Tổng quan về luận án

Nghiên cứu của nghiên cứu sinh Phạm Thị Hương Sen với đề tài "Ứng dụng điều khiển thích nghi hệ thiếu cơ cấu chấp hành cho xe tự hành ba bánh" thuộc chuyên ngành Kỹ thuật điều khiển và Tự động hóa (Mã số: 9520216) tại Trường Đại học Bách khoa Hà Nội, dưới sự hướng dẫn khoa học của TS. Vũ Thị Thúy Nga và GS.TS. Phan Xuân Minh (2021), là một công trình tiên phong trong lĩnh vực điều khiển phi tuyến và robot tự hành. Trong bối cảnh công nghiệp 4.0 và tự động hóa kho vận hiện đại, hệ thống robot di động có bánh xe (Wheel Mobile Robots - WMR) đóng vai trò then chốt tại các nhà máy, bến bãi, cảng biển và môi trường tìm kiếm cứu nạn độc hại. Tuy nhiên, xe tự hành ba bánh vi sai là một đối tượng kỹ thuật cơ điện thiếu cơ cấu chấp hành (Underactuated Mechanical Systems - UMS) điển hình, mang đặc tính phi tuyến cao và chịu ràng buộc không khả tích (non-holonomic constraints).

Khoảng trống nghiên cứu (research gap) trọng tâm mà luận án hướng tới giải quyết xuất phát từ sự hạn chế của các phương pháp điều khiển kinh điển: đa số các công trình trước đây chỉ khảo sát mô hình động học lý tưởng hoặc tách rời hai mạch vòng điều khiển độc lập với giả định không trượt bánh và thông số quán tính cố định. Trong thực tế chuyển động tốc độ cao hoặc trên mặt sàn trơn ướt, lực ma sát phức tạp và hiện tượng trượt bánh (skidding and slipping) gây mất ổn định nghiêm trọng. Luận án khẳng định rõ: "Xe tự hành ba bánh có đặc điểm của hệ thiếu cơ cấu chấp hành, đó là góc hướng của xe không có cơ cấu chấp hành để có thể can thiệp trực tiếp, là đối tượng phi tuyến có ràng buộc non-holonomic" và "Khi môi trường làm việc độc hại, nguy hiểm, hoặc việc vận chuyển hàng hóa liên tục theo một lộ trình cố định trong nhà máy thì việc điều khiển xe tự hành bám theo một quỹ đạo cho trước trở nên cần thiết và có ý nghĩa thực tế".

Luận án thiết lập và giải quyết ba câu hỏi nghiên cứu cốt lõi:

  1. Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để điều khiển bám vị trí và góc hướng đồng thời cho xe tự hành ba bánh thiếu cơ cấu chấp hành theo cấu trúc đơn vòng tích hợp mà vẫn đảm bảo tính ổn định tiệm cận toàn cục?
  2. Câu hỏi nghiên cứu 2 (RQ2): Cơ chế ước lượng nhiễu nào tối ưu để triệt tiêu ảnh hưởng của các thành phần bất định mô hình và nhiễu tải trọng ngoài tác động trực tiếp vào hệ thống?
  3. Câu hỏi nghiên cứu 3 (RQ3): Làm thế nào để bù trượt bánh xe (trượt dọc và trượt ngang) không đo được trực tiếp thông qua kỹ thuật điều khiển thích nghi thông minh?

Hệ thống giả thuyết nghiên cứu bao gồm:

  • Giả thuyết H1: Cấu trúc điều khiển trượt tầng (Hierarchical Sliding Mode Control - HSMC) kết hợp kỹ thuật Backstepping và logic mờ Sugeno trong cấu trúc một mạch vòng sẽ triệt tiêu hiện tượng rung giật (chattering) và kiểm soát sai số bám hội tụ về 0 theo tiêu chuẩn Lyapunov.
  • Giả thuyết H2: Bộ ước lượng nhiễu phi tuyến (Non-linear Disturbance Observer - NDOB) tích hợp trong cấu trúc hai mạch vòng có khả năng tái tạo và bù trừ chính xác các tác động bất định mô hình quán tính $\Delta M_1$ và nhiễu ngoại sinh $\tau_d(t)$.
  • Giả thuyết H3: Bộ điều khiển thích nghi mờ loại 2 (Interval Type-2 Fuzzy Logic System - IT2-FLS) hai mạch vòng có khả năng xấp xỉ chính xác độ trượt dọc $\mu_R, \mu_L$ và trượt ngang $\eta$, giúp xe bám chính xác các quỹ đạo phức tạp (quỹ đạo tròn, hình sin) ngay cả khi thông số xe biến thiên đột ngột.

Khung lý thuyết của công trình được xây dựng vững chắc trên nền tảng Cơ học giải tích Lagrange-Euler, Lý thuyết ổn định Lyapunov, Lý thuyết điều khiển trượt tầng, Kỹ thuật cuốn chiếu Backstepping và Hệ thống mờ loại 2 (Type-2 Fuzzy Logic). Phạm vi nghiên cứu bao gồm mô hình hóa xe ba bánh vi sai (hai bánh chủ động phía sau, một bánh tự lựa phía trước), phân tích toán học giải tích kết hợp mô phỏng số chi tiết trên phần mềm MATLAB/Simulink với nhiều kịch bản nhiễu xung, nhiễu điều hòa và biến thiên tham số khối lượng $m_G$, mô men quán tính $I_G$.

Literature Review và Positioning

Nghiên cứu về điều khiển xe tự hành WMR trải qua nhiều giai đoạn phát triển với những cuộc tranh luận học thuật sâu sắc giữa các trường phái tiếp cận:

graph TD
    A["Hệ thống UMS và WMR Non-holonomic"] --> B["Trường phái Cổ điển & Tuyến tính hóa"]
    A --> C["Trường phái Trượt & Backstepping"]
    A --> D["Trường phái Thích nghi Thông minh"]
    
    B --> B1["Tuyến tính hóa phản hồi<br/>Hàm Lyapunov động học<br/>(Fukao et al., 2000)"]
    C --> C1["Điều khiển trượt SMC<br/>(Yang & Kim, 1999)<br/>Backstepping rời rạc"]
    D --> D1["Mạng Nơ-ron / Mờ loại 1<br/>(Kar et al., 2006; Yoo, 2010)"]
    
    B1 --> E["KHOẢNG TRỐNG NGHIÊN CỨU:<br/>- Bỏ qua trượt bánh skidding/slipping<br/>- Hiện tượng Chattering tần số cao<br/>- Bùng nổ phép tính khi tính đạo hàm"]
    C1 --> E
    D1 --> E
    
    E --> F["ĐÓNG GÓP CỦA LUẬN ÁN (Phạm Thị Hương Sen, 2021)"]
    F --> F1["Chương 2: HSMC + Backstepping + Sugeno (1 mạch vòng)"]
    F --> F2["Chương 3: NDOB thích nghi ước lượng nhiễu (2 mạch vòng)"]
    F --> F3["Chương 4: Thích nghi Mờ loại 2 IT2-FLS bù trượt bánh"]

Tổng hợp các dòng nghiên cứu chính

  1. Dòng nghiên cứu Tuyến tính hóa và Lyapunov động học thuần túy: Fukao et al. (2000) phát triển thuật toán thích nghi cho WMR khi bán kính bánh xe $r$ và khoảng cách hai bánh $2b$ bất định. Tuy nhiên, cách tiếp cận này chỉ xử lý mô hình động học, bỏ qua động lực học thân xe và các lực quán tính khi gia tốc lớn. Pourboghrat & Karlsson (2002) mở rộng điều khiển thích nghi động lực học nhưng vẫn giả định điều kiện lăn không trượt tuyệt đối.
  2. Dòng nghiên cứu Điều khiển Trượt (SMC) và Backstepping: Jung-Min Yang & Jong-Hwan Kim (1999) ứng dụng SMC cho WMR để tăng cường tính bền vững trước bất định tham số. Điểm hạn chế cố hữu của SMC cổ điển là hiện tượng chattering biên độ lớn làm nóng động cơ và mòn cơ cấu chấp hành. Kỹ thuật Backstepping truyền thống giải quyết tốt hệ truyền ngược nhưng gặp phải vấn đề bùng nổ đạo hàm ở các bậc cao.
  3. Dòng nghiên cứu Mô hình hóa Ma sát Trượt và Điều khiển Thông minh: Danwei Wang & Chang Boon Low (2008) là những tác giả tiên phong đưa ma sát trượt bánh (longitudinal skidding $\mu_R, \mu_L$ và lateral slipping $\eta$) vào mô hình động lực học và động học của WMR. Tiếp đó, S. Yoo (2010) và Chen (2014) sử dụng mạng nơ-ron và hệ mờ thích nghi loại 1 để xấp xỉ thành phần trượt. Dẫu vậy, các bộ điều khiển mờ loại 1 bộc lộ hạn chế rõ rệt khi đối mặt với bất định phi tuyến có độ biến động cao và nhiễu ngẫu nhiên phức tạp trên bề mặt tiếp xúc.

Định vị của luận án

Luận án định vị chính xác tại điểm giao thoa giữa điều khiển hệ thiếu cơ cấu chấp hành và điều khiển thích nghi bền vững chống trượt. Bằng việc phân chia hệ động lực học xe ba bánh vi sai thành hai hệ con liên kết (hệ con vị trí $[x, y]^T$ và hệ con góc hướng $\theta$), luận án đã khắc phục triệt để các nhược điểm của các nghiên cứu tiền nhiệm:

  • So với nghiên cứu của Jung-Min Yang & Jong-Hwan Kim (1999), cấu trúc trượt tầng HSMC kết hợp hàm bão hòa $sat(S_2)$ và chỉnh định mờ Sugeno trong luận án giúp triệt tiêu hoàn toàn hiện tượng rung giật chattering.
  • So với công trình của Danwei Wang & Chang Boon Low (2008) và S. Yoo (2010), việc ứng dụng logic mờ loại 2 (IT2-FLS) với tập mờ Gauss khoảng (Footprint of Uncertainty - FOU) mang lại khả năng kháng nhiễu và bù trượt bánh xe vượt trội mà không đòi hỏi đo lường trực tiếp gia tốc trượt qua các cảm biến đắt tiền.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và làm phong phú lý thuyết điều khiển phi tuyến cho hệ thiếu cơ cấu chấp hành (UMS) thông qua các đóng góp cụ thể:

  1. Mở rộng Lý thuyết Điều khiển Trượt tầng (HSMC) cho hệ phi tuyến Non-holonomic: Luận án chứng minh một định lý mới về tính ổn định tiệm cận của hệ kín một mạch vòng điều khiển xe tự hành. Bằng cách thiết lập mặt trượt thứ nhất $S_1 = c_1 e_1 + \dot{e}_x$, mặt trượt tầng thứ hai $S_2 = \alpha_1 S_1 + \alpha_2 s_2$ cho bài toán vị trí, kết hợp với tín hiệu điều khiển ảo Backstepping $\alpha_1 = -a_1 z_1 + \dot{\theta}_r$ cho góc hướng, luận án đã hợp nhất việc kiểm soát 3 biến trạng thái $[x, y, \theta]^T$ chỉ với 2 tín hiệu mô men $[\tau_R, \tau_L]^T$.
  2. Phát triển Định lý ổn định Lyapunov cho hệ kín: Luận án thiết lập hàm Control Lyapunov Function (CLF) tổng thể: $$V = \frac{1}{2}z_1^2 + \frac{1}{2}z_2^2 + \frac{1}{2}S_2^2$$ Đạo hàm theo thời gian thỏa mãn: $$\dot{V} = -a_1 z_1^2 - a_2 z_2^2 - k_2 S_2^2 - \beta_2 |S_2| \le 0$$ chứng minh hệ kín ổn định tiệm cận toàn cục, sai số tọa độ $\lim_{t \to \infty} e_q(t) = 0$.
  3. Đột phá trong việc ứng dụng Hệ mờ Loại 2 (IT2-FLS) bù bất định: Luận án mở rộng lý thuyết thích nghi mờ từ loại 1 lên loại 2, thiết lập thuật toán học tham số thích nghi trực tuyến cho trọng số đầu ra của bộ mờ nhằm triệt tiêu hoàn toàn sai số trượt dọc và trượt ngang.

Khung phân tích độc đáo

graph LR
    subgraph "MẠCH VÒNG NGOÀI (ĐỘNG HỌC)"
        Ref["Quỹ đạo đặt [xr, yr, thetar]"] --> KinErr["Tính sai số động học eq"]
        KinErr --> IT2_Kin["Bộ thích nghi mờ loại 2 / Backstepping"]
        IT2_Kin --> Vc["Vận tốc đặt vc = [vc, omegac]"]
    end

    subgraph "MẠCH VÒNG TRONG (ĐỘNG LỰC HỌC)"
        Vc --> DynErr["Sai số vận tốc ev = vc - v"]
        DynErr --> NDOB["Bộ ước lượng nhiễu phi tuyến NDOB"]
        DynErr --> IT2_Dyn["Bộ thích nghi mờ loại 2 IT2-FLS"]
        NDOB --> TorqueCalc["Tổng hợp luật điều khiển mô men"]
        IT2_Dyn --> TorqueCalc
        TorqueCalc --> Actuator["Mô men động cơ tau = [tauR, tauL]"]
    end

    Actuator --> Plant["Mô hình WMR ba bánh<br/>(Bất định M, I + Trượt bánh mu, eta)"]
    Plant --> Feedback["Phản hồi trạng thái [x, y, theta, v, omega]"]
    Feedback --> KinErr
    Feedback --> DynErr

Khung phân tích của luận án tích hợp sâu sắc 4 lý thuyết nền tảng:

  • Lý thuyết cơ học Lagrange: Xây dựng mô hình động lực học tổng quát với lực ràng buộc phi holonomic: $$M_2 \ddot{q} = E_2 \tau + A_2^T(q)\lambda$$
  • Lý thuyết trượt tầng (Hierarchical Sliding Mode): Giải quyết bài toán một đầu vào nhiều đầu ra (SIMO) của hệ con vị trí.
  • Lý thuyết Backstepping: Thiết kế điều khiển truyền ngược giải quyết kênh góc hướng $\theta$.
  • Lý thuyết tập mờ loại 2: Mô hình hóa các vùng không chắc chắn FOU nhằm triệt tiêu bất định tiếp xúc giữa bánh xe và mặt sàn.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ nghiêm ngặt quan điểm nhận thức luận thực chứng (Positivism) kết hợp phương pháp luận diễn dịch giải tích (deductive analytical methodology). Quy trình nghiên cứu kết hợp mô hình hóa giải tích chặt chẽ, chứng minh toán học bằng giải tích Lyapunov và kiểm chứng chéo thông qua mô phỏng số học trên phần mềm chuyên dụng. Thiết kế nghiên cứu chia thành 3 pha cấu trúc:

  1. Pha 1: Thiết kế điều khiển trượt tầng Backstepping mờ Sugeno cấu trúc một mạch vòng.
  2. Pha 2: Thiết kế cấu trúc hai mạch vòng với bộ quan sát nhiễu phi tuyến NDOB.
  3. Pha 3: Thiết kế cấu trúc hai mạch vòng thích nghi mờ loại 2 tích hợp bù ma sát trượt bánh toàn diện.

Quy trình nghiên cứu và mô hình toán học

Ràng buộc non-holonomic khi xe chuyển động không trượt được mô tả qua phương trình vi phân: $$\dot{x}\sin\theta - \dot{y}\cos\theta - a\dot{\theta} = 0 \iff A_1(q)\dot{q} = 0$$ với ma trận ràng buộc $A_1(q) = [\sin\theta, -\cos\theta, -a]$.

Khi xét đến yếu tố trượt bánh đầy đủ, phương trình chuyển động của xe tại trọng tâm $G$ trở thành: $$\dot{q} = S_{21}(q)v + S_{22}(q)\eta + S_{23}(q)\gamma$$ trong đó:

  • $v = [\omega_R, \omega_L]^T$ là vector vận tốc góc hai bánh xe sau.
  • $\gamma = [\mu_R, \mu_L]^T$ là vector độ trượt dọc trục bánh xe phải và trái.
  • $\eta$ là độ trượt ngang trục bánh xe gây ra bởi lực hướng tâm và quán tính ly tâm.

Mô hình động lực học tổng quát có dạng: $$M_2(q)\ddot{q} + C_2(q, \dot{q})\dot{q} + \tau_d(t) = E_2 \tau + A_2^T(q)\lambda$$ trong đó các thông số hình học và cơ lý được xác định chính xác:

  • Khối lượng thân xe: $m_G = 10\text{ kg}$; Khối lượng mỗi bánh sau: $m_w = 1\text{ kg}$.
  • Bán kính bánh xe: $r = 0.05\text{ m}$; Khoảng cách hai bánh sau: $2b = 0.3\text{ m}$.
  • Khoảng cách từ trọng tâm $G$ đến điểm giữa trục $M$: $a = 0.05\text{ m}$.
  • Mô men quán tính thân xe: $I_G = 0.5\text{ kg}\cdot\text{m}^2$; Mô men quán tính bánh xe: $I_w = 0.0025\text{ kg}\cdot\text{m}^2$.

Kỹ thuật xử lý và phân tích dữ liệu mô phỏng

Các kịch bản mô phỏng kiểm chứng được thực hiện trên môi trường MATLAB/Simulink với thuật toán tích phân số Ode45 (Dormand-Prince), bước thời gian thay đổi linh hoạt ($StepSize \le 0.001\text{s}$). Hệ thống được thử nghiệm dưới các kịch bản kiểm thử khắc nghiệt:

  • Bám quỹ đạo tròn chuẩn: $x_r(t) = R\cos(\omega_0 t)$, $y_r(t) = R\sin(\omega_0 t)$ với bán kính $R = 1\text{ m}, \omega_0 = 0.1\text{ rad/s}$.
  • Bám quỹ đạo hình sin biến thiên liên tục: $y_r(t) = \sin(0.5 x_r(t))$.
  • Tác động nhiễu điều hòa ngoại sinh: $\tau_d(t) = [0.5\sin(2t), 0.5\cos(2t)]^T\text{ N}\cdot\text{m}$.
  • Tác động nhiễu xung lực đột ngột: xung lực biên độ lớn tác động từ giây thứ 30 đến giây thứ 31.
  • Biến động tham số quán tính: khối lượng $m_G$ tăng $50%$ và mô men $I_G$ tăng $30%$ tại thời điểm $t = 20\text{s}$.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Triệt tiêu hiện tượng Chattering mà không suy giảm tốc độ đáp ứng: Việc kết hợp hàm bão hòa $sat(S_2)$ và bộ chỉnh định mờ Sugeno trong cấu trúc HSMC một mạch vòng giúp triệt tiêu hoàn toàn dao động tần số cao trên tín hiệu điều khiển mô men $\tau_R, \tau_L$. Sai số vị trí $e_x, e_y$ hội tụ về dải lân cận gốc 0 ($< 0.002\text{ m}$) chỉ trong thời gian $t < 1.5\text{s}$.
  2. Khả năng phục hồi vượt trội trước nhiễu xung đột ngột: Khi chịu tác động của xung nhiễu biên độ lớn từ giây thứ 30 đến 31, hệ thống điều khiển đề xuất tái lập trạng thái bám quỹ đạo ổn định chỉ sau $0.4\text{s}$, trong khi các bộ điều khiển trượt truyền thống [18] mất hơn $2.5\text{s}$ và xuất hiện quá điều chỉnh biên độ lớn ($> 15%$).
  3. Độ chính xác bám quỹ đạo vượt trội của bộ mờ Loại 2 (IT2-FLS) so với Loại 1: Kết quả mô phỏng so sánh trực tiếp chỉ ra rằng khi xe vào các khúc cua gấp có hiện tượng trượt ngang $\eta$ và trượt dọc $\mu_R, \mu_L$:
    • Bộ điều khiển mờ loại 1 có sai số cực đại theo trục $X$ là $e_{x,\max} \approx 0.045\text{ m}$, trục $Y$ là $e_{y,\max} \approx 0.038\text{ m}$.
    • Bộ điều khiển thích nghi mờ loại 2 (IT2-FLS) giảm sai số vị trí xuống chỉ còn $e_{x,\max} \le 0.008\text{ m}$ (giảm hơn $82%$) và $e_{y,\max} \le 0.006\text{ m}$ (giảm hơn $84%$), đồ thị tốc độ bánh xe chuyển tiếp mượt mà không có gai nhọn.
  4. Khả năng bù trừ tham số bất định trực tuyến của NDOB: Bộ ước lượng nhiễu phi tuyến trong cấu trúc hai mạch vòng nhận dạng chính xác thành phần nhiễu bất định $d_1, d_2$ với thời gian trễ hội tụ dưới $0.1\text{s}$, duy trì chất lượng bám quỹ đạo không đổi ngay cả khi khối lượng xe thay đổi đột ngột từ $10\text{ kg}$ lên $15\text{ kg}$.
graph TD
    subgraph "SO SÁNH HIỆU NĂNG BÁM QUỸ ĐẠO KHI CÓ TRƯỢT BÁNH"
        A["Bộ điều khiển Mờ Loại 1 (FLS Type-1)"] -->|Sai số vị trí cực đại| B["ex = 0.045 m<br/>ey = 0.038 m<br/>Tín hiệu mô men dao động"]
        C["Bộ điều khiển Thích nghi Mờ Loại 2 (IT2-FLS)"] -->|Sai số vị trí cực đại| D["ex <= 0.008 m (Giảm 82%)<br/>ey <= 0.006 m (Giảm 84%)<br/>Tín hiệu mô men mượt mà"]
    end

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp một phương pháp luận hoàn chỉnh để tổng hợp bộ điều khiển cho lớp hệ thống phi tuyến thiếu cơ cấu chấp hành có ràng buộc non-holonomic, mở rộng phạm vi ứng dụng của đại số mờ loại 2 trong kỹ thuật điều khiển tự động.
  • Về mặt phương pháp: Xóa bỏ định kiến cho rằng bắt buộc phải sử dụng cảm biến đo trượt chuyên dụng đắt tiền (như GPS độ phân giải cao hoặc bánh xe đo quang học chuyên biệt); thuật toán thích nghi mờ loại 2 tự học và bù trượt gián tiếp qua phản hồi trạng thái.
  • Về mặt thực tiễn và công nghiệp: Cho phép nâng cao tốc độ vận hành của xe tự hành AGV/AMR trong nhà máy thông minh thêm $25-35%$ mà vẫn đảm bảo độ chính xác định vị tại các điểm chuyển hướng hoặc sàn trơn trượt do dầu mỡ.

Limitations và Future Research

Mặc dù đạt được những kết quả xuất sắc, luận án cũng thẳng thắn chỉ ra các giới hạn nghiên cứu:

  1. Mô hình hình học bánh xe: Nghiên cứu giả định tiếp xúc giữa bánh xe và mặt phẳng là tiếp xúc điểm lý tưởng, chưa xét đến biến dạng đàn hồi phi tuyến của lốp cao su khi chịu tải trọng động thay đổi liên tục.
  2. Hạn chế về mặt thực nghiệm phần cứng: Các kết quả kiểm chứng trong luận án chủ yếu dựa trên nền tảng mô phỏng số học có độ chính xác cao trên MATLAB/Simulink; việc thực thi trên phần cứng nhúng thời gian thực (như DSP, FPGA hoặc vi điều khiển ARM Cortex-M/R) với tần số lấy mẫu giới hạn và độ phân giải encoder thực tế cần được kiểm chứng sâu rộng hơn.
  3. Tránh vật cản động: Thuật toán tập trung vào bài toán bám quỹ đạo cho trước (trajectory tracking), chưa tích hợp thuật toán lập quỹ đạo thời gian thực (real-time path planning) tránh chướng ngại vật di động.

Chương trình nghiên cứu 10 năm tiếp theo (Future Research Agenda):

  • Phát triển thuật toán điều khiển dự báo mô hình phi tuyến (NMPC) kết hợp mạng học sâu nơ-ron tích hợp thích nghi mờ loại 2 trên phần cứng nhúng biên (Edge AI).
  • Nghiên cứu mở rộng thuật toán điều khiển phối hợp đồng bộ cho đội hình nhiều xe tự hành (Multi-WMR Formation Control) trong môi trường nhà máy thông minh kết nối mạng truyền thông không dây có trễ (Time-delay Networked Control).
  • Xây dựng mô hình tương tác lốp - mặt đường phi tuyến đầy đủ (mô hình Pacejka Magic Formula) tích hợp trực tiếp vào bộ bù trượt thích nghi.

Tác động và ảnh hưởng

Nghiên cứu của tác giả Phạm Thị Hương Sen tạo ra tác động sâu rộng trên nhiều bình diện:

  • Ảnh hưởng học thuật: Đóng góp các giải pháp điều khiển tiên tiến cho lớp đối tượng UMS, mở ra các trích dẫn giá trị trong cộng đồng nghiên cứu điều khiển phi tuyến và robot tự hành tại Việt Nam cũng như quốc tế.
  • Chuyển đổi công nghiệp: Ứng dụng trực tiếp vào quá trình nội địa hóa công nghệ sản xuất xe tự hành AGV/AMR cho các doanh nghiệp sản xuất ô tô, logistics, kho thông minh và dây chuyền lắp ráp điện tử, giúp giảm chi phí nhập khẩu thiết bị điều khiển từ nước ngoài.
  • Đào tạo và phát triển nguồn nhân lực: Cung cấp tài liệu tham khảo chuẩn mực, mẫu mực về phương pháp chứng minh giải tích Lyapunov và tổng hợp điều khiển mờ thích nghi cho học viên cao học và nghiên cứu sinh chuyên ngành Tự động hóa.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên ngành Điều khiển & Tự động hóa: Tiếp cận khung toán học chuẩn mực về kỹ thuật trượt tầng kết hợp Backstepping và đại số mờ loại 2.
  • Kỹ sư R&D tại các doanh nghiệp chế tạo Robot & Xe tự hành: Khai thác trực tiếp các thuật toán ước lượng nhiễu NDOB và bù trượt bánh xe để nâng cao độ bền vững cho các dòng sản phẩm AGV/AMR thương mại.
  • Các nhà quản lý công nghệ và hoạch định chính sách tự động hóa: Có cơ sở khoa học để thúc đẩy các dự án chuyển giao công nghệ làm chủ phần mềm điều khiển lõi cho phương tiện tự hành nội địa.

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 độc đáo nhất là việc xây dựng thành công cấu trúc điều khiển trượt tầng Backstepping một mạch vòng cho WMR ba bánh vi sai. Luận án đã mở rộng lý thuyết điều khiển trượt tầng (Hierarchical Sliding Mode Control) vốn chủ yếu áp dụng cho hệ SIMO không có ràng buộc sang hệ phi tuyến cơ điện thiếu cơ cấu chấp hành có ràng buộc non-holonomic, chứng minh toán học tường minh tính ổn định tiệm cận toàn cục bằng hàm Lyapunov hỗn hợp $V = \frac{1}{2}z_1^2 + \frac{1}{2}z_2^2 + \frac{1}{2}S_2^2$.

2. Sự đổi mới về mặt phương pháp luận so với các công trình quốc tế tiêu biểu?

So với nghiên cứu của Danwei Wang & Chang Boon Low (2008) (yêu cầu định vị GPS và bù trượt trực tiếp) và nghiên cứu của S. Yoo (2010) (sử dụng mạng nơ-ron xấp xỉ biên trên với khối lượng tính toán ma trận lớn), luận án đã đổi mới bằng cách tích hợp hệ mờ loại 2 (IT2-FLS) với cơ chế chỉnh định tham số thích nghi trực tiếp. Phương pháp này giảm thiểu đáng kể chi phí tính toán số, không cần cảm biến vận tốc trượt chuyên dụng nhưng vẫn triệt tiêu hiệu quả bất định ma sát trượt cao bậc.

3. Phát hiện thực nghiệm/mô phỏng nào gây bất ngờ nhất?

Phát hiện ấn tượng nhất là khả năng kháng nhiễu xung lực cực hạn của cấu trúc điều khiển đề xuất: khi có xung nhiễu lực tác động làm xe lệch khỏi quỹ đạo tại thời điểm $t = 30\text{s}$, hệ thống tự động tái lập quỹ đạo chuẩn chỉ sau $0.4\text{s}$ và giảm độ quá điều chỉnh xuống dưới $2%$, trong khi bộ điều khiển trượt kinh điển bị mất ổn định cục bộ và mất hơn $2.5\text{s}$ để hồi phục kèm hiện tượng dao động biên độ lớn.

4. Luận án có cung cấp giao thức tái lập (Replication Protocol) không?

Có. Luận án cung cấp chi tiết toàn bộ hệ phương trình vi phân trạng thái, ma trận khối lượng $M_1, M_2$, ma trận ràng buộc $A_1(q), A_2(q)$, các ma trận chuyển đổi vận tốc $S_1(q), S_{21}(q), S_{22}(q), S_{23}(q)$, hệ luật hợp thành mờ 25 luật của bộ Sugeno và bảng hàm liên thuộc Gauss của bộ mờ loại 2, cùng bộ thông số vật lý $m_G, m_w, r, b, a, I_G, I_w$, cho phép tái lập 100% kết quả trên phần mềm mô phỏng.

5. Lộ trình nghiên cứu phát triển 10 năm tới được định hình ra sao?

Lộ trình hướng tới việc hoàn thiện thuật toán điều khiển trên chip nhúng thực thời, tích hợp kỹ thuật điều khiển dự báo mô hình NMPC thích nghi mờ loại 2, kết hợp xử lý thị giác máy tính (Computer Vision) để nhận dạng hệ số bám mặt đường và mở rộng sang bài toán điều khiển bám quỹ đạo cho đội hình xe tự hành phân tán trong môi trường mạng công nghiệp 5G/6G.

Kết luận

Luận án tiến sĩ của tác giả Phạm Thị Hương Sen đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra với những dấu ấn học thuật nổi bật:

  1. Thiết lập thành công mô hình toán học giải tích toàn diện cho xe tự hành ba bánh vi sai có xét đến đầy đủ các yếu tố bất định mô hình, nhiễu ngoại sinh và ma sát trượt bánh (trượt dọc $\mu_R, \mu_L$ và trượt ngang $\eta$).
  2. Đề xuất cấu trúc điều khiển trượt tầng Backstepping chỉnh định mờ Sugeno cấu trúc một mạch vòng, chứng minh toán học hệ kín ổn định tiệm cận Lyapunov và triệt tiêu thành công hiện tượng rung giật chattering.
  3. Tổng hợp thành công bộ điều khiển thích nghi dựa trên bộ quan sát nhiễu phi tuyến NDOB cấu trúc hai mạch vòng, bù đắp chính xác các sai lệch tham số khối lượng và mô men quán tính.
  4. Phát triển đột phá thuật toán điều khiển thích nghi mờ loại 2 (IT2-FLS) hai mạch vòng, giúp giảm hơn $82%$ sai số bám vị trí khi xe di chuyển trong điều kiện trượt bánh phức tạp.
  5. Mở ra hướng tiếp cận mới trong việc làm chủ công nghệ điều khiển tự động cho các dòng xe tự hành AGV/AMR công nghiệp phục vụ cuộc cách mạng công nghiệp thông minh tại Việt Nam và khu vực.