Tổng quan về luận án

Trong kỷ nguyên vạn vật kết nối (IoT), công nghiệp 4.0 và các hệ thống đô thị thông minh, mạng cảm biến không dây (Wireless Sensor Networks - WSNs) đã trở thành hạ tầng công nghệ cốt lõi trong giám sát môi trường, nông nghiệp chính xác, y tế từ xa và tự động hóa tòa nhà thông minh. Tuy nhiên, rào cản kỹ thuật nghiêm trọng nhất cản trở việc triển khai bền vững WSNs chính là giới hạn vật lý của nguồn năng lượng dự trữ. Đa phần các nút mạng cảm biến hoạt động dựa trên nguồn pin có dung lượng hạn chế và được triển khai phân tán ở những vị trí khó tiếp cận hoặc nguy hiểm, khiến việc thay thế hay nạp lại pin định kỳ gặp nhiều khó khăn, tốn kém chi phí vận hành và làm gián đoạn tính toàn vẹn của dữ liệu giám sát. Như tác giả đã khẳng định trực tiếp trong phần mở đầu của công trình: "Mạng cảm biến là một tập hợp phân tán các nút nhỏ có khả năng phối hợp hoạt động linh hoạt với nhau, ít cần sự tham gia của người dùng." Tuy nhiên, "Pin cạn kiệt các nút cảm biến sẽ ngừng hoạt động dẫn đến mạng mất đi vùng phủ sóng và các chức năng mạng suy giảm, làm giảm chất lượng, phá vỡ cấu trúc mạng, mất vùng phủ sóng… và có thể dẫn đến mạng không còn tồn tại do nhiều nút bị hết năng lượng."

Khoảng trống nghiên cứu (Research Gap) then chốt mà luận án nhận diện nằm ở sự thiếu đồng bộ giữa mô hình đánh giá năng lượng cấp độ vi mô của nút và các giải thuật tối ưu hóa lịch trình hoạt động cấp độ vĩ mô của toàn mạng. Các công cụ mô phỏng mạng hiện hành (như NS-2, NS-3, OMNeT++, J-Sim) thường lý tưởng hóa nguồn pin theo mô hình tuyến tính tĩnh và bỏ qua trạng thái tiêu thụ năng lượng động, phi tuyến theo từng chế độ làm việc phần cứng thực tế kết hợp với thu nạp năng lượng môi trường (Energy Harvesting). Đồng thời, các thuật toán tối ưu hóa lịch trình truyền thống chủ yếu áp dụng giải thuật di truyền với chiều dài nhiễm sắc thể cố định (FLC-GA), dẫn đến sự gò bó về không gian tìm kiếm, không tương thích với mạng cảm biến không đồng nhất (Heterogeneous WSNs) có chu kỳ làm việc linh hoạt.

Luận án tiến sĩ kỹ thuật của NCS. Hà Văn Phương với đề tài "Nghiên cứu giải pháp tối ưu hóa hiệu quả sử dụng năng lượng trong mạng cảm biến", thuộc chuyên ngành Kỹ thuật Điều khiển và Tự động hóa (Mã số: 9520216), được thực hiện tại Viện Quốc tế Nghiên cứu về MICA và Khoa Điện, Trường Đại học Bách Khoa Hà Nội dưới sự hướng dẫn khoa học của PGS. Lê Minh Hoàng và PGS. Đào Trung Kiên (bảo vệ năm 2022). Luận án giải quyết 4 câu hỏi nghiên cứu (Research Questions - RQ) và kiểm chứng 4 giả thuyết khoa học (Hypotheses - H):

  • RQ1: Làm thế nào để mô hình hóa chính xác quá trình tiêu thụ và nạp năng lượng động của từng nút mạng theo từng chế độ làm việc thời gian thực?
  • RQ2: Nền tảng mô phỏng nào có thể tích hợp đa mô đun (pin, nguồn thu năng lượng, cảm biến, truyền thông) để phản ánh trung thực hiện tượng điện hóa và tiêu hao năng lượng trong WSNs?
  • RQ3: Thuật toán tiến hóa nào có khả năng giải bài toán tối ưu hóa lịch trình mạng đa mục tiêu với không gian tìm kiếm biến thiên linh hoạt?
  • RQ4: Giải pháp tối ưu hóa đề xuất kéo dài tuổi thọ mạng và nâng cao số lượng phép đo hiệu dụng được bao nhiêu phần trăm so với phương pháp truyền thống?

Các giả thuyết nghiên cứu bao gồm:

  • H1: Mô hình hóa hướng sự kiện phân cấp cho từng khối chức năng phần cứng sẽ giảm sai số ước lượng năng lượng xuống dưới 5% so với thực nghiệm vật lý.
  • H2: Tích hợp thuật toán tính toán vị trí mặt trời chính xác cao (Solar Position Algorithm) vào mô hình nạp năng lượng sẽ phản ánh chân thực động học pin trong môi trường thực tế.
  • H3: Giải thuật di truyền với nhiễm sắc thể có chiều dài thay đổi (VLC-GA) vượt trội hơn giải thuật chiều dài cố định (FLC-GA) trong việc tìm kiếm điểm tối ưu toàn cục của lịch trình đa nút.
  • H4: Việc đồng tối ưu hóa giữa chế độ thu năng lượng môi trường và lịch trình truyền thông sẽ duy trì trạng thái năng lượng trung hòa (Energy Neutral Operation - ENO), cho phép mạng hoạt động liên tục không giới hạn thời gian.

Khung lý thuyết của nghiên cứu được xây dựng trên sự giao thoa giữa Lý thuyết tính toán tiến hóa (Evolutionary Computation Theory), Mô hình hóa hệ thống hướng sự kiện rời rạc (Discrete-Event System Modeling) và Lý thuyết truyền thông vô tuyến năng lượng thấp. Phạm vi thực nghiệm của luận án tập trung vào mạng cảm biến đo nhiệt độ, độ ẩm ứng dụng trong tự động hóa tòa nhà thông minh, thực nghiệm với các dòng pin Ni-MH (điển hình là Panasonic BK-60AAAH dung lượng 550-750 mAh), module vô tuyến nRF24L01 và vi điều khiển công suất siêu thấp, kiểm chứng qua các khung thời gian 500 giây, 1 giờ, 6 giờ và chu kỳ 3 ngày liên tục.

Literature Review và Positioning

Lịch sử nghiên cứu về tối ưu hóa năng lượng trong mạng cảm biến không dây chia thành ba dòng nghiên cứu chính:

Dòng nghiên cứu thứ nhất tập trung vào thiết kế phần cứng và thu nạp năng lượng môi trường cấp độ nút (Node-level Energy Harvesting). Các công trình tiên phong của Roundy et al. (2003), Park & Chou (2006) với nền tảng Ambimax, và Sudevalayam & Kulkarni (2011) đã chứng minh tiềm năng to lớn của việc khai thác năng lượng mặt trời, nhiệt điện (Thermoelectric Generators - TEG), rung động áp điện (Piezoelectric) và sóng điện từ vô tuyến (RF Energy Harvesting). Tuy nhiên, các giải pháp phần cứng đơn thuần không thể đảm bảo sự ổn định vì mật độ năng lượng môi trường biến thiên ngẫu nhiên theo thời gian, thời tiết và không gian.

Dòng nghiên cứu thứ hai tập trung vào giao thức truyền thông và định tuyến tiết kiệm năng lượng cấp độ mạng (Network-level Protocols). Nổi bật là giao thức phân cụm kinh điển LEACH (Low Energy Adaptive Clustering Hierarchy) của Heinzelman et al. (2000, 2002), giao thức bầu chọn ổn định SEP (Stable Election Protocol) của Smaragdakis et al. (2004), và giao thức phân cụm phân tán DDEEC của Elbhiri et al. (2010). Ở tầng MAC, các giao thức như S-MAC, WiseMAC (El-Hoiydi et al., 2004) nỗ lực giảm thiểu tổn thất do lắng nghe rác (idle listening) và xung đột gói tin (collision). Tuy nhiên, các giao thức định tuyến này thường chỉ tối ưu hóa cục bộ ở từng vòng truyền thông (round) và giải quyết các bài toán đơn lẻ với các giả định lý tưởng hóa về mức sụt giảm năng lượng.

Dòng nghiên cứu thứ ba tập trung vào các công cụ mô phỏng mạng cảm biến (WSN Simulators). Các công cụ truyền thống như NS-2 (Introduction to NS2, 2011), NS-3, OMNeT++ (Varga, 2008), OPNET, J-Sim (Sobeih et al., 2006) và SENSE (Szymanski, 2005) được thiết kế chủ yếu để phân tích hiệu năng mạng (thông lượng, độ trễ, mất gói). Rất ít công cụ cho phép mô hình hóa sâu quá trình nạp/xả điện hóa của pin, tác động của nhiệt độ môi trường, và các chế độ làm việc chi tiết của cảm biến và vi điều khiển trong mối tương quan với thuật toán tối ưu hóa lịch trình.

Trong y văn tồn tại mâu thuẫn học thuật sâu sắc giữa hai trường phái:

  • Trường phái chu kỳ làm việc cố định (Static Duty-cycling): Cho rằng việc thiết lập chu kỳ ngủ/thức đồng bộ, cố định theo thời gian giúp đơn giản hóa giao thức MAC, giảm chi phí kiểm soát (overhead) và đảm bảo tính tất định của mạng.
  • Trường phái chu kỳ làm việc thích ứng động (Dynamic/Adaptive Scheduling): Lập luận rằng chu kỳ cố định hoàn toàn không tương thích với các nguồn năng lượng tái tạo biến động phi tuyến. Mạng cần cơ chế phân bổ trạng thái linh hoạt theo thời gian thực để khai thác tối đa năng lượng thu nhận được tại từng thời điểm.

Luận án của Hà Văn Phương tự định vị ở vị trí tiên phong: Cầu nối tích hợp giữa mô hình hóa năng lượng phần cứng chi tiết (Hardware-in-the-loop energy simulation) và giải thuật tối ưu hóa tiến hóa với chiều dài gen biến thiên. Khi so sánh với công trình quốc tế của Kansal et al. (2007) về mô hình quản lý năng lượng bền vững và nghiên cứu của Zhang et al. (2014) về triển khai WSN bằng thuật toán di truyền, nghiên cứu này vượt trội nhờ khả năng tối ưu hóa đồng thời 4 chế độ hoạt động ($BS, BI, BM, BC$) của từng nút riêng biệt mà không làm tăng độ phức tạp tính toán của mạng thực.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng Lý thuyết Tính toán Tiến hóa (Evolutionary Computation Theory) được khởi xướng bởi John Holland (1975) bằng việc phát triển biến thể giải thuật di truyền nhiễm sắc thể có chiều dài thay đổi (Variable Length Chromosome Genetic Algorithm - VLC-GA) chuyên biệt cho lớp bài toán tối ưu hóa điều khiển phân tán trong không gian mạng cảm biến. Luận án đã xây dựng mô hình giải tích toàn diện mô tả trạng thái tiêu thụ năng lượng của một nút mạng cảm biến $i$ thông qua 4 biến trạng thái nhị phân: $$BS_i(t) \in {0, 1} \quad (\text{Chế độ ngủ - Sleep})$$ $$BI_i(t) \in {0, 1} \quad (\text{Chế độ chờ - Idle})$$ $$BM_i(t) \in {0, 1} \quad (\text{Chế độ đo lường - Measurement})$$ $$BC_i(t) \in {0, 1} \quad (\text{Chế độ truyền thông - Communication})$$

Tại bất kỳ thời điểm $t$, ràng buộc hoạt động độc bản của nút thỏa mãn: $BS_i(t) + BI_i(t) + BM_i(t) + BC_i(t) = 1$. Năng lượng tiêu thụ của nút $i$ trong khoảng thời gian $[0, T]$ được tích phân chính xác: $$E_i = \int_{0}^{T} \left[ P_{sleep} BS_i(t) + P_{idle} BI_i(t) + P_{meas} BM_i(t) + P_{comm} BC_i(t) \right] dt$$

Luận án đề xuất một bước chuyển đổi mô thức (paradigm shift) từ "tiết kiệm năng lượng thụ động" (Passive Energy Conservation) sang "quản lý và cân bằng năng lượng chủ động theo điều kiện thu nạp" (Active Energy Neutral Scheduling).

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp chặt chẽ ba lý thuyết nền tảng:

  1. Lý thuyết Điện hóa Pin và Năng lượng Môi trường: Mô hình hóa pin Ni-MH có xét đến điện trở trong, hiện tượng tự phóng điện và thuật toán vị trí mặt trời chính xác cao (Reda & Andreas, 2004; Michalsky, 1988) để ước tính quang năng thu nhận $P_{harvest}(t)$.
  2. Lý thuyết Mô hình hóa Hướng sự kiện Rời rạc (Discrete-Event Simulation Theory): Thiết lập cấu trúc lớp đối tượng phân cấp kết nối giữa module Nguồn (Power Module), module Pin (Battery Module), module Cảm biến (Sensor Module) và module Vô tuyến (Radio Module).
  3. Lý thuyết Tối ưu hóa Tổ hợp Tiến hóa: Lịch trình toàn mạng $\hat{S}$ được mã hóa thành cấu trúc nhiễm sắc thể mà mỗi đoạn gen $C_i$ đại diện cho chuỗi trạng thái và khoảng thời gian tồn tại $({m_{j}^i, t_{j}^i})_{j=1}^{s_i}$ của nút $i$, với chiều dài chuỗi $s_i$ biến thiên linh hoạt.
graph TD
    A["Môi trường thực & Nguồn thu năng lượng (Quang/Nhiệt/RF)"] --> B["Nền tảng mô phỏng WSN tính đến yếu tố năng lượng"]
    C["Thông số phần cứng nút: MCU, nRF24L01, Pin Ni-MH"] --> B
    B --> D["Mô hình hóa động học năng lượng 4 trạng thái (BS, BI, BM, BC)"]
    D --> E["Bộ tối ưu hóa VLC-GA (Toán tử: Lai ghép, Đột biến, Chèn, Loại bỏ, Dịch chuyển)"]
    E --> F["Hàm mục tiêu BFV (Tối đa số phép đo, Cân bằng điện áp, Đảm bảo phủ sóng)"]
    F --> G["Lịch trình tối ưu S*"]
    G --> H["Triển khai cài đặt lên mạng cảm biến thực tế"]

Hàm mục tiêu tối ưu hóa toàn diện (Best Fitness Value - $BFV$) được xây dựng để đồng thời cực đại hóa tổng số phép đo hữu ích $\eta$, cực tiểu hóa sai số trễ đo lường $\Delta t_{max}$, và duy trì dung lượng pin nằm trong ngưỡng an toàn: $$BFV = \alpha \cdot \eta - \beta \cdot \Delta t_{max} - \gamma \cdot \Delta Q$$ với $\alpha, \beta, \gamma$ là các trọng số điều hòa; $\Delta Q = |Q_{start} - Q_{end}|$ là độ suy giảm dung lượng qua chu kỳ khảo sát.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ triết lý thực chứng (Positivism) kết hợp với phương pháp thiết kế kỹ thuật thực nghiệm (Empirical Engineering Design). Luận án áp dụng phương pháp nghiên cứu hỗn hợp kết hợp ba trụ cột:

  • Thực nghiệm vật lý trên phần cứng (Hardware Prototype Experimentation).
  • Thiết kế phần mềm hướng đối tượng (Object-Oriented Software Engineering).
  • Mô phỏng toán học và giải thuật tối ưu hóa tiến hóa (Heuristic Optimization Simulation).

Thiết kế nghiên cứu đa tầng được tổ chức từ cấp độ mạch điện tử bán dẫn, cấp độ nút đơn lẻ, cấp độ cụm liên kết đến cấp độ toàn mạng quy mô lớn.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thực hiện qua các bước nghiêm ngặt:

  1. Chế tạo phần cứng thực nghiệm: Tác giả đã tự thiết kế và chế tạo nút cảm biến đo nhiệt độ và độ ẩm môi trường hoàn chỉnh. Phần cứng tích hợp vi điều khiển điện năng thấp, cảm biến số, module thu phát vô tuyến băng tần 2.4 GHz (nRF24L01) và bộ chuyển đổi năng lượng mặt trời nạp cho pin Ni-MH Panasonic BK-60AAAH (điện áp danh định 1.2V).
  2. Đo đạc tham số năng lượng thực tế: Thiết lập hệ thống đo công suất tiêu thụ của nút thực nghiệm với thiết bị đo chuẩn hóa độ chính xác cao. Dòng điện tiêu thụ được trích xuất qua 10 lần thực nghiệm ngẫu nhiên ở 4 chu kỳ định thời hoạt động độc lập nhằm loại trừ sai số ngẫu nhiên.
  3. Phát triển nền tảng mô phỏng chuyên dụng: Xây dựng phần mềm mô phỏng hướng đối tượng độc lập, tích hợp các thư viện mô hình toán học của pin, mạch thu năng lượng, mô hình lan truyền sóng vô tuyến và các trạng thái máy tự động.
  4. Triangulation (Tam giác đạc dữ liệu): Đối chuẩn chéo kết quả giữa:
    • Dữ liệu đo đạc thực nghiệm trên phần cứng vật lý.
    • Dữ liệu xuất ra từ nền tảng mô phỏng tự phát triển.
    • Dữ liệu tính toán lý thuyết từ các mô hình toán kinh điển.

Data và phân tích

Quá trình thu thập dữ liệu thực nghiệm đã xác định chính xác mức tiêu thụ dòng và công suất của nút cảm biến thực nghiệm ở từng chế độ:

  • Chế độ ngủ (Sleep Mode): Dòng tiêu thụ $\approx 15,\mu\text{A}$ ($P_{sleep} \approx 0.05,\text{mW}$).
  • Chế độ chờ (Idle Mode): Dòng tiêu thụ $\approx 1.8,\text{mA}$ ($P_{idle} \approx 6.0,\text{mW}$).
  • Chế độ đo lường (Measurement Mode): Dòng tiêu thụ $\approx 8.5,\text{mA}$ ($P_{meas} \approx 28.05,\text{mW}$) trong thời gian tác vụ $15,\text{ms}$.
  • Chế độ truyền thông (Communication Mode - Gửi gói tin): Dòng tiêu thụ đỉnh $\approx 13.5,\text{mA}$ ($P_{comm} \approx 44.55,\text{mW}$) trong thời gian tác vụ $25,\text{ms}$.

So sánh kết quả tiêu thụ năng lượng giữa thực nghiệm vật lý và nền tảng mô phỏng trong các khoảng thời gian kiểm tra nghiêm ngặt:

  • Khung thời gian 500 giây: Mức tiêu thụ thực nghiệm $E_{exp} = 4.12,\text{J}$, mô phỏng $E_{sim} = 4.18,\text{J}$ (Sai số tương đối $< 1.5%$).
  • Khung thời gian 1 giờ (3600s): Mức tiêu thụ thực nghiệm $E_{exp} = 29.8,\text{J}$, mô phỏng $E_{sim} = 30.2,\text{J}$ (Sai số tương đối $< 1.34%$).
  • Khung thời gian 6 giờ (21600s): Mức tiêu thụ thực nghiệm $E_{exp} = 178.5,\text{J}$, mô phỏng $E_{sim} = 181.1,\text{J}$ (Sai số tương đối $< 1.45%$).
Chế độ hoạt động của nút Dòng điện tiêu thụ thực nghiệm ($I$) Công suất tiêu thụ trung bình ($P$) Thời gian thực thi tác vụ chuẩn
Ngủ (Sleep - $BS$) $15.2,\mu\text{A}$ $0.050,\text{mW}$ Chiếm phần lớn chu kỳ ($>90%$)
Chờ (Idle - $BI$) $1.82,\text{mA}$ $6.006,\text{mW}$ Chuyển tiếp trạng thái ($1-2,\text{ms}$)
Đo lường (Measure - $BM$) $8.50,\text{mA}$ $28.050,\text{mW}$ $15.0,\text{ms}$
Truyền thông (Comm - $BC$) $13.50,\text{mA}$ $44.550,\text{mW}$ $25.0,\text{ms}$

Về mặt giải thuật, thuật toán VLC-GA sử dụng các tham số tối ưu: Kích thước quần thể $N = 100$, số thế hệ tiến hóa $G = 100$, xác suất sao chép $\rho_{MC} = 0.85$, xác suất chèn gen $\rho_{MI} = 0.08$, xác suất loại bỏ gen $\rho_{MR} = 0.05$, và xác suất dịch chuyển gen $\rho_{MS} = 0.02$.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Sự vượt trội của giải thuật VLC-GA so với FLC-GA: Trên cùng một kịch bản mạng phân cấp hình cây gồm 3 nút đo và 1 nút thu thập (Sink), VLC-GA cho phép số lượng phép đo hợp lệ tăng hơn $28.6%$ trong chu kỳ 3 ngày so với FLC-GA, đồng thời giữ cho mức biến thiên dung lượng pin của các nút trong ngưỡng cực kỳ an toàn ($\Delta Q < 2.5%$).
  2. Xác nhận tính chính xác của nền tảng mô phỏng tự phát triển: Nền tảng mô phỏng được phát triển trong luận án đã khắc phục hoàn toàn nhược điểm của các trình mô phỏng thương mại. Như tác giả đã nêu rõ: "Nền tảng được phát triển có khả năng mô phỏng mạng và quá trình năng lượng, trạng thái và mức tiêu thụ năng lượng ở từng chế độ hoạt động của từng nút. Việc này giúp mô phỏng giám sát và hỗ trợ điều phối năng lượng cho mạng cũng như giải bài toán tối ưu hóa sử dụng năng lượng trong mạng cảm biến."
  3. Phát hiện hiện tượng phân phối năng lượng phi đối xứng theo thời gian: Thuật toán VLC-GA đã tự động phát hiện và thích ứng với quy luật bức xạ mặt trời: Tăng mật độ phép đo và truyền dữ liệu trong khoảng thời gian từ 10:00 đến 14:00 (khi công suất quang điện đạt đỉnh $> 150,\text{mW}$), và tự động chuyển sang chế độ ngủ sâu ($BS$) vào ban đêm với chu kỳ đo thưa hơn. Điều này giúp tránh hiện tượng sạc quá mức (overcharge) và xả sâu (deep discharge) của pin.
  4. Hiệu ứng triệt tiêu xung đột trong cấu trúc mạng hình cây: Việc tối ưu hóa lịch trình truyền thông bằng toán tử dịch chuyển gen ($\rho_{MS}$) đã tạo ra các khe thời gian truyền thông không chồng lấn giữa các nút con, giúp giảm $99.2%$ hiện tượng xung đột gói tin và tiết kiệm $34.1%$ năng lượng hao phí ở chế độ chờ vô ích ($BI$).
gantt
    title Lịch trình hoạt động tối ưu của nút mạng trong chu kỳ 24h
    dateFormat HH:mm
    axisFormat %H:%M
    section Ban ngày (Hấp thụ quang năng)
    Đo lường & Truyền thông dày đặc :active, 08:00, 16:00
    Nạp pin từ Solar Harvesting     :crit, 09:00, 15:00
    section Ban đêm (Bảo tồn năng lượng)
    Ngủ sâu (Sleep Mode)            :done, 18:00, 06:00
    Đo lường định kỳ giãn cách       :active, 20:00, 04:00

Implications đa chiều

  • Về mặt học thuật và lý thuyết: Luận án chứng minh rằng bài toán tối ưu hóa năng lượng WSNs không nhất thiết phải đánh đổi giữa chất lượng dịch vụ (QoS - số lượng phép đo) và tuổi thọ mạng, mà có thể đạt được điểm cân bằng Pareto tối ưu thông qua việc điều biến cấu trúc nhiễm sắc thể thích ứng.
  • Về mặt công nghệ và phương pháp luận: Cung cấp cho cộng đồng nghiên cứu một bộ công cụ mô phỏng mã nguồn mở chuyên dụng, cho phép thử nghiệm nhanh các thuật toán định tuyến và điều khiển năng lượng mới mà không cần đầu tư hệ thống thực nghiệm phần cứng đắt tiền.
  • Về mặt ứng dụng thực tiễn: Ứng dụng trực tiếp vào các hệ thống Quản lý Tòa nhà Thông minh (Building Management System - BMS), hệ sinh thái IoT nông nghiệp công nghệ cao và quan trắc môi trường công nghiệp, giúp các doanh nghiệp tiết kiệm hàng trăm triệu đồng chi phí nhân công bảo dưỡng và thay thế pin.
  • Về mặt chính sách: Đóng góp luận cứ khoa học cho lộ trình phát triển "Công nghệ thông tin xanh" (Green ICT) và chuyển đổi số giảm thiểu rác thải điện tử pin độc hại ra môi trường.

Limitations và Future Research

Mặc dù đạt được những kết quả xuất sắc, nghiên cứu thẳng thắn thừa nhận các giới hạn học thuật:

  • Quy mô thử nghiệm vật lý mới dừng lại ở mạng cấu trúc hình cây và mạng cụm nhỏ với số lượng nút thực nghiệm giới hạn; chưa triển khai mạng thực tế quy mô hàng trăm nút trên diện tích rộng hàng km².
  • Mô hình thu năng lượng trong phần thực nghiệm tập trung chủ yếu vào năng lượng mặt trời; các module thu năng lượng rung động áp điện, nhiệt điện TEG và sóng RF mới dừng lại ở mô hình hóa toán học và mô phỏng trên nền tảng, chưa hoàn thiện phần cứng lai đa nguồn (Hybrid Energy Harvester).
  • Môi trường truyền sóng vô tuyến trong nền tảng mô phỏng giả định điều kiện lan truyền tự do kết hợp mô hình suy hao Log-khoảng cách chuẩn, chưa tính hết các tác động nhiễu động phức tạp của vật cản di động trong tòa nhà.

Chương trình nghiên cứu tương lai (Future Research Agenda) mở rộng:

  1. Tích hợp Học tăng cường sâu (Deep Reinforcement Learning - DRL) kết hợp với VLC-GA để tạo ra cơ chế tự học lịch trình phân tán tại từng nút mạng theo thời gian thực (On-node Online Scheduling).
  2. Phát triển phần cứng nút cảm biến thu thập năng lượng lai kết hợp cả quang năng và nhiệt điện công nghệ màng mỏng.
  3. Nghiên cứu mở rộng thuật toán tối ưu hóa cho mạng cảm biến không dây di động (Mobile WSNs) và mạng cảm biến vô tuyến có khả năng truyền năng lượng không dây (Wireless Powered Sensor Networks - WPSNs).
  4. Chuẩn hóa nền tảng mô phỏng để tích hợp vào các framework IoT công nghiệp tiêu chuẩn như ZigBee PRO, LoRaWAN và 6LoWPAN.

Tác động và ảnh hưởng

Luận án của Hà Văn Phương tạo ra những tác động lan tỏa mạnh mẽ:

  • Tác động học thuật: Các công trình công bố liên quan đến luận án trên các hội nghị quốc tế uy tín (như IEEE VJMW 2017, IEEE VJISAP 2018) về bộ cộng hưởng H-shape cho thẻ RFID không chip và kỹ thuật truyền thông năng lượng thấp đã khẳng định chất lượng và đóng góp khoa học của nghiên cứu.
  • Chuyển đổi công nghiệp: Tạo tiền đề cho các doanh nghiệp sản xuất thiết bị IoT tại Việt Nam làm chủ công nghệ thiết kế nút cảm biến tự cấp nguồn (Self-powered Sensor Nodes), nâng cao năng lực cạnh tranh trong thị trường thiết bị thông minh.
  • Lợi ích xã hội và môi trường: Giảm thiểu việc thải bỏ hàng triệu viên pin chứa kim loại nặng độc hại (Cadmium, Nickel, Chì) ra môi trường tự nhiên, đóng góp thiết thực vào mục tiêu Net-Zero Carbon và phát triển bền vững.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên chuyên ngành Tự động hóa, Viễn thông, IoT: Tiếp cận được một phương pháp luận nghiên cứu hoàn chỉnh, từ mô hình hóa lý thuyết, phát triển giải thuật tiến hóa biến thể mới đến thiết kế phần cứng kiểm chứng.
  • Kỹ sư R&D trong các tập đoàn công nghệ IoT: Sử dụng trực tiếp cấu trúc thuật toán VLC-GA và kiến trúc phân chia trạng thái năng lượng để tối ưu hóa firmware cho các sản phẩm thương mại.
  • Các nhà quản lý vận hành tòa nhà thông minh và khu công nghiệp: Ứng dụng giải pháp mạng cảm biến không dây tự cấp nguồn để giám sát an toàn cháy nổ, chất lượng không khí với chi phí bảo trì tiệm cận mức 0.
  • Các nhà hoạch định chính sách môi trường và năng lượng: Có cơ sở khoa học để ban hành các quy chuẩn kỹ thuật về hiệu suất năng lượng cho các thiết bị IoT tại Việt Nam.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? Đóng góp lý thuyết cốt lõi là việc mở rộng Lý thuyết Tính toán Tiến hóa (Evolutionary Computation Theory) thông qua việc xây dựng giải thuật di truyền với nhiễm sắc thể có chiều dài thay đổi (VLC-GA) cho bài toán điều phối WSNs. Thuật toán đã phá vỡ sự gò bó của nhiễm sắc thể có chiều dài cố định truyền thống, cho phép mỗi nút mạng tự động co giãn số lượng trạng thái hoạt động trong một chu kỳ mà không làm phá vỡ tính hợp lệ của cấu trúc gen toàn mạng.

  2. Sự đổi mới về phương pháp luận so với các nghiên cứu trước đây thể hiện ở điểm nào? So với các nghiên cứu của Heinzelman et al. (LEACH) hay Sobeih et al. (J-Sim), luận án đã tạo ra bước đột phá về phương pháp luận bằng cách kết hợp "Tam giác kiểm chứng" (Triangulation): Không chỉ dựa vào mô phỏng lý thuyết hay các giả định toán học đơn giản, tác giả đã tự thiết kế phần cứng thực nghiệm, đo đạc dữ liệu tiêu thụ tĩnh và động ở cấp độ microampere, sau đó nạp các tham số thực tế này vào nền tảng mô phỏng hướng sự kiện tự phát triển trước khi áp dụng giải thuật tối ưu hóa tiến hóa.

  3. Phát hiện thực nghiệm gây bất ngờ nhất trong quá trình nghiên cứu là gì? Phát hiện bất ngờ nhất là việc tăng mật độ đo lường và truyền thông vào các khung giờ có bức xạ mặt trời cao (10:00 - 14:00) không những không làm suy giảm dung lượng pin mà còn giúp tăng tuổi thọ hóa học của pin Ni-MH. Việc xả tải chủ động khi nguồn quang điện dư thừa giúp ngăn chặn hiện tượng pin bị sạc quá mức ở điện áp đỉnh, qua đó duy trì trạng thái sạc ($SOC$) ở vùng hoạt động tối ưu.

  4. Luận án có cung cấp quy trình tái lập nghiên cứu (Replication Protocol) không? Luận án cung cấp chi tiết toàn bộ sơ đồ nguyên lý mạch điện phần cứng, mã định danh linh kiện (Panasonic BK-60AAAH, nRF24L01), lưu đồ thuật toán chi tiết của nút thực nghiệm, cấu trúc lớp hướng đối tượng của phần mềm mô phỏng, hệ phương trình toán học nạp/xả pin và đầy đủ tập tham số của thuật toán VLC-GA ($\rho_{MC}, \rho_{MI}, \rho_{MR}, \rho_{MS}$). Điều này đảm bảo tính minh bạch học thuật tuyệt đối và cho phép các nhà khoa học khác tái lập hoàn toàn kết quả thực nghiệm. Tác giả đã khẳng định trong lời cam đoan: "Các kết quả, số liệu trình bày trong luận án hoàn toàn trung thực và chưa được công bố trong bất kỳ công trình nào trước đây."

  5. Chương trình nghiên cứu 10 năm tới được phác thảo ra sao? Chương trình nghiên cứu dài hạn hướng tới việc xây dựng hệ sinh thái mạng cảm biến thông minh tự chủ năng lượng hoàn toàn (Cognitive Energy-Autonomous WSNs): Tích hợp trí tuệ nhân tạo biên (Edge AI) để dự báo năng lượng thời tiết cục bộ, kết hợp công nghệ truyền năng lượng không dây qua sóng vô tuyến (WPT) và mở rộng sang mạng cảm biến sinh học cấy ghép (Bio-WSNs) tự nạp năng lượng từ chuyển động cơ học của cơ thể sống.

Kết luận

Luận án tiến sĩ của NCS. Hà Văn Phương là một công trình khoa học công phu, nghiêm túc và có giá trị học thuật cũng như ứng dụng thực tiễn vượt trội, thể hiện qua 5 đóng góp cụ thể:

  1. Hệ thống hóa toàn diện cơ chế tiêu thụ và thu nạp năng lượng trong mạng cảm biến không dây, phân loại chi tiết các giải pháp từ cấp độ nút đến cấp độ mạng.
  2. Phát triển thành công nền tảng mô phỏng mạng cảm biến chuyên dụng hướng đối tượng có tính đến các yếu tố năng lượng động học, thu nạp quang năng và mô hình pin phi tuyến với độ chính xác cao (sai số so với thực nghiệm $< 1.5%$).
  3. Đề xuất và hiện thực hóa biến thể giải thuật di truyền mới VLC-GA, giải quyết xuất sắc bài toán tối ưu hóa lịch trình mạng cảm biến đa mục tiêu với cấu trúc gen biến thiên linh hoạt.
  4. Chế tạo thành công nút cảm biến thực nghiệm vật lý, đo đạc kiểm chứng tham số công suất thực tế phục vụ chuẩn hóa mô hình toán học và phần mềm mô phỏng.
  5. Chứng minh hiệu quả vượt trội của giải pháp đề xuất trong việc nâng cao hơn $28.6%$ số lượng phép đo hiệu dụng, cân bằng năng lượng mạng và kéo dài tuổi thọ WSNs hướng tới trạng thái vận hành vĩnh cửu (Energy Neutrality).

Công trình đã tạo nên bước tiến quan trọng trong lĩnh vực Kỹ thuật Điều khiển và Tự động hóa, mở ra 3 hướng nghiên cứu ứng dụng đột phá cho các hệ thống IoT thông minh tại Việt Nam và trên trường quốc tế.