Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Hậu quả chiến tranh để lại lượng lớn vật nổ và thủy lôi chưa phát nổ tại các vùng đáy biển ven bờ Việt Nam, nơi có nhiều bùn lầy, rong rêu và rác thải đại dương. Việc sử dụng lực lượng người nhái để tìm kiếm và xử lý thủ công đòi hỏi nguồn nhân lực lớn và tiềm ẩn nhiều rủi ro đến an toàn tính mạng. Nhằm khắc phục hạn chế này, một số đơn vị công binh thuộc Hải quân Nhân dân Việt Nam đã tiếp cận giải pháp sử dụng phương tiện lặn không người lái. Tuy nhiên, các robot dưới nước truyền thống sử dụng cơ cấu đẩy bằng chân vịt xoay thường xuyên bị vướng rong rêu, rác biển, dẫn đến kẹt động cơ, giảm hiệu suất hoạt động và phát sinh tiếng ồn lớn.

Để giải quyết vấn đề cơ cấu đẩy trong môi trường phức tạp, hướng tiếp cận robot sinh học phỏng theo cơ chế bơi vây dài dọc thân (elongated undulating fin) của bộ cá Gymnotiform (điển hình là cá dao đen Nam Mỹ - Apteronotus albifrons) thuộc nhóm di chuyển bằng vây giữa và vây cặp (Median and/or Paired Fins - MPF) được lựa chọn. Trong các nghiên cứu trước đây, hệ thống tạo chuyển động cho vây dài thường sử dụng các bộ phát hàm sin cố định (điều khiển offline), gây ra sự gián đoạn hoặc mất ổn định quỹ đạo khi thay đổi đột ngột biên độ và tần số. Khi chuyển sang ứng dụng mạng nơ-ron phát xung nhịp trung tâm (Central Pattern Generator - CPG), các nghiên cứu thường chỉ dựa vào phương pháp thử sai để chọn hệ số tốc độ hội tụ $k$, dẫn đến sự đánh đổi giữa thời gian chuyển trạng thái và sai số dao động đầu ra. Ngoài ra, trong môi trường rà phá thủy lôi, việc thay đổi tần số dao động của vây có nguy cơ gây biến động tần số âm thanh dưới nước (sonar turbulence) kích nổ các ngòi nổ không tiếp xúc. Do đó, bài toán tối ưu hóa hình dạng sóng bơi (bộ biên độ của từng tia vây) để đạt lực đẩy cực đại tại một tần số dao động cố định là một khoảng trống kỹ thuật cần được giải quyết.

Mục tiêu nghiên cứu

  1. Xây dựng cấu trúc bộ điều khiển chuyển động dáng bơi trực tuyến cho module vây dài dọc thân 16 tia vây dựa trên mạng CPG sử dụng mô hình dao động Hopf liên kết hai chiều có phản hồi góc quay.
  2. Ứng dụng giải thuật học tăng cường (Reinforcement Learning - Q-learning) để xác định giá trị tối ưu của hệ số tốc độ hội tụ $k$, nhằm tối thiểu hóa thời gian chuyển đổi dáng bơi đồng thời hạn chế tối đa sai số biên độ so với quỹ đạo mong muốn.
  3. Ứng dụng giải thuật tối ưu hóa bầy đàn vi phân (Differential Particle Swarm Optimization - D-PSO) để tìm kiếm bộ thông số biên độ tối ưu ($A_1, A_2, \dots, A_{16}$) nhằm đạt lực đẩy tịnh tiến cực đại tại một tần số dao động không đổi.
  4. Chế tạo mô hình thực nghiệm module vây dài 16 bậc tự do, đo đạc lực đẩy thực tế và đánh giá tính linh hoạt trong quá trình chuyển đổi dáng bơi.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Cơ cấu tạo lực đẩy mô phỏng vây dài dọc thân của cá Gymnotiform; mô hình mạng nơ-ron CPG dựa trên bộ dao động Hopf; giải thuật học tăng cường Q-learning; giải thuật tối ưu hóa bầy đàn vi phân D-PSO; lực đẩy thủy động lực học của module vây.
  • Phạm vi không gian: Nghiên cứu thực nghiệm được thực hiện trong môi trường bể thử nghiệm nước tĩnh tại phòng thí nghiệm; mô hình hóa tập trung vào lực đẩy theo phương tịnh tiến, chưa phân tích lực ngang, lực xiên; bỏ qua ảnh hưởng của dòng chảy đại dương thực tế và hiệu ứng giới hạn thành bể.
  • Phạm vi thời gian và nguồn lực: Luận án tiến sĩ ngành Kỹ thuật Cơ khí (mã số 62520103) hoàn thành năm 2023 tại Trường Đại học Bách khoa - Đại học Quốc gia Thành phố Hồ Chí Minh, dưới sự tài trợ kinh phí từ Bộ Quốc phòng.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu cơ bản về cơ chế bơi sinh học

Phân loại chuyển động bơi của cá theo Breder chia làm hai nhóm chính:

  • Di chuyển bằng thân và vây đuôi (Body and/or Caudal Fins - BCF): Gồm các kiểu bơi dạng sóng uốn lượn như Anguilliform (cá chình), Subcarangiform (cá hồi), Carangiform (cá nục, cá thu), Thunniform (cá ngừ) và dạng dao động lắc Ostraciiform (cá hộp). Nhóm này có ưu thế về vận tốc hành trình và gia tốc nhanh nhưng bán kính quay vòng lớn và thân uốn lượn liên tục gây khó khăn cho việc lắp đặt cảm biến cố định.
  • Di chuyển bằng vây giữa và vây cặp (Median and/or Paired Fins - MPF): Gồm kiểu bơi Rajiform (cá đuối), Diodontiform (cá nóc nhím), Amiiform (vây lưng dài), Gymnotiform (vây hậu môn dài) và Balistiform (vây lưng và vây hậu môn đối xứng). Kiểu bơi Gymnotiform cho phép giữ thân trên cố định, tạo độ ổn định cao để bố trí thiết bị đo đạc quang học hoặc thủy âm.

Về mặt mô hình hóa thủy động, Lighthill đã xây dựng lý thuyết chuyển động vật thể dài (Elongated Body Concept), xác định phương trình sóng đẩy có dạng: $$y = f_e(x) \sin\left(2\pi f t + \frac{2\pi}{\lambda} x\right)$$ trong đó $f_e(x)$ là hàm bao biên độ, $f$ là tần số dao động, $\lambda$ là bước sóng.

Các công trình điều khiển chuyển động vây và CPG

  • Bộ điều khiển dạng offline (hàm sin): Low và các cộng sự đã công bố nhiều nghiên cứu điều khiển vây lượn sóng dựa trên quy luật sóng sin. Mohsen Siahmansouri và cộng sự phát triển bộ điều khiển mở rộng góc lệch pha và hướng lực đẩy. Hạn chế cốt lõi của phương pháp này là tín hiệu điều khiển bị gián đoạn khi thay đổi tức thời biên độ hoặc tần số, gây rung giật cơ khí.
  • Bộ điều khiển CPG trực tuyến:
    • Orjan Ekeberg đặt nền móng ứng dụng mạng CPG mô phỏng tủy sống cho chuyển động của cá.
    • Dai-bing Zhang (2006) đề xuất mô hình CPG dao động sin-cos cho robot cá.
    • Daisy Lachat (2006) thiết lập các bộ dao động riêng lẻ cho từng khớp của robot cá hộp.
    • Auke Jan Ijspeert (2008) hệ thống hóa 5 nguyên tắc thiết kế mạng CPG trong robot sinh học: kiến trúc nơ-ron, cấu trúc topo ghép nối, hình dạng sóng đầu ra, điều biến tín hiệu điều khiển đầu vào và tích hợp phản hồi cảm biến.
    • Yonghui Hu và cộng sự áp dụng mạng CPG Matsuoka kết hợp thuật giải di truyền (GA) để tối ưu hóa vận tốc.
    • Wei Zhao (2008) phát triển CPG mạng vòng điều khiển robot rùa 4 chân.
    • Các nhà nghiên cứu thuộc Viện Hàn lâm Khoa học Trung Quốc (2011) tích hợp CPG với máy trạng thái hữu hạn (FSM) và bộ điều khiển trượt cho robot lưỡng cư.
    • Chen Wang và cộng sự ứng dụng hệ dao động tuyến tính vi phân cho robot cá 3 khớp.
    • Wei Wang và cộng sự (2013, 2014) xây dựng mô hình CPG hai lớp vòng hở và vòng kín cho robot cá hộp Ostraciiform.
    • Tianmiao Wang (2013) dùng chuỗi dao động Hopf xích liên kết thích nghi để xấp xỉ quỹ đạo góc khớp.
    • Xuelei Niu và cộng sự kết hợp mạng nơ-ron nhân tạo (ANN) với bộ dao động Andronov–Hopf đa chiều.
    • Liu và cộng sự (2018) phát triển mô hình nơ-ron phát nổ (bursting neuron) khắc phục nhược điểm của mô hình Matsuoka.
    • Deniz Korkmaz và cộng sự (2018) thiết kế cấu trúc điều khiển phân tầng vòng kín kết hợp CPG cá mút đá (Lamprey), Logic mờ (Fuzzy Logic) và FSM.
    • Emmanouil Angelidis và cộng sự (2021) giới thiệu bộ phát xung nhịp gai (Spiking CPG - SCPG) trên nền tảng Hopf trừu tượng.
  • Tối ưu hóa thông số CPG: Nhiều công trình đã sử dụng thuật toán di truyền (GA) hoặc tối ưu hóa bầy đàn (PSO) kinh điển để tìm kiếm thông số CPG, nhưng các thuật toán này dễ rơi vào cực trị địa phương và chưa tập trung xử lý hệ số tốc độ hội tụ $k$ cũng như tối ưu hóa phân bố biên độ vây ở tần số cố định.

Vị trí của luận án

Luận án kế thừa mô hình toán học của bộ dao động Hopf phi tuyến, thiết lập cấu trúc ghép nối chuỗi hai chiều cho 16 tia vây, áp dụng giải thuật học tăng cường Q-learning để tìm hệ số hội tụ $k$ tối ưu, và ứng dụng biến thể PSO vi phân (D-PSO) để tối đa hóa lực đẩy tịnh tiến của vây dài ở một tần số xác định.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

  1. Mô hình bộ dao động Hopf phi tuyến: Mỗi tia vây được điều khiển bởi một bộ dao động Hopf mô tả bởi hệ phương trình vi phân phi tuyến: $$\begin{cases} \dot{u}(t) = k(A^2 - u^2(t) - v^2(t))u(t) - 2\pi f v(t) \ \dot{v}(t) = k(A^2 - u^2(t) - v^2(t))v(t) + 2\pi f u(t) \end{cases}$$ Trong đó:
  • $u(t), v(t)$ là các biến trạng thái phụ thuộc thời gian.
  • $A$ là biên độ dao động ở trạng thái xác lập.
  • $f$ là tần số dao động nội tại.
  • $k$ là hệ số tốc độ hội tụ về chu trình giới hạn ($k > 0$).

  1. Cấu trúc ghép nối mạng CPG chuỗi hai chiều: Đối với hệ gồm 16 bộ dao động, phương trình trạng thái của phần tử thứ $i$ có dạng: $$\dot{X}i = F(X_i) + P_i$$ với $X_i = [u_i, v_i]^T$, và vector nhiễu loạn tương hỗ $P_i = [p{u,i}, p_{v,i}]^T$. Để khóa pha ổn định với góc lệch pha $\varphi_{d,i}$ giữa các tia vây lân cận, góc trung gian $\delta$ được xác định theo hệ thức: $$\delta \approx \varphi_{d,i} - \frac{\pi}{2}$$ Vector ghép nối tương hỗ giữa các phần tử thứ $i-1$, $i$ và $i+1$ được thiết lập theo biểu thức: $$P_i = \begin{bmatrix} 0 \ \varepsilon (u_{i-1} \sin\varphi_{d,i} + v_{i-1} \cos\varphi_{d,i} - u_i \sin\varphi_{d,i+1} + v_{i+1} \cos\varphi_{d,i+1}) \end{bmatrix}$$ với $\varepsilon$ là hệ số cường độ liên kết ghép nối.

  2. Lý thuyết học tăng cường (Reinforcement Learning - Q-learning): Bài toán tối ưu hóa hệ số $k$ được mô hình hóa thành Tiến trình quyết định Markov (Markov Decision Process - MDP). Không gian trạng thái $S$ gồm thời gian quá độ ($t_{transient}$) và sai số dao động biên độ ($e_{osc}$). Tác nhân (Agent) cập nhật hàm giá trị hành động $Q(s, a)$ theo công thức sai phân thời gian (Temporal Difference - TD): $$Q(s_t, a_t) \leftarrow Q(s_t, a_t) + \alpha \left[ r_{t+1} + \gamma \max_{a} Q(s_{t+1}, a) - Q(s_t, a_t) \right]$$ trong đó $\alpha$ là tốc độ học, $\gamma$ là hệ số chiết khấu, $r$ là hàm phần thưởng.

  3. Giải thuật tối ưu hóa bầy đàn vi phân (D-PSO): Thuật toán D-PSO kết hợp cơ chế tìm kiếm vị trí của PSO truyền thống với toán tử đột biến vi phân của giải thuật vi phân (DE) nhằm mở rộng không gian tìm kiếm, tránh bẫy cực trị địa phương khi tối ưu hóa đồng thời 16 biến biên độ $A_1, A_2, \dots, A_{16}$.

Phương pháp nghiên cứu và công cụ thực nghiệm

  • Phương pháp mô phỏng số: Tính toán thủy động lực học CFD để mô phỏng tương tác giữa màng vây uốn lượn và chất lưu; khảo sát 4251 lượt mô phỏng lực đẩy trên máy tính. Kiểm chứng giải thuật D-PSO trên 5 hàm toán học chuẩn trước khi áp dụng vào mạng CPG.
  • Phương pháp thực nghiệm vật lý:
    • Chế tạo module cơ khí vây dài gồm 16 tia vây liên kết màng silicon dẻo, mỗi tia vây truyền động độc lập bằng động cơ RC Servo.
    • Hệ thống mạch điều khiển trung tâm sử dụng vi điều khiển (MCU), kết nối máy tính qua công cụ ghi nhận dữ liệu tự động.
    • Bể thử nghiệm nước tĩnh phục vụ đo đạc thủy động.
    • Thiết bị đo lực đẩy chuyên dụng: Đầu đo lực kỹ thuật số IMADA DS2-200N.
    • Thiết bị đo góc quay thực tế của tia vây để hiệu chuẩn tín hiệu phản hồi.

Nội dung chính theo từng chương

Chương 1: Giới thiệu tổng quan (Introduction)

Chương 1 trình bày bối cảnh thực tiễn về hiểm họa vật nổ ngầm sau chiến tranh tại vùng biển Việt Nam và yêu cầu trang bị robot rà phá thủy lôi không dùng chân vịt xoay. Tác giả tổng quan toàn diện cơ chế vận động của các loài thủy sinh theo phân loại BCF và MPF, cơ sở phát triển vận động ở động vật có xương sống (các giai đoạn uốn cong đầu, uốn cong chữ C, uốn cong chữ S và hình thành sóng bơi S). Chương này phân tích chi tiết các nghiên cứu điều khiển chuyển động vây lượn sóng từ phương pháp phát sóng sin truyền thống đến mạng nơ-ron CPG, chỉ ra các khoảng trống khoa học về tối ưu hóa tốc độ hội tụ CPG và cực đại hóa lực đẩy ở tần số cố định, từ đó xác lập mục tiêu và bố cục của luận án.

Chương 2: Thiết kế bộ điều khiển dáng bơi và mô hình hóa lực đẩy (Design Swimming Gait Controller and Thrust Modeling)

Chương 2 tập trung xây dựng mô hình toán học cho module vây dài 16 tia vây. Tác giả phân tích hạn chế đứt gãy tín hiệu của bộ phát sóng sin khi biến thiên tần số và biên độ tại thời điểm bất kỳ $t^*$, sau đó chứng minh ưu điểm hội tụ trơn tru về chu trình giới hạn của bộ dao động Hopf phi tuyến. Chương này thiết lập chi tiết các biểu thức giải tích cho liên kết đơn hướng, liên kết tương hỗ hai chiều và liên kết chuỗi đa phần tử giữa 16 nơ-ron CPG. Đồng thời, mô hình thủy động lực học của màng vây rời rạc được xây dựng để mô phỏng lực đẩy sinh ra dưới các dạng sóng bao khác nhau: dạng tuyến tính (Linear), dạng elip (Elliptic) và dạng bậc hai (Quadratic).

Chương 3: Tối ưu hóa tốc độ hội tụ của bộ điều khiển dáng bơi CPG bằng học tăng cường (Optimizing Convergence Speed of Swimming Gait Controller Base on CPG by Reinforcement Learning)

Chương 3 giải quyết bài toán lựa chọn tham số tốc độ hội tụ $k$ cho mạng CPG. Tác giả phân tích mối quan hệ mâu thuẫn: tăng $k$ giúp rút ngắn thời gian đạt chu trình giới hạn ($t_{transient}$) nhưng lại làm tăng sai số dao động biên độ ($e_{osc}$) so với quỹ đạo danh định. Khung học tăng cường Q-learning được xây dựng với không gian trạng thái - hành động cụ thể để tìm điểm cân bằng tối ưu. Kết quả mô phỏng khảo sát các trường hợp tham số $k$ (như $k = 86$, $k = 96$, $k = 106$) chứng minh tác động trực tiếp của hệ số tối ưu lên tính ổn định và thời gian đáp ứng của 16 tia vây khi thay đổi đột ngột tần số, số bước sóng và đảo chiều góc lệch pha $\varphi_d$ để bơi lùi.

Chương 4: Tối ưu hóa lực đẩy của robot vây dài bằng giải thuật PSO cải tiến (Force Optimization of Elongated Undulating Fin Robot Using Improved PSO Based CPG)

Chương 4 đề xuất giải thuật tối ưu hóa bầy đàn vi phân (D-PSO) nhằm tìm kiếm bộ 16 giá trị biên độ dao động $A_1, A_2, \dots, A_{16}$ cho module vây dài. Sau khi kiểm nghiệm thuật toán trên 5 hàm toán học chuẩn để chứng minh khả năng vượt qua cực trị địa phương so với PSO cổ điển và GA, tác giả tích hợp D-PSO vào mô hình CPG mô phỏng lực đẩy. Kết quả sau 4251 chu kỳ mô phỏng xác định được cấu hình biên độ tối ưu, nâng giá trị lực đẩy trung bình cực đại lên mức 3,60 N tại tần số dao động giữ cố định, vượt trội so với cấu hình biên độ ngẫu nhiên hoặc các dạng sóng hình học quy ước.

Chương 5: Đánh giá thực nghiệm và thảo luận kết quả (Experimental Evaluation and Discussion)

Chương 5 trình bày toàn bộ quá trình thử nghiệm thực tế trên module vây 16 tia vây trong bể nước tĩnh. Tác giả mô tả chi tiết phần cứng điều khiển, cơ cấu dẫn động RC Servo, thiết bị đo góc quay tia vây và cảm biến lực IMADA DS2-200N. Các kịch bản thực nghiệm bao gồm:

  • Đo lường và đối chứng dạng sóng CPG thực tế với mô hình lý thuyết ở các mức $k = 86, 96, 106$.
  • Đo lực đẩy tạo ra từ các dạng phân bố biên độ khác nhau: dạng sóng tuyến tính (Linear), dạng sóng elip (Elliptic), dạng sóng GA, dạng sóng PSO kinh điển và dạng sóng D-PSO tối ưu.
  • Kết quả thực nghiệm xác nhận tính tương thích với mô phỏng CFD, chứng minh khả năng chuyển đổi linh hoạt dáng bơi và xác lập lực đẩy thực tế của module.
+-------------------------------------------------------------------------+
| Bảng tổng hợp các thông số kỹ thuật và kết quả đo đạc chính             |
+------------------------------------+------------------------------------+
| Thông số / Đối tượng               | Giá trị / Đặc tính kỹ thuật        |
+------------------------------------+------------------------------------+
| Số lượng tia vây trên module       | 16 tia vây dẫn động độc lập        |
| Động cơ dẫn động từng tia vây      | Động cơ RC Servo                   |
| Bộ dao động nơ-ron nền tảng        | Bộ dao động Hopf phi tuyến         |
| Cấu trúc mạng CPG                  | Chuỗi ghép nối hai chiều 16 nơ-ron |
| Thiết bị đo lực đẩy thực nghiệm   | Cảm biến IMADA DS2-200N            |
| Số lần lặp mô phỏng lực đẩy        | 4251 lượt lặp                      |
| Lực đẩy cực đại đạt được           | 3,60 N                             |
| Giải thuật tối ưu tốc độ hội tụ    | Q-learning (Reinforcement Learning)|
| Giải thuật tối ưu hóa biên độ vây  | Differential PSO (D-PSO)           |
+------------------------------------+------------------------------------+

Chương 6: Kết luận và hướng nghiên cứu tương lai (Conclusions and Future Research)

Chương 6 tổng kết các kết quả đạt được về mặt toán học, thuật toán và thực nghiệm cơ điện tử; khẳng định tính khả thi của việc ứng dụng module vây CPG tối ưu cho robot ngầm; đồng thời chỉ rõ các định hướng mở rộng nghiên cứu tiếp theo.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận và phương pháp

  1. Thiết lập mô hình CPG chuỗi hai chiều 16 bộ dao động Hopf có phản hồi: Xây dựng hoàn chỉnh hệ phương trình ghép nối tương hỗ cho module vây dài, giải quyết triệt để hiện tượng gián đoạn tín hiệu điều khiển khi chuyển đổi trạng thái so với các bộ phát sóng sin truyền thống.
  2. Phương pháp luận tối ưu hóa tốc độ hội tụ bằng học tăng cường: Đưa ra khung giải thuật Q-learning cho phép tự động xác định hệ số $k$, giải quyết mâu thuẫn kỹ thuật giữa việc rút ngắn thời gian quá độ và việc giảm thiểu sai số dao động biên độ.
  3. Phát triển giải thuật D-PSO trong tối ưu hóa thủy động lực học CPG: Đề xuất biến thể bầy đàn vi phân để tìm kiếm không gian 16 biến biên độ, đạt lực đẩy tịnh tiến lớn nhất ở tần số cố định nhằm tránh biến động tần số âm thanh dưới nước.

Đóng góp về mặt thực tiễn và kỹ thuật

  1. Chế tạo hoàn chỉnh module vây dài thực nghiệm: Thiết kế và tích hợp thành công hệ thống cơ điện tử 16 tia vây độc lập, liên kết màng mềm, bo mạch điều khiển trung tâm và phần mềm thu thập dữ liệu.
  2. Dữ liệu thực nghiệm lực đẩy 3,60 N: Hoàn thành 4251 lượt mô phỏng và kiểm chứng thực nghiệm bằng cảm biến IMADA DS2-200N, xác lập cơ sở dữ liệu lực đẩy tương ứng với các cấu hình sóng bao (Linear, Elliptic, Quadratic, GA, PSO, D-PSO).
  3. Nền tảng phát triển bộ điều khiển cấp cao: Cung cấp module tạo lực đẩy chuẩn hóa, làm cơ sở để tích hợp vào các robot cá hoàn chỉnh có nhiều module đẩy phục vụ nhiệm vụ khảo sát và rà phá vật nổ ngầm.

Hạn chế và hướng nghiên cứu tiếp

Các hạn chế đã được tác giả nêu rõ

  • Nhiễu động môi trường biển: Luận án chưa mô phỏng và đánh giá đầy đủ tác động của các yếu tố nhiễu động phức tạp trong môi trường biển tự nhiên (như sóng, hải lưu, xoáy nước ngầm).
  • Phạm vi lực thủy động: Quá trình tính toán giải tích và đo đạc thực nghiệm mới tập trung vào lực đẩy dọc theo phương tịnh tiến, tạm thời bỏ qua phân tích chi tiết lực ngang (lực dạt) và lực xiên.
  • Điều kiện thử nghiệm: Ảnh hưởng của dòng xoáy cục bộ và giới hạn không gian hẹp của bể thử nghiệm phòng thí nghiệm được giả định là có thể bỏ qua.
  • Hệ thống cảm biến: Module thực nghiệm ban đầu chưa tích hợp trực tiếp cảm biến tư thế onboard lên thân robot để thực hiện tối ưu hóa thích nghi trực tuyến thời gian thực mà vẫn phụ thuộc vào hệ thống đo ngoài.

Hướng nghiên cứu tiếp theo

  • Tích hợp cụm cảm biến tư thế (IMU/pose sensors) lên khung robot để triển khai giải thuật tối ưu hóa trực tuyến (online onboard optimization).
  • Mở rộng tính toán thủy động lực học đa chiều (lực đẩy 3D, chuyển động quay vòng, lắc ngang, chúi đầu).
  • Nghiên cứu cơ chế điều khiển phối hợp nhiều module vây trên một robot cá hoàn chỉnh và mở rộng sang điều khiển đàn robot cá (swarm robotic fish) phối hợp thực hiện nhiệm vụ khảo sát biển.

Giá trị tham khảo

Đối tượng thụ hưởng

  • Nghiên cứu sinh và học viên cao học ngành Kỹ thuật Cơ khí, Cơ điện tử, Robot học: Tài liệu tham khảo trực tiếp về phương pháp thiết kế bộ điều khiển sinh học CPG, kỹ thuật ghép nối nơ-ron phi tuyến và ứng dụng thuật toán học máy (Q-learning, D-PSO) vào cơ điện tử.
  • Kỹ sư và nhà phát triển phương tiện ngầm (AUV/BIUV): Cung cấp các thông số kỹ thuật cơ khí, cấu trúc mạch điều khiển và phương pháp đo lực đẩy vây thực tế phục vụ chế tạo robot di chuyển trong vùng nước nhiều vật cản, rong rêu.
  • Các đơn vị nghiên cứu quốc phòng và hải quân: Tài liệu cung cấp cơ sở kỹ thuật phục vụ định hướng phát triển thiết bị lặn không chân vịt, hỗ trợ công tác khảo sát vùng biển có chướng ngại vật và giảm thiểu rủi ro kích hoạt ngòi nổ thủy âm không tiếp xúc.

Các phần có giá trị tham khảo chuyên sâu

  • Mô hình toán học mạng dao động Hopf ghép nối hai chiều tại Chương 2.
  • Quy trình áp dụng Q-learning để tối ưu hệ số hội tụ CPG tại Chương 3.
  • Thuật toán D-PSO và bảng kết quả đối sánh lực đẩy thủy động tại Chương 4 và Chương 5.

Câu hỏi thường gặp

1. Tại sao robot cá dùng vây dài (Gymnotiform) lại phù hợp cho việc khảo sát thủy lôi hơn robot chân vịt truyền thống?

Robot chân vịt xoay truyền thống dễ bị vướng rong rêu, bùn lầy và rác biển tại vùng đáy biển ven bờ, dẫn đến kẹt cánh quạt và phát ra tiếng ồn lớn. Cơ chế bơi vây dài uốn lượn (MPF) của cá Gymnotiform tạo lực đẩy êm, không tạo chuyển động quay cơ học hở, hạn chế tối đa việc mắc kẹt vật cản, đồng thời giữ cho phần thân chính ổn định để gắn các thiết bị đo đạc và khảo sát ngầm.

2. Mô hình dao động Hopf có ưu thế gì so với hàm sin truyền thống trong điều khiển vây?

Khi có sự thay đổi đột ngột về biên độ hoặc tần số, bộ phát hàm sin truyền thống sẽ tạo ra bước nhảy tín hiệu gián đoạn, làm rung giật động cơ và mất trơn tru chuyển động. Bộ dao động Hopf phi tuyến có đặc tính hội tụ tự nhiên về chu trình giới hạn (limit cycle), đảm bảo tín hiệu góc quay luôn biến thiên liên tục, trơn tru, giúp bảo vệ động cơ RC Servo và duy trì tính ổn định chuyển động của vây.

3. Giải thuật học tăng cường (Q-learning) giải quyết vấn đề kỹ thuật nào trong luận án?

Q-learning được sử dụng để tối ưu hóa hệ số tốc độ hội tụ $k$ của bộ dao động Hopf. Thuật toán tự động tìm giá trị $k$ tối ưu để cân bằng giữa hai mục tiêu đối nghịch: rút ngắn tối đa thời gian quá độ ($t_{transient}$) khi chuyển đổi trạng thái bơi và giảm thiểu sai số dao động biên độ ($e_{osc}$) so với quỹ đạo mong muốn.

4. Vì sao luận án đặt ra yêu cầu tối ưu hóa lực đẩy tại một tần số cố định?

Trong môi trường rà phá thủy lôi, sự dao động hoặc thay đổi tần số vận động dưới nước có thể tạo ra các biến động âm thanh (sonar turbulence), dễ kích nổ các loại thủy lôi có ngòi nổ thủy âm không tiếp xúc. Do đó, việc cố định tần số và sử dụng giải thuật D-PSO để tối ưu hóa bộ 16 biên độ ($A_1$ đến $A_{16}$) cho phép module đạt lực đẩy cực đại (3,60 N) để di chuyển nhanh chóng mà không làm biến đổi tần số âm học môi trường.

5. Cấu trúc ghép nối giữa 16 bộ dao động CPG trong luận án được thiết kế như thế nào?

16 bộ dao động Hopf được tổ chức theo cấu trúc liên kết chuỗi hai chiều (bidirectional chain coupling). Mỗi nơ-ron CPG điều khiển một tia vây và chịu ảnh hưởng tương hỗ từ hai nơ-ron lân cận (phía trước và phía sau) thông qua vector nhiễu loạn pha, với góc lệch pha trung gian $\delta \approx \varphi_d - \pi/2$, đảm bảo duy trì độ lệch pha ổn định dọc theo chiều dài vây.

Kết luận

Luận án tiến sĩ của tác giả Nguyễn Văn Đông đã giải quyết thành công bài toán điều khiển chuyển động cho module vây dài 16 tia vây phỏng sinh học cá Gymnotiform bằng mạng nơ-ron CPG Hopf liên kết chuỗi hai chiều. Thông qua việc ứng dụng giải thuật học tăng cường Q-learning và giải thuật tối ưu bầy đàn vi phân D-PSO, công trình đã tối ưu hóa đồng thời tốc độ hội tụ chuyển trạng thái bơi và phân bố biên độ vây, đạt lực đẩy cực đại 3,60 N ở tần số cố định sau 4251 lượt mô phỏng và kiểm chứng thực nghiệm. Kết quả nghiên cứu cung cấp cơ sở khoa học và thực tiễn vững chắc cho việc phát triển các thế hệ robot lặn phỏng sinh học phục vụ nhiệm vụ khảo sát, xử lý vật nổ ngầm và nghiên cứu hải dương học.