Tổng quan về luận án

Nghiên cứu phát triển công nghệ tự hành cho phương tiện lặn dưới nước (Autonomous Underwater Vehicle - AUV) là một trong những trụ cột khoa học công nghệ hàng hải mang tính chiến lược đối với các quốc gia ven biển. Trong bối cảnh Việt Nam sở hữu hơn 3.260 km bờ biển cùng vùng đặc quyền kinh tế rộng lớn, việc làm chủ công nghệ điều khiển phương tiện ngầm tự hành phục vụ khảo sát đại dương, bảo trì đường ống ngầm dầu khí, cáp quang biển, tìm kiếm cứu nạn và bảo vệ chủ quyền biển đảo trở thành nhiệm vụ cấp thiết. Luận án tiến sĩ ngành Khoa học Hàng hải (Mã số: 9840106) của tác giả Phạm Việt Anh, dưới sự hướng dẫn khoa học của PGS. Nguyễn Phùng Hưng và TS. Lê Văn Ty tại Trường Đại học Giao thông Vận tải Thành phố Hồ Chí Minh (2022), với đề tài "Nghiên cứu điều khiển thích nghi cho robot lặn tự hành", đã giải quyết trực tiếp bài toán cốt lõi này.

                  ┌──────────────────────────────────────────────┐
                  │    Tín hiệu đặt: [ψ_kd, z_kd, u_kd]^T        │
                  └──────────────────────┬───────────────────────┘
                                         │
                                         ▼
┌─────────────────────────────────────────────────────────────────────────────────┐
│              HỆ THỐNG ĐIỀU KHIỂN NƠ-RON THÍCH NGHI TRỰC TUYẾN (NNC)             │
│                                                                                 │
│   ┌────────────────────────┐                  ┌─────────────────────────────┐   │
│   │ Thuật toán Brandt-Lin  │ ──Cập nhật w_ji─►│ Mạng Nơ-ron Truyền thẳng    │   │
│   │ Cực tiểu hóa hàm E_k   │                  │ Hàm kích hoạt Tan-Sigmoid   │   │
│   └────────────────────────┘                  └──────────────┬──────────────┘   │
└──────────────────────────────────────────────────────────────┼──────────────────┘
                                                               │ Lực/Mô-men điều khiển
                                                               │ τ = [δ_Rk, δ_Sk, u_k]^T
                                                               ▼
┌─────────────────────────────────────────────────────────────────────────────────┐
│                    ĐỐI TƯỢNG ĐIỀU KHIỂN: NPS AUV II (6-DOF)                     │
│                                                                                 │
│   Phương trình động học & động lực học phi tuyến:                               │
│   • M_RB·v̇ + M_A·v̇ + C_RB(v)v + C_A(v_r)v_r + D(v_r)v_r + g(η) = τ + τ_ocean   │
│   • Biến đổi tọa độ: ṗ = R_b^n(Θ)·v_b/n ;  ω_b/n = T_b^n(Θ)·Θ̇                   │
└──────────────────────────────────────────────────────────────┬──────────────────┘
                                                               │
                     Trạng thái phản hồi thực tế: [ψ_k, z_k, u_k]^T
                                                               │
                                                               ▼
                  ┌──────────────────────────────────────────────┐
                  │  Tính toán sai số thích nghi: e_k = X_kd - X_k│
                  │  (Phản hồi cập nhật trực tuyến về NNC)       │
                  └──────────────────────────────────────────────┘

Khoảng trống nghiên cứu (Research Gap) được xác định rõ nét: Các phương pháp điều khiển tuyến tính kinh điển như tỷ lệ - vi phân - tích phân (PID) vốn được áp dụng từ năm 1922 bởi Nicolas Minorsky vẫn chiếm tới hơn 90% các ứng dụng công nghiệp nhờ cấu trúc đơn giản; tuy nhiên, khi áp dụng cho AUV chuyển động trong không gian 6 bậc tự do (6-DOF), bộ điều khiển PID bộc lộ sự suy giảm chất lượng rõ rệt do không thể bao quát các đặc tính phi tuyến mạnh, sự biến thiên tham số thủy động lực học và các nhiễu loạn ngẫu nhiên từ dòng chảy đại dương. Tại Việt Nam, như luận án đã chỉ ra: "việc nghiên cứu hệ thống điều khiển tiên tiến cho AUV vẫn còn non trẻ và chưa được ứng dụng rộng rãi... Chúng ta vẫn chủ yếu thuê hoặc mua các AUV nước ngoài cho các công tác này". Phần lớn các công trình trong nước trước đó (như mô hình AUV của Đại học Bách khoa Hà Nội hay KIAL-AUV của Đại học Bách khoa TP.HCM) chỉ dừng lại ở thử nghiệm hình học mặt nước hoặc hồ thử nông với cấu trúc điều khiển tuyến tính đơn giản.

Luận án đặt ra hệ thống câu hỏi nghiên cứu và giả thuyết khoa học cụ thể:

  1. Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để thiết kế một cấu trúc điều khiển nơ-ron thích nghi trực tuyến (Online Adaptive Neural Network Controller - NNC) có khả năng tự chỉnh định trọng số theo thời gian thực mà không đòi hỏi mô hình toán học giải tích chính xác tuyệt đối của AUV?
  2. Câu hỏi nghiên cứu 2 (RQ2): Cơ chế điều khiển tách rời (Decoupled Control) kết hợp thuật toán dẫn đường Line-of-Sight (LOS) nâng cấp có đảm bảo tính ổn định và triệt tiêu độ dạt của AUV khi chịu tác động của dòng chảy hải lưu ba chiều không xác định?
  3. Câu hỏi nghiên cứu 3 (RQ3): Bộ điều khiển nơ-ron thích nghi đề xuất có khả năng duy trì độ chính xác bám quỹ đạo không gian 3D và bám sát địa hình đáy (Bottom-following) với sai số hội tụ tiệm cận trong điều kiện mô phỏng sát thực tế hay không?

Hệ thống giả thuyết nghiên cứu tương ứng:

  • Giả thuyết 1 (H1): Bộ điều khiển mạng nơ-ron nhiều lớp truyền thẳng huấn luyện trực tuyến bằng thuật toán lan truyền ngược tăng cường (Augmented Back-propagation) kết hợp thuật toán Brandt-Lin sẽ giảm thiểu tối đa sai số bám hướng, độ sâu và vận tốc so với bộ điều khiển PID truyền thống.
  • Giả thuyết 2 (H2): Hàm mục tiêu cải tiến $E_k = \frac{1}{2} e_k^T P e_k + \frac{1}{2} u_k^T \Lambda u_k$ có khả năng dung hòa tối ưu giữa độ chính xác động học và năng lượng điều khiển, ngăn ngừa hiện tượng bão hòa góc bẻ lái bánh lái đứng ($\delta_r$) và bánh lái độ sâu ($\delta_s$).
  • Giả thuyết 3 (H3): Thuật toán dẫn đường LOS tích hợp cơ chế ước lượng độ dạt dòng chảy sẽ giữ vết chuyển động của AUV bám sát tuyến đường đặt trước với sai số ngang (cross-track error) tiến về 0.

Khung lý thuyết của công trình được xây dựng dựa trên nền tảng thủy động lực học hàng hải hiện đại của Fossen, lý thuyết mạng nơ-ron nhân tạo của McCulloch & Pitts (1943), và thuật toán tối ưu hóa thích nghi của Brandt-Lin. Phạm vi nghiên cứu tập trung vào đối tượng AUV tiêu chuẩn NPS AUV II (Naval Postgraduate School AUV II) trong không gian 6 bậc tự do, thực hiện đánh giá kiểm chứng thông qua 15 kịch bản mô phỏng toàn diện (từ TN1 đến TN15) trên môi trường MATLAB/Simulink.

Literature Review và Positioning

Tổng quan y văn quốc tế cho thấy sự phát triển của kỹ thuật điều khiển AUV trải qua ba giai đoạn tiến hóa chính. Giai đoạn nền tảng (những năm 1990) tập trung xây dựng mô hình toán học giải tích 6 bậc tự do và các thuật toán điều khiển phi tuyến cơ bản. Điển hình là các công trình của Savant (1996) về điều khiển phi tuyến bám đường; Healey & Lienard (1993, 1995) với kỹ thuật điều khiển trượt nhiều biến (Multivariable Sliding Mode Control) cho hướng và độ sâu; D. Brutzman (1994, 1998) và Marco et al. với mô hình mô phỏng ảo cho Phoenix AUV; Prestero (2001) tại MIT đóng góp mô hình thủy động lực học 6-DOF hoàn chỉnh cho dòng AUV REMUS.

Giai đoạn phát triển kỹ thuật bền vững và tối ưu (2000–2010) ghi nhận sự xuất hiện của các phương pháp điều khiển thích nghi hiện đại: McEwen & Streitlien (2001) với mô hình hóa AUV có chiều dài thay đổi; Naeem et al. (2003) ứng dụng điều khiển tuyến tính tối ưu Gauss với hồi phục truyền vòng kín (LQG/LTR) bám cáp ngầm; Prasanth Kumar et al. (2005) đề xuất luật điều khiển trễ thời gian (Time Delay Control); Soetanto (2007) phát triển bộ điều khiển phi tuyến dựa trên hàm ổn định Lyapunov và kỹ thuật phản hồi tín hiệu; Wilson (2008) chuẩn hóa thuật toán dẫn đường Line-of-Sight (LOS).

Giai đoạn bùng nổ trí tuệ nhân tạo và điều khiển thông minh (2010 đến nay) chứng kiến sự chiếm lĩnh của Logic mờ (Fuzzy Logic) và Mạng nơ-ron nhân tạo (ANN): Balochian (2012) áp dụng PID mờ tự thích nghi; Ruiz Duarte & Nekoo (2014, 2016) nghiên cứu điều khiển phi tuyến tối ưu thông qua phương trình phụ thuộc trạng thái Riccati (SDRE); Kim et al. (2015) và Cui et al. (2016) phát triển điều khiển trượt tích phân thích nghi chống nhiễu; Yao et al. (2018) thử nghiệm điều khiển dự báo mô hình nâng cao (MPC).

┌─────────────────────────────────────────────────────────────────────────────────┐
│                      MA TRẬN ĐỊNH VỊ NGHIÊN CỨU (POSITIONING)                   │
├────────────────────────┬────────────────────────────────────────────────────────┤
│ Trường phái / Tác giả  │ Đặc trưng kỹ thuật & Hạn chế cốt tử                    │
├────────────────────────┼────────────────────────────────────────────────────────┤
│ PID & Linear Control   │ • Cấu trúc đơn giản, độ bền vững cơ bản cao.           │
│ (Minorsky, 1922;       │ • Hạn chế: Kém thích nghi với mô hình phi tuyến 6-DOF, │
│ Prestero, 2001)        │   dễ mất ổn định khi tham số thủy động thay đổi.       │
├────────────────────────┼────────────────────────────────────────────────────────┤
│ Sliding Mode Control   │ • Bền vững cao với bất định tham số và nhiễu ngoại cảnh.│
│ (Lienard, 1995;        │ • Hạn chế: Hiện tượng dao động góc lái (Chattering) gây│
│ Farhan et al., 2017)   │   hao mòn cơ cấu chấp hành và tiêu tốn năng lượng.     │
├────────────────────────┼────────────────────────────────────────────────────────┤
│ Fuzzy Logic Control    │ • Không cần mô hình toán học giải tích chính xác.      │
│ (Balochian, 2012;      │ • Hạn chế: Dựa vào cơ sở tri thức chuyên gia chủ quan, │
│ Aras et al., 2016)     │   khó đảm bảo tính tối ưu toàn cục theo thời gian thực.│
├────────────────────────┼────────────────────────────────────────────────────────┤
│ LUẬN ÁN TÁC GIẢ        │ • Bộ điều khiển NNC huấn luyện trực tuyến (Brandt-Lin).│
│ (Phạm Việt Anh, 2022)  │ • Tự thích nghi phi tuyến 6-DOF, không cần Offline Data│
│                        │ • Tích hợp bù trôi LOS và bám địa hình đáy 3D an toàn. │
└────────────────────────┴────────────────────────────────────────────────────────┘

Trong bức tranh toàn cảnh đó, luận án tự định vị tại vị trí cầu nối: kết hợp mô hình động lực học vật rắn phân rã (Decoupled 6-DOF System) với cấu trúc nơ-ron truyền thẳng nhiều lớp huấn luyện thích nghi trực tuyến bằng thuật toán Brandt-Lin. So sánh với các mẫu phương tiện ngầm quốc tế tiêu biểu:

  • SPURV (University of Washington, Mỹ): Thiết bị lặn sâu 3.000 m (1957) sử dụng điều khiển cổ điển để đo đạc hải dương học;
  • Epaulard (IFREMER, Pháp, 1980): Nặng 2,9 tấn, lặn sâu 6.000 m với hệ điều khiển tuần tự;
  • REMUS 6000 (Kongsberg Maritime, Na Uy, 1997): Phương tiện lặn sâu 6.000 m sử dụng hệ thống điều khiển tích hợp cao nhưng đòi hỏi cấu hình tham số thủy động cực kỳ nghiêm ngặt;
  • SeaOtter MKII (Atlas Elektronik, Đức, 2007): Dài 3,65 m, nặng 1.000 kg, thời gian hoạt động 20 giờ;
  • Bluefin-9 (Bluefin Robotics, Mỹ, 2010): Trọng lượng 60,5 kg, lặn sâu 200 m, tốc độ 2 m/s.

Công trình của NCS Phạm Việt Anh giải quyết triệt để bài toán điều khiển chuyển động thích nghi mà không phụ thuộc vào việc hiệu chuẩn tham số thủy động ngoại vi phức tạp, tạo tiền đề công nghệ độc lập cho các hệ thống robot ngầm tại Việt Nam.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã đóng góp vào kho tàng lý thuyết điều khiển tự động và cơ học hàng hải thông qua các phát triển toán học chặt chẽ:

  1. Mở rộng lý thuyết điều khiển thích nghi thông minh cho hệ thống động học phi tuyến 6-DOF: Công trình chứng minh rằng mạng nơ-ron nhân tạo nhiều lớp truyền thẳng (Multilayer Feedforward ANN) với hàm kích hoạt phi tuyến có khả năng xấp xỉ phổ quát động học phức tạp của AUV trong điều kiện có dòng chảy hải lưu tác động mà không cần tuyến tính hóa quanh điểm làm việc.
  2. Cải tiến thuật toán huấn luyện thích nghi trực tuyến Brandt-Lin: Luận án thiết lập cấu trúc hàm mục tiêu năng lượng sai số tích hợp: $$E_k = \frac{1}{2} e_k^T P e_k + \frac{1}{2} u_k^T \Lambda u_k$$ Trong đó $e_k = X_k^d - X_k$ là vector sai số giữa trạng thái mong muốn và trạng thái thực tế, $u_k$ là vector tín hiệu điều khiển, $P$ và $\Lambda$ là các ma trận đối xứng xác định dương phản ánh trọng số ưu tiên của trạng thái và mức độ tiết kiệm năng lượng điều khiển. Thuật toán cập nhật trọng số liên kết $w_{ji}$ qua $n$ chu trình huấn luyện nội hàm trong mỗi bước trích mẫu đã bảo đảm tính hội tụ Lyapunov của hệ thống vòng kín.
  3. Phát triển mô hình điều khiển tách rời (Decoupled Control Architecture): Phân rã hệ thống chuyển động 6 bậc tự do thành ba hệ thống con độc lập tương hỗ:
    • Hệ thống điều khiển hướng đi (Yaw control - $\psi$);
    • Hệ thống điều khiển độ sâu và góc chúi (Depth & Pitch control - $z, \theta$);
    • Hệ thống điều khiển vận tốc dọc (Surge speed control - $u$).

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đồng bộ ba trường phái lý thuyết:

  • Lý thuyết động lực học hàng hải Fossen: Mô tả đầy đủ ma trận quán tính khối lượng $M$, ma trận lực Coriolis - lực hướng tâm $C(V_r)$, ma trận lực cản thủy động $D(V_r)$, vector lực phục hồi trọng lực - lực đẩy Archimedes $g(\eta)$, và lực nhiễu dòng chảy môi trường;
  • Lý thuyết mạng nơ-ron nhân tạo thích nghi trực tuyến: Sử dụng nơ-ron với hàm truyền Tang-sigmoid đối với lớp ẩn: $$g(x) = \frac{1 - e^{-x}}{1 + e^{-x}}$$ và hàm truyền tuyến tính tại lớp ra, giúp tín hiệu điều khiển góc lái $\delta_r, \delta_s$ biến thiên mượt mà trong dải giới hạn vật lý;
  • Thuật toán dẫn đường hình học Line-of-Sight (LOS) hiệu chỉnh góc trôi: Thiết lập luật dẫn đường góc hướng đặt $\psi_d$ bám theo đường thẳng nối hai điểm tọa độ mục tiêu $(x_k, y_k)$ và $(x_{k+1}, y_{k+1})$, đồng thời cộng thêm lượng bù góc trôi $\beta$ do dòng chảy gây ra: $$\psi_{\text{ref}} = \psi_{\text{LOS}} - \beta = \text{atan2}(y_{k+1} - y_k, x_{k+1} - x_k) - \text{atan2}(v_c \sin(\psi_c), u + v_c \cos(\psi_c))$$

Điều kiện biên lý thuyết được xác định rõ ràng: Phương tiện di chuyển ở dải vận tốc chuyển dịch vừa và chậm ($u \le 2\text{ m/s}$), gia tốc quay của Trái Đất được loại trừ, góc chúi hoạt động thỏa mãn điều kiện $|\theta| < 90^\circ$ để tránh điểm kỳ dị suy biến của ma trận chuyển đổi vận tốc góc $T_b^n$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ triết lý nghiên cứu thực chứng (Positivism) kết hợp phương pháp mô phỏng kỹ thuật tính toán định lượng cao cấp. Khung phương pháp nghiên cứu được thiết kế đa cấp độ (Multi-level Design):

┌─────────────────────────────────────────────────────────────────────────────────┐
│                    THIẾT KẾ PHƯƠNG PHÁP NGHIÊN CỨU ĐA CẤP ĐỘ                    │
├─────────────────────────────────────────────────────────────────────────────────┤
│ CẤP ĐỘ 1: THIẾT LẬP MÔ HÌNH HÌNH HỌC & ĐỘNG LỰC HỌC 6-DOF                       │
│ • Thiết lập hệ tọa độ: ECI, ECEF, NED {n} và BODY {b}                           │
│ • Xây dựng ma trận quay Euler R_b^n và ma trận Jacobian J(η)                    │
│ • Mô hình hóa Tensor quán tính I_b và các lực thủy động lực học NPS AUV II      │
├─────────────────────────────────────────────────────────────────────────────────┤
│ CẤP ĐỘ 2: THIẾT KẾ CẤU TRÚC BỘ ĐIỀU KHIỂN NƠ-RON THÍCH NGHI TRỰC TUYẾN (NNC)    │
│ • Cấu hình mạng MLP với vector đầu vào mở rộng: E = [e_k, e_{k-1}, ..., e_{k-m}]│
│ • Thiết lập thuật toán lan truyền ngược tăng cường (Augmented Backpropagation) │
│ • Tối ưu hóa hàm mục tiêu năng lượng sai số Brandt-Lin                          │
├─────────────────────────────────────────────────────────────────────────────────┤
│ CẤP ĐỘ 3: PHÂN TÁCH PHƯƠNG THỨC ĐIỀU KHIỂN & DẪN ĐƯỜNG                          │
│ • Kênh 1: Điều khiển hướng đi (Yaw) qua góc bẻ lái đứng δ_Rk                    │
│ • Kênh 2: Điều khiển độ sâu (Depth) & góc chúi (Pitch) qua lái ngang δ_Sk       │
│ • Kênh 3: Điều khiển tốc độ dọc (Surge) qua lực đẩy chân vịt                    │
│ • Tích hợp thuật toán LOS bám quỹ đạo 3D & bám địa hình đáy (Bottom-following) │
├─────────────────────────────────────────────────────────────────────────────────┤
│ CẤP ĐỘ 4: KIỂM CHỨNG TOÀN DIỆN TRÊN 15 KỊCH BẢN MÔ PHỎNG (TN1 - TN15)          │
│ • Khảo sát đáp ứng động học trong điều kiện lý tưởng & có nhiễu dòng chảy       │
│ • Phân tích vết chuyển động 3D, độ dạt ngang, sai số xác lập                    │
│ • So chuẩn đối chứng trực tiếp với bộ điều khiển PID kinh điển                  │
└─────────────────────────────────────────────────────────────────────────────────┘

Mô hình đối tượng được chuẩn hóa theo phương tiện NPS AUV II có phương trình động học 6-DOF dạng vector: $$\dot{\eta} = J(\eta) V$$ $$\begin{bmatrix} \dot{p} \ \dot{\Theta} \end{bmatrix} = \begin{bmatrix} R_b^n & 0_{3 \times 3} \ 0_{3 \times 3} & T_b^n \end{bmatrix} \begin{bmatrix} v_{b/n}^b \ \omega_{b/n}^b \end{bmatrix}$$ với các vector chuyển động: vị trí và hướng $\eta = [x, y, z, \phi, \theta, \psi]^T$; vận tốc dài và góc $V = [u, v, w, p, q, r]^T$; lực và moment $\tau = [X, Y, Z, K, M, N]^T$.

Quy trình nghiên cứu rigorous

Quy trình thu thập và xử lý dữ liệu mô phỏng được thực hiện nghiêm ngặt theo các bước:

  1. Thiết lập tham số vật lý và thủy động: Nhập toàn bộ hệ số khối lượng bổ sung (added mass), hệ số cản nhớt phi tuyến bậc hai, mô-men quán tính ($I_x, I_y, I_z, I_{xy}, I_{xz}, I_{yz}$), và tọa độ trọng tâm $r_g^b = [x_g, y_g, z_g]^T$ của mô hình NPS AUV II vào mã nguồn MATLAB.
  2. Thiết kế mạng nơ-ron điều khiển trực tiếp: Vector tín hiệu vào gồm sai số hiện tại $e_k$ và các tín hiệu trễ $e_{k-1}, e_{k-2}, \dots$; lớp ẩn gồm các nơ-ron phi tuyến xử lý qua hàm Tang-sigmoid; lớp ra phát tín hiệu điều khiển góc bẻ bánh lái $\delta_{Rk}$ hoặc bánh lái độ sâu $\delta_{Sk}$.
  3. Thuật toán huấn luyện trực tuyến: Trong mỗi chu kỳ điều khiển trích mẫu $k$, giải thuật thực hiện $n$ vòng lặp huấn luyện nội bộ với bước học $\eta$ cố định, điều chỉnh trọng số liên kết $w_{ji}$ nhằm cực tiểu hóa hàm mục tiêu $E_k$.
  4. Quy trình Triangulation kiểm chứng: Đối chiếu chéo giữa nghiệm giải tích phương trình trạng thái, đáp ứng mô phỏng số vòng kín trên MATLAB/Simulink, và so sánh đối chứng (Benchmarking) trực tiếp với bộ điều khiển PID được tinh chỉnh tối ưu.
┌─────────────────────────────────────────────────────────────────────────────────┐
│              SƠ ĐỒ THUẬT TOÁN HUẤN LUYỆN NƠ-RON THÍCH NGHI TRỰC TUYẾN           │
├─────────────────────────────────────────────────────────────────────────────────┤
│ 1. Khởi tạo: Trọng số w_ji ngẫu nhiên, ma trận P > 0, Λ > 0, bước học η, số lặp n│
│ 2. Tại mỗi chu kỳ lấy mẫu k:                                                    │
│    a. Đọc trạng thái đặt X_kd và trạng thái thực tế X_k                         │
│    b. Tính toán vector sai số: e_k = X_kd - X_k                                 │
│    c. Lan truyền tiến (Forward Pass):                                           │
│       • Tính đầu vào mạng: a_j = Σ (w_ji · x_i) + b_j                           │
│       • Tính đầu ra nơ-ron: z_j = g(a_j) = (1 - e^(-a_j)) / (1 + e^(-a_j))      │
│       • Tính tín hiệu điều khiển ra: u_k = Σ (w_kj · z_j)                       │
│    d. Áp dụng u_k vào mô hình AUV 6-DOF, thu nhận phản hồi động học            │
│    e. Lan truyền ngược tăng cường (Augmented Backpropagation) n lần:            │
│       • Đánh giá hàm mục tiêu: E_k = 1/2 · e_k^T P e_k + 1/2 · u_k^T Λ u_k      │
│       • Tính gradient cục bộ: δ_k = -∂E_k / ∂a_j                                │
│       • Cập nhật trọng số: w_ji(t+1) = w_ji(t) + η · δ_k · x_i                  │
│ 3. Lặp lại bước 2 cho chu kỳ k+1 cho đến khi hoàn thành quỹ đạo.                │
└─────────────────────────────────────────────────────────────────────────────────┘

Data và phân tích

Toàn bộ hệ thống được kiểm thử qua 15 kịch bản thí nghiệm (TN1 đến TN15) chi tiết:

  • Thí nghiệm 1 - 3 (TN1 - TN3): Khảo sát điều khiển hướng đi $\psi$, điều khiển kết hợp hướng và độ sâu ($z, \theta$) khi không có dòng chảy và khi chịu tác động của dòng chảy vận tốc $v_c = 0.5\text{ m/s}$, hướng dòng $\psi_c = 45^\circ$.
  • Thí nghiệm 4 - 5 (TN4 - TN5): Điều khiển tổng hợp đồng thời ba kênh hướng đi, độ sâu và tốc độ dọc $u$ ($u_d = 1.5\text{ m/s}$) trong môi trường tĩnh và môi trường dòng chảy nhiễu loạn.
  • Thí nghiệm 6 - 11 (TN6 - TN11): Điều khiển dẫn đường bám quỹ đạo 3D phức tạp xác định bởi chuỗi tọa độ điểm đặt (Waypoints), kiểm tra khả năng triệt tiêu khoảng cách dạt ngang trên mặt phẳng phẳng $Oxy$.
  • Thí nghiệm 12 - 15 (TN12 - TN15): Điều khiển AUV bám theo địa hình đáy biển biến đổi liên tục (Bottom-following), duy trì khoảng cách thẳng đứng an toàn $h_d = 5\text{ m}$ so với đáy gồ ghề.

Hệ thống công cụ thực thi bao gồm bộ công cụ MATLAB chuyên biệt với các file mã nguồn: file mô phỏng điều khiển hướng và độ sâu, file điều khiển tốc độ, file dẫn đường quỹ đạo, file cấu trúc mạng nơ-ron nhiều lớp truyền thẳng và file huấn luyện thích nghi trực tuyến (từ trang 121 đến 138 của luận án).

Phát hiện đột phá và implications

Những phát hiện then chốt

Kết quả mô phỏng từ 15 thí nghiệm mang lại 4 phát hiện khoa học đột phá:

  ĐÁP ỨNG CHUYỂN HƯỚNG: BĐK NƠ-RON THÍCH NGHI (NNC) VS. BĐK PID KINH ĐIỂN
  Hướng ψ (độ)
    70 ┌──────────────────────────────────────────────────────────┐
       │                                       ═══ Quỹ đạo đặt    │
    60 │                                       ─── BĐK NNC        │
       │                         . - - - .     - - BĐK PID        │
    50 │                       /           \                      │
       │                      /             \                     │
    40 │                     /   ┌────────┐  \                    │
       │                    /    │PID: Vọt│   \                   │
    30 │                   /     │lố 18.5%│    \                  │
       │                  /      └────────┘     \                 │
    20 │        ┌───────┐/                       \                │
       │        │NNC:   │                         \               │
    10 │        │Vọt lố │                          \              │
       │        │< 2.5% │                           \             │
     0 └────────┴───────┴────────────────────────────┴────────────┘
       0       10       20       30       40       50     60  Thời gian (s)
  1. Hiệu năng bám động học vượt trội và triệt tiêu vọt lố (Overshoot): Trong các thử nghiệm chuyển hướng bước nhảy ($\Delta\psi = 60^\circ$) và thay đổi độ sâu ($\Delta z = 10\text{ m}$), bộ điều khiển NNC đạt thời gian quá độ ngắn hơn 35-40% so với PID kinh điển. Độ vọt lố của NNC được khống chế dưới $2.5%$, trong khi PID truyền thống dao động với độ vọt lố lên tới $18.5%$ và xuất hiện hiện tượng trượt xác lập kéo dài.
  2. Khả năng tự thích nghi và bù trôi dòng chảy tức thời: Trong TN3, TN5, TN10 và TN11, khi đưa vector dòng chảy đại dương $v_c = 0.5\text{ m/s}$ vào mô hình, bộ điều khiển PID bị lệch khỏi quỹ đạo với sai số dạt ngang (cross-track error) duy trì từ $3.8\text{ m}$ đến $5.2\text{ m}$. Ngược lại, bộ điều khiển NNC tự động điều chỉnh góc hướng mũi tàu (heading correction) một lượng $\Delta\psi \approx 14.2^\circ$, triệt tiêu khoảng cách dạt trên mặt phẳng ngang về xấp xỉ $0\text{ m}$ sau chưa đầy $15\text{ s}$.
  3. Tính ổn định cao trong bài toán bám địa hình đáy (TN12 - TN15): Khi AUV thực hiện nhiệm vụ khảo sát sát đáy với profile địa hình đáy nhấp nhô biến thiên độ sâu từ $-20\text{ m}$ đến $-50\text{ m}$, thuật toán NNC kết hợp ước lượng độ cao đáy duy trì khoảng cách an toàn sai lệch không quá $\pm 0.15\text{ m}$, hoàn toàn không xảy ra hiện tượng va chạm đáy hay mất ổn định góc chúi $\theta$.
  4. Tính hội tụ nhanh của thuật toán Brandt-Lin không cần dữ liệu Offline: Trái ngược với các mạng nơ-ron điều khiển gián tiếp phải trải qua pha nhận dạng mô hình trước với hàng triệu mẫu dữ liệu, thuật toán thích nghi trực tuyến của luận án cho phép các trọng số $w_{ji}$ tự thích ứng ngay từ thời điểm $t = 0\text{ s}$, đảm bảo hàm mục tiêu $E_k$ suy giảm đơn điệu theo thời gian thực.
┌─────────────────────────────────────────────────────────────────────────────────┐
│             BẢNG TỔNG HỢP SO SÁNH HIỆU NĂNG ĐIỀU KHIỂN (BENCHMARK)              │
├──────────────────────────┬──────────────────────┬───────────────────────────────┤
│ Chỉ số đánh giá động học │ Bộ điều khiển PID    │ Bộ điều khiển NNC Thích nghi  │
├──────────────────────────┼──────────────────────┼───────────────────────────────┤
│ Thời gian xác lập (Ts)   │ 38.5 s               │ 22.1 s (Rút ngắn 42.6%)       │
│ Độ vọt lố (Overshoot)    │ 18.5%                │ < 2.5% (Triệt tiêu dao động)  │
│ Sai số dạt khi có dòng   │ 3.8 m - 5.2 m        │ < 0.2 m (Tự động bù trôi LOS) │
│ Sai số bám đáy (TN13)    │ ± 1.45 m             │ ± 0.15 m (Độ tin cậy cao)     │
│ Tiêu hao năng lượng lái  │ Cao (Dao động lái)   │ Thấp (Tối ưu hóa qua hàm E_k) │
└──────────────────────────┴──────────────────────┴───────────────────────────────┘

Implications đa chiều

  • Về mặt lý thuyết: Luận án mở ra phương pháp luận hoàn chỉnh trong việc kết hợp giải thuật học thích nghi trực tuyến với mô hình động lực học phân rã của phương tiện thủy 6-DOF, cung cấp cơ sở toán học chứng minh tính ổn định của hệ nơ-ron phi tuyến kín.
  • Về mặt phương pháp luận: Thiết lập quy trình 15 bước mô phỏng chuẩn tắc có thể tái sử dụng cho các nghiên cứu về tàu ngầm mini, phương tiện mặt nước không người lái (USV) và robot thám hiểm ngầm (ROV).
  • Về mặt ứng dụng thực tiễn: Tạo ra lõi thuật toán điều khiển tự hành có khả năng nhúng trực tiếp vào các hệ vi xử lý thời gian thực (DSP/ARM/FPGA) trên các AUV sản xuất nội địa phục vụ kiểm tra đường ống dẫn dầu khí ngầm tại mỏ Bạch Hổ, Rồng, Đại Hùng, cũng như bảo dưỡng hệ thống cáp quang biển quốc tế (AAG, APG).
  • Về mặt chính sách & quốc phòng: Đóng góp luận cứ khoa học kỹ thuật cho việc hiện thực hóa Chiến lược phát triển bền vững kinh tế biển Việt Nam đến năm 2030, tầm nhìn đến năm 2045, giảm thiểu phụ thuộc vào việc thuê mua trang thiết bị ngầm của nước ngoài trong công tác trinh sát hải đạo và cứu nạn ngầm.

Limitations và Future Research

Luận án thừa nhận bốn giới hạn nghiên cứu cụ thể:

  1. Môi trường thử nghiệm dừng lại ở mô phỏng số học (Numerical Simulation): Mặc dù mô hình toán học NPS AUV II được chuẩn hóa chi tiết và mô phỏng sát thực tế, việc kiểm chứng thực nghiệm trên mô hình vật lý chế tạo thực tế tại vùng biển hở chưa được thực hiện do hạn chế về kinh phí gia công cơ khí chính xác và hạ tầng hồ thử sâu tại Việt Nam.
  2. Giả định về hệ thống đo đạc cảm biến lý tưởng: Luận án giả định các tín hiệu phản hồi trạng thái ($u, v, w, p, q, r, x, y, z, \phi, \theta, \psi$) có độ trễ bằng 0 và chưa tính đến nhiễu trắng ngẫu nhiên, nhiễu âm học phức tạp của cảm biến DVL (Doppler Velocity Log) hay hệ thống định vị thủy âm USBL.
  3. Giới hạn trường dòng chảy và sóng mặt: Mô hình dòng chảy được giả định là dòng chảy phẳng đồng nhất hoặc biến thiên vận tốc đều theo độ sâu; chưa xét đến tác động của sóng mặt phi tuyến khi AUV nổi lên tiếp cận mặt nước.
  4. Giới hạn góc chúi tránh kỳ dị: Bộ điều khiển được ràng buộc trong vùng góc pitch $|\theta| < 90^\circ$, chưa áp dụng biểu diễn Quaternion để điều khiển lộn vòng tự do 360 độ.

Chương trình nghiên cứu tương lai (Future Research Agenda) bao gồm 4 định hướng:

  • Chế tạo phần cứng nguyên mẫu AUV cỡ nhỏ và triển khai nạp thuật toán NNC vào máy tính nhúng (như NVIDIA Jetson Xavier / STM32) để thử nghiệm thực địa tại vịnh Nha Trang hoặc vùng biển Vũng Tàu;
  • Tích hợp bộ lọc Kalman mở rộng (EKF) hoặc bộ lọc hạt (Particle Filter) để ước lượng trạng thái khi cảm biến âm học bị mất tín hiệu ngắt quãng;
  • Mở rộng thuật toán nơ-ron học sâu tăng cường (Deep Reinforcement Learning - DRL) kết hợp bản đồ hóa và định vị đồng thời (SLAM) dưới nước;
  • Phát triển thuật toán điều khiển phối hợp bầy đàn đa phương tiện ngầm (Multi-AUV Cooperative Swarm Control) phục vụ tìm kiếm cứu nạn diện rộng.

Tác động và ảnh hưởng

  • Ảnh hưởng học thuật: Công trình là tài liệu chuyên khảo chuyên sâu đầu tiên tại Việt Nam hệ thống hóa lý thuyết điều khiển nơ-ron thích nghi trực tuyến ứng dụng cho AUV 6-DOF, mở ra các hướng trích dẫn giá trị cho các nghiên cứu sinh chuyên ngành Khoa học Hàng hải, Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Cơ điện tử biển.
  • Chuyển đổi công nghiệp: Cung cấp giải pháp công nghệ nền tảng cho Tập đoàn Dầu khí Quốc gia Việt Nam (PVN), Tổng công ty Tìm kiếm Cứu nạn Hàng hải và các viện nghiên cứu biển chế tạo các AUV chuyên dụng có chi phí sản xuất thấp hơn 60-70% so với phương tiện nhập khẩu từ Kongsberg hay Bluefin Robotics.
  • An ninh quốc phòng: Nâng cao khả năng tự chủ công nghệ trinh sát ngầm không người lái, rà phá thủy lôi ngầm, bảo vệ căn cứ hải quân và giám sát vùng đặc quyền kinh tế 200 hải lý của Việt Nam.

Đối tượng hưởng lợi

┌─────────────────────────────────────────────────────────────────────────────────┐
│                         MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                             │
├────────────────────────┬────────────────────────────────────────────────────────┤
│ Nhóm đối tượng         │ Giá trị thụ hưởng & Lợi ích định lượng                 │
├────────────────────────┼────────────────────────────────────────────────────────┤
│ Nghiên cứu sinh &      │ • Tiếp cận mô hình toán 6-DOF hoàn chỉnh và mã nguồn   │
│ Giới học thuật         │   mô phỏng MATLAB chi tiết (15 kịch bản).              │
│                        │ • Nền tảng phát triển các biến thể nơ-ron sâu thích nghi.│
├────────────────────────┼────────────────────────────────────────────────────────┤
│ Kỹ sư R&D Hàng hải     │ • Lõi thuật toán điều khiển trực tiếp không cần        │
│ & Tự động hóa          │   offline training, giảm 50% thời gian căn chỉnh tham  │
│                        │   số thực địa trên hồ thử.                             │
├────────────────────────┼────────────────────────────────────────────────────────┤
│ Doanh nghiệp Dầu khí   │ • Làm chủ công nghệ AUV nội địa kiểm tra đường ống     │
│ & Khảo sát công trình  │   ngầm, giảm chi phí thuê chuyên gia và thiết bị ngoại │
│ ngầm ven biển          │   (tiết kiệm hàng trăm nghìn USD mỗi đợt khảo sát).    │
├────────────────────────┼────────────────────────────────────────────────────────┤
│ Cơ quan Quốc phòng     │ • Độc lập công nghệ phương tiện trinh sát ngầm tự hành,│
│ & Quản lý Biển đảo     │   đảm bảo tính bảo mật tuyệt đối về dữ liệu trắc đạc   │
│                        │   đáy biển và hải dương học quân sự.                   │
└────────────────────────┴────────────────────────────────────────────────────────┘

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của công trình là gì? Đó là việc tích hợp thành công cấu trúc mạng nơ-ron truyền thẳng nhiều lớp huấn luyện trực tuyến bằng thuật toán Brandt-Lin vào mô hình động lực học phi tuyến phân rã 6 bậc tự do của AUV, cực tiểu hóa đồng thời sai số động học và năng lượng điều khiển mà không cần nhận dạng mô hình trước.
  2. Đổi mới về mặt phương pháp luận so với các nghiên cứu quốc tế trước đây? So với phương pháp trượt MIMO của Farhan et al. (2017) vốn gây hiện tượng chattering bánh lái, và phương pháp LQG/LTR của Naeem et al. (2003) bị giới hạn bởi giả thiết tuyến tính, phương pháp của luận án thích nghi hoàn toàn tự động với phi tuyến và nhiễu dòng trôi 3 chiều mà không làm rung giật cơ cấu chấp hành.
  3. Phát hiện nào mang tính bất ngờ nhất từ dữ liệu mô phỏng? Đó là khả năng tự bù trôi góc dạt ngang của thuật toán dẫn đường LOS-NNC trong TN10 và TN11: Hệ thống tự động thiết lập một góc lệch hướng mũi ổn định $\Delta\psi \approx 14.2^\circ$ để triệt tiêu hoàn toàn lực đẩy ngang của dòng chảy $0.5\text{ m/s}$, đưa sai số dạt về 0 mà không cần đo đạc trực tiếp vận tốc dòng chảy.
  4. Luận án có cung cấp đầy đủ giao thức để tái lặp nghiên cứu (Replication Protocol)? Có. Luận án cung cấp chi tiết toàn bộ bảng thông số thủy động của mô hình NPS AUV II (Bảng 4.1), các ma trận chuyển đổi tọa độ, phương trình vi phân động học, và 5 file mã nguồn MATLAB hoàn chỉnh trong phần Phụ lục (trang 121–138).
  5. Chương trình nghiên cứu 10 năm tiếp theo được định hình ra sao? Lộ trình 10 năm gồm 3 giai đoạn: (1) 2022–2024: Chế tạo phần cứng AUV thực nghiệm và thử nghiệm hồ thử; (2) 2025–2028: Nhúng hệ điều khiển NNC trên nền tảng ROS/Linux nhúng và thử nghiệm biển hở; (3) 2029–2032: Phát triển hệ điều khiển bầy đàn AUV thông minh với công nghệ Deep Reinforcement Learning.

Kết luận

Luận án tiến sĩ của NCS Phạm Việt Anh đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra với 5 đóng góp học thuật cốt lõi:

  1. Hệ thống hóa toàn diện cơ sở lý luận và thực tiễn về mô hình hóa động học, động lực học 6 bậc tự do và công nghệ điều khiển AUV trên thế giới và tại Việt Nam.
  2. Đề xuất thành công kiến trúc bộ điều khiển nơ-ron thích nghi trực tuyến (NNC) dựa trên mạng nhiều lớp truyền thẳng kết hợp thuật toán Brandt-Lin, giải quyết triệt để tính bất định tham số và phi tuyến của AUV.
  3. Phát triển phương pháp điều khiển phân rã ba kênh độc lập (hướng, độ sâu - góc chúi, vận tốc) giúp tối ưu hóa cấu trúc tính toán, phù hợp với việc thực thi thời gian thực trên vi điều khiển nhúng.
  4. Thiết lập hệ thống dẫn đường bám quỹ đạo 3D và bám địa hình đáy (Bottom-following) tích hợp cơ chế tự thích nghi bù trôi dòng chảy hải lưu dựa trên thuật toán Line-of-Sight (LOS) nâng cấp.
  5. Kiểm chứng tính khả thi, độ chính xác và độ bền vững của toàn bộ hệ thống qua 15 kịch bản mô phỏng chuyên sâu trên MATLAB, chứng minh sự vượt trội toàn diện so với bộ điều khiển PID kinh điển.

Công trình đánh dấu một bước tiến quan trọng trong việc nâng cao năng lực nghiên cứu lý thuyết và ứng dụng công nghệ điều khiển tự động thông minh cho phương tiện ngầm tại Việt Nam, đóng góp thiết thực vào sự nghiệp phát triển kinh tế biển và bảo vệ chủ quyền biển đảo quốc gia.