CHƯƠNG 1: GIỚI THIỆU 1. Lý do chọn đề tài Luận văn này nghiên cứu đóng góp cho lĩnh vực điều khiển các thiết bị tự động như phương tiện bay không người lái hoặc xe, robot tự động. Từ yêu cầu thực tế nghiên cứu các giải pháp thông minh để hệ thống vận hành một cách ổn định, hiệu quả và chính xác nhất trong trường hợp có nhiều nguồn không chắc chắn như cảm biến bị lỗi, nhiễu và các loại cảm biến chi phí thấp cho kết quả không chính xác. Đây là chủ đề đang rất được quan tâm trong thời gian gần đây bởi tính cần thiết của nó trong thực tiễn.
Đặc biệt trong lĩnh vực tự động lái và điều hướng, những sai số nhỏ cũng có thể dẫn đến hậu quả lớn. Ví dụ như một chiếc xe tự động lái đi trên đường có sai lệch vị trí nhỏ khi chuyển làn cũng có thể gây nguy hiểm cho tính mạng chủ xe và người đi đường. Hoặc các hệ thống phương tiện bay không người lái khi ở trong không gian hẹp hoặc đông đúc, yêu cầu cho việc bay chính xác là thiết yếu để đảm bảo sự an toàn và sự ổn định khi vận hành. Những hệ thống như vậy thường sử dụng những cảm biến giá thành rất cao, không phù hợp với phần lớn nhu cầu hiện nay và hơn thế nữa thường xảy ra nguy hiểm và mất ổn định hệ thống khi các cảm biến xảy ra lỗi.
Đề tài này sẽ đưa ra biện pháp để giải quyết vấn đề nêu trên. Một phương tiện bay không người lái UAV (Unmaned Aerial Vehicle) là một máy bay không có phi công trên buồng lái. Máy bay không người lái (UAV) là một bộ phận cấu thành của một hệ thống máy bay không người lái (UAV); hệ thống bao gồm một máy bay không người lái, một kiểm soát viên mặt đất, và một hệ thống liên lạc giữa UAV và kiểm soát viên. Các chuyến bay của UAV có thể vận hành với nhiều mức độ tự chủ khác nhau: hoặc dưới sự điều khiển từ xa bởi một một người vận hành, hoặc tự động bởi máy tính dựa vào một hệ thống tự động [1].
UAV ban đầu được thiết kế sử dụng cho quân sự trong những nhiệm vụ nguy hiểm đến tính mạng con người. Nhưng bởi vì những ưu thế mà UAV mang lại như dễ dàng điều khiển, tốc độ và khả năng vận hành cao, giá thành hợp lí và giúp người vận hành nó tránh được nguy hiểm, UAV đã nhanh chóng mở rộng sang các ứng dụng khác như nông nghiệp, địa trắc, cứu hộ hoặc giúp các lực lượng chức năng truy bắt tội phạm. Trước tiên, cần phải tìm hiểu sự phát triển của khoa học công nghệ đã giúp ích như thế nào đến sự phát triển của các hệ thống UAV. Một vấn đề thiết yếu trong hệ thống UAV là việc truyền nhận dữ liệu giữa các bộ phận trong UAV như cảm biến, bộ điều khiển, thiết bị lưu trữ.
Trước kia, thường cần nhiều dây dẫn để kết nối các bộ phần lại với nhau và công nghệ truyền dữ liệu không dây với tốc độ thấp và ít ổn định như THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG. Lưu hành nội bộ 4 bluetooth, 3G khiến cho việc phát triển các ứng dụng UAV rất khó khăn. Nhưng hiện nay với sự phát triển của công nghệ đã dẫn đến sự phát triển nhanh chóng của các phương thức giao tiếp như I2C, SPI hoặc UAVCAN BUS được thiết kế riêng cho UAV; và các công nghệ truyền thông như LTE, 5G và gần đây là Ultra-wide band (UWB). Điều này giúp cho việc truyền nhận dữ liệu trong hệ thống UAV có thể được thực hiện với tốc đọ cao và hiệu quả.
Ví dụ như hiện nay ta có thể dùng UAV để quay những video chất lượng cao với độ nét 4K gần như không có độ trễ. Đây chính là tiền đề cho sự phát triển của mạng cảm biến (sensor network) truyền thông với tốc độ cao và khoảng cách xa và sự phát triển của việc kết hợp cảm biến sau này. Hơn thế nữa, các thuật toán giúp cải thiện độ chính xác và ổn định cho hệ thống UAV trước đây chưa có nhiều và chưa đáp ứng được yêu cầu xử lý nhiều loại dữ liệu cùng lúc. Một số ví dụ về thuật toán filter như bộ lọc thông thấp, bộ lọc Kalman với khả năng chỉ áp dụng cho những dữ liệu tuyến tính và hệ thống SISO (single input single output).
Khi đó thì sensor network chưa được phát triển và việc phụ thuộc vào cảm biến cũng như tính tuyến tính cũng dữ liệu đã hạn chế cho việc phát triển UAV. Một ví dụ điển hình gần đây nhất chính là các thảm họa rơi máy bay liên quan đến máy bay 737 MAX [2]. Thảm họa diễn ra tại Indonesia tháng 10 năm 2018 đã cướp đi sinh mạng của 189 hành khách và phi hành đoàn. Nguyên nhân điều tra đã cho thấy một cảm biến đã xảy ra lỗi và báo sai cho phi hành đoàn.
Khi máy bay bay ở tốc độ thấp góc nâng ở cánh máy bay có xu hướng chếch lên để tăng lực đẩy. Nhưng nếu góc nghiêng lớn hơn 20 độ, hiện tượng chòng chành ở máy bay sẽ xảy ra và sẽ dẫn đến việc mất lực nâng ở máy bay. Trong thảm họa này, cảm biến đã báo sai tốc độ về cho hệ thống và kích hoạt một hệ thống tự động gọi là hệ thống MCAS(Maneuvering Characteristics Augmentation System). Hệ thống này sẽ đọc cảm biến để xác định mũi máy bay lên hoặc xuống so với luồng không khí.
Khi MCAS phát hiện máy bay đang nghiêng lên một cách nguy hiểm, nó sẽ tự động đẩy mũi máy bay xuống để nó không bị chòng chành. Qua đó có thể thấy việc chỉ dựa vào nguồn dữ liệu từ một cảm biến có thể gây nên một thảm họa thảm khốc như thế nào. Hiện nay, các nghiên cứu về bộ lọc dành cho các dữ liệu phi tuyến và các hệ thống MIMO (Multiple input – multiple output) đang được phát triển mạnh mẽ để gia tăng độ chính xác và ổn định. Đây chính là điều kiện để phát triển sensor network nhằm kết hợp được nhiều cảm biến cùng loại hoặc khác loại (Homogeneous and Heterogeneous Sensor Networks) lại với nhau.
Điều này đặt ra câu hỏi tại sao không nghĩ đến việc phát triển hệ thống có thể kết hợp nhiều cảm biến lại với nhau qua đó giúp bổ sung, cải thiện độ chính xác của hệ thống định vị và loại nhiễu [3]. THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG. Lưu hành nội bộ 5 Hình 1.1 Hình ảnh thảm họa máy bay Boeing 737 tại Indonesia năm 2018 [2]. Ví dụ về cảm biến cùng loại tương tự như mắt ở các loài động vật.
Mỗi mắt sẽ thu được hình ảnh ở một góc độ khác nhau và khi kết hợp cả hai mắt lại sẽ thu được một bức tranh hoàn chỉnh nhất. Trong đề tài này chúng ta sẽ tập trung việc kết hợp các cảm biến khác loại để kết hợp những ưu điểm và hạn chế các lỗi của nhiều cảm biến lại với nhau. Một ví dụ cho sự cần thiết phải kết hợp các cảm biến UAV là việc giao vắc xin Covid-19 hiện nay đến những nơi xa xôi hẻo lánh khó đặt chân đến. Việc có thể định vị chính xác vị trí để UAV có thể hạ cánh an toàn là rất khó khăn.
Hoặc ví dụ về cứu hộ ở trong thảm họa hạt nhân ở Fukushima, Nhật bản. Khi thảm họa xảy ra việc triển khai drone vào trong các lò phản ứng hạt nhân là cần thiết để tìm kiếm người bị nạn vì UAV có kích thước nhỏ, linh hoạt và tốc độ nhanh. Nhiệm vụ này đòi hỏi UAV phải có một kiến thức chính xác về vị trí của mình so với môi trường xung quanh. Một phương pháp phổ biến trước đây và được nhiều người nghĩ tới khi định vị cho UAV đó chính là sử dụng hệ thống định vị toàn cầu (GPS: Global Positioning System).
Hệ thống hoạt động bằng cách nhận tín hiệu và xác định khoảng cách từ điểm đứng đến vị trí của ít nhất ba vệ tinh nhân tạo. GPS đã trở nên thiết yếu trong các hệ thống dẫn đường trên nhiều phương tiện khác nhau vì nó có thể được sử dụng mọi lúc mọi nơi một cách miễn phí. Tuy nhiên trong nhiệm vụ này tín hiệu GPS lại bị chắn bởi những bức tường bê tông dày gây nhiễu, hơn nữa sai số của tín hiệu GPS cũng là rất lớn hàng chục mét và không thể thực thi trong không gian chật hẹp. THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG.
Lưu hành nội bộ 6 Hình 1.2 UAV giao vacxin ở Jammu, Ấn Hình 1.3 Thảm họa hạt nhân ở độ tháng 11 năm 2021 [4]. Fukushima, Nhật Bản [5]. Có thể thấy việc phụ thuộc vào cảm biến GPS nơi mà tín hiệu yếu hoặc bị nhiễu bởi các tác nhân xung quanh như ở hai ví dụ trên là rất hạn chế. Điều này làm cho GPS trở nên không phù hợp với yêu cầu định vị với độ chính xác cao của đề tài nơi mà hệ thống định vị chính xác có vai trò cực kỳ quan để hệ thống hoạt động với hiệu suất cao, thực thi trong nhiều môi trường và xử lý được những nhược điểm của cảm biến giúp đảm bảo ăn toàn cho con người và thực hiện nhiệm vụ nhanh chóng.
Điều đó làm suy nghĩ đến việc tại sao không kết hợp nhiều loại cảm biến với nhau để khai thác những ưu việt trong khi hạn chế những nhược điểm mà chúng mang lại. Hơn nữa việc kết hợp nhiều cảm biến cũng giúp giảm giá thành phải đầu tư vào hệ thống, tránh việc phải mua những cảm biến quá đắt tiền với dữ liệu sai số rất nhỏ trong khi ta có thể kết hợp nhiều nguồn dữ liệu lại với nhau để có kết quả chính xác với sai số thấp. Một phương pháp được đề cập gần đây chính là Sensor Fusion. Đây là phương pháp dùng để thu thập dữ liệu từ hai hay nhiều nguồn khác nhau để có thể thu được dữ liệu chính xác và tin cậy hơn so với khi dùng các dữ liệu đó một cách riêng lẻ.
Sensor Fusion cho phép ta có được 1 tín hiệu duy nhất được kết hợp từ nhiều tín hiệu do đó ưu việt hơn so với phương pháp thông thường. Phương pháp Sensor Fusion tỏ ra rất hiệu quả khi nó có thể bù đắp được những khuyết điểm của từng cảm biến, có thể giữ sự ổn định khi cảm biến không hoạt động ở điều kiện nào đó hoặc hư hỏng và có thể hoạt động trong thời gian thực giúp hệ thống UAV có thể hoạt động ở tốc độ và hiệu suất cao.