Tổng quan luận án

Luận án tiến sĩ "Nghiên cứu điều khiển thích nghi cho robot lặn tự hành" được thực hiện bởi nghiên cứu sinh 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, bảo vệ năm 2022. Luận án thuộc chuyên ngành Khoa học Hàng hải, mã số 9840106.

Tính cấp thiết và khoảng trống nghiên cứu

Việt Nam sở hữu đường bờ biển dài hơn 3.000 km cùng hệ thống sông ngòi, đầm lầy và vùng đặc quyền kinh tế rộng lớn. Nhu cầu ứng dụng các phương tiện lặn tự hành (Autonomous Underwater Vehicle - AUV) phục vụ khảo sát tài nguyên biển, kiểm tra công trình ngầm (giàn khoan, đường ống dẫn dầu khí, cáp viễn thông ngầm), tìm kiếm cứu hộ cứu nạn và củng cố an ninh quốc phòng ngày càng gia tăng. Trong thực tế, các đơn vị trong nước chủ yếu phải nhập khẩu hoặc thuê phương tiện và chuyên gia nước ngoài với chi phí cao.

Về mặt kỹ thuật, việc thiết kế hệ thống điều khiển tự động cho AUV đối mặt với các thách thức lớn do tính chất động học phi tuyến cao, tương tác phức tạp trong không gian chuyển động 6 bậc tự do (6 DOF), cùng các tham số mô hình thường xuyên biến đổi và chịu tác động của nhiễu loạn môi trường khó dự đoán như dòng chảy, sóng ngầm. Các bộ điều khiển truyền thống như Tỷ lệ - Tích phân - Vi phân (PID) tuy có cấu trúc đơn giản nhưng phụ thuộc chặt chẽ vào độ chính xác của mô hình toán học và bộc lộ hạn chế khi tham số thay đổi hoặc có nhiễu động mạnh. Tại Việt Nam, các nghiên cứu về hệ thống điều khiển AUV còn tương đối mới mẻ, phần lớn chỉ dừng lại ở các mô hình phỏng sinh học hoặc thử nghiệm trong hồ nước nông ở mặt phẳng ngang, chưa giải quyết trọn vẹn bài toán điều khiển tự thích nghi trong không gian ba chiều khi có dòng chảy tác động. Do đó, việc nghiên cứu phát triển bộ điều khiển nơ-ron thích nghi trực tuyến nhằm nâng cao chất lượng điều khiển chuyển động của AUV là yêu cầu khoa học và thực tiễn cấp bách.

Mục tiêu nghiên cứu

Mục đích nghiên cứu của đề tài được xác định cụ thể như sau:

  1. Nghiên cứu tổng quan các phương pháp điều khiển AUV truyền thống và hiện đại, cùng các thuật toán điều khiển ứng dụng mạng nơ-ron nhân tạo.
  2. Phát triển và ứng dụng bộ điều khiển nơ-ron thích nghi (Neural Network Controller - NNC) cho hệ thống điều khiển hướng đi, độ sâu và tốc độ của AUV nhằm nâng cao chất lượng điều khiển so với các bộ điều khiển thông thường.
  3. Thiết kế, kiểm chứng và đánh giá thuật toán điều khiển đề xuất thông qua mô phỏng số trị trên máy tính trong các kịch bản chuyển động và điều kiện môi trường thực tế.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các thuật toán điều khiển nơ-ron nhân tạo, thuật toán học thích nghi trực tuyến; cấu trúc bộ điều khiển nơ-ron thích nghi ứng dụng điều khiển các kênh chuyển động hướng đi, độ sâu và tốc độ của phương tiện ngầm.
  • Phạm vi nghiên cứu:
    • Mô hình phương tiện lặn: Luận án sử dụng mô hình toán học và các thông số thủy động học của mẫu robot lặn tự hành NPS AUV II (Naval Postgraduate School AUV II).
    • Không gian chuyển động: Chuyển động không gian 6 bậc tự do (6 DOF), tập trung vào các chuyển động dọc trục (surge), chuyển động theo phương đứng (heave), chuyển động quay quanh trục ngang (pitch) và quay quanh trục đứng (yaw).
    • Điều kiện môi trường: Khảo sát chuyển động khi có sự tác động của dòng chảy đại dương không đổi và dòng chảy biến thiên.
    • Công cụ thực nghiệm: Xây dựng thuật toán và thực hiện mô phỏng số trên môi trường phần mềm MATLAB.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trên thế giới

Luận án điểm lại lịch sử phát triển của lý thuyết điều khiển tự động hàng hải, khởi đầu từ công trình của Nicolas Minorsky (1922) khi áp dụng quy luật PID vào hệ thống máy lái tự động tàu thủy. Mặc dù chiếm hơn 90% ứng dụng trong công nghiệp, bộ điều khiển PID bộc lộ nhiều điểm yếu khi đối tượng có tính phi tuyến cao. Từ thập niên 1990 đến nay, các nghiên cứu về phương tiện ngầm đã từng bước hoàn thiện mô hình động lực học và thuật toán điều khiển:

  • Mô hình hóa động học và nhận dạng tham số: Mô hình chuyển động tổng quát 6 DOF cho phương tiện thủy được hoàn thiện bởi Fossen (1994, 2011). Savant (2000) nghiên cứu điều khiển phi tuyến AUV theo đường đi định trước; Leonard (1995) công bố các phương pháp tổng hợp bộ điều khiển thích nghi cho AUV; Prestero (2001) xây dựng và tổng hợp thông số thủy động học cho mẫu robot REMUS AUV; McEwen và Streitlien (2001) nghiên cứu mô hình hóa AUV có chiều dài thay đổi; P. Ridao và cộng sự (2001) áp dụng phương pháp bình phương nhỏ nhất để nhận dạng các thông số AUV theo từng bậc tự do ở dải tốc độ chậm; Regardt (2009) hệ thống hóa mô hình toán học tuyến tính và phi tuyến cho AUV.
  • Các phương pháp điều khiển hiện đại và điều khiển thông minh: Naeem và cộng sự nghiên cứu thuật toán LQG/LTR kết hợp hệ thống dẫn đường lai để bám cáp ngầm; Xu và cộng sự (2000) áp dụng bộ điều khiển biến đổi cấu trúc hai chế độ; Lienard giới thiệu kỹ thuật điều khiển trượt nhiều biến cho hướng và độ sâu; Soetanto (2007) thiết kế bộ điều khiển phi tuyến bám quỹ đạo dựa trên hàm Lyapunov; Balochian nghiên cứu bộ điều khiển PID mờ tự thích nghi; Ruiz Duarte và J. Nekoo (2014) đề xuất điều khiển tối ưu phi tuyến độ sâu và trạng thái mặt phẳng ngang sử dụng phương trình Riccati phụ thuộc trạng thái; Farhan và cộng sự (2017) đề xuất kỹ thuật điều khiển trượt MIMO; Yao và cộng sự (2018) thử nghiệm điều khiển độ sâu bằng thuật toán dự đoán mô hình (MPC).
  • Hệ thống dẫn đường và ứng dụng đặc thù: Wilson ứng dụng kỹ thuật dẫn đường ngắm đường (Line-of-Sight - LOS) bám quỹ đạo; Healey và D. Hemminger (2005) phát triển thuật toán tránh va chạm cho AUV REMUS theo mặt phẳng đứng và theo địa hình đáy; Adhami-Mirhosseini và cộng sự công bố nghiên cứu điều khiển tự động bám địa hình đáy biển. Bên cạnh đó, các nghiên cứu của Yoerger, D. Brutzman (1994, 1998), Thomas (2005), X. Avadhanula (2005), M. Krieg (2005), L. Mohseni (2004) tập trung vào đặc tính lực đẩy phản lực nước và phương tiện phỏng sinh học.
Tên mẫu AUV Quốc gia / Cơ quan chế tạo Năm Đặc tính kỹ thuật chính Ứng dụng thực tế
SPURV ĐH Washington, Hoa Kỳ 1957 Lặn sâu 3.000 m, hoạt động 4 giờ liên tục Nghiên cứu hải dương học, truyền âm, phát hiện tàu ngầm
Epaulard Viện IFREMER, Pháp 1980 Dài 4 m, nặng 2,9 tấn, lặn sâu 6.000 m Thăm dò và nghiên cứu đáy đại dương
AUSS Trung tâm SPAWAR, Hoa Kỳ 1983 Lặn sâu 6.000 m, trang bị Sonar quét bên và nhìn trước Chụp ảnh và truyền dữ liệu đáy biển bằng sóng âm
REMUS 6000 Kongsberg Maritime, Na Uy 1997 Lặn sâu 6.000 m, cấu trúc tùy biến module Giám sát, thăm dò, lập bản đồ biển dân sự và quân sự
SEAOTTER MKII Atlas Elektronik, CHLB Đức 2007 Dài 3,65 m, nặng 1.000 kg, lặn sâu 600 m, hoạt động 20 giờ Trinh sát, bảo vệ vùng biển, khai khoáng, chống ngầm
Bluefin-9 Bluefin Robotics, Hoa Kỳ 2010 Nặng 60,5 kg, kích thước 1,65 m x 0,24 m, sâu 200 m, tốc độ 2 m/s Khảo sát ven bờ, bảo vệ cảng biển, quan trắc môi trường

Tình hình nghiên cứu trong nước và khoảng trống luận án lựa chọn

Tại Việt Nam, các công trình nghiên cứu về AUV bắt đầu xuất hiện trong những năm gần đây. Điển hình có nghiên cứu của tác giả Nguyễn Đông tại Trường Đại học Bách khoa Hà Nội về thiết kế cơ khí và đánh giá động lực học mô hình AUV, thử nghiệm thuật toán điều khiển hướng đi trên mặt nước; nhóm nghiên cứu tại Trường Đại học Bách khoa TP. Hồ Chí Minh hợp tác với Hàn Quốc chế tạo mô hình thử nghiệm KIAL-AUV. Tuy nhiên, các công trình này chủ yếu tập trung vào kết cấu phần cứng, thử nghiệm trong bể thử ở độ sâu hạn chế và chưa tích hợp thuật toán nơ-ron thích nghi cho chuyển động không gian ngầm có tính đến nhiễu dòng chảy.

Khoảng trống nghiên cứu mà luận án lựa chọn giải quyết là: Thiết kế cấu trúc điều khiển nơ-ron thích nghi trực tuyến tương tác kết hợp phương pháp tách kênh (decoupled control), cho phép tự động hiệu chỉnh trọng số theo thời gian thực để điều khiển đồng thời hướng đi, độ sâu, tốc độ và dẫn đường quỹ đạo ba chiều cho AUV trong điều kiện chịu tác động bất định của dòng chảy đại dương.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết mạng nơ-ron nhân tạo và điều khiển thích nghi

Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) mô phỏng cấu trúc xử lý thông tin dạng song song của hệ thần kinh sinh học, được khởi xướng bởi Warren McCulloch và Walter Pitts (1943). Luận án sử dụng mạng nơ-ron nhiều lớp truyền thẳng (Multilayer Feedforward Neural Network) với các thành phần:

  • Đơn vị xử lý (nơ-ron): Nhận vector đầu vào $x = [x_1, x_2, \dots, x_n]^T$, kết hợp với vector trọng số $w_{ji}$ và độ lệch (bias) $\theta_j$ để tạo đầu vào mạng: $$a_j = \sum_{i=1}^n w_{ji} x_i + \theta_j$$
  • Hàm kích hoạt (hàm truyền): Luận án phân tích các dạng hàm truyền cơ bản gồm hàm tuyến tính (Linear), hàm ngưỡng giới hạn cứng (Hard-Limit), hàm Sigma (Sigmoid) và hàm tang-sigma (Tan-sigmoid). Đối với các lớp ẩn, hàm tang-sigma được lựa chọn nhờ tính chất liên tục, khả vi và đối xứng qua gốc tọa độ, giúp thuật toán cập nhật trọng số hội tụ nhanh.
  • Cơ chế điều khiển: Điều khiển mạng nơ-ron được chia thành phương pháp gián tiếp (dùng mạng nơ-ron nhận dạng đối tượng song song để chỉnh định bộ điều khiển) và phương pháp trực tiếp. Luận án lựa chọn cấu trúc điều khiển nơ-ron thích nghi trực tiếp với thuật toán lan truyền ngược tăng cường (Back-propagation) dựa trên thuật toán Brandt-Lin. Trọng số mạng được cập nhật trực tuyến trong từng chu trình điều khiển nhằm cực tiểu hóa hàm mục tiêu sai số $E_k$: $$E_k = \frac{1}{2} e_k^T P e_k + \frac{1}{2} u_k^T \Lambda u_k$$ trong đó $e_k$ là vector sai số điều khiển giữa trạng thái thực tế và trạng thái đặt, $u_k$ là tín hiệu điều khiển, $P$ và $\Lambda$ là các ma trận trọng số xác định dương.

Mô hình toán học động học và động lực học AUV

Mô hình chuyển động 6 bậc tự do của AUV được mô tả qua các hệ trục tọa độ tham chiếu:

  1. Hệ tọa độ quán tính địa phương NED ${n}$: Trục $x_n$ hướng Bắc, $y_n$ hướng Đông, $z_n$ hướng xuống tâm Trái Đất.
  2. Hệ tọa độ cố định trên thân AUV BODY ${b}$: Gốc $O_b$ đặt tại tâm hình học hoặc trọng tâm phương tiện; trục $x_b$ hướng từ đuôi lên mũi, $y_b$ hướng sang mạn phải, $z_b$ hướng xuống đáy.

Quan hệ động học giữa vận tốc trong hệ ${b}$ và vị trí, hướng trong hệ ${n}$ được biểu diễn bằng ma trận biến đổi Euler $R_b^n$: $$\dot{p} = R_b^n v_{b/n}$$ trong đó $R_b^n = R_{z,\psi} R_{y,\theta} R_{x,\phi}$ được tính toán qua 3 góc quay Euler: góc lắc ngang (roll - $\phi$), góc chúi (pitch - $\theta$) và góc hướng đi (yaw - $\psi$). Biến đổi vận tốc góc $\omega_{b/n} = [p, q, r]^T$ sang đạo hàm góc Euler được xác định qua ma trận $T_b^n$.

Phương trình động lực học tổng quát dạng vector trong hệ ${b}$ tuân theo định luật Newton-Euler: $$M \dot{\nu} + C(\nu)\nu + D(\nu)\nu + g(\eta) = \tau + \tau_{wind,wave,current}$$ trong đó:

  • $M = M_{RB} + M_A$: Ma trận khối lượng vật rắn và khối lượng nước kèm (added mass).
  • $C(\nu) = C_{RB}(\nu) + C_A(\nu)$: Ma trận lực quán tính ly tâm và lực Coriolis.
  • $D(\nu)$: Ma trận hệ số lực cản thủy động học phi tuyến.
  • $g(\eta)$: Vector lực phục hồi bao gồm trọng lực và lực đẩy Archimedes.
  • $\tau$: Vector lực và mô-men sinh ra từ cơ cấu chấp hành (chân vịt, bánh lái đuôi $\delta_r$, bánh lái độ sâu $\delta_s$).

Phương pháp nghiên cứu

  • Phương pháp phân tích - tổng hợp hệ thống: Sử dụng kỹ thuật tách rời chuyển động (decoupled control), chia bài toán điều khiển không gian phức tạp thành các phân hệ độc lập: phân hệ điều khiển góc hướng đi (mặt phẳng ngang), phân hệ điều khiển độ sâu kết hợp góc chúi (mặt phẳng đứng) và phân hệ điều khiển tốc độ tiến dọc trục.
  • Phương pháp mô phỏng số: Xây dựng các khối giải thuật nơ-ron thích nghi trực tuyến trên nền tảng phần mềm MATLAB/Simulink, ứng dụng bộ tham số thực nghiệm của robot NPS AUV II.
  • Phương pháp so sánh đối chuẩn: Thực hiện các kịch bản kiểm chứng đối đầu trực tiếp giữa bộ điều khiển nơ-ron thích nghi đề xuất và bộ điều khiển PID truyền thống trong cùng một điều kiện ban đầu, cùng chỉ tiêu đặt và cùng tác động nhiễu dòng chảy.

Nội dung chính theo từng chương

Chương 1: Tổng quan về điều khiển robot lặn tự hành (Autonomous Underwater Vehicle)

Chương 1 cung cấp cái nhìn toàn diện về lịch sử hình thành, phân loại và ứng dụng của các phương tiện ngầm không người lái trên quy mô quốc tế và trong nước. Tác giả phân tích các yêu cầu kỹ thuật đặc thù trong các lĩnh vực: quân sự (rà phá thủy lôi, trinh sát, tuần tra chống ngầm), kinh tế biển (khảo sát địa chất, kiểm tra giàn khoan, giám sát đường ống dẫn dầu khí và cáp viễn thông đáy biển), nghiên cứu khoa học hải dương và bảo vệ môi trường biển.

Nội dung chương trình bày chi tiết phương trình chuyển động 6 bậc tự do theo chuẩn SNAME (Society of Naval Architects and Marine Engineers), định nghĩa đầy đủ 6 thành phần chuyển động: chuyển động tiến dọc (surge - $u$), chuyển động dạt ngang (sway - $v$), chuyển động chìm nổi (heave - $w$), chuyển động lắc ngang (roll - $p$), chuyển động chúi (pitch - $q$) và chuyển động quay trở hướng (yaw - $r$). Tác giả thiết lập hệ phương trình vi phân phi tuyến liên kết lực và mô-men tác động lên phương tiện khi trọng tâm $CG$ lệch khỏi gốc tọa độ hình học $O_b$: $$m[\dot{u} - vr + wq - x_g(q^2 + r^2) + y_g(pq - \dot{r}) + z_g(pr + \dot{q})] = X$$ $$m[\dot{v} - wp + ur - y_g(r^2 + p^2) + z_g(qr - \dot{p}) + x_g(qp + \dot{r})] = Y$$ $$m[\dot{w} - uq + vp - z_g(p^2 + q^2) + x_g(rp - \dot{q}) + y_g(rq + \dot{p})] = Z$$ đồng thời phân tích dạng phương trình rút gọn khi xét chuyển động ở chế độ giữ độ sâu không đổi hoặc vận tốc tiến $U$ không đổi. Chương 1 kết luận bằng việc khẳng định xu thế ứng dụng trí tuệ nhân tạo, đặc biệt là mạng nơ-ron, là giải pháp phù hợp để vượt qua các giới hạn của phương pháp điều khiển cổ điển.

Chương 2: Cơ sở lý thuyết điều khiển nơ-ron thích nghi thiết bị lặn tự hành

Chương 2 tập trung xây dựng cơ sở toán học cho mạng nơ-ron nhân tạo và khả năng ứng dụng trong điều khiển tự động phương tiện thủy. Tác giả phân tích chi tiết cấu trúc mạng truyền thẳng nhiều lớp gồm lớp vào (input layer), các lớp ẩn (hidden layers) và lớp ra (output layer). Luận án trình bày toán học của các dạng hàm truyền:

  • Hàm truyền tuyến tính: $g(x) = x$
  • Hàm ngưỡng giới hạn cứng: $$g(x) = \begin{cases} 1 & \text{khi } x \ge 0 \ 0 & \text{khi } x < 0 \end{cases}$$
  • Hàm Sigma: $$g(x) = \frac{1}{1 + e^{-x}}$$
  • Hàm tang-sigma: $$g(x) = \frac{2}{1 + e^{-2x}} - 1$$

Chương này đi sâu phân loại ba cơ chế học của mạng nơ-ron: học có giám sát (supervised learning), học tăng cường (reinforcement learning) và học không giám sát (unsupervised learning). Tác giả so sánh hai cấu hình điều khiển nơ-ron chính: điều khiển gián tiếp (indirect control) đòi hỏi phải có mạng nơ-ron nhận dạng mô hình động học nghịch đảo của phương tiện qua tập dữ liệu mẫu huấn luyện ngoại tuyến; và điều khiển trực tiếp (direct control) cho phép mạng nơ-ron tự thích nghi trực tiếp từ tín hiệu sai lệch giữa trạng thái thực và trạng thái mong muốn. Từ các đánh giá về năng lực tính toán thời gian thực, chương 2 lựa chọn cấu hình điều khiển trực tiếp với thuật toán lan truyền ngược thích nghi trực tuyến làm nền tảng cho việc thiết kế bộ điều khiển AUV ở chương kế tiếp.

Chương 3: Thiết kế hệ thống điều khiển nơ-ron thích nghi cho robot lặn tự hành

Chương 3 là chương trọng tâm về mặt đóng góp lý thuyết và thiết kế hệ thống của luận án. Tác giả áp dụng mô hình toán học của NPS AUV II với đầy đủ các hệ số thủy động học đã được thực nghiệm chuẩn hóa. Trên cơ sở phương pháp tách rời (decoupled control), hệ thống điều khiển tổng thể được phân tách thành 3 bộ điều khiển con (sub-controllers):

  1. Bộ điều khiển hướng đi (Yaw controller): Sử dụng sai số góc hướng đi $e_\psi = \psi_d - \psi_k$ và sai số vận tốc quay trở $e_r = r_d - r_k$ làm đầu vào cho mạng NNC để tính toán góc bẻ lái bánh lái đứng $\delta_{Rk}$.
  2. Bộ điều khiển độ sâu và góc chúi (Depth and Pitch controller): Sử dụng sai số độ sâu $e_z = z_d - z_k$, sai số góc chúi $e_\theta = \theta_d - \theta_k$ và tích phân sai số độ sâu $Z_k$ để sinh tín hiệu điều khiển góc bánh lái ngang $\delta_{Sk}$.
  3. Bộ điều khiển tốc độ (Speed controller): Điều khiển vòng quay chân vịt hoặc lực đẩy dọc trục nhằm duy trì vận tốc tiến $u_k$ bám sát giá trị đặt $u_d$.

Thuật toán thích nghi trực tuyến Brandt-Lin được tích hợp vào mạng nơ-ron thích nghi tương tác. Trong mỗi chu trình điều khiển $k$, mạng thực hiện $n$ bước huấn luyện lặp với tốc độ học $\eta$ cố định, điều chỉnh ma trận trọng số liên kết nhằm triệt tiêu tức thời hàm mục tiêu sai số $E_k$.

Bên cạnh điều khiển ổn định trạng thái, tác giả thiết kế hệ thống dẫn đường và thực hiện nhiệm vụ:

  • Dẫn đường bám quỹ đạo đặt trước: Luận án tích hợp luật dẫn đường ngắm đường (Line-of-Sight - LOS). Khi xuất hiện dòng chảy ngang làm dạt AUV ra khỏi trục đường nối hai điểm mốc (waypoints), thuật toán tự động tính toán góc dạt (drift angle) và bù vào góc hướng đặt $\psi_d$, đảm bảo tâm phương tiện luôn bám trên đường hành trình danh định.
  • Dẫn đường bám địa hình đáy (Bottom-following): Hệ thống đọc tín hiệu đo khoảng cách từ cảm biến đo sâu phía trước và bên dưới phương tiện, tính toán liên tục độ sâu mong muốn $z_d(t) = h_{bottom}(t) - \Delta h_{safe}$ để điều khiển AUV di chuyển song song với biên dạng gồ ghề của đáy biển ở một cự ly an toàn $\Delta h_{safe}$.

Chương 4: Mô phỏng điều khiển AUV bằng bộ điều khiển nơ-ron thích nghi

Chương 4 thực hiện việc kiểm chứng toàn diện thuật toán thông qua hệ thống mô phỏng số trên phần mềm MATLAB. Tác giả thiết lập 15 kịch bản thử nghiệm (từ TN1 đến TN15) với mức độ phức tạp tăng dần nhằm đánh giá chất lượng bộ điều khiển NNC trong các điều kiện làm việc khác nhau:

Nhóm thử nghiệm Kịch bản mô phỏng Điều kiện môi trường và trạng thái đặt Kết quả đáp ứng và so sánh
TN1 - TN3 Điều khiển hướng và độ sâu cơ bản Đặt hướng $\psi_d = 45^\circ$, độ sâu $z_d = 10\text{ m}$; TN3 bổ sung dòng chảy NNC đáp ứng nhanh, không vọt lố; trong khi PID có hiện tượng dao động quá điều khiển lớn
TN4 - TN5 Điều khiển kết hợp hướng, độ sâu và tốc độ Đổi hướng liên tục, thay đổi độ sâu theo bậc, tốc độ $u = 1,5\text{ m/s}$; TN5 có dòng chảy NNC duy trì đồng thời cả 3 kênh ổn định, sai số tĩnh triệt tiêu; vết chuyển động 3D bám sát mục tiêu
TN6 - TN9 Dẫn đường theo quỹ đạo không gian Quỹ đạo gấp khúc, quỹ đạo đa giác qua các tọa độ điểm đặt trước trong không gian 3D AUV bám chính xác các điểm rẽ; sai lệch vị trí ngang và thẳng đứng nhỏ hơn đáng kể so với PID
TN10 - TN11 Bám quỹ đạo chịu tác động của dòng chảy Dòng chảy không đổi hướng tác động ngang thân tàu gây dạt phương tiện Thuật toán bù góc dạt giúp AUV triệt tiêu độ dạt ngang, đưa phương tiện quay về đúng vệt đường hành trình
TN12 Điều khiển bám theo địa hình đáy biển Địa hình đáy mấp mô, thay đổi độ dốc liên tục dạng hình sin và dốc nghiêng AUV duy trì cự ly ổn định so với đáy biển (đường cong màu xanh bám sát đường nét đứt màu đỏ)
TN13 - TN15 Thích nghi nâng cao với dòng chảy biến thiên Dòng chảy đổi hướng và thay đổi độ lớn bất ngờ trong quá trình chuyển động Bộ điều khiển nơ-ron tự động cập nhật trọng số trực tuyến, giữ vững tính ổn định và triệt tiêu sai số dạt

Các đồ thị phản hồi trong chương 4 chứng minh tính năng thích nghi của bộ điều khiển NNC. Trong mọi kịch bản thử nghiệm có nhiễu dòng chảy mạnh, bộ điều khiển PID bộc lộ sự suy giảm chất lượng rõ rệt với độ vọt lố lớn và sai số vị trí kéo dài, trong khi bộ điều khiển NNC tự chỉnh định trọng số trong vài chu kỳ lặp đầu tiên và duy trì quỹ đạo chuyển động ổn định.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận và khoa học

  1. Hệ thống hóa lý thuyết điều khiển phương tiện ngầm: Luận án đã tổng hợp, phân tích có hệ thống các mô hình động học, động lực học phương tiện lặn tự hành 6 bậc tự do cùng các xu hướng ứng dụng lý thuyết điều khiển thích nghi và mạng nơ-ron nhân tạo trên thế giới và tại Việt Nam.
  2. Xây dựng cấu trúc bộ điều khiển nơ-ron thích nghi trực tuyến: Đề xuất giải pháp kết hợp phương pháp tách kênh chuyển động với thuật toán lan truyền ngược thích nghi trực tuyến Brandt-Lin. Điểm mới là thuật toán cho phép cập nhật trọng số nơ-ron trực tiếp tại mỗi bước điều khiển mà không cần trải qua giai đoạn huấn luyện ngoại tuyến (offline) phức tạp hoặc lập mô hình toán học giải tích chính xác của đối tượng.
  3. Phát triển thuật toán dẫn đường thích nghi: Đề xuất cấu trúc điều khiển dẫn đường tích hợp cho AUV, kết hợp bộ điều khiển NNC với luật ngắm đường LOS có khả năng tự động tính toán và bù góc dạt do dòng chảy, nâng cấp hàm mục tiêu và hàm huấn luyện mạng nơ-ron nhằm nâng cao tính bền vững của hệ thống.

Đóng góp về mặt thực tiễn

  1. Xây dựng bộ công cụ mô phỏng hoàn chỉnh trên MATLAB: Luận án cung cấp hệ thống các chương trình mô phỏng chi tiết (trình bày tại phần Phụ lục) cho phép khảo sát toàn diện các chuyển động của AUV trong không gian 3D, làm công cụ phục vụ nghiên cứu và đào tạo chuyên sâu.
  2. Khẳng định tính khả thi của giải pháp điều khiển: Kết quả 15 thử nghiệm mô phỏng khẳng định thuật toán đề xuất hoạt động hiệu quả trong các tình huống thực tế phức tạp: chuyển động đổi hướng cơ động, chuyển động thay đổi độ sâu, bám địa hình đáy gồ ghề và kháng nhiễu dòng chảy đại dương.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

Theo công bố của tác giả, luận án có một số hạn chế chính sau:

  • Toàn bộ kết quả nghiên cứu và đánh giá thuật toán mới dừng lại ở mức độ mô phỏng số trị trên máy tính thông qua mô hình toán học của NPS AUV II trên phần mềm MATLAB.
  • Chưa tiến hành thử nghiệm kiểm chứng thuật toán trực tiếp trên phần cứng phương tiện ngầm thực tế hoặc thử nghiệm trong môi trường biển thực do hạn chế về nguồn lực trang thiết bị, cảm biến chuyên dụng đo dòng ngầm và cơ sở hạ tầng bể thử nghiệm áp suất cao.

Hạn chế suy luận từ phạm vi nghiên cứu

  • Mô hình dòng chảy đại dương đưa vào mô phỏng chủ yếu được giả định ở dạng vận tốc dòng không đổi hoặc biến thiên từng bước đơn giản, chưa mô phỏng hết tính chất xoáy hỗn loạn phức tạp của sóng và dòng ngầm ven bờ.
  • Chưa tính đến hiện tượng bão hòa cơ cấu chấp hành (giới hạn góc bẻ lái tối đa của cánh lái và tốc độ quay tối đa của động cơ) trong các chế độ chuyển động đổi hướng đột ngột.

Hướng phát triển tiếp theo

  1. Ứng dụng các thuật toán điều khiển nơ-ron thích nghi đã phát triển để cài đặt trên phần cứng điều khiển nhúng của các mẫu AUV thực nghiệm tại Việt Nam.
  2. Hợp tác với các nhóm nghiên cứu chế tạo phương tiện ngầm trong nước (như mô hình KIAL-AUV tại TP. Hồ Chí Minh hoặc các viện nghiên cứu chuyên ngành) để tiến hành thử nghiệm thực tế trong bể thử và môi trường biển mở.
  3. Mở rộng bài toán điều khiển thích nghi cho các cấu trúc AUV trang bị thêm cánh tay robot thao tác dưới nước (Underwater Vehicle-Manipulator Systems - UVMS) hoặc bài toán phối hợp nhóm nhiều phương tiện ngầm tự hành (Multi-AUV).

Giá trị tham khảo

Luận án là tài liệu tham khảo hữu ích cho các nhóm đối tượng cụ thể:

  • Nghiên cứu sinh, học viên cao học và sinh viên thuộc các chuyên ngành Khoa học Hàng hải, Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Tàu thủy, Cơ điện tử và Robot: Tài liệu cung cấp cơ sở toán học tường minh về mô hình chuyển động 6 bậc tự do của tàu ngầm và kỹ thuật áp dụng mạng nơ-ron trực tiếp trong hệ thống điều khiển tự động.
  • Kỹ sư và cán bộ nghiên cứu tại các viện nghiên cứu, doanh nghiệp đóng tàu và thiết bị hàng hải: Có thể tham khảo phương pháp thiết kế bộ điều khiển tách kênh và thuật toán dẫn đường LOS có bù góc dạt dòng chảy để ứng dụng vào các phương tiện lặn điều khiển từ xa (ROV) hoặc tàu tự hành mặt nước (USV).
  • Phần đáng tham khảo nhất:
    • Mục 1.1.3 (Chương 1) về các công thức chuyển đổi tọa độ và phương trình vi phân chuyển động vật thể ngầm trong không gian.
    • Mục 3.3 và 3.4 (Chương 3) về thiết kế các phân hệ điều khiển NNC và thuật toán bám quỹ đạo/bám địa hình đáy.
    • Phần Phụ lục chứa toàn bộ mã nguồn MATLAB chi tiết thực thi các khối mạng nơ-ron truyền thẳng, thuật toán huấn luyện thích nghi trực tuyến và các kịch bản mô phỏng kiểm chứng.

Câu hỏi thường gặp

1. Mô hình robot lặn tự hành cụ thể nào được tác giả sử dụng làm đối tượng nghiên cứu và mô phỏng?

Luận án sử dụng mô hình toán học của NPS AUV II (robot lặn tự hành thế hệ thứ hai của Trường Cao học Hải quân Hoa Kỳ - Naval Postgraduate School). Đây là mô hình chuẩn quốc tế với đầy đủ các ma trận khối lượng, ma trận khối lượng nước kèm, ma trận lực cản và các hệ số thủy động học đã được thực nghiệm kiểm định trong các nghiên cứu hàng hải quốc tế.

2. Bộ điều khiển nơ-ron thích nghi (NNC) trong luận án hoạt động theo cơ chế huấn luyện nào?

Bộ điều khiển NNC hoạt động theo cấu hình điều khiển trực tiếp (direct control) với cơ chế huấn luyện trực tuyến (online training). Thay vì phải huấn luyện ngoại tuyến bằng tập dữ liệu thu thập trước, mạng nơ-ron sử dụng thuật toán lan truyền ngược tăng cường dựa trên giải thuật Brandt-Lin để tự động điều chỉnh ma trận trọng số trong từng chu trình điều khiển, trực tiếp cực tiểu hóa hàm mục tiêu sai số giữa trạng thái mong muốn và trạng thái thực của AUV.

3. Phương pháp nào được tác giả sử dụng để giải quyết sự phức tạp của chuyển động 6 bậc tự do của AUV?

Tác giả sử dụng phương pháp điều khiển tách rời (decoupled control). Theo phương pháp này, mô hình chuyển động 6 bậc tự do phức tạp của AUV được phân tách thành các hệ thống con độc lập về mặt động lực học: điều khiển hướng đi trên mặt phẳng ngang (yaw), điều khiển độ sâu kết hợp góc chúi trên mặt phẳng đứng (depth & pitch) và điều khiển tốc độ tiến dọc trục (speed). Mỗi hệ thống con được điều khiển bởi một bộ điều khiển nơ-ron thích nghi riêng biệt.

4. Thuật toán dẫn đường bám quỹ đạo trong luận án xử lý hiện tượng dạt do dòng chảy bằng cách nào?

Luận án tích hợp luật dẫn đường ngắm đường (Line-of-Sight - LOS) kết hợp thuật toán thích nghi ước lượng góc dạt (drift angle). Khi dòng chảy ngang tác động đẩy AUV lệch khỏi lộ trình nối giữa các mốc tọa độ, hệ thống sẽ tính toán độ trôi dạt và tự động cộng thêm một góc bù dạt vào góc hướng đặt danh định của bộ điều khiển nơ-ron, giúp phương tiện hướng mũi đón dòng và duy trì tâm phương tiện bám sát quỹ đạo đường thẳng đặt trước.

5. Kết quả mô phỏng cho thấy ưu điểm nổi bật nào của bộ điều khiển NNC so với bộ điều khiển PID truyền thống?

Qua 15 kịch bản mô phỏng đối chứng, bộ điều khiển NNC thể hiện tính ưu việt rõ rệt ở khả năng khử độ quá điều khiển (vọt lố), rút ngắn thời gian xác lập và duy trì tính bền vững cao. Đặc biệt khi có sự xuất hiện của dòng chảy bất định, bộ điều khiển PID bị dao động lớn và xuất hiện sai số vị trí kéo dài, trong khi NNC nhanh chóng tự chỉnh định trọng số để thích nghi với nhiễu môi trường, duy trì ổn định hướng đi, độ sâu và khoảng cách bám đáy an toàn.

Kết luận

Luận án tiến sĩ của tác giả Phạm Việt Anh đã giải quyết bài toán điều khiển thích nghi cho robot lặn tự hành AUV bằng việc ứng dụng mạng nơ-ron nhân tạo huấn luyện trực tuyến theo phương pháp tách kênh chuyển động. Công trình đã thiết lập thành công mô hình toán học 6 bậc tự do của mẫu NPS AUV II, phát triển thuật toán dẫn đường bám quỹ đạo LOS có bù dạt dòng chảy và thuật toán bám địa hình đáy biển. Kết quả 15 kịch bản mô phỏng chuyên sâu trên phần mềm MATLAB đã kiểm chứng tính ổn định và tính ưu việt của thuật toán nơ-ron thích nghi đề xuất so với bộ điều khiển PID truyền thống trong môi trường có nhiễu động. Đây là công trình nghiên cứu hoàn chỉnh về mặt lý thuyết điều khiển tự động hàng hải, đóng vai trò tài liệu tham khảo khoa học hữu ích cho việc định hướng chế tạo và làm chủ công nghệ vận hành phương tiện ngầm tự hành trong nước.