Tổng quan về luận án

Hệ thống định vị động tàu thủy (Dynamic Positioning System - DPs) giữ vai trò then chốt trong kinh tế biển hiện đại, đặc biệt trong các hải trình phức tạp, tác nghiệp xây lắp điện gió ngoài khơi, cứu hộ cứu nạn và khai thác dầu khí tại các vùng nước sâu. Tính tiên phong của luận án tiến sĩ "Điều khiển tối ưu toàn cục hệ thống định vị động tàu thủy DP dựa trên giải thuật di truyền GA" (tác giả Đỗ Việt Dũng; người hướng dẫn: PGS.TS Đặng Xuân Kiên; Trường Đại học Giao thông vận tải Thành phố Hồ Chí Minh, 2022) thể hiện qua việc giải quyết bài toán cốt lõi: thiết kế cấu trúc điều khiển phi tuyến thích nghi bền vững, tự động nhận dạng sai số mô hình và tối ưu hóa tham số toàn cục trong điều kiện chịu tải trọng động học phức tạp từ môi trường biển Việt Nam.

                  +-------------------------------------------------------------+
                  |         Môi trường biển (Sóng, Gió, Dòng chảy, Tần số cao)   |
                  +------------------------------+------------------------------+
                                                 | (τ_envi)
                                                 v
+------------------+  Sai lệch e  +------------------------------+  Lực lệnh τ  +-------------------+
|  Tọa độ đặt      |------------>| Bộ điều khiển thích nghi      |------------->| Hệ động lực       |
|  η_d = [x, y, ψ] |  (-)        | bền vững tối ưu GA (RAFC-GA) |              | (3 chân vịt/đẩy)  |
+------------------+             +---------------+--------------+              +---------+---------+
         ^                                       ^                                       |
         |                                       | Nhận dạng sai số (FAI/MCFC)           | Tác động lực
         |                                       | & Tối ưu MFs (GA/PSO)                 v
         |                        +--------------+--------------+              +-------------------+
         |                        | Đánh giá ổn định Lyapunov   |              | Động học tàu      |
         |                        | V(e) > 0, dV/dt <= 0         |              | 3-DOF / 6-DOF     |
         |                        +-----------------------------+              +---------+---------+
         |                                                                               |
         +--------------------- Mạng cảm biến LiDAR/IMU & DSP F28379D <------------------+
                                (Phản hồi vị trí thực η = [x, y, ψ]^T)

Khoảng trống nghiên cứu (research gap) được luận án định vị rõ ràng: Phần lớn các công trình DPs kinh điển thường dựa trên mô hình đã được tuyến tính hóa quanh điểm làm việc tĩnh [Grimble, 1980; Fossen, 1994], hoặc sử dụng các bộ lọc Kalman chuẩn [Kalman, 1960; Balchen et al., 1980] vốn đòi hỏi xác định chính xác ma trận hiệp phương sai nhiễu và giả định tham số thủy động lực học không đổi. Tuy nhiên, khi tàu dịch vụ vận hành thực tế tại thềm lục địa miền Nam Việt Nam (khu vực Bình Thuận – Cà Mau), tàu phải chịu tác động đồng thời của các thành phần phi tuyến: sóng biển ngẫu nhiên bậc một tần số cao, sóng dạt bậc hai, gió giật biến đổi chậm và dòng chảy tầng mặt. Sự biến thiên liên tục của tải trọng ngoại vi kết hợp với sai số tham số mô hình (khối lượng nước kèm, hệ số suy giảm nhớt) làm giảm chất lượng điều khiển, gây hiện tượng dao động cơ cấu chấp hành (thruster wear-and-tear) và thậm chí mất ổn định cục bộ.

Luận án thiết lập hệ thống 3 câu hỏi nghiên cứu (Research Questions - RQ) và 3 giả thuyết tương ứng (Hypotheses - H):

  1. RQ1: Làm thế nào để nhận dạng và xấp xỉ chính xác các thành phần sai số mô hình phi tuyến và nhiễu động môi trường chưa mô hình hóa mà không phụ thuộc vào tuyến tính hóa cục bộ?
    • H1: Cơ chế mờ thích nghi tương tác (Fuzzy Adaptive Interactive - FAI) có khả năng tự động học và xấp xỉ liên tục sai lệch mô hình trong miền thời gian thực.
  2. RQ2: Phương pháp nào cho phép tối ưu hóa toàn cục các hàm liên thuộc (Membership Functions - MFs) và cơ sở luật mờ đa tầng để nâng cao chất lượng đáp ứng động học?
    • H2: Tích hợp giải thuật di truyền (Genetic Algorithm - GA) và giải thuật tối ưu bầy đàn (Particle Swarm Optimization - PSO) sẽ tìm được vector tham số tối ưu toàn cục theo chỉ tiêu tích phân sai số tuyệt đối nhân thời gian (ITAE).
  3. RQ3: Làm thế nào để đảm bảo tính ổn định tiệm cận toàn cục cho hệ thống định vị động khép kín dưới sự tồn tại đồng thời của bất định tham số và bão hòa lực đẩy?
    • H3: Thiết lập bộ điều khiển mờ thích nghi bền vững kết hợp hàm Lyapunov suy rộng sẽ chứng minh được tính ổn định tiệm cận của sai số vị trí và hướng tàu.

Khung lý thuyết của công trình tích hợp: Lý thuyết điều khiển phi tuyến thủy động lực học tàu thủy [Fossen, 2011; Sørensen, 2011], Lý thuyết tập mờ và suy luận mờ Takagi-Sugeno / Mamdani [Zadeh, 1965; Takagi & Sugeno, 1985], Lý thuyết tính toán tiến hóa [Holland, 1975; Goldberg, 1989] và Lý thuyết ổn định Lyapunov [Lyapunov, 1892]. Phạm vi thực nghiệm của nghiên cứu được kiểm chứng trên mô hình toán mô phỏng chuyển động 3 bậc tự do (3-DOF) và mô hình vật lý thu nhỏ tàu dịch vụ Happy Hunter (trang bị 3 thiết bị đẩy, bo mạch nhúng DSP Texas Instruments TMS320F28379D, cảm biến LiDAR và mạng truyền thông không dây).

Literature Review và Positioning

Lịch sử phát triển của công nghệ định vị động tàu thủy trải qua bốn thế hệ chính, phản ánh sự chuyển dịch từ các mô hình điều khiển hồi tiếp tuyến tính sang các kiến trúc điều khiển thông minh tự thích ứng:

+----------------------------------------------------------------------------------------------------+
|                                    TIẾN TRÌNH PHÁT TRIỂN HỆ THỐNG DP                                |
+----------------------------------------------------------------------------------------------------+
| Thế hệ 1 (1960s-1970s) | PID kinh điển + Lọc thông thấp tương tự [Ziegler-Nichols, 1942]           |
| Thế hệ 2 (1970s-1980s) | Tuyến tính hóa LQG + Lọc Kalman (KF) [Balchen, 1976; Grimble, 1980]        |
| Thế hệ 3 (1990s-2000s) | Điều khiển phi tuyến Backstepping + Lọc thụ động [Fossen & Strand, 1999]   |
| Thế hệ 4 (2010s-Nay)   | Điều khiển mờ thích nghi bền vững + AI/Tiến hóa (GA/PSO) [Đỗ Việt Dũng, 2022] |
+----------------------------------------------------------------------------------------------------+

Trong dòng nghiên cứu kinh điển, Grimble (1980) và Balchen et al. (1980) đặt nền móng cho kỹ thuật điều khiển tối ưu ngẫu nhiên Linear–Quadratic–Gaussian (LQG) kết hợp bộ lọc Kalman (KF) để tách thành phần dao động sóng tần số cao ra khỏi chuyển động vị trí tần số thấp. Tuy nhiên, hạn chế cố hữu của LQG là yêu cầu mô hình hóa tuyến tính chính xác quanh điểm làm việc, dẫn đến chất lượng suy giảm nghiêm trọng khi tàu chuyển hướng lớn hoặc chịu sóng gió cấp cao.

Để khắc phục tính phi tuyến, Fossen & Strand (1999) cùng Sørensen (2011) đã phát triển kỹ thuật Backstepping phi tuyến kết hợp bộ quan sát trạng thái thụ động (Passive Nonlinear Observer). Nhóm phương pháp này bảo toàn đặc tính phi tuyến tự nhiên của phương trình chuyển động thủy động lực học, nhưng lại gặp trở ngại "bùng nổ số hạng vi phân" (explosion of terms) và đòi hỏi phải biết rõ cấu trúc ma trận khối lượng $\boldsymbol{M}$ và ma trận suy giảm $\boldsymbol{D}(\boldsymbol{\nu})$.

Giai đoạn 2010–2020 chứng kiến sự bùng nổ của các phương pháp mờ (Fuzzy Logic) và mạng nơ-ron nhân tạo (Neural Networks - NN). Tannuri et al. (2010) áp dụng logic mờ loại hai cho giàn khoan nửa chìm nhưng vẫn cần tuyến tính hóa các phương trình động lực học. Benetazzo et al. (2015) và Do (2016) kết hợp Backstepping với mạng nơ-ron thích nghi nhưng thuật toán lan truyền ngược (BPA) dễ rơi vào cực tiểu cục bộ và đòi hỏi năng lực tính toán vượt ngưỡng của các vi xử lý nhúng thông dụng trên tàu.

Tiêu chí so sánh Nghiên cứu của Tannuri et al. (2010) Nghiên cứu của Do et al. (2016) Luận án Đỗ Việt Dũng (2022)
Đối tượng áp dụng Giàn khoan nửa chìm nước sâu Tàu chở hàng mô hình 3-DOF Tàu dịch vụ Happy Hunter (3 chân vịt)
Mô hình động học Mờ loại hai + Tuyến tính hóa NNC Thích nghi + Backstepping Phi tuyến 3-DOF + Mờ đa tầng (MCFC)
Nhận dạng sai số Bộ quan sát độ lợi cao (HGO) Mạng nơ-ron RBF xấp xỉ online Mờ thích nghi tương tác (FAI)
Tối ưu hóa tham số Chỉnh định bán tự động Cập nhật trọng số theo Lyapunov Tối ưu toàn cục GA và PSO
Nhiễu môi trường Phổ sóng JONSWAP chuẩn Nhiễu chặn biên tổng quát Dữ liệu khí tượng thực tế Bình Thuận - Cà Mau
Kiểm chứng phần cứng Bể thử mô hình tĩnh Mô phỏng số lý thuyết Phần cứng thực nghiệm nhúng DSP F28379D

Luận án của Đỗ Việt Dũng đã định vị vị trí khoa học tại điểm giao thoa giữa điều khiển phi tuyến và trí tuệ nhân tạo: Không chỉ xấp xỉ sai số mô hình thông qua logic mờ tương tác mà còn sử dụng giải thuật di truyền (GA) để tối ưu hóa toàn cục bộ tham số hàm liên thuộc $\lambda$, kết hợp phân tích ổn định nghiêm ngặt theo Lyapunov nhằm thu hẹp khoảng cách giữa lý thuyết điều khiển hiện đại và khả năng thực thi trên phần cứng nhúng thời gian thực.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và hoàn thiện lý thuyết điều khiển chuyển động tàu thủy của Thor I. Fossen thông qua việc giải quyết bài toán bù sai số phi tuyến chưa được mô hình hóa:

                      +-----------------------------------------------+
                      |   Hàm Lyapunov: V(e) = 1/2 e^T M e            |
                      +-----------------------+-----------------------+
                                              |
                                              v
                      +-----------------------------------------------+
                      |   Đạo hàm theo thời gian:                     |
                      |   dV/dt = - e^T D e + e^T [tau_error - tau_R] |
                      +-----------------------+-----------------------+
                                              |
                     +------------------------+------------------------+
                     |                                                 |
                     v                                                 v
    +---------------------------------+               +---------------------------------+
    |  Khi chưa có thành phần bù:     |               |  Khi tích hợp điều khiển bù GA: |
    |  dV/dt có thể > 0 (Mất ổn định) |               |  dV/dt <= - e^T Q e <= 0        |
    |                                 |               |  => Ổn định tiệm cận Lyapunov   |
    +---------------------------------+               +---------------------------------+

  1. Mô hình toán học 6-DOF và rút gọn 3-DOF có xét đến nhiễu môi trường toàn diện: Phương trình động lực học tổng quát 6 bậc tự do: $$\boldsymbol{\dot{\eta}} = \boldsymbol{R}(\boldsymbol{\eta})\boldsymbol{\nu}$$ $$\boldsymbol{M}\boldsymbol{\dot{\nu}} + \boldsymbol{C}(\boldsymbol{\nu})\boldsymbol{\nu} + \boldsymbol{D}(\boldsymbol{\nu})\boldsymbol{\nu} + \boldsymbol{g}(\boldsymbol{\eta}) = \boldsymbol{\tau} + \boldsymbol{\tau}{envi}$$ Trong mặt phẳng ngang (Horizontal plane - 3 DOF: trượt dọc Surge $u$, trượt ngang Sway $v$, quay trở Yaw $r$), phương trình trạng thái được luận án thiết lập: $$\boldsymbol{\dot{\eta}} = \boldsymbol{R}(\psi)\boldsymbol{\nu}$$ $$\boldsymbol{M}\boldsymbol{\dot{\nu}} + \boldsymbol{D}\boldsymbol{\nu} = \boldsymbol{\tau} + \boldsymbol{\tau}{wave} + \boldsymbol{\tau}{wind} + \boldsymbol{\tau}{current} + \boldsymbol{\tau}h$$ với ma trận quán tính $\boldsymbol{M} = \boldsymbol{M}{RB} + \boldsymbol{M}_A$ xác định dương và ma trận suy giảm thủy động $\boldsymbol{D}$.

  2. Cơ chế nhận dạng sai số mô hình bằng kỹ thuật mờ thích nghi tương tác (FAI): Luận án chứng minh rằng sai lệch $\Delta \boldsymbol{f}(\boldsymbol{\nu}, \boldsymbol{\eta})$ giữa mô hình danh định và thực tế có thể được xấp xỉ liên tục thông qua vector hệ số chỉnh định $\Delta U$, được điều chế online bởi hệ luật mờ tương tác đa biến (MIMO Fuzzy System).

  3. Chứng minh ổn định tiệm cận theo tiêu chuẩn Lyapunov: Xét hàm mục tiêu Lyapunov suy rộng $V(\boldsymbol{e}, \boldsymbol{\nu}) = \frac{1}{2}\boldsymbol{e}^T \boldsymbol{K}_p \boldsymbol{e} + \frac{1}{2}\boldsymbol{\nu}^T \boldsymbol{M}\boldsymbol{\nu} > 0$. Bằng cách thiết lập luật điều khiển bù bền vững tích hợp GA (RAFC-GA), đạo hàm bậc nhất theo thời gian thỏa mãn: $$\dot{V}(\boldsymbol{e}, \boldsymbol{\nu}) = -\boldsymbol{\nu}^T (\boldsymbol{D} + \boldsymbol{K}d)\boldsymbol{\nu} - \boldsymbol{e}^T \boldsymbol{\Gamma} \boldsymbol{e} \le 0$$ Điều này đảm bảo toàn bộ trạng thái sai số vị trí và vận tốc hội tụ tiệm cận về lân cận gốc tọa độ $\lim{t \to \infty} |\boldsymbol{e}(t)| = 0$.

Khung phân tích độc đáo

Khung phân tích của luận án kết hợp hài hòa 3 trụ cột lý thuyết: (1) Thủy khí động lực học biển, (2) Cấu trúc mờ đa tầng (Multi-Cascade Fuzzy Control - MCFC), và (3) Giải thuật di truyền tối ưu hóa tiến hóa (GA).

       +-----------------------------------------------------------------------+
       |             KHUNG PHÂN TÍCH ĐIỀU KHIỂN TỐI ƯU TOÀN CỤC DPs             |
       +-----------------------------------------------------------------------+
                                          |
       +----------------------------------+------------------------------------+
       |                                  |                                    |
       v                                  v                                    v
+---------------+                +------------------+                +--------------------+
|  TẦNG THỦY ĐỘNG|                |   TẦNG MỜ ĐA TẦNG|                |  TẦNG TIẾN HÓA GA  |
|  LỰC HỌC BIỂN |                |      (MCFC/FAI)  |                | (Tối ưu toàn cục)  |
+---------------+                +------------------+                +--------------------+
| • Sóng Fossen |                | • Tầng 1: Vị trí |                | • Mã hóa NST       |
| • Gió biến đổi|                | • Tầng 2: Vận tốc|                | • Lai chéo/Đột biến|
| • Dòng chảy   |                | • Giám sát sai số|                | • Tối ưu hàm MFs λ |
+---------------+                +------------------+                +--------------------+
       |                                  |                                    |
       +----------------------------------+------------------------------------+
                                          |
                                          v
       +-----------------------------------------------------------------------+
       |             BỘ ĐIỀU KHIỂN MỜ THÍCH NGHI BỀN VỮNG TOÀN CỤC             |
       |                (Đảm bảo ổn định Lyapunov & Cực tiểu ITAE)             |
       +-----------------------------------------------------------------------+

Khái niệm "Mờ đa tầng" (MCFC) trong luận án phân chia bài toán điều khiển thành các tầng xử lý kế tiếp: Tầng thứ nhất tiếp nhận sai lệch tọa độ $(e_x, e_y, e_\psi)$; tầng thứ hai phân tích đạo hàm sai số $(\dot{e}_x, \dot{e}y, \dot{e}\psi)$ và lực tương tác chéo; mô-đun giám sát tự động điều chỉnh độ lợi dựa trên mức độ nhiễu môi trường.

Biên điều kiện (Boundary conditions) được xác định rõ:

  • Tốc độ di chuyển của tàu ở chế độ định vị là tốc độ thấp ($u \approx 0, v \approx 0$).
  • Góc nghiêng thân tàu do sóng dao động nhỏ thỏa mãn giả thiết mặt phẳng ngang.
  • Giới hạn vật lý của cơ cấu chấp hành: $|F_i| \le F_{max}$ và tốc độ bẻ lái $|\dot{\alpha}i| \le \dot{\alpha}{max}$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ thế giới quan thực chứng (Positivism) kết hợp phương pháp luận thực nghiệm kỹ thuật (Engineering Experimentalism). Thiết kế nghiên cứu đa tầng kết hợp giữa mô hình hóa giải tích toán học, mô phỏng số trên môi trường MATLAB/Simulink và kiểm chứng thực nghiệm trên mô hình vật lý.

+--------------------------------------------------------------------------------------------------+
|                                    QUY TRÌNH NGHIÊN CỨU 4 BƯỚC                                   |
+--------------------------------------------------------------------------------------------------+
| Bước 1: Mô hình hóa toán học 3-DOF/6-DOF + Mô hình hóa tải trọng sóng, gió, dòng chảy Việt Nam  |
| Bước 2: Thiết kế bộ điều khiển cơ sở (Fuzzy, FAI, FPSO) & Chứng minh ổn định bằng Lyapunov      |
| Bước 3: Tối ưu hóa cấu trúc điều khiển toàn cục bằng giải thuật di truyền GA (Mã hóa MFs)       |
| Bước 4: Kiểm chứng mô phỏng MATLAB + Thực nghiệm phần cứng nhúng DSP F28379D trên Happy Hunter  |
+--------------------------------------------------------------------------------------------------+

Quy trình nghiên cứu rigorous

  1. Giao thức mô hình hóa môi trường biển: Trích xuất dữ liệu khí tượng thủy văn thực tế vùng biển Bình Thuận – Cà Mau từ Quy chuẩn Xây dựng Việt Nam trong các tháng 7, 8, 9, 10. Tải trọng sóng được tính theo phổ năng lượng sóng Fossen: $$\tau_{wave} = \zeta(x, y, t) = \sum_{q=1}^N \sum_{r=1}^M \sqrt{2S(\omega_q, \psi_r)\Delta\omega\Delta\psi}\sin(\omega_q t + \phi_{qr} - k_q(x\cos\psi_r + y\sin\psi_r))$$ Tải trọng gió $\tau_{wind} = [X_{wind}, Y_{wind}, N_{wind}]^T$ và dòng chảy $\tau_{current} = [u_c, v_c, 0]^T$ được tổng hợp đồng thời.

  2. Quy trình tối ưu hóa bằng giải thuật di truyền (GA):

    • Mã hóa nhiễm sắc thể (Chromosome Representation): Các tham số đỉnh và đáy của hàm liên thuộc hình tam giác/hình thang của tập mờ được mã hóa dưới dạng chuỗi số thực.
    • Toán tử di truyền: Sử dụng phương pháp chọn lọc bánh xe roulette (Roulette Wheel Selection), lai ghép đa điểm (Multi-point Crossover) với xác suất $P_c = 0.8$, và đột biến đồng nhất (Uniform Mutation) với xác suất $P_m = 0.05$.
    • Hàm thích nghi (Fitness Function): Nghịch đảo của chỉ số chất lượng ITAE (Integral Time Absolute Error): $$J_{ITAE} = \int_{0}^{T} t \left( |e_x(t)| + |e_y(t)| + |e_\psi(t)| \right) dt \quad \Rightarrow \quad \text{Fitness} = \frac{1}{J_{ITAE} + \epsilon}$$
+-------------------------------------------------------------------------------------------------+
|                                 SƠ ĐỒ THIẾT KẾ PHẦN CỨNG THỰC NGHIỆM                            |
+-------------------------------------------------------------------------------------------------+
| [Trạm điều khiển MATLAB/Host PC] <== (Không dây 2.4GHz) ==> [Vi xử lý Texas Instruments DSP F28379D]
|                                                                       |
|                               +---------------------------------------+------------------------+
|                               | (Đọc tín hiệu vị trí)                                  | (Xuất xung ePWM)
|                               v                                                        v
|                  [Mạng cảm biến LiDAR + IMU]                         [Mạch công suất điều khiển Động cơ]
|                               |                                                        |
|                               v                                                        v
|                  [Tọa độ thực tế: x, y, ψ]                           [Hệ 3 Chân vịt tàu Happy Hunter]
+-------------------------------------------------------------------------------------------------+

Data và phân tích

Thiết lập thực nghiệm trên mô hình tàu dịch vụ Happy Hunter với thông số chuẩn hóa: chiều dài $L = 1.25\text{ m}$, rộng $B = 0.28\text{ m}$, mớn nước $d = 0.11\text{ m}$, trang bị 2 chân vịt chính phía đuôi và 1 chân vịt ống đạo lưu mũi.

Hệ thống điều khiển trung tâm được nhúng trên vi xử lý kép 32-bit DSP TMS320F28379D tần số 200 MHz, xử lý vòng lặp điều khiển thời gian thực với chu kỳ trích mẫu $T_s = 10\text{ ms}$. Tín hiệu vị trí phản hồi từ cảm biến LiDAR quét góc rộng và con quay hồi chuyển IMU qua giao thức không dây độ trễ thấp.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Khả năng triệt tiêu độ vọt lố và giảm thời gian xác lập vượt bậc: Trong kịch bản điều khiển tàu từ vị trí ban đầu $[0\text{ m}, 0\text{ m}, 0^\circ]$ đến điểm đặt mong muốn $[5\text{ m}, 25\text{ m}, 20^\circ]$ dưới tác động nhiễu môi trường cấp 3, bộ điều khiển đề xuất RAFC-GA triệt tiêu hoàn toàn độ vọt lố (Overshoot $\approx 0%$), trong khi bộ điều khiển PID thông thường (chỉnh định Ziegler-Nichols) có độ vọt lố lên tới $28.4%$ trên trục $y$ và $15.2%$ trên góc hướng $\psi$.
Sai lệch vị trí y (m)
30 |                                                 --- PID truyền thống (Vọt lố lớn)
25 | - - - - - - - - - - - - - - - - - - - - - - -   ... Fuzzy cơ bản
20 |                                                === RAFC-GA Đề xuất (Không vọt lố)
15 |
10 |
 5 |
 0 +-----------------------------------------------> Thời gian (s)
   0    10    20    30    40    50    60    70

  1. Hiệu quả định vị chính xác cao trong điều kiện nhiễu biến đổi mạnh: Khi chuyển sang điểm đặt khắt khe $[3\text{ m}, 20\text{ m}, 15^\circ]$ dưới điều kiện khí tượng biển tháng 9 (mùa mưa bão thềm lục địa phía Nam), sai số xác lập vị trí của thuật toán RAFC-GA đạt mức cực nhỏ: $|e_x| \le 0.04\text{ m}$, $|e_y| \le 0.05\text{ m}$, và sai số hướng $|e_\psi| \le 0.2^\circ$.

  2. Tối ưu hóa chỉ tiêu năng lượng và giảm mài mòn cơ cấu chấp hành: Nhờ cơ chế làm mềm hóa luật mờ trong mô hình MCFC và tối ưu hóa phân bố lực, tín hiệu điều khiển cấp xung ePWM đến các động cơ chân vịt không bị hiện tượng dao động tần số cao (chattering). Tiêu hao năng lượng tương đương giảm $18.6%$ so với phương pháp FPSO và giảm $34.2%$ so với PID kinh điển.

  3. Hiện tượng nghẽn cổ chai tính toán thời gian thực trên phần cứng nhúng: Luận án phát hiện một hạn chế vật lý thực tiễn: "Giới hạn về tốc độ xử lý của DSP F28379D chính là một nhược điểm khi hệ thống chạy cùng lúc nhiều giải thuật tốn thời gian xử lý như GA và PSO". Điều này dẫn tới việc tối ưu hóa MFs bằng GA phải được thực hiện theo chế độ off-line/semi-online, sau đó nạp bảng tham số tối ưu vào bộ nhớ flash của DSP để thực thi thuật toán FAI trong thời gian thực.

Thuật toán điều khiển Thời gian xác lập $t_s$ (s) Độ vọt lố $M_p$ (%) Sai số xác lập vị trí $e_{ss}$ (m) Chỉ số chất lượng $J_{ITAE}$ Đánh giá ổn định Lyapunov
PID (Ziegler-Nichols) $68.5$ $28.4%$ $\pm 0.35$ $1245.8$ Không đảm bảo khi có nhiễu lớn
Fuzzy Logic tiêu chuẩn $52.0$ $12.1%$ $\pm 0.18$ $782.4$ Ổn định cục bộ
Mờ bầy đàn (FPSO) $38.5$ $4.5%$ $\pm 0.08$ $412.6$ Ổn định tiệm cận
RAFC-GA (Luận án) $26.2$ $\approx 0%$ $\pm 0.04$ $198.5$ Ổn định tiệm cận toàn cục

Implications đa chiều

  • Về mặt lý thuyết: Chứng minh tính đúng đắn của việc kết hợp logic mờ đa tầng với thuật toán tiến hóa GA trong xấp xỉ hệ phi tuyến MIMO bất định; cung cấp lời giải toán học chặt chẽ cho bài toán ổn định hệ DPs dưới ràng buộc bão hòa lực đẩy.
  • Về mặt phương pháp luận: Thiết lập quy trình chuẩn từ khâu mô hình hóa dữ liệu khí tượng thực địa biển Việt Nam, tối ưu hóa thuật toán tiến hóa trên máy chủ mô phỏng, đến nhúng vi xử lý DSP điều khiển mô hình thực nghiệm.
  • Về mặt ứng dụng thực tiễn: Tạo tiền đề chuyển giao công nghệ cho các viện nghiên cứu đóng tàu, công ty dịch vụ hàng hải (Vietsovpetro, PTSC) trong việc nội địa hóa và nâng cấp hệ thống điều khiển tự động cho đội tàu dịch vụ ngoài khơi, giảm phụ thuộc vào các tổ hợp DPs ngoại nhập giá thành đắt đỏ (như Kongsberg, Wärtsilä).

Limitations và Future Research

  1. Rào cản năng lực phần cứng nhúng thời gian thực: Thuật toán di truyền tối ưu hóa MFs trực tuyến toàn phần đòi hỏi năng lượng tính toán lớn, vượt quá giới hạn của dòng vi xử lý DSP TMS320F28379D khi vừa phải giải mã cảm biến, vừa tính toán tiến hóa quần thể thế hệ mới trong chu kỳ $10\text{ ms}$.
  2. Môi trường thử nghiệm thực nghiệm: Các thử nghiệm thực tế của mô hình tàu Happy Hunter mới được tiến hành trong hồ thử nghiệm tĩnh và vùng nước lặng có giả lập nhiễu; chưa thể triển khai trong bể thử tiêu chuẩn (Ocean Wave Basin) có trang bị máy tạo sóng đa hướng và hầm gió khí động học chuyên dụng.
  3. Giới hạn bậc tự do: Luận án mới tập trung chuyên sâu vào mô hình 3 bậc tự do trên mặt phẳng ngang $(u, v, r)$, bỏ qua các chuyển động ghép kênh không gian 6 bậc tự do như lắc dọc (Pitch), lắc ngang (Roll) và nhấp nhô (Heave).

Định hướng nghiên cứu tương lai:

  • Nâng cấp phần cứng điều khiển lên kiến trúc dị thể FPGA + DSP hoặc máy tính công nghiệp nhúng GPU (như NVIDIA Jetson) để thực thi GA và Deep Reinforcement Learning trực tuyến $100%$.
  • Tiến hành thử nghiệm quy mô lớn tại bể thử sóng tiêu chuẩn quốc tế và thử nghiệm đường biển thực tế trên tàu công vụ.
  • Phát triển mô hình điều khiển phối hợp 6 bậc tự do (6-DOF) tích hợp tính năng tự động chuyển đổi chế độ giữa hành trình hành hải (Transit) và định vị cố định (Station keeping).

Tác động và ảnh hưởng

+---------------------------------------------------------------------------------------------------+
|                                 HỆ THỐNG TÁC ĐỘNG VÀ LAN TỎA CỦA LUẬN ÁN                          |
+---------------------------------------------------------------------------------------------------+
| [Học thuật Quốc tế]  ==> Đóng góp công bố ISI/Scopus; Tiên phong nghiên cứu DP biển Đông         |
| [Kinh tế Biển]      ==> Giảm 15-20% chi phí nhiên liệu; Nâng cao an toàn giàn khoan dầu khí      |
| [Chiến lược An ninh] ==> Làm chủ công nghệ lõi DP; Tự chủ thiết kế tàu dịch vụ & tàu tuần tra    |
+---------------------------------------------------------------------------------------------------+
  • Tác động học thuật: Các công trình công bố từ luận án (bao gồm các bài báo trên tạp chí quốc tế chuyên ngành IEEE/Scopus và hội nghị trong nước) đóng góp kho tài liệu tham khảo giá trị về ứng dụng tính toán mềm trong điều khiển học hàng hải (Marine Cybernetics).
  • Tác động công nghiệp và kinh tế: Tối ưu hóa phân bố lực đẩy giúp tiết kiệm từ $15%$ đến $20%$ tiêu hao nhiên liệu cho hệ thống phát điện chính trên tàu dịch vụ, giảm thiểu phát thải khí nhà kính theo quy chuẩn MARPOL của Tổ chức Hàng hải Quốc tế (IMO).
  • Ý nghĩa chủ quyền và chiến lược biển: Việc làm chủ công nghệ DPs có ý nghĩa sống còn trong việc đóng mới tàu nghiên cứu biển sâu, tàu khảo sát địa chất và tàu dịch vụ bảo vệ an ninh giàn khoan tại vùng đặc quyền kinh tế Việt Nam.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà khoa học chuyên ngành Tự động hóa - Hàng hải: Tiếp cận khung lý thuyết hoàn chỉnh về hệ mờ thích nghi tối ưu bằng giải thuật tiến hóa và phương pháp luận chứng minh ổn định Lyapunov cho hệ phi tuyến đa biến.
  • Kỹ sư R&D tại các nhà máy đóng tàu và viện thiết kế hàng hải: Sở hữu sơ đồ mạch nguyên lý phần cứng, giao thức kết nối LiDAR/IMU với vi xử lý DSP F28379D, cùng mã nguồn thuật toán điều khiển nhúng đã được thẩm định.
  • Doanh nghiệp khai thác dịch vụ dầu khí và vận tải biển: Có cơ sở khoa học để đánh giá, nâng cấp phần mềm điều khiển cho các tàu DP Class 1, Class 2 hiện hữu nhằm tăng độ tin cậy và giảm sự cố trôi dạt (drift-off/drive-off).

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là Bộ điều khiển mờ thích nghi bền vững tối ưu bằng giải thuật di truyền (RAFC-GA). Công trình đã mở rộng trực tiếp Lý thuyết Điều khiển Thủy động lực học Tàu thủy của Thor I. Fossen (2011) bằng cách loại bỏ giả định cần biết chính xác tham số thủy động lực học, đồng thời phát triển Lý thuyết Điều khiển Mờ của Takagi-Sugeno thông qua cơ chế tự động tối ưu hóa hàm liên thuộc bằng GA dưới các ràng buộc ổn định tiệm cận Lyapunov nghiêm ngặt.

2. Điểm cải tiến phương pháp luận so với các nghiên cứu quốc tế tiền nhiệm?

So với nghiên cứu mờ loại hai của Tannuri et al. (2010) và mạng nơ-ron thích nghi của Do et al. (2016), luận án đã: (1) Tích hợp cấu trúc mờ đa tầng MCFC giúp giảm số lượng luật mờ từ cấp số nhân xuống tuyến tính; (2) Sử dụng giải thuật GA tối ưu hóa toàn cục chỉ số ITAE thay vì dựa vào kinh nghiệm chuyên gia; (3) Sử dụng dữ liệu khí tượng thủy văn thực tế 4 tháng biển động của Việt Nam thay vì phổ sóng lý thuyết chuẩn hóa.

3. Phát hiện bất ngờ nhất và có bằng chứng định lượng đi kèm?

Phát hiện bất ngờ nhất là Bộ điều khiển RAFC-GA triệt tiêu hoàn toàn hiện tượng vọt lố ($M_p \approx 0%$) trong quá trình điều động tọa độ lớn ($[0\text{ m}, 0\text{ m}, 0^\circ] \to [5\text{ m}, 25\text{ m}, 20^\circ]$) dưới tải trọng sóng gió cấp 3, đồng thời rút ngắn thời gian xác lập từ $68.5\text{ s}$ (ở bộ PID) xuống còn $26.2\text{ s}$, giảm chỉ số tích phân sai số ITAE từ $1245.8$ xuống $198.5$.

4. Giao thức lặp lại thực nghiệm (Replication Protocol) có được cung cấp đầy đủ không?

Luận án cung cấp chi tiết toàn bộ giao thức thực nghiệm tại Phần Phụ lục 2:

  • Bản vẽ cấu trúc hình học vỏ mô hình tàu dịch vụ Happy Hunter tỉ lệ thu nhỏ.
  • Sơ đồ nguyên lý mạch điện vi xử lý trung tâm DSP TMS320F28379D, mạch giao tiếp vô tuyến và mạch chuyển đổi xung ePWM cho driver động cơ.
  • Bảng thông số thủy động lực học danh định và bộ tham số di truyền chuẩn hóa ($P_c = 0.8, P_m = 0.05, \text{PopSize} = 50$).

5. Chương trình nghiên cứu 10 năm tiếp theo được định hình như thế nào?

Lộ trình nghiên cứu phát triển tiếp theo gồm 3 giai đoạn:

  • Giai đoạn 1 (1-3 năm): Tích hợp bộ tăng tốc phần cứng FPGA để thực thi giải thuật di truyền thích ứng trực tuyến thời gian thực (Online GA).
  • Giai đoạn 2 (3-6 năm): Thử nghiệm trên bể thử sóng chuyên dụng quốc tế và nâng cấp mô hình điều khiển không gian 6 bậc tự do tích hợp thích nghi dòng chảy ngầm.
  • Giai đoạn 3 (6-10 năm): Chế tạo thử nghiệm hệ thống DP công nghiệp nội địa trên tàu dịch vụ thật tải trọng 1000 DWT hoạt động tại các mỏ dầu khí ngoài khơi Việt Nam.

Kết luận

Luận án tiến sĩ của tác giả Đỗ Việt Dũng đã giải quyết xuất sắc bài toán điều khiển tự động phi tuyến phức tạp trong ngành kỹ thuật hàng hải với 5 đóng góp cốt lõi:

  1. Mô hình hóa hoàn chỉnh: Xây dựng hệ thống phương trình động lực học 3-DOF tích hợp đầy đủ các đặc trưng môi trường biển Việt Nam (khu vực Bình Thuận – Cà Mau).
  2. Nhận dạng sai số thích nghi: Đề xuất giải pháp FAI nhận dạng hiệu quả các sai lệch phi tuyến và biến thiên tham số thủy động lực học.
  3. Cấu trúc mờ đa tầng tiên tiến: Phát triển cấu trúc MCFC giúp "mềm hóa" cơ sở tri thức mờ, nâng cao khả năng điều khiển bám quỹ đạo.
  4. Tối ưu hóa toàn cục: Ứng dụng thành công giải thuật di truyền GA để tìm kiếm bộ thông số tối ưu cho hàm liên thuộc, cải thiện vượt bậc chỉ tiêu chất lượng ITAE.
  5. Chứng minh ổn định và kiểm chứng thực nghiệm: Xác lập nền tảng ổn định tiệm cận toàn cục theo Lyapunov và kiểm chứng thành công trên phần cứng nhúng DSP F28379D điều khiển mô hình tàu Happy Hunter.

Công trình tạo bước tiến vững chắc cho chuyên ngành Kỹ thuật Điều khiển và Tự động hóa, mở ra hướng nghiên cứu làm chủ công nghệ định vị động thông minh trên các phương tiện hàng hải thế hệ mới.