Tổng quan nghiên cứu

Trái đất với khoảng 71% bề mặt là nước, tương đương khoảng 360 triệu km², tạo nên một môi trường rộng lớn và phức tạp để nghiên cứu và khai thác. Việc khám phá đại dương gặp nhiều thách thức do áp lực nước tăng theo độ sâu, sự thiếu ánh sáng và các yếu tố môi trường khắc nghiệt. Trong bối cảnh đó, phương tiện tự hành dưới nước (AUV - Autonomous Underwater Vehicle) được phát triển nhằm thay thế con người thực hiện các nhiệm vụ nguy hiểm và phức tạp dưới đại dương. Từ năm 1957, AUV đã trở thành một lĩnh vực nghiên cứu phát triển mạnh mẽ trên thế giới, với nhiều ứng dụng trong khảo sát hải đồ, giám sát môi trường biển, và quốc phòng.

Tại Việt Nam, với đường bờ biển dài hơn 3000 km và diện tích biển khoảng 1 triệu km², tiềm năng nghiên cứu AUV rất lớn. Tuy nhiên, các sản phẩm AUV thương mại hay quân sự vẫn chưa được phát triển hoàn chỉnh. Nghiên cứu điều khiển đội hình nhiều AUV nhằm nâng cao hiệu quả hoạt động trong môi trường phức tạp là một hướng đi quan trọng. Đặc biệt, việc thiết kế bộ điều khiển có khả năng thích nghi với động học chưa biết và nhiễu ngoại lực là thách thức lớn.

Luận văn tập trung nghiên cứu điều khiển trượt nơ-rôn tích phân thích nghi cho robot lặn với động học chưa biết, nhằm thiết kế bộ điều khiển đội hình cho nhiều AUV theo phương pháp dẫn đầu – bám theo, đảm bảo hội tụ sai số đội hình trong thời gian hữu hạn. Phạm vi nghiên cứu bao gồm mô hình toán học AUV 6 bậc tự do, thiết kế bộ điều khiển trượt tích phân với thuật toán mạng nơ rôn thích nghi RBFNN kết hợp thuật toán tối thiểu tham số học (MLP). Kết quả mô phỏng trên Matlab/Simulink chứng minh tính hiệu quả của phương pháp đề xuất, góp phần nâng cao khả năng tự hành và ổn định của đội hình AUV trong môi trường đại dương phức tạp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

  • Mô hình động học và động lực học AUV 6 bậc tự do (DOF): Mô hình toán học chi tiết mô tả vị trí, góc hướng (roll, pitch, yaw), vận tốc tuyến tính và góc của AUV trong không gian 3D, bao gồm các phương trình động học và động lực học với các tham số vật lý như khối lượng, mô-men quán tính, lực đẩy, lực cản và nhiễu ngoại lực.

  • Phương pháp điều khiển trượt tích phân với thời gian hội tụ hữu hạn (ITSM): Đây là kỹ thuật điều khiển nhằm đảm bảo sai số điều khiển hội tụ về 0 trong thời gian hữu hạn, đồng thời giảm thiểu hiện tượng chattering thông qua mặt trượt tích phân có lũy thừa. Mặt trượt được định nghĩa kết hợp sai số và tích phân sai số với các hệ số điều chỉnh.

  • Mạng nơ-rôn với hàm cơ sở xuyên tâm (RBFNN): Sử dụng để xấp xỉ các hàm phi tuyến chưa biết trong mô hình động học AUV. RBFNN có cấu trúc 3 lớp (vào, ẩn, ra) với hàm Gaussian làm hàm cơ sở, giúp mô hình hóa chính xác các phi tuyến động lực học.

  • Thuật toán tối thiểu tham số học (MLP): Giảm chi phí tính toán trong quá trình học của mạng nơ-rôn bằng cách tối thiểu hóa số lượng tham số cần cập nhật, từ đó tăng hiệu quả và khả năng ứng dụng thực tế trên AUV.

  • Phương pháp điều khiển đội hình dẫn đầu – bám theo (Leader-follower): Thiết kế động học đội hình dựa trên khoảng cách và góc tương đối giữa các AUV, trong đó một AUV dẫn đầu và các AUV còn lại bám theo với sai số đội hình được điều khiển về 0.

Phương pháp nghiên cứu

  • Nguồn dữ liệu: Mô hình toán học AUV được xây dựng dựa trên các công trình khoa học uy tín và dữ liệu thực nghiệm từ các mô hình AUV dạng ngư lôi. Các tham số vật lý và nhiễu ngoại lực được giả định dựa trên các tín hiệu hình sin với biên độ khác nhau.

  • Phương pháp phân tích: Thiết kế bộ điều khiển trượt tích phân hai vòng kín (vòng ngoài điều khiển sai số đội hình, vòng trong điều khiển sai số vận tốc) kết hợp mạng nơ-rôn thích nghi RBFNN với thuật toán MLP để xử lý động học chưa biết và nhiễu ngoại lực. Phân tích tính ổn định hệ thống sử dụng lý thuyết điều khiển thời gian hữu hạn và các bổ đề toán học liên quan.

  • Timeline nghiên cứu: Nghiên cứu bắt đầu từ tháng 09/2022, hoàn thành vào tháng 05/2023. Quá trình gồm xây dựng mô hình, thiết kế bộ điều khiển, phân tích lý thuyết, mô phỏng và đánh giá kết quả.

  • Cỡ mẫu và chọn mẫu: Mô phỏng với đội hình 5 AUV (1 dẫn đầu, 4 bám theo) để đánh giá hiệu quả điều khiển trong các trường hợp khác nhau, bao gồm tác động của nhiễu ngoại lực và dòng chảy.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả điều khiển đội hình trong thời gian hữu hạn: Bộ điều khiển trượt tích phân thích nghi với hai vòng kín đảm bảo sai số đội hình và sai số vận tốc hội tụ về 0 trong thời gian hữu hạn. Thời gian hội tụ có thể điều chỉnh thông qua các hệ số điều khiển k, m, n. Ví dụ, trong mô phỏng với 5 AUV, sai số khoảng cách và góc tương đối giảm xuống gần 0 trong vòng vài giây.

  2. Khả năng thích nghi với động học chưa biết và nhiễu ngoại lực: Thuật toán MLP kết hợp mạng RBFNN giúp ước lượng chính xác các tham số động học chưa biết và bù trừ nhiễu ngoại lực. Thông số thích nghi được cập nhật liên tục, duy trì sai số điều khiển thấp dưới 0.01 trong các trường hợp mô phỏng có nhiễu.

  3. Ổn định hệ thống vòng kín: Phân tích lý thuyết chứng minh hệ thống điều khiển vòng trong và vòng ngoài đều ổn định đồng nhất trong thời gian hữu hạn. Mô phỏng minh họa trạng thái góc roll, pitch, yaw và vận tốc của AUV duy trì ổn định trong suốt quá trình hình thành đội hình.

  4. So sánh với các phương pháp khác: Bộ điều khiển đề xuất có sai số bám đội hình thấp hơn khoảng 15-20% so với các phương pháp điều khiển truyền thống không sử dụng mạng nơ-rôn hoặc không có cơ chế thích nghi. Ngoài ra, tín hiệu điều khiển ít bị chattering nhờ mặt trượt tích phân và lớp biên được thiết kế hợp lý.

Thảo luận kết quả

Nguyên nhân chính của hiệu quả điều khiển là do sự kết hợp giữa điều khiển trượt tích phân với thuật toán mạng nơ-rôn thích nghi, giúp xử lý tốt các bất định động học và nhiễu ngoại lực. Việc sử dụng thuật toán MLP giảm đáng kể chi phí tính toán so với các mạng nơ-rôn truyền thống, phù hợp với giới hạn phần cứng của AUV.

So với các nghiên cứu trước đây, luận văn đã bổ sung phân tích thời gian hội tụ hữu hạn, một yếu tố quan trọng trong việc đảm bảo thành công của việc hình thành đội hình trong môi trường thực tế. Việc giữ lại và điều khiển góc roll cũng giúp tăng độ chính xác và ổn định của hệ thống, tránh các nguy cơ mất ổn định do hiệu ứng roll không được kiểm soát.

Dữ liệu mô phỏng có thể được trình bày qua các biểu đồ sai số khoảng cách, góc tương đối và vận tốc theo thời gian, cũng như bảng so sánh sai số và thời gian hội tụ giữa các phương pháp. Các kết quả này minh chứng tính khả thi và ưu việt của phương pháp đề xuất trong điều kiện môi trường đại dương phức tạp.

Đề xuất và khuyến nghị

  1. Triển khai thử nghiệm thực tế trên mô hình AUV: Thực hiện các thử nghiệm ngoài thực địa với đội hình AUV để đánh giá hiệu quả điều khiển trong môi trường biển thực tế, nhằm kiểm chứng và điều chỉnh các tham số điều khiển. Thời gian đề xuất: 6-12 tháng, chủ thể thực hiện: các nhóm nghiên cứu và phòng thí nghiệm robot dưới nước.

  2. Phát triển thuật toán điều khiển đa mục tiêu: Mở rộng bộ điều khiển để xử lý các nhiệm vụ phức tạp hơn như tránh va chạm, tối ưu hóa quỹ đạo và tiết kiệm năng lượng cho đội hình AUV. Thời gian: 12 tháng, chủ thể: nhóm nghiên cứu điều khiển tự động.

  3. Tối ưu hóa thuật toán thích nghi: Nghiên cứu và áp dụng các kỹ thuật học máy nâng cao để cải thiện khả năng thích nghi và giảm thiểu sai số trong điều kiện môi trường biến đổi nhanh. Thời gian: 9 tháng, chủ thể: nhóm nghiên cứu trí tuệ nhân tạo và điều khiển.

  4. Phát triển phần mềm mô phỏng tích hợp: Xây dựng phần mềm mô phỏng tích hợp đa phương tiện, hỗ trợ thiết kế và đánh giá các thuật toán điều khiển đội hình AUV với giao diện thân thiện và khả năng mở rộng. Thời gian: 6 tháng, chủ thể: nhóm phát triển phần mềm và kỹ thuật điều khiển.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và sinh viên ngành Kỹ thuật Điều khiển và Tự động hóa: Luận văn cung cấp kiến thức chuyên sâu về điều khiển trượt tích phân, mạng nơ-rôn thích nghi và ứng dụng trong robot dưới nước, hỗ trợ phát triển các đề tài nghiên cứu liên quan.

  2. Kỹ sư phát triển robot dưới nước và AUV: Các kỹ sư có thể áp dụng các thuật toán điều khiển đề xuất để nâng cao hiệu suất và độ ổn định của hệ thống AUV trong các dự án thực tế.

  3. Các tổ chức nghiên cứu và phát triển công nghệ hàng hải: Luận văn cung cấp cơ sở lý thuyết và phương pháp thực nghiệm để phát triển các hệ thống tự hành dưới nước phục vụ khảo sát, giám sát môi trường và quốc phòng.

  4. Nhà quản lý dự án và hoạch định chính sách công nghệ biển: Thông tin trong luận văn giúp đánh giá tiềm năng và hướng phát triển công nghệ AUV, từ đó xây dựng chiến lược đầu tư và phát triển phù hợp.

Câu hỏi thường gặp

  1. Bộ điều khiển trượt tích phân có ưu điểm gì so với điều khiển trượt truyền thống?
    Điều khiển trượt tích phân giúp giảm hiện tượng chattering, tăng độ bền cho cơ cấu chấp hành và đảm bảo sai số hội tụ về 0 trong thời gian hữu hạn, phù hợp với các ứng dụng yêu cầu độ chính xác cao.

  2. Tại sao cần sử dụng mạng nơ-rôn RBF trong điều khiển AUV?
    Mạng RBF có khả năng xấp xỉ các hàm phi tuyến chưa biết trong mô hình động học AUV, giúp bộ điều khiển thích nghi với các bất định và nhiễu ngoại lực, nâng cao độ ổn định và chính xác.

  3. Thuật toán tối thiểu tham số học (MLP) có vai trò gì trong nghiên cứu?
    MLP giảm số lượng tham số cần học trong mạng nơ-rôn, giảm chi phí tính toán và tăng hiệu quả xử lý, rất quan trọng khi triển khai trên phần cứng giới hạn của AUV.

  4. Phương pháp điều khiển đội hình dẫn đầu – bám theo có ưu điểm gì?
    Phương pháp này đơn giản, dễ triển khai và tin cậy, cho phép mỗi AUV bám theo một AUV dẫn đầu với sai số đội hình được kiểm soát chặt chẽ, phù hợp với điều kiện hoạt động phức tạp dưới nước.

  5. Làm thế nào để điều chỉnh thời gian hội tụ của hệ thống?
    Thời gian hội tụ được điều chỉnh thông qua các hệ số trong mặt trượt tích phân (k, m, n). Việc lựa chọn các hệ số này phù hợp giúp hệ thống đạt được hội tụ nhanh và ổn định.

Kết luận

  • Luận văn đã xây dựng thành công mô hình toán học AUV 6 bậc tự do và thiết kế bộ điều khiển trượt tích phân thích nghi với thời gian hội tụ hữu hạn, xử lý hiệu quả động học chưa biết và nhiễu ngoại lực.
  • Phương pháp điều khiển đội hình dẫn đầu – bám theo được phát triển với sự kết hợp mạng nơ-rôn RBFNN và thuật toán MLP, giảm chi phí tính toán và tăng độ chính xác.
  • Phân tích lý thuyết và mô phỏng chứng minh hệ thống ổn định đồng nhất trong thời gian hữu hạn, với sai số đội hình và vận tốc hội tụ nhanh chóng.
  • Kết quả so sánh cho thấy ưu thế vượt trội của bộ điều khiển đề xuất so với các phương pháp truyền thống.
  • Các bước tiếp theo bao gồm thử nghiệm thực tế, mở rộng thuật toán điều khiển đa mục tiêu và phát triển phần mềm mô phỏng tích hợp nhằm ứng dụng rộng rãi trong nghiên cứu và công nghiệp.

Hành động tiếp theo: Khuyến khích các nhà nghiên cứu và kỹ sư ứng dụng phương pháp điều khiển này trong các dự án AUV thực tế, đồng thời phát triển thêm các thuật toán thích nghi nâng cao để đáp ứng yêu cầu ngày càng phức tạp của môi trường đại dương.