVISORY CONTROL ON AN LIQUID FLOW CONTROL SYSTEM Su Hong Thanh1 2 Dao Huynh Dang Khoa1 2 Le Minh Thanh3 Nguyen Chi Ngon1 1 Can Tho University 2VNPT Can Tho 3Vinh Long University of Technology Education ARTICLE INFO ABSTRACT Received 18 5 2022 Recurrent fuzzy neural networks RFNNs has been successfully verified by many studies on simulation. However the experimental Revised 31 10 2022 controls on actual devices are still limited. There exist even some Published 01 11 2022 opinions that with a slow online training algorithm it is difficult for RFNNs to guarantee the signal communication. This study conducts KEYWORDS and experiments with a RFNNs based supervisory control technique on the RT020 liquid flow control system of the Gunt-Hamburg Flow control Germany. The RFNN controller parameter updating algorithm uses PID control Jacobian information provided from a non-parameter model identifier also using another RFNN. Experiments on the RT020 show that the Recurrent fuzzy neural network RFNN controller has contributed to reduce the settling time from about Supervisory control 12 seconds down to 8 seconds without stady-state error and System identification negligible overshoot. Besides with external factor affected on the RT020 system by forcibly reducing the pump power experiments have proven that the RFNN controller is effective in bring the system response back to the reference value quickly and stably. THỰC NGHIỆM ĐIỀU KHIỂN GIÁM SÁT DÙNG MẠNG NƠ-RON MỜ HỒI QUY TRÊN HỆ ỔN ĐỊNH LƢU LƢỢNG CHẤT LỎNG Sử Hồng Thạnh1 2 Đào Huỳnh Đăng Khoa1 2 Lê Minh Thành3 Nguyễn Chí Ngôn1 1 2 3 Trường Đại học Cần Thơ VNPT Cần Thơ Trường Đại học Sư phạm Kỹ thuật Vĩnh Long THÔNG TIN BÀI BÁO TÓM TẮT Ngày nhận bài 18 5 2022 Mạng nơ-ron mờ hồi quy recurrent fuzzy neural networks - RFNNs đã được nhiều nghiên cứu kiểm chứng thành công trên mô phỏng. Tuy Ngày hoàn thiện 31 10 2022
