I. Giới thiệu
Luận án này nghiên cứu về control swimming gait của các vây elongated undulating fins dựa trên central pattern generators (CPG). Mục tiêu chính là tối ưu hóa các thông số của hệ thống tạo lực đẩy cho robot dưới nước, nhằm cải thiện khả năng di chuyển trong môi trường nước. Việc áp dụng các thuật toán học máy, đặc biệt là học tăng cường, giúp xác định các thông số tối ưu cho việc điều khiển dáng bơi. Điều này không chỉ nâng cao hiệu suất của robot mà còn giảm thiểu rủi ro trong các nhiệm vụ tìm kiếm và phá hủy thủy lôi dưới nước.
1.1 Bối cảnh nghiên cứu
Sự phát triển của công nghệ sinh học và robot đã mở ra cơ hội cho việc chế tạo các robot dưới nước có khả năng di chuyển giống như cá. Các robot này, được gọi là biologically-inspired underwater vehicles (BIUV), có thể thực hiện nhiều nhiệm vụ khác nhau như khảo sát đáy biển, giám sát quân sự và nghiên cứu môi trường. Việc sử dụng fins control mechanisms thay vì chân vịt truyền thống giúp tăng cường khả năng cơ động và hiệu suất di chuyển của robot trong môi trường nước.
II. Cơ chế bơi của cá
Cá đã phát triển các cơ chế bơi hiệu quả qua hàng triệu năm tiến hóa. Các nghiên cứu cho thấy rằng cá có thể bơi với hiệu suất lên đến 90%, trong khi hiệu suất của chân vịt truyền thống chỉ đạt khoảng 40-50%. Điều này cho thấy rằng việc áp dụng biomechanics of swimming vào thiết kế robot có thể mang lại những lợi ích đáng kể. Luận án này tập trung vào việc mô phỏng cơ chế bơi của cá Gymnotiform, một lớp cá có khả năng bơi linh hoạt và hiệu quả. Việc hiểu rõ về kinematics of swimming và fluid dynamics in swimming là rất quan trọng để phát triển các hệ thống điều khiển cho robot.
2.1 Mô hình hóa cơ chế bơi
Mô hình hóa cơ chế bơi của cá Gymnotiform được thực hiện thông qua việc sử dụng các oscillating neuron models và multiple coupled CPG oscillators. Các mô hình này cho phép điều khiển chính xác các vây của robot, từ đó tạo ra các mẫu chuyển động phù hợp với yêu cầu nhiệm vụ. Việc tối ưu hóa các thông số của mô hình CPG giúp cải thiện khả năng điều khiển và hiệu suất bơi của robot, đồng thời giảm thiểu sai số trong quá trình thực hiện.
III. Tối ưu hóa hệ thống điều khiển
Luận án áp dụng các thuật toán tối ưu hóa như Particle Swarm Optimization (PSO) và học tăng cường để tối ưu hóa tốc độ hội tụ của hệ thống điều khiển dáng bơi. Việc sử dụng các thuật toán này giúp xác định các thông số tối ưu cho CPG model, từ đó cải thiện khả năng điều khiển và hiệu suất của robot. Kết quả mô phỏng cho thấy rằng việc tối ưu hóa các thông số này có thể tạo ra lực đẩy tối đa và giảm thiểu thời gian chuyển đổi dáng bơi.
3.1 Kết quả và thảo luận
Kết quả từ các mô phỏng cho thấy rằng sau 4251 lần lặp, lực đẩy tối đa đạt được là 3.60N. Điều này chứng tỏ rằng việc tối ưu hóa các thông số CPG có thể mang lại hiệu quả cao trong việc điều khiển robot dưới nước. Các kết quả này không chỉ có giá trị lý thuyết mà còn có thể được áp dụng thực tiễn trong việc phát triển các robot dưới nước có khả năng thực hiện các nhiệm vụ phức tạp trong môi trường nước.
IV. Ứng dụng thực tiễn
Luận án này có giá trị thực tiễn cao trong việc phát triển các robot dưới nước, đặc biệt là trong các nhiệm vụ tìm kiếm và phá hủy thủy lôi. Việc tối ưu hóa các thông số CPG cho các module đẩy giúp tăng cường hiệu suất và khả năng di chuyển của robot. Các giải thuật điều khiển lớp cao hơn có thể được phát triển dựa trên kết quả tối ưu hóa từ luận án này, mở ra cơ hội cho việc phát triển các robot cá có khả năng thực hiện các nhiệm vụ phức tạp hơn trong môi trường nước.
4.1 Tương lai của robot dưới nước
Với sự phát triển không ngừng của công nghệ, các robot dưới nước có thể trở thành công cụ quan trọng trong nhiều lĩnh vực như khảo sát môi trường, tìm kiếm cứu nạn và nghiên cứu khoa học. Việc áp dụng các cơ chế bơi của cá vào thiết kế robot không chỉ giúp cải thiện hiệu suất mà còn giảm thiểu tác động đến môi trường nước. Luận án này cung cấp một nền tảng vững chắc cho các nghiên cứu và phát triển trong tương lai.
