Tổng quan nghiên cứu

Trong bối cảnh phát triển nhanh chóng của khoa học và công nghệ, đặc biệt là trong lĩnh vực điều khiển tự động và cơ khí kỹ thuật, máy bay không người lái (UAV) đã trở thành một chủ đề nghiên cứu trọng điểm với nhiều ứng dụng đa dạng trong quân sự và dân sự. Theo báo cáo ngành, UAV dạng Quadrotor nổi bật nhờ khả năng cất cánh, hạ cánh theo chiều dọc, kết cấu cơ khí đơn giản và khả năng giữ ổn định tốt. Tuy nhiên, để UAV phát huy tối đa hiệu năng trong thực tế, các bộ điều khiển cần được cải tiến nhằm tối ưu năng lượng, tăng khả năng chịu nhiễu và bám sát vị trí, quỹ đạo đặt.

Mục tiêu nghiên cứu của luận văn là thiết kế bộ điều khiển dự báo tối ưu cho hệ máy bay không người lái dạng Quadrotor, nhằm giải quyết bài toán cân bằng, bám vị trí và điều khiển góc xoay quanh trục z (yaw). Nghiên cứu tập trung trong phạm vi mô hình động học Quadrotor, sử dụng các phương pháp điều khiển dự báo và tối ưu trên nền tảng lý thuyết điều khiển hiện đại, với thời gian nghiên cứu chủ yếu từ năm 2014 đến 2016 tại Viện Điện, Đại học Bách khoa Hà Nội.

Ý nghĩa của nghiên cứu được thể hiện qua việc nâng cao độ chính xác và ổn định của hệ thống điều khiển Quadrotor, góp phần mở rộng ứng dụng UAV trong các lĩnh vực như giám sát môi trường, nông nghiệp, an ninh và nghiên cứu khoa học. Các chỉ số hiệu quả như sai số vị trí nhỏ, tốc độ đáp ứng nhanh và tín hiệu điều khiển tối ưu được sử dụng làm metrics đánh giá thành công của bộ điều khiển.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: lý thuyết điều khiển tối ưu và mô hình động học Quadrotor.

  1. Lý thuyết điều khiển tối ưu: Sử dụng phương pháp quy hoạch động và bộ điều khiển Linear Quadratic Regulator (LQR) để thiết kế bộ điều khiển cận tối ưu cho hệ thống đã tuyến tính hóa. Hàm mục tiêu được xây dựng nhằm tối thiểu hóa năng lượng đầu vào và sai lệch trạng thái, với ma trận Riccati được giải để đảm bảo tính ổn định tiệm cận của hệ thống.

  2. Mô hình động học Quadrotor: Áp dụng phương pháp Euler-Lagrange và Newton-Euler để mô hình hóa chuyển động tịnh tiến và quay của Quadrotor trong không gian ba chiều. Mô hình bao gồm các tham số vật lý như khối lượng, momen quán tính, lực đẩy từ bốn rotor và các momen xoắn tạo ra. Đặc biệt, nghiên cứu chú trọng đến ràng buộc non-holonomic bậc cao của hệ, làm tăng độ phức tạp trong thiết kế điều khiển.

Các khái niệm chính bao gồm: hàm điều khiển Lyapunov, ràng buộc non-holonomic, mô hình điều khiển dự báo (Model Predictive Control - MPC), hàm trực giao Laguerre trong mô hình hóa quỹ đạo điều khiển, và ma trận Riccati trong giải bài toán điều khiển tối ưu.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu chủ yếu là mô hình toán học và mô phỏng trên phần mềm Matlab/Simulink. Cỡ mẫu nghiên cứu là mô hình Quadrotor với 6 biến trạng thái chính (vị trí và góc quay) và 4 đầu vào điều khiển tương ứng với lực đẩy của các rotor.

Phương pháp phân tích bao gồm:

  • Tuyến tính hóa mô hình phi tuyến tại điểm cân bằng để áp dụng bộ điều khiển LQR.
  • Thiết kế bộ điều khiển dự báo sử dụng hàm trực giao Laguerre nhằm giảm khối lượng tính toán và tăng hiệu quả tối ưu.
  • Mô phỏng kiểm chứng trên Matlab với các tham số điều chỉnh như p=1, N=15 để đánh giá hiệu quả bộ điều khiển.
  • Phân tích ổn định hệ thống dựa trên lý thuyết Lyapunov và phương trình Hamilton-Jacobi-Bellman (HJB).

Timeline nghiên cứu kéo dài từ năm 2014 đến 2016, bao gồm giai đoạn xây dựng mô hình, thiết kế bộ điều khiển, mô phỏng và đề xuất cấu hình hệ thống thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Thiết kế bộ điều khiển dự báo tối ưu: Bộ điều khiển dự báo được xây dựng dựa trên mô hình tuyến tính hóa Quadrotor, sử dụng hàm mục tiêu tối thiểu hóa năng lượng và sai số trạng thái. Kết quả mô phỏng cho thấy sai số vị trí nhỏ, tốc độ đáp ứng nhanh với vector tín hiệu điều khiển nhỏ, đảm bảo ổn định tiệm cận. Ví dụ, sai số vị trí trong mô phỏng đạt dưới 5% so với điểm đặt, tốc độ đáp ứng đạt trong khoảng vài giây.

  2. Mô hình hóa quỹ đạo điều khiển bằng hàm trực giao Laguerre: Việc sử dụng hàm Laguerre giúp giảm đáng kể khối lượng tính toán, thuận tiện cho việc cài đặt thuật toán trên phần cứng thực tế. Số lượng hàm trực giao N=15 được chọn phù hợp để cân bằng giữa độ chính xác và hiệu suất tính toán.

  3. Phân tích ràng buộc non-holonomic: Quadrotor có ràng buộc non-holonomic bậc cao do lực đẩy vuông góc với mặt phẳng rotor, làm tăng độ phức tạp trong điều khiển. Nghiên cứu đã chỉ ra rằng không tồn tại bộ phản hồi trạng thái tĩnh giúp ổn định tiệm cận tại điểm cân bằng, nhưng bộ phản hồi trạng thái động có thể đạt được điều này, phù hợp với lý thuyết Brockett.

  4. Đề xuất cấu hình hệ thống giám sát và điều khiển thực tế: Hệ thống sử dụng cảm biến IMU GY-86, camera quan sát và phương pháp Optical Flow để đo vị trí, vận tốc và góc quay với độ chính xác cao. Mô hình phần cứng và phần mềm được thiết kế để đảm bảo khả năng mở rộng và nâng cấp, đáp ứng yêu cầu điều khiển phức tạp.

Thảo luận kết quả

Nguyên nhân thành công của bộ điều khiển dự báo là do sự kết hợp hiệu quả giữa mô hình toán học chính xác và thuật toán tối ưu hóa năng lượng. So với các bộ điều khiển PID hoặc LQR truyền thống, bộ điều khiển dự báo cho phép xử lý tốt hơn các ràng buộc và nhiễu bên ngoài, đồng thời tối ưu hóa tín hiệu điều khiển.

Kết quả mô phỏng có thể được trình bày qua biểu đồ sai số vị trí theo thời gian, biểu đồ tín hiệu điều khiển từng rotor và bảng so sánh hiệu suất giữa các phương pháp điều khiển. So sánh với các nghiên cứu trước đây, bộ điều khiển dự báo sử dụng hàm trực giao Laguerre giảm được khối lượng tính toán đến khoảng 30-40%, đồng thời cải thiện độ ổn định hệ thống.

Ý nghĩa của nghiên cứu nằm ở khả năng ứng dụng thực tế cao, đặc biệt trong các môi trường có nhiễu và bất định, đồng thời mở rộng được cho các loại UAV tương tự khác.

Đề xuất và khuyến nghị

  1. Hoàn thiện hệ thống giám sát và điều khiển thực tế: Triển khai cài đặt bộ điều khiển dự báo trên vi điều khiển tích hợp với cảm biến IMU và camera, nhằm kiểm tra đáp ứng thực tế trong vòng 12 tháng. Chủ thể thực hiện là nhóm nghiên cứu tại Viện Điện, Đại học Bách khoa Hà Nội.

  2. Cải thiện bộ điều khiển để tăng khả năng chịu nhiễu và bất định: Phát triển thuật toán điều khiển thích nghi và bền vững, tích hợp với bộ điều khiển dự báo hiện có, nhằm nâng cao độ tin cậy trong môi trường bay phức tạp. Thời gian thực hiện dự kiến 18 tháng.

  3. Mở rộng phạm vi ứng dụng sang các loại UAV khác: Nghiên cứu điều khiển dự báo cho các UAV có cấu trúc khác như Hexacopter hoặc Fixed-wing UAV, tận dụng mô hình và thuật toán đã phát triển. Thời gian nghiên cứu 24 tháng.

  4. Tối ưu hóa thuật toán để giảm khối lượng tính toán: Nghiên cứu sử dụng các hàm trực giao khác hoặc phương pháp giảm chiều không gian trạng thái nhằm tăng tốc độ xử lý, phù hợp với các hệ thống nhúng có tài nguyên hạn chế. Thời gian thực hiện 12 tháng.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và sinh viên ngành điều khiển tự động và cơ khí: Luận văn cung cấp kiến thức sâu về mô hình động học Quadrotor và các phương pháp điều khiển tối ưu, hỗ trợ phát triển các đề tài nghiên cứu liên quan.

  2. Kỹ sư phát triển UAV và robot bay: Các kỹ sư có thể áp dụng bộ điều khiển dự báo và cấu hình hệ thống giám sát để nâng cao hiệu suất và độ ổn định của sản phẩm UAV.

  3. Doanh nghiệp công nghệ và startup trong lĩnh vực drone: Tham khảo để cải tiến sản phẩm, giảm chi phí phát triển bằng cách áp dụng thuật toán điều khiển tối ưu và mô hình hóa chính xác.

  4. Cơ quan quản lý và đào tạo chuyên ngành hàng không không người lái: Sử dụng luận văn làm tài liệu tham khảo trong đào tạo và xây dựng tiêu chuẩn kỹ thuật cho UAV.

Câu hỏi thường gặp

  1. Bộ điều khiển dự báo có ưu điểm gì so với PID truyền thống?
    Bộ điều khiển dự báo tối ưu hóa tín hiệu điều khiển dựa trên mô hình hệ thống và dự đoán quỹ đạo, giúp giảm sai số và tăng khả năng chịu nhiễu, trong khi PID chỉ phản hồi theo sai số hiện tại. Ví dụ, trong mô phỏng, bộ điều khiển dự báo giảm sai số vị trí xuống dưới 5%, trong khi PID thường cao hơn.

  2. Mô hình Euler-Lagrange và Newton-Euler khác nhau thế nào trong nghiên cứu này?
    Euler-Lagrange tập trung vào động năng và thế năng để xây dựng phương trình chuyển động, còn Newton-Euler dựa trên định luật động lực học và momen lực. Luận văn sử dụng cả hai để kiểm chứng và chọn mô hình phù hợp cho thiết kế điều khiển.

  3. Ràng buộc non-holonomic ảnh hưởng thế nào đến điều khiển Quadrotor?
    Ràng buộc này làm cho hệ không thể ổn định bằng bộ phản hồi trạng thái tĩnh, đòi hỏi thiết kế bộ điều khiển động phức tạp hơn để đảm bảo ổn định tiệm cận, phù hợp với lý thuyết Brockett.

  4. Hàm trực giao Laguerre được sử dụng để làm gì?
    Hàm Laguerre giúp xấp xỉ tín hiệu điều khiển liên tục bằng một tổ hợp hữu hạn các hàm cơ sở, giảm khối lượng tính toán và tăng hiệu quả khi cài đặt thuật toán trên phần cứng nhúng.

  5. Hệ thống giám sát và điều khiển thực tế sử dụng những cảm biến nào?
    Hệ thống đề xuất sử dụng cảm biến IMU GY-86 (gồm gyroscope, accelerometer, magnetometer), camera quan sát và phương pháp Optical Flow để đo vị trí, vận tốc và góc quay với độ chính xác cao, phù hợp với yêu cầu điều khiển phức tạp.

Kết luận

  • Luận văn đã xây dựng thành công mô hình động học Quadrotor và thiết kế bộ điều khiển dự báo tối ưu, đảm bảo ổn định tiệm cận và hiệu quả năng lượng.
  • Mô phỏng trên Matlab/Simulink chứng minh bộ điều khiển đáp ứng nhanh, sai số nhỏ và tín hiệu điều khiển tối ưu.
  • Đề xuất cấu hình hệ thống giám sát và điều khiển thực tế với cảm biến IMU, camera và thuật toán Optical Flow, phù hợp với yêu cầu ứng dụng đa dạng.
  • Nhận diện các hạn chế như chưa khai thác triệt để ràng buộc non-holonomic và phương pháp điều khiển còn đơn giản, mở ra hướng phát triển tiếp theo.
  • Khuyến nghị hoàn thiện hệ thống thực nghiệm, nâng cao khả năng chịu nhiễu và mở rộng ứng dụng cho các loại UAV khác trong tương lai.

Để tiếp tục phát triển, các nhà nghiên cứu và kỹ sư được khuyến khích áp dụng và cải tiến bộ điều khiển dự báo, đồng thời triển khai thử nghiệm thực tế nhằm nâng cao độ tin cậy và hiệu quả của UAV trong các môi trường bay phức tạp.