Lọc Kalman hiệu chỉnh: Bài toán vật thể dưới nước - Trường Đại Học Công Nghệ

LỜI CAM ĐOAN

LỜI CẢM ƠN

MỞ ĐẦU

1. Chƣơn 1: Tổng quan chuyển động tron môi trƣờn nƣớc của vật thể dạng mảnh

1.1. Đặc điểm chuyển động vật thể dạng mảnh khi có hiệu ứng khoang rỗng

1.2. Ngu n gốc, ản chất c a hi u ng khoang rỗng

1.3. Hi u ng khoang rỗng c a vật thể dạng mảnh di chuyển in c

1.4. ạng chuyển động c a vật thể dạng mảnh trong khoang rỗng

1.5. T nh h nh nghiên c u v chuyển động in c c a vật thể dạng mảnh

1.6. C c nghiên c u điển h nh v chuyển động i n c c a vật thể v i hi u ng khoang rỗng c a c c t c giả n c ngoài

1.7. C c nghiên c u điển h nh v chuyển động i n c c a vật thể v i hi u ng khoang rỗng c a c c t c giả trong n c

2. Chƣơn 2: Mô hình mô tả chuyển động của vật thể tron môi trƣờn nƣớc khi có khoang rỗng xuất hiện

2.1. M h nh động l c học vật thể chuyển động trong khoang rỗng

2.2. M h nh động l c học dòng chảy (n c) xung quanh vật thể

2.3. Mô hình dòng hỗn h p (Mixture model)

2.4. Mô hình dòng chảy rối Realizable k – ε

2.5. Mô hình khoang rỗng (Cavitation model)

3. Chƣơn 3: Ứng dụn phƣơn pháp lọc Kalman vào bài toán vật thể chuyển độn dƣới nƣớc có sự xuất hiện khoang rỗng

3.1. Gi i thi u v ph ơng ph p lọc Kalman

3.2. Ph ơng ph p lọc Kalman cổ điển

3.3. Ph ơng ph p lọc Kalman phi tuy n

3.4. K t h p bộ lọc Kalman SEIK v i ANSYS Fluent

3.5. Mô hình mô phỏng trên ANSYS Fluent

3.6. Xây d ng l i tính toán

3.7. Thi t lập trên ANSYS Fluent

4. Chƣơn 4: Kết quả tính toán với mô hình số kết hợp

4.1. Vận tốc chuyển động trong khoang rỗng c a vật thể

4.2. So sánh v i giá tr tham khảo giả đ nh

4.3. So sánh v i th c đo liên t c

4.4. So sánh v i th c đo gi n đoạn

4.5. K t quả mô phỏng s hình thành khoang rỗng bao quanh vật thể

TÀI LIỆU THAM KHẢO

DANH MỤC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN VĂN

DANH SÁCH CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

I. Lọc Kalman Hiệu Chỉnh Tổng Quan Bài Toán Vật Thể Nước

Bài toán chuyển động của vật thể dưới nước là một vấn đề phức tạp, đặc biệt khi có sự tham gia của dòng chảy nhiều pha. Việc nghiên cứu các dòng chảy nhiều pha với quá trình chuyển pha của chất lỏng vẫn còn nhiều thách thức. Phương pháp thủy động lực tính toán (CFD) đã trở thành công cụ quan trọng để giải quyết các bài toán cơ học chất lỏng và dòng chảy nhiều pha. Phương pháp CFD giúp kỹ sư và nhà nghiên cứu phân tích chi tiết dòng chảy, đưa ra định hướng thí nghiệm. Khi một vật thể dạng mảnh di chuyển với vận tốc lớn (≥ 50m/s) trong môi trường nước, hiện tượng khoang rỗng (supercavitation) xảy ra, biến đổi nước xung quanh vật thể thành hơi (khí). Lớp hơi này bao bọc phần lớn vật thể, giảm đáng kể lực cản. Nhờ khoang rỗng, vật thể có thể di chuyển xa hơn. Các nghiên cứu về vật thể dưới nước đã được nhiều nhóm nghiên cứu trên thế giới thực hiện. Ở Việt Nam, đây là một lĩnh vực mới mẻ. Các nghiên cứu về vật thể dưới nước có thể chia thành hai hướng chính: nghiên cứu lý thuyết và nghiên cứu thực nghiệm. Lọc Kalman, một phương pháp hiệu chỉnh độ chính xác cao, được sử dụng trong luận văn này để giúp giảm thiểu sai số trong quá trình tính toán.

1.1. Đặc Điểm Chuyển Động Vật Thể Dạng Mảnh Dưới Nước

Khi một vật thể có dạng mảnh (slender body) di chuyển với vận tốc lớn (≥ 50m/s) trong môi trường nước, hiện tượng khoang rỗng (supercavitation) sẽ xuất hiện mà ở đó phần nước (dạng lỏng) xung quanh vật thể chuyển hóa thành dạng hơi (khí). Lớp hơi nước (khí) bao bọc hầu hết vật thể (ngoại trừ phần đầu mũi) khiến cho lực cản của môi trường giảm đi rất nhiều. Nhờ có khoang rỗng (cavity) được tạo ra mà vật thể có thể di chuyển được quãng đường xa hơn.

1.2. Ứng Dụng Lọc Kalman trong Bài Toán Vật Thể Dưới Nước

Trong khuôn khổ luận văn này, tác giả đề xuất việc ứng dụng phương pháp lọc Kalman kết hợp với phương pháp CFD để hiệu chỉnh quá trình tính toán vận tốc chuyển động của một vật thể dạng mảnh đồng thời mô phỏng sự xuất hiện khoang rỗng khi vật thể di chuyển trong môi trường nước. Sự kết hợp này được kỳ vọng sẽ giúp giảm thiểu sai số trong quá trình tính toán đồng thời thể hiện được sự tương tác giữa chuyển động của vật thể và dòng chảy xung quanh.

II. Thách Thức Ước Lượng Trạng Thái Vật Thể Trong Môi Trường Nhiễu

Việc ước lượng trạng thái của vật thể dưới nước gặp nhiều khó khăn do ảnh hưởng của nhiễu môi trường, sai số cảm biến, và tính phi tuyến của mô hình động học vật thể. Tín hiệu phản xạ từ sonar bị ảnh hưởng bởi nhiều yếu tố, gây khó khăn cho việc theo dõi vật thể. Các phương pháp truyền thống thường không hiệu quả trong môi trường phức tạp này. Do đó, việc áp dụng thuật toán ước lượng mạnh mẽ như lọc Kalman là cần thiết để cải thiện độ chính xác ước lượng và đảm bảo khả năng hoạt động trong thời gian thực.

2.1. Các Yếu Tố Gây Sai Số Trong Ước Lượng Vật Thể Dưới Nước

Các yếu tố gây sai số trong ước lượng vật thể dưới nước bao gồm nhiễu môi trường, sai số cảm biến, và tính phi tuyến của mô hình động học vật thể. Tín hiệu phản xạ từ sonar bị ảnh hưởng bởi nhiều yếu tố, gây khó khăn cho việc theo dõi vật thể. Các phương pháp truyền thống thường không hiệu quả trong môi trường phức tạp này.

2.2. Tầm Quan Trọng của Độ Chính Xác Ước Lượng và Thời Gian Thực

Việc đảm bảo độ chính xác ước lượng cao và khả năng hoạt động trong thời gian thực là vô cùng quan trọng trong các ứng dụng thực tế của bài toán định vị dưới nước. Các hệ thống theo dõi vật thể cần phải phản ứng nhanh chóng và chính xác để đảm bảo an toàn và hiệu quả hoạt động.

III. Phương Pháp Lọc Kalman Hiệu Chỉnh cho Vật Thể Dưới Nước

Phương pháp lọc Kalman hiệu chỉnh cung cấp một giải pháp hiệu quả để ước lượng trạng thái của vật thể dưới nước trong môi trường nhiễu môi trường. Lọc Kalman kết hợp thông tin từ mô hình động học vật thể và các phép đo từ cảm biến dưới nước để tạo ra ước lượng tối ưu. Các biến thể của lọc Kalman, như bộ lọc Kalman mở rộng (EKF) và bộ lọc Kalman không mùi (UKF), được sử dụng để xử lý tính phi tuyến của mô hình động học và sai số cảm biến.

3.1. Ưu Điểm của Lọc Kalman Trong Bài Toán Theo Dõi Vật Thể

Lọc Kalman kết hợp thông tin từ mô hình động học vật thể và các phép đo từ cảm biến dưới nước để tạo ra ước lượng tối ưu. Các biến thể của lọc Kalman, như bộ lọc Kalman mở rộng (EKF) và bộ lọc Kalman không mùi (UKF), được sử dụng để xử lý tính phi tuyến của mô hình động học và sai số cảm biến.

3.2. Các Biến Thể Của Lọc Kalman EKF và UKF

Các biến thể của lọc Kalman, như bộ lọc Kalman mở rộng (EKF) và bộ lọc Kalman không mùi (UKF), được sử dụng để xử lý tính phi tuyến của mô hình động học và sai số cảm biến. EKF sử dụng phương pháp tuyến tính hóa để xử lý tính phi tuyến, trong khi UKF sử dụng một tập hợp các điểm mẫu để ước lượng trạng thái.

IV. Ứng Dụng Mô Phỏng Vật Thể Dưới Nước Với Phần Mềm Chuyên Dụng

Ứng dụng lọc Kalman hiệu chỉnh vào bài toán vật thể dưới nước được thực hiện thông qua phần mềm mô phỏng chuyên dụng. Các giải thuật được tích hợp vào phần mềm mô phỏng để đánh giá hiệu năng của phương pháp. Mô hình động học vật thể, cảm biến dưới nước, và nhiễu môi trường được mô phỏng để tạo ra môi trường thử nghiệm thực tế. Các kết quả mô phỏng cho thấy lọc Kalman hiệu chỉnh cải thiện đáng kể độ chính xác ước lượng và khả năng hoạt động trong thời gian thực.

4.1. Sử Dụng Phần Mềm Mô Phỏng Để Đánh Giá Hiệu Năng

Các giải thuật được tích hợp vào phần mềm mô phỏng để đánh giá hiệu năng của phương pháp. Mô hình động học vật thể, cảm biến dưới nước, và nhiễu môi trường được mô phỏng để tạo ra môi trường thử nghiệm thực tế.

4.2. Kết Quả Mô Phỏng và Đánh Giá Độ Chính Xác Ước Lượng

Các kết quả mô phỏng cho thấy lọc Kalman hiệu chỉnh cải thiện đáng kể độ chính xác ước lượng và khả năng hoạt động trong thời gian thực. So sánh với các phương pháp truyền thống, lọc Kalman hiệu chỉnh cho kết quả tốt hơn trong môi trường nhiễu môi trường.

V. Kết Quả Đánh Giá Hiệu Quả Lọc Kalman Hiệu Chỉnh Dưới Nước

Các kết quả đánh giá hiệu năng cho thấy lọc Kalman hiệu chỉnh cung cấp ước lượng chính xác hơn so với các phương pháp truyền thống trong bài toán định vị dưới nước. Độ chính xác cải thiện đáng kể trong môi trường nhiễu môi trường, đảm bảo khả năng theo dõi vật thể hiệu quả. Các kết quả này chứng minh tiềm năng ứng dụng của lọc Kalman hiệu chỉnh trong các hệ thống định vị dưới nước thực tế.

5.1. So Sánh Độ Chính Xác Với Các Phương Pháp Truyền Thống

Độ chính xác cải thiện đáng kể trong môi trường nhiễu môi trường, đảm bảo khả năng theo dõi vật thể hiệu quả. Các kết quả này chứng minh tiềm năng ứng dụng của lọc Kalman hiệu chỉnh trong các hệ thống định vị dưới nước thực tế. Các phương pháp truyền thống thường không hiệu quả trong môi trường phức tạp này, do đó, việc áp dụng thuật toán ước lượng mạnh mẽ như lọc Kalman là cần thiết để cải thiện độ chính xác ước lượng và đảm bảo khả năng hoạt động trong thời gian thực.

5.2. Tiềm Năng Ứng Dụng Trong Các Hệ Thống Định Vị Thực Tế

Các kết quả này chứng minh tiềm năng ứng dụng của lọc Kalman hiệu chỉnh trong các hệ thống định vị dưới nước thực tế. Các ứng dụng bao gồm theo dõi robot dưới nước, định vị tàu ngầm, và khảo sát môi trường biển.

VI. Tương Lai Phát Triển Thuật Toán Định Vị Dưới Nước Tối Ưu

Hướng nghiên cứu tiếp theo tập trung vào việc phát triển lọc Kalman thích nghi để đối phó với bất định trong môi trường dưới nước. Phương pháp tối ưu hóa được áp dụng để cải thiện hiệu năng của giải thuật và giảm sai số ước lượng. Các kỹ thuật Monte Carlo được sử dụng để đánh giá độ tin cậy của ước lượng và tăng cường khả năng hoạt động trong các điều kiện khó khăn.

6.1. Nghiên Cứu Lọc Kalman Thích Nghi và Phương Pháp Tối Ưu Hóa

Lọc Kalman thích nghi có thể tự điều chỉnh các tham số của bộ lọc để đối phó với sự thay đổi trong nhiễu môi trường và sai số cảm biến. Phương pháp tối ưu hóa được áp dụng để tìm ra các tham số tối ưu cho bộ lọc Kalman.

6.2. Ứng Dụng Kỹ Thuật Monte Carlo Để Đánh Giá Độ Tin Cậy

Các kỹ thuật Monte Carlo được sử dụng để đánh giá độ tin cậy của ước lượng và tăng cường khả năng hoạt động trong các điều kiện khó khăn. Kỹ thuật này giúp mô phỏng nhiều kịch bản khác nhau và đánh giá hiệu quả của bộ lọc Kalman trong từng trường hợp.

Luận văn: Ứng dụng lọc Kalman hiệu chỉnh cho vật thể chuyển động dưới nước - ĐHQG HN