Tổng quan về luận án

Sự phát triển đột phá của các hệ thống tự hành ngầm dưới nước (Autonomous Underwater Vehicles - AUV) đóng vai trò nòng cốt trong chiến lược khám phá đại dương, khai thác tài nguyên biển sâu và bảo đảm an ninh hàng hải. Tuy nhiên, việc điều khiển chính xác chuyển động của AUV trong không gian 6 bậc tự do (6 Degrees of Freedom - 6 DOF) đối mặt với những thách thức khoa học vô cùng phức tạp: tính chất phi tuyến động học cao, sự bất định sâu sắc của các tham số thủy động lực học, tính liên kết chéo giữa các bậc tự do và tác động ngẫu nhiên, khó dự đoán của nhiễu động môi trường như sóng, dòng chảy và gió. Mặc dù các thuật toán điều khiển kinh điển như bộ điều khiển Tỷ lệ - Tích phân - Vi phân (PID) được phát minh bởi Nicolas Minorsky từ năm 1922 vẫn "chiếm hơn 90% ứng dụng trong các hệ thống công nghiệp" nhờ cấu trúc tường minh và độ tin cậy vận hành, chúng bộc lộ hạn chế nghiêm trọng khi đối mặt với mô hình đối tượng biến đổi liên tục và thiếu vắng mô hình giải tích chính xác.

Khoảng trống nghiên cứu (Research Gap) then chốt mà luận án giải quyết chính là sự thiếu hụt các cơ cấu điều khiển thích nghi thông minh có khả năng tự chỉnh định tham số trực tuyến (online real-time adaptation) mà không đòi hỏi nhận dạng toàn vẹn mô hình toán học giải tích phức tạp của AUV trước khi vận hành. Các nghiên cứu quốc tế trước đây thường dựa trên các cấu trúc mạng nơ-ron truyền thống đòi hỏi mạng lan truyền ngược thứ cấp để truyền sai số qua đối tượng hoặc yêu cầu tập dữ liệu huấn luyện ngoại tuyến (offline training) khổng lồ.

Luận án tập trung giải quyết 3 câu hỏi nghiên cứu và kiểm chứng 3 giả thuyết khoa học:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để thiết lập thuật toán điều chỉnh trọng số mạng nơ-ron trực tiếp trong thời gian thực mà không cần mô hình nghịch đảo giải tích của AUV?
  • Câu hỏi nghiên cứu 2 (RQ2): Cấu trúc hàm mục tiêu tối ưu hóa cục bộ nào đảm bảo cân bằng giữa tốc độ hội tụ sai số bám quỹ đạo và cực tiểu hóa năng lượng điều khiển tác động lên cơ cấu chấp hành?
  • Câu hỏi nghiên cứu 3 (RQ3): Cơ chế phân rã động học đa bậc tự do kết hợp mạng nơ-ron thích nghi tương tác (ANNAI) nâng cao độ chính xác bám góc hướng ($\psi$), góc chúi ($\theta$) và độ sâu ($z$) của AUV trong điều kiện có nhiễu động thủy động lực học như thế nào?

Hệ thống giả thuyết tương ứng:

  • Giả thuyết 1 (H1): Thuật toán thích nghi tương tác Brandt-Lin tích hợp trực tiếp vào mạng nơ-ron truyền thẳng nhiều lớp sẽ loại bỏ hoàn toàn yêu cầu huấn luyện trước mô hình động học đối tượng.
  • Giả thuyết 2 (H2): Hàm mục tiêu toàn phương bậc hai chứa ma trận trọng số trạng thái $P$ và ma trận điều khiển $\Lambda$ sẽ triệt tiêu hiện tượng vọt lố (overshoot) và sai số xác lập dưới tác động của dòng chảy ngầm.
  • Giả thuyết 3 (H3): Bộ điều khiển nơ-ron thích nghi (Adaptive Neural Network Controller - NNC) cải thiện đáng kể thời gian đáp ứng và độ bền vững động học so với bộ điều khiển PID truyền thống trên mô hình vật lý chuẩn NPS AUV II.

Khung lý thuyết của luận án được xây dựng dựa trên sự tích hợp giữa lý thuyết động lực học phi tuyến phương tiện thủy của Fossen (2002), cấu trúc phân rã hệ thống con của Healey & Marco (1995), và lý thuyết mạng nơ-ron thích nghi tương tác (ANNAI) dựa trên giải thuật Brandt-Lin. Đóng góp đột phá của luận án là thiết kế thành công bộ điều khiển nơ-ron thích nghi trực tuyến hoàn chỉnh, xác lập phương pháp luận điều khiển bám hướng, độ sâu và tốc độ cho robot lặn tự hành quy mô kích thước thực (chiều dài 3,0 m, đường kính thân 0,4 m, khối lượng 220 kg), mở ra lộ trình tự chủ công nghệ chế tạo và điều khiển phương tiện ngầm tại Việt Nam nhằm phục vụ nhiệm vụ "phát triển kinh tế biển phù hợp với Chiến lược biển Việt Nam đến năm 2020, phục vụ nhu cầu phát triển kinh tế - xã hội; góp phần củng cố quốc phòng, an ninh và bảo vệ chủ quyền quốc gia trên các vùng biển và hải đảo của Tổ quốc".

Literature Review và Positioning

Lịch sử phát triển các thuật toán điều khiển phương tiện ngầm tự hành chứng kiến sự dịch chuyển từ các mô hình tuyến tính hóa cục bộ sang các kỹ thuật điều khiển phi tuyến và trí tuệ nhân tạo. Tổng quan tài liệu học thuật quốc tế trong hơn 30 năm qua phân hóa thành ba dòng nghiên cứu chính:

                          ┌──────────────────────────────────────────────┐
                          │   TIẾN TRÌNH ĐIỀU KHIỂN PHƯƠNG TIỆN NGẦM    │
                          └──────────────────────┬───────────────────────┘
                                                 │
         ┌───────────────────────────────────────┼───────────────────────────────────────┐
         ▼                                       ▼                                       ▼
┌─────────────────────────┐             ┌─────────────────────────┐             ┌─────────────────────────┐
│   ĐIỀU KHIỂN KINH ĐIỂN  │             │   ĐIỀU KHIỂN PHI TUYẾN  │             │  ĐIỀU KHIỂN THÔNG MINH  │
│      VÀ TUYẾN TÍNH      │             │   VÀ BỀN VỮNG HIỆN ĐẠI  │             │      NƠ-RON / MỜ        │
├─────────────────────────┤             ├─────────────────────────┤             ├─────────────────────────┤
│ • Minorsky (1922): PID  │             │ • Lienard (1995): SMC   │             │ • Forouzantabar (2012)  │
│ • Naeem (2003): LQG/LTR │             │ • Xu (2000): 2-Mode VSC │             │ • Vafaee (2016): ISMC   │
│ • Prestero (2001): REMUS│             │ • Kumar (2005): TDE-SMC │             │ • Luận án: ANNAI Online │
└─────────────────────────┘             └─────────────────────────┘             └─────────────────────────┘

Dòng nghiên cứu thứ nhất tập trung vào các bộ điều khiển tuyến tính tối ưu và điều khiển bền vững phản hồi trạng thái. Naeem et al. (2003) đã phát triển bộ điều khiển tuyến tính bậc hai Gaussian hồi phục truyền vòng ($LQG/LTR$) cho AUV bám cáp ngầm, duy trì tính ổn định ở các dải vận tốc cố định. Tuy nhiên, phương pháp này phụ thuộc nghiêm ngặt vào ma trận trạng thái tuyến tính hóa quanh điểm làm việc, dẫn đến suy giảm chất lượng nghiêm trọng khi AUV thực hiện các chuyển động đổi hướng cơ động cao.

Dòng nghiên cứu thứ hai khai thác lý thuyết điều khiển phi tuyến cấu trúc thay đổi (Sliding Mode Control - SMC) và điều khiển thụ động dựa trên hàm Lyapunov. Xu et al. (2000) đề xuất bộ điều khiển phi tuyến cấu trúc thay đổi hai chế độ cho các kênh đơn biến ($SISO$). Kumar et al. (2005) và Farhan et al. (2017) áp dụng luật trễ thời gian ($Time-Delay\ Estimation$) và điều khiển trượt đa biến đa ngõ vào - đa ngõ ra ($MIMO-SMC$). Dù có tính bền vững cao trước nhiễu loạn tham số, các bộ điều khiển dạng trượt luôn tồn tại hiện tượng rung chấn tín hiệu điều khiển (chattering), gây mài mòn cơ học bánh lái và tiêu hao năng lượng điện của các cánh điều hướng.

Dòng nghiên cứu thứ ba ứng dụng trí tuệ nhân tạo (AI), đặc biệt là mạng nơ-ron nhân tạo ($ANN$) và logic mờ ($Fuzzy\ Logic$). Forouzantabar et al. (2012) và Cui et al. (2016) sử dụng mạng nơ-ron hàm cơ sở xuyên tâm ($RBF$) và học tăng cường ($Reinforcement\ Learning$) với cấu trúc actor-critic để ước lượng các thành phần bất định. Bajodah (2018) phát triển kỹ thuật nơ-ron thích nghi kết hợp động học nghịch đảo suy rộng ($NAGDI$), còn Zhao (2018) áp dụng điều khiển dự báo mô hình nơ-ron ($MPC$) bù trễ tín hiệu vào.

Công trình tiêu biểu Đối tượng & Phạm vi Phương pháp tiếp cận Ưu điểm cốt lõi Hạn chế tồn tại
Prestero (2001) REMUS AUV (Mỹ/Na Uy) Tuyến tính hóa động học 6 DOF, PID phản hồi Mô hình hóa thủy động lực học rất chi tiết Kém thích nghi khi tải trọng và dòng chảy thay đổi
Cui et al. (2016) AUV mặt phẳng ngang Mạng nơ-ron thích nghi actor-critic + Reinforcement Learning Tự học bù phi tuyến tín hiệu ngõ vào Thuật toán phức tạp, đòi hỏi năng lực xử lý phần cứng cao
Bajodah (2018) AUV điều khiển độ sâu NAGDI kết hợp mạng RBF Tách vòng điều khiển nhanh/chậm hiệu quả Cần xấp xỉ nghịch đảo động học giải tích
Luận án (Đề xuất) NPS AUV II (3D - 6 DOF) Mạng nơ-ron thích nghi tương tác (ANNAI - Brandt-Lin) Huấn luyện trực tuyến không cần mô hình mẫu, triệt tiêu vọt lố Đòi hỏi thiết lập chính xác bước học $\eta$ và chu trình lặp

So sánh với các dòng phương tiện tự hành trên thế giới (như REMUS 6000 của Na Uy lặn sâu 6.000 m hay Bluefin-9 của Mỹ đạt tốc độ 2 m/s), nghiên cứu của luận án định vị rõ ràng: khắc phục triệt để điểm nghẽn phụ thuộc mô hình của trường phái điều khiển giải tích và loại bỏ gánh nặng tính toán ngoại tuyến của trường phái học máy kinh điển.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đóng góp quan trọng vào lý thuyết điều khiển tự động phi tuyến thông qua việc mở rộng và chuẩn hóa lý thuyết thích nghi tương tác (Adaptive Interaction Theory) áp dụng cho hệ thống động học phương tiện thủy 6 bậc tự do:

                            ┌──────────────────────────────────────────────┐
                            │    VÉC-TƠ TRẠNG THÁI MONG MUỐN X_k^d        │
                            └──────────────────────┬───────────────────────┘
                                                   │
                                                   ▼
┌────────────────────────┐  Sai số e_k   ┌───────────────────┐    Tín hiệu u_k    ┌──────────────────────┐
│  MÔI TRƯỜNG BIỂN &     ├──────────────►│ BỘ ĐIỀU KHIỂN NNC ├───────────────────►│  MÔ HÌNH NPS AUV II  │
│  NHIỄU ĐỘNG NGOẠI CẢNH │               │ (Thuật toán       │                    │  (Phương trình động  │
└────────────────────────┘               │  Brandt-Lin)      │◄───────────────────┤   lực 6 DOF)         │
                                         └───────────────────┘  Phản hồi X_k      └──────────────────────┘
  1. Mở rộng lý thuyết điều khiển thích nghi nơ-ron không cần mô hình nhận dạng: Luận án chứng minh rằng thông qua luật thích nghi tương tác Brandt-Lin, mạng nơ-ron nhiều lớp truyền thẳng (Multilayer Feedforward Neural Network) có khả năng tự động ước lượng và bù trừ các hệ số thủy động lực học biến thiên vô hướng và có hướng mà không cần một mạng nơ-ron thứ hai để nhận dạng mô hình động học nghịch đảo của đối tượng như phương pháp điều khiển gián tiếp kinh điển.
  2. Thiết lập công thức toán học cập nhật trọng số trực tuyến: Trọng số liên kết $w_{ij}$ giữa nơ-ron thứ $i$ và nơ-ron thứ $j$ được hiệu chỉnh tức thời theo số gia: $$\dot{w}{ij} = g'(I_i)\left[\sum{k \in N} w_{ki}\dot{w}_{ki}\right] - g'(I_i)O_j e_i$$ Trong đó $g'(I_i)$ là đạo hàm của hàm kích hoạt phi tuyến, $I_i$ là tổng đầu vào nơ-ron, $O_j$ là đầu ra của nơ-ron lớp trước, và $e_i$ là tín hiệu sai lệch trạng thái.
  3. Mô hình hóa hàm mục tiêu toàn phương trực tuyến đa biến: Đề xuất hàm mục tiêu điều khiển $E_k$ tại chu trình $k$ tích hợp đồng thời ràng buộc sai số vị trí và định mức năng lượng điều khiển: $$E_k = \frac{1}{2}(X_k^d - X_k)^T P (X_k^d - X_k) + \frac{1}{2} u_k^T \Lambda u_k$$ Hàm mục tiêu này được cực tiểu hóa qua thuật toán lan truyền ngược tăng cường tại mỗi chu trình tính toán, đảm bảo tính ổn định hội tụ tiệm cận theo tiêu chuẩn Lyapunov.

Khung phân tích độc đáo

Khung phân tích của luận án dựa trên nguyên lý tích hợp liên ngành giữa Cơ học thủy khí động học (Hydrodynamics), Động lực học vật rắn đa vật thể (Multibody Rigid Dynamics) và Trí tuệ tính toán (Computational Intelligence):

  • Tích hợp ba hệ thống con động học: Dựa trên cấu trúc phân rã của Healey & Marco, hệ phương trình động lực học tổng quát 6 DOF được tách thành 3 kênh điều khiển chuyên biệt nhưng tương tác phi tuyến: Kênh tốc độ dọc ($u$), Kênh chuyển động ngang ($v, r, \psi$) và Kênh chuyển động đứng ($w, q, \theta$).
  • Mô hình hóa tường minh lực phục hồi và quán tính chất lỏng: Bổ sung chính xác ma trận khối lượng kèm $M_A$ (chiếm xấp xỉ 50% ma trận khối lượng vật rắn $M_{RB}$) cùng ma trận lực hướng tâm Coriolis thủy động $C_A(V_r)$ và ma trận lực cản phi tuyến bậc hai $D(V_r)$.
  • Điều kiện biên xác lập (Boundary Conditions): Nghiên cứu xác lập rõ biên giới hạn vận tốc tối đa của AUV $U \le 4\text{ knots}$, góc chúi $\theta \in (-90^\circ, +90^\circ)$ nhằm tránh điểm kỳ dị của ma trận chuyển đổi vận tốc góc $T_b^n$, và góc bẻ lái của các cánh lái $\delta_r, \delta_s \in [-35^\circ, +35^\circ]$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được xây dựng trên nền tảng triết lý thực chứng khoa học (Positivism) kết hợp phương pháp luận kỹ thuật mô hình hóa - mô phỏng - đối chứng số trị (Numerical Simulation & Benchmark Validation).

┌─────────────────────────────────────────────────────────────────────────┐
│                      QUY TRÌNH THIẾT KẾ NGHIÊN CỨU                      │
└────────────────────────────────────┬────────────────────────────────────┘
                                     │
         ┌───────────────────────────┼───────────────────────────┐
         ▼                           ▼                           ▼
┌───────────────────┐       ┌───────────────────┐       ┌───────────────────┐
│  MÔ HÌNH HÓA TOÁN │       │  THIẾT KẾ THUẬT   │       │  MÔ PHỎNG SỐ TRÊN │
│  HỌC 6 DOF AUV    │──────►│  TOÁN ANNAI TRỰC  │──────►│  MATLAB & ĐỐI     │
│  (NPS AUV II)     │       │  TUYẾN (BRANDT)   │       │  CHỨNG PID        │
└───────────────────┘       └───────────────────┘       └───────────────────┘

Thiết kế đa cấp độ (Multi-level Design) bao gồm:

  1. Cấp độ động học phân tích (Analytical Kinematics): Biểu diễn chuyển động của AUV trong hai hệ quy chiếu chính: Hệ tọa độ địa lý cố định quy ước mặt đất ($North-East-Down - NED: {n}$) và Hệ tọa độ gắn liền với thân phương tiện ($Body-Fixed\ Reference\ Frame - BODY: {b}$). Ma trận chuyển đổi vị trí $R_b^n = R_{z,\psi} R_{y,\theta} R_{x,\phi}$ bảo toàn tính trực giao toàn cục.
  2. Cấp độ động lực học phi tuyến (Nonlinear Dynamics): Thiết lập phương trình vi phân vector chuyển động tổng quát có xét dòng chảy $V_c = [u_c, v_c, w_c, 0, 0, 0]^T$: $$M \dot{V}_r + C(V_r)V_r + D(V_r)V_r + g(\eta) + g_0 = \tau$$

Quy trình nghiên cứu rigorous

Quy trình thu thập tham số, cấu hình thuật toán và kiểm chứng độ tin cậy được thực hiện qua các bước chuẩn hóa nghiêm ngặt:

  1. Chuẩn hóa thông số mô hình chuẩn quốc tế NPS AUV II:
    • Chiều dài toàn bộ ($L$): $3{,}0\text{ m}$; Chiều rộng ($B$): $0{,}4\text{ m}$; Chiều cao ($H$): $0{,}25\text{ m}$.
    • Khối lượng khô vật rắn ($m$): $220\text{ kg}$; Vỏ hợp kim nhôm 6061 dày $0{,}25\text{ inch}$.
    • Nguồn năng lượng: Hệ thống ắc-quy $12\text{V}$, công suất duy trì hành trình $4\text{ giờ}$ ở tốc độ cực đại $4\text{ knots}$.
    • Độ sâu thiết kế tiêu chuẩn: $30\text{ m}$ (khả năng gia cường kết cấu hoạt động tới $100\text{ m}$).
    • Cơ cấu dẫn động: 2 chân vịt điện cố định phía đuôi; 4 cánh lái hướng (2 trước, 2 sau) và 4 cánh lái độ sâu (2 trước, 2 sau).
  2. Cấu hình mạng nơ-ron điều khiển (NNC Architecture):
    • Lớp đầu vào ($Input\ Layer$): Vector tín hiệu sai số $e_k = X_k^d - X_k$ và các tín hiệu trễ thời gian $e_{k-1}, e_{k-2}, \dots, e_{k-p+1}$ nhằm nắm bắt đặc tính trễ bậc cao của môi trường nước.
    • Lớp ẩn ($Hidden\ Layer$): Sử dụng hàm kích hoạt phi tuyến dạng tang-sigma khả vi liên tục: $$g(x) = \frac{1 - e^{-x}}{1 + e^{-x}}$$
    • Lớp đầu ra ($Output\ Layer$): Hàm truyền tuyến tính đồng nhất nhằm xuất trực tiếp giá trị góc quay bánh lái $\delta_r, \delta_s$ và lực đẩy $X_{thruster}$.
  3. Quy trình tối ưu hóa lan truyền ngược tăng cường trực tuyến:
    • Tại mỗi chu trình mẫu $k$, thiết lập số lần lặp huấn luyện nội bộ $ite = 1 \dots n$ với bước học $\eta$ cố định.
    • Tự động cập nhật trọng số để cực tiểu hóa sai số $E_{k+1}$ mà không yêu cầu dừng hệ thống để xử lý hàng loạt ($batch\ training$).

Data và phân tích

Toàn bộ thuật toán được lập trình số trị trên môi trường MATLAB/Simulink với độ phân giải bước thời gian lấy mẫu giải tích $dt = 0{,}01\text{ s}$ sử dụng thuật toán tích phân Runge-Kutta bậc 4 ($RK4$). Các kiểm tra độ bền vững (Robustness Checks) được kích hoạt thông qua việc đặt các xung nhiễu bước nhảy của dòng chảy ngang và dòng chảy đứng với biên độ $0{,}5 - 1{,}0\text{ m/s}$.

Phát hiện đột phá và implications

Những phát hiện then chốt

Kết quả mô phỏng số học và phân tích đối chứng giữa Bộ điều khiển nơ-ron thích nghi ($NNC$) và bộ điều khiển $PID$ kinh điển đã mang lại 4 phát hiện khoa học mang tính bước ngoặt:

Tiêu chí khảo sát Bộ điều khiển PID thông thường Bộ điều khiển nơ-ron thích nghi (NNC) Mức độ cải thiện
Độ quá điều khiển (Overshoot - $M_p$) $18{,}4% - 25{,}6%$ khi đổi hướng góc lớn $\mathbf{\le 1{,}8%}$ (gần như triệt tiêu hoàn toàn) Giảm > 90% hiện tượng vọt lố
Thời gian xác lập ($Settling\ Time - t_s$) $14{,}2\text{ s}$ (dao động kéo dài) $\mathbf{4{,}6\text{ s}}$ Nhanh hơn 3,08 lần
Sai số xác lập tĩnh ($e_{ss}$) Tồn tại sai số $\approx 0{,}15\text{ m}$ dưới dòng chảy $\mathbf{e_{ss} \to 0}$ (triệt tiêu sau 1 chu trình thích nghi) Triệt tiêu hoàn toàn sai lệch
Tần số dao động bánh lái Biên độ lớn, đổi chiều liên tục Tín hiệu điều khiển trơn mượt, biến thiên tuyến tính Tiết kiệm năng lượng cơ cấu chấp hành 
    Góc hướng / Độ sâu
         ^
         │             ┌─ PID: Vọt lố lớn (18.4% - 25.6%), dao động kéo dài
         │            / \       /\
   Target├───-------/---\-----/--\------------------------- (Giá trị đặt)
         │         /     \___/    \________
         │        /  
         │       /   ┌─ NNC: Bám mượt mà, xác lập nhanh (4.6s), vọt lố < 1.8%
         │      /   /
         │     /───/───────────────────────────────────────
         │    /
         │   /
         └──┴──────────────────────────────────────────────> Thời gian (s)
            0   2   4   6   8   10  12  14  16  18
  1. Triệt tiêu hiện tượng phi tuyến ghép kênh: Khi AUV cơ động đồng thời cả hướng đi ($\psi$) và độ sâu ($z$), lực tương tác chéo gây mất ổn định trên bộ điều khiển PID, trong khi mạng NNC tự thích nghi điều chỉnh ma trận trọng số $w_{ij}$, giữ ổn định góc nghiêng ngang $\phi$ trong biên độ an toàn $\pm 2^\circ$.
  2. Khả năng tự bù trừ biến thiên thủy động lực học: Khi hệ số cản $D(V)$ thay đổi do sự tích tụ thủy sinh bám vỏ hoặc thay đổi vận tốc, thuật toán thích nghi trực tiếp Brandt-Lin tự động bù đắp tín hiệu điều khiển mà không cần can thiệp tái cấu trúc thuật toán.
  3. Phát hiện hiện tượng trơn hóa tín hiệu điều khiển: Ngược lại với các bộ điều khiển trượt truyền thống gây hiện tượng rung giật bánh lái, mạng nơ-ron thích nghi kết hợp hàm kích hoạt tang-sigma hoạt động như một bộ lọc thông thấp phi tuyến tự nhiên, bảo vệ hệ thống cơ khí chấp hành.

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp bằng chứng thực nghiệm số chứng minh tính khả thi của trường phái điều khiển thích nghi thông minh trực tiếp, đóng góp cơ sở khoa học để mở rộng sang các hệ thống robot tự hành phức tạp như Robot phỏng sinh học (robot cá), Thiết bị bay không người lái ($UAV$), và Phương tiện tự hành mặt nước ($USV$).
  • Về mặt phương pháp luận: Chuẩn hóa quy trình mô hình hóa toán học 6 bậc tự do kết hợp mạng nơ-ron huấn luyện trực tuyến trên MATLAB/Simulink, tạo khung công cụ mô phỏng chuẩn tắc cho các nghiên cứu tiếp nối trong nước.
  • Về ứng dụng thực tiễn: Tạo tiền đề kỹ thuật vững chắc để chuyển giao thuật toán nhúng trực tiếp lên các vi điều khiển xử lý tín hiệu số ($DSP/ARM$) hoặc chip tính toán song song công suất thấp trên các mẫu AUV thực nghiệm tại Việt Nam.
  • Về chính sách và an ninh quốc phòng: Đóng góp trực tiếp vào mục tiêu làm chủ công nghệ lõi phương tiện ngầm tự hành, giảm phụ thuộc vào việc nhập khẩu hoặc thuê AUV từ nước ngoài trong các nhiệm vụ quan trắc môi trường biển, kiểm tra tuyến đường ống dẫn dầu khí ngầm và trinh sát bảo vệ chủ quyền biển đảo.

Limitations và Future Research

Nhằm duy trì tính khách quan và chuẩn mực học thuật, luận án thẳng thắn thừa nhận 4 giới hạn nghiên cứu chính:

  1. Giới hạn môi trường kiểm chứng: Thuật toán mới chỉ được thử nghiệm toàn diện trên mô hình mô phỏng số học (Numerical Simulation) của NPS AUV II và các thử nghiệm hồ nước ngọt nông giới hạn, chưa triển khai thử nghiệm thực tế ngoài biển khơi với tác động tổng hợp của sóng biển ngẫu nhiên bậc cao (sóng phổ JONSWAP/Pierson-Moskowitz) và dòng chảy tầng phức tạp.
  2. Bỏ qua hiệu ứng chân vịt mạn (Thrusters): Trong các mô phỏng, luận án tập trung vào hệ thống bánh lái truyền thống và cặp chân vịt chính phía sau, tạm thời chưa tích hợp hệ thống ống phụt đẩy ngang phía mũi và đuôi ở dải vận tốc bằng 0 (chế độ đứng yên định vị động học - Dynamic Positioning).
  3. Giả thiết đối xứng hình học tuyệt đối: Mô hình toán học giả định AUV đối xứng hoàn hảo qua ba mặt phẳng tọa độ để đơn giản hóa ma trận quán tính chất lỏng $M_A$, điều này có thể xuất hiện sai số nhỏ khi AUV trang bị thêm cánh tay robot hoặc cụm cảm biến đo đạc ngoài thân.
  4. Vấn đề tối ưu hóa tham số bước học: Tốc độ học $\eta$ và số vòng lặp $n$ trong chu trình huấn luyện trực tuyến hiện vẫn được lựa chọn cố định dựa trên kinh nghiệm thực nghiệm mô phỏng, chưa được tối ưu hóa động theo thời gian thực bằng các giải thuật tiến hóa sinh học.

Chương trình nghiên cứu tiếp nối (Future Research Agenda):

  • Tích hợp giải thuật Tối ưu hóa bầy đàn (PSO) hoặc Thuật toán di truyền (GA) để tự thích nghi bước học $\eta$ của mạng nơ-ron theo gradient sai số.
  • Phát triển hệ thống điều khiển bám quỹ đạo không gian 3 chiều tích hợp thuật toán dẫn đường theo đường ngắm nâng cao ($Line-of-Sight - LOS$) và thuật toán tránh vật cản động thời gian thực dựa trên xử lý dữ liệu Sonar quét sườn.
  • Chế tạo phần cứng nhúng và tiến hành thử nghiệm biển thực tế (Sea Trials) trên mô hình robot lặn AUV tại các vùng biển ven bờ Việt Nam.

Tác động và ảnh hưởng

Nghiên cứu tạo ra tác động lan tỏa sâu rộng trên nhiều phương diện:

                                  ┌──────────────────────────────────────────────┐
                                  │      HỆ GIÁ TRỊ TÁC ĐỘNG CỦA LUẬN ÁN         │
                                  └──────────────────────┬───────────────────────┘
                                                         │
         ┌───────────────────────────────────────────────┼───────────────────────────────────────────────┐
         ▼                                               ▼                                               ▼
┌─────────────────────────┐                     ┌─────────────────────────┐                     ┌─────────────────────────┐
│     HỌC THUẬT & ĐÀO TẠO │                     │   CÔNG NGHIỆP BIỂN DẦU  │                     │   QUỐC PHÒNG & AN NINH  │
│        CHUYÊN SÂU       │                     │         KHÍ & KHÍ TƯỢNG │                     │     BẢO VỆ CHỦ QUYỀN    │
├─────────────────────────┤                     ├─────────────────────────┤                     ├─────────────────────────┤
│ • Khung tham chiếu cho  │                     │ • Giám sát đường ống dầu│                     │ • Trinh sát ngầm, quét  │
│   NCS/Học viên ngành TĐH│                     │   khí, cáp quang biển   │                     │   mìn, bảo vệ căn cứ    │
│ • Tiềm năng trích dẫn   │                     │ • Tiết kiệm 40-60% chi  │                     │ • Tự chủ công nghệ, hạn │
│   trên tạp chí ISI/Scopus│                    │   phí thuê AUV quốc tế  │                     │   chế rủi ro nhân mạng  │
└─────────────────────────┘                     └─────────────────────────┘                     └─────────────────────────┘
  • Tác động học thuật: Cung cấp tài liệu tham khảo chuyên sâu, hệ thống hóa toàn diện lý thuyết điều khiển AUV cho các nhóm nghiên cứu tại các trường đại học kỹ thuật hàng đầu (như ĐH Bách khoa Hà Nội, ĐH Bách khoa TP.HCM, ĐH Giao thông Vận tải). Dự kiến tạo ra tiềm năng trích dẫn học thuật cao trong các nghiên cứu về robot hàng hải.
  • Chuyển đổi công nghiệp kinh tế biển: Ứng dụng thuật toán vào các thiết bị AUV phục vụ khảo sát công trình ngầm, định kỳ kiểm tra các tuyến ống dẫn dầu khí ngầm ngoài khơi thềm lục địa, kiểm tra vết nứt giàn khoan, giảm thiểu từ 40% đến 60% chi phí so với việc thuê phương tiện và chuyên gia nước ngoài.
  • An ninh quốc phòng và xã hội: Hỗ trợ phát triển các phương tiện ngầm trinh sát, hỗ trợ rà phá thủy lôi, mìn ngầm sót lại sau chiến tranh, thực hiện cứu nạn cứu hộ trong điều kiện thời tiết khắc nghiệt mà thợ lặn con người không thể tiếp cận, bảo vệ an toàn tuyệt đối tính mạng con người.

Đối tượng hưởng lợi

┌──────────────────────────────┬────────────────────────────────────────────────────────────────────────┐
│ NHÓM ĐỐI TƯỢNG HƯỞNG LỢI     │ GIÁ TRỊ VÀ LỢI ÍCH CỤ THỂ ĐƯỢC ĐỊNH LƯỢNG                              │
├──────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ 🎓 Nghiên cứu sinh & Giảng   │ Tiếp cận mô hình toán học giải tích 6 DOF hoàn chỉnh và mã nguồn       │
│    viên ngành Điều khiển     │ thuật toán ANNAI trực tuyến; rút ngắn 50% thời gian xây dựng mô hình.   │
├──────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ 🔬 Đơn vị R&D Chế tạo Robot │ Sở hữu kiến trúc điều khiển thích nghi không phụ thuộc mô hình, dễ     │
│    và Thiết bị Hàng hải      │ dàng nạp lên chip xử lý nhúng với bộ nhớ hạn chế.                      │
├──────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ ⚡ Doanh nghiệp Khai thác Dầu │ Nâng cao độ an toàn cho hệ thống đường ống và cáp quang biển; phát hiện│
│    khí & Công trình Biển     │ sớm sự cố rò rỉ, giảm thiểu rủi ro ô nhiễm môi trường đại dương.       │
├──────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ 🛡️ Lực lượng Cứu nạn & Quốc  │ Làm chủ phương tiện trinh sát tự hành dưới nước hoạt động bền bỉ,      │
│    phòng Hàng hải            │ sẵn sàng tác chiến tại các vùng biển sâu và môi trường độc hại.        │
└──────────────────────────────┴────────────────────────────────────────────────────────────────────────┘

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 việc mở rộng Lý thuyết thích nghi tương tác (Adaptive Interaction Theory) kết hợp giải thuật cập nhật trọng số Brandt-Lin vào không gian điều khiển động lực học phương tiện thủy phi tuyến 6 bậc tự do ($6\text{ DOF}$). Nghiên cứu đã chứng minh về mặt toán học và mô phỏng rằng mạng nơ-ron truyền thẳng nhiều lớp có thể điều khiển thích nghi đối tượng chuyển động dưới nước có tham số biến thiên liên tục mà không cần thiết lập mô hình nhận dạng nghịch đảo phụ trợ như các cấu trúc mạng nơ-ron kinh điển trước đây.

2. Sự đổi mới về phương pháp luận của luận án khi so sánh với hai nghiên cứu quốc tế tiêu biểu là gì?

  • So với nghiên cứu của Prestero (2001) trên dòng AUV REMUS (vốn áp dụng các bộ điều khiển phản hồi tuyến tính hóa theo từng điểm làm việc), luận án xử lý trực tiếp mô hình phi tuyến toàn phần và tính bất định của ma trận thủy động lực học $M_A, C_A(V), D(V)$ mà không cần giả định tuyến tính hóa phạm vi hẹp.
  • So với nghiên cứu của Cui et al. (2016) (sử dụng mạng nơ-ron thích nghi cấu trúc Actor-Critic kết hợp học tăng cường phức tạp), phương pháp luận của luận án tinh gọn hơn đáng kể về khối lượng tính toán nhờ hàm mục tiêu toàn phương cực tiểu hóa sai số $E_k$, cho phép thuật toán chạy trực tiếp thời gian thực ($real-time$) trên các bộ vi điều khiển thông dụng mà không đòi hỏi siêu máy tính nhúng.

3. Phát hiện bất ngờ nhất (Surprising Finding) đạt được từ dữ liệu mô phỏng là gì?

Phát hiện bất ngờ nhất là thuật toán nơ-ron thích nghi trực tuyến có khả năng triệt tiêu hiện tượng vọt lố ($M_p < 1{,}8%$) và rút ngắn thời gian xác lập xuống còn $4{,}6\text{ s}$ (so với $14{,}2\text{ s}$ của PID) ngay cả khi hệ thống chịu xung nhiễu dòng chảy đột ngột mà không gây ra hiện tượng dao động tần số cao (chattering) ở các cánh lái. Khả năng tự làm trơn tín hiệu điều khiển của mạng nơ-ron giúp duy trì góc nghiêng ngang $\phi$ của AUV ổn định tuyệt đối trong ngưỡng an toàn $\pm 2^\circ$.

4. Luận án có cung cấp quy trình tái lập nghiên cứu (Replication Protocol) không?

Có. Luận án cung cấp quy trình tái lập nghiên cứu hoàn chỉnh bao gồm: hệ phương trình vi phân động học và động lực học 6 DOF chuẩn tắc; toàn bộ bảng tham số hình học và hệ số thủy động lực học của mô hình chuẩn NPS AUV II; cấu trúc chi tiết của mạng nơ-ron (số nơ-ron lớp ẩn, hàm kích hoạt tang-sigma); công thức toán học giải tích cập nhật trọng số Brandt-Lin; và toàn bộ cấu trúc mã nguồn giải thuật trên phần mềm MATLAB trong phần phụ lục.

5. Lộ trình nghiên cứu 10 năm (10-year Research Agenda) được vạch ra như thế nào?

  • Giai đoạn 1 (1 - 3 năm): Tối ưu hóa thuật toán thích nghi trực tuyến với bước học thích ứng $\eta(t)$; thử nghiệm nhúng phần cứng DSP/FPGA và thử nghiệm bể thử chuyên dụng quy mô lớn.
  • Giai đoạn 2 (3 - 6 năm): Phát triển hệ thống điều khiển bám quỹ đạo 3D phối hợp nhiều phương tiện ngầm (Swarm AUVs) tích hợp dẫn đường Line-of-Sight (LOS) và thuật toán tránh va chạm thời gian thực.
  • Giai đoạn 3 (6 - 10 năm): Hoàn thiện chế tạo mẫu AUV thông minh mang thương hiệu Việt Nam có khả năng lặn sâu $500 - 1.000\text{ m}$, vận hành tự chủ hoàn toàn ngoài biển khơi phục vụ kinh tế biển và an ninh quốc phòng.

Kết luận

Luận án đã giải quyết trọn vẹn và xuất sắc bài toán điều khiển chuyển động cho robot lặn tự hành dưới các điều kiện bất định và nhiễu động phức tạp của môi trường biển. 5 đóng góp cụ thể của luận án bao gồm:

  1. Hệ thống hóa toàn diện và sâu sắc cơ sở lý thuyết động học, động lực học 6 bậc tự do và hiện trạng công nghệ điều khiển phương tiện ngầm tự hành trên thế giới và tại Việt Nam.
  2. Đề xuất thành công cấu trúc Bộ điều khiển nơ-ron thích nghi tương tác (ANNAI) dựa trên thuật toán cập nhật trọng số Brandt-Lin huấn luyện trực tuyến, loại bỏ sự phụ thuộc vào mô hình giải tích chính xác của đối tượng.
  3. Xây dựng hàm mục tiêu điều khiển toàn phương tối ưu tích hợp ràng buộc sai số vị trí và giới hạn năng lượng tác động, đảm bảo tính ổn định tiệm cận của hệ thống theo lý thuyết Lyapunov.
  4. Chứng minh tính vượt trội đột phá của thuật toán NNC qua mô phỏng số học đối chứng với PID trên mô hình chuẩn quốc tế NPS AUV II: giảm hơn 90% độ vọt lố, rút ngắn thời gian đáp ứng hơn 3 lần và triệt tiêu hoàn toàn sai số xác lập dưới tác động của dòng chảy.
  5. Định hình khung phương pháp luận nghiên cứu và phát triển AUV, đặt nền móng kỹ thuật vững chắc cho các đề tài thử nghiệm thực địa và chế tạo phương tiện ngầm tự hành tại Việt Nam trong tương lai.

Công trình không chỉ tạo ra bước tiến quan trọng về mặt lý thuyết điều khiển tự động thông minh mà còn mang giá trị thực tiễn to lớn, góp phần trực tiếp vào sự nghiệp hiện đại hóa ngành công nghiệp đóng tàu, khai thác tài nguyên biển và bảo vệ vững chắc chủ quyền biển đảo thiêng liêng của Tổ quốc.