Luận án tiến sĩ: Nghiên cứu phát triển giải thuật điều khiển thông minh cho hệ phi tuyến

Luận án tiến sĩ nghiên cứu nghiên cứu phát triển giải thuật điều khiển thông minh dựa trên mạng nơ ron mờ hồi quy ứng dụng, phát triển phương pháp mới, đánh giá hiệu quả ứng dụng

• Tác giả: Lê Minh Thành
• Người hướng dẫn: PGS. Nguyễn Chí Ngôn
• Trường học: Trường Đại Học Giao Thông Vận Tải
• Chuyên ngành: Kỹ Thuật Điều Khiển Và Tự Động Hóa
• Đề tài: Nghiên Cứu Giải Thuật Điều Khiển Thông Minh Bằng Mạng Nơ Ron Mờ Hồi Quy Cho Hệ Phi Tuyến
• Loại tài liệu: luận án
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• MỤC LỤC CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC HÌNH VẼ
• DANH MỤC CÁC BẢNG BIỂU
• 1. TỔNG QUAN
• 1.1. Tính cấp thiết của luận án
• 1.2. Tổng quan và vấn đề đã nghiên cứu
• 1.3. Luận điểm khoa học cần giải quyết trong luận án
• 1.4. Mục tiêu tổng quát
• 1.5. Mục tiêu cụ thể
• 1.6. Phương pháp nghiên cứu, cách tiếp cận
• 1.7. Đối tượng và phạm vi nghiên cứu
• 1.8. Ý nghĩa khoa học và thực tiễn
• 1.8.1. Ý nghĩa khoa học
• 1.8.2. Ý nghĩa thực tiễn
• 1.9. Những đóng góp của luận án về mặt khoa học và mặt thực tiễn
• 2. ĐIỀU KHIỂN PID THÍCH NGHI DỰA TRÊN MẠNG NƠ- RON MẬT HỒI QUY
• 2.1. Sơ lược tình hình nghiên cứu
• 2.2. Tình hình nghiên cứu ở Việt Nam
• 2.3. Tình hình nghiên cứu ngoài nước
• 2.4. Mô hình hóa đối tượng phi tuyến MIMO-robot Delta 3-DOF
• 2.4.1. Mô hình động học của robot Delta 3-DOF
• 2.4.2. Xây dựng mô hình động lực học chuyển động robot Delta 3-DOF không gian 3RUS
• 2.5. Điều khiển bám quỹ đạo robot sử dụng bộ điều khiển FUZZY-PID
• 2.5.1. Thiết kế bộ điều khiển FUZZY-PID cho robot Delta 3-DOF
• 2.5.2. Kết quả mô phỏng và đánh giá
• 2.6. Điều khiển bám quỹ đạo robot Delta sử dụng giải thuật di truyền
• 2.6.1. Thiết kế giải thuật GA-PID cho robot Delta 3-DOF
• 2.6.2. Lưu đồ giải thuật di truyền
• 2.6.3. Kết quả mô phỏng và đánh giá
• 2.7. Điều khiển bám quỹ đạo robot Delta sử dụng bộ điều khiển PID thích nghi dựa trên cơ sở bộ nhận dạng mạng nơ-ron mật hồi quy
• 2.7.1. Cơ sở lý thuyết điều khiển PID thích nghi
• 2.7.2. Thiết kế bộ điều khiển PID thích nghi dựa trên cơ sở mạng nơ-ron mật hồi quy
• 2.7.3. Kết quả mô phỏng và đánh giá
• 2.8. So sánh kết quả của 3 bộ điều khiển: PID thích nghi trên cơ sở mạng nơ-ron mật hồi quy với GA-PID và FUZZY-PID ứng dụng điều khiển bám quỹ đạo robot Delta 3-DOF
• 3. ĐIỀU KHIỂN GIÁM SÁT KẾT HỢP RFNN-PID DỰA TRÊN BỘ NHẬN DẠNG MẠNG NƠ- RON MẬT HỒI QUY
• 3.1. Sơ lược tình hình nghiên cứu
• 3.2. Tình hình nghiên cứu ở Việt Nam
• 3.3. Tình hình nghiên cứu ngoài nước
• 3.4. Thiết kế bộ điều khiển giám sát kết hợp RFNN-PID
• 3.4.1. Điều khiển bám quỹ đạo robot Delta sử dụng bộ điều khiển giám sát kết hợp RFNN-PID
• 4. NGHIÊN CỨU CHẾ TẠO VÀ THỬ NGHIỆM ĐIỀU KHIỂN TRÊN HỆ PHI TUYẾN MIMO - SISO
• 4.1. Xây dựng mô hình thực nghiệm trên hệ phi tuyến
• 4.1.1. Thiết kế và gia công khung cơ khí hệ MIMO là robot Delta 3-DOF
• 4.1.2. Thiết kế và gia công tủ điện điều khiển robot Delta 3-DOF
• 4.1.3. Sơ đồ nguyên lý và hoạt động của mạch điều khiển
• 4.1.4. Vi điều khiển DSP C2000 TMS320F28379D
• 4.1.5. Thiết kế bản vẽ mạch điều khiển, gia công lắp mạch và lắp tủ điều khiển
• 4.1.6. Lắp tủ điều khiển robot Delta
• 4.2. Thiết kế và xây dựng các thuật toán điều khiển trên MATLAB/Simulink
• 4.2.1. Các khái chức năng trên MATLAB/Simulink
• 4.2.2. Kết quả thực nghiệm robot Delta 3-DOF phiên bản 3
• 4.2.2.1. Thực nghiệm và kết quả trên quỹ đạo đường tròn
• 4.2.2.2. Thực nghiệm và kết quả trên quỹ đạo đường số 8
• 4.2.3. Kết quả thực nghiệm trên hệ phi tuyến SISO
• 4.3. Mô hình thực nghiệm trên hệ ổn định lưu lượng chất lỏng RT020
• 4.3.1. Nguyên lý điều khiển giám sát
• 4.3.2. Sơ đồ bố trí thực nghiệm
• 4.3.3. Thực nghiệm và so sánh đánh giá kết quả
• 5. KẾT LUẬN VÀ ĐỀ NGHỊ
• 5.1. Đánh giá nhược điểm
• 5.2. Đề xuất hướng nghiên cứu trong tương lai
• DANH MỤC CÔNG TRÌNH TÁC GIẢ ĐÃ CÔNG BÁ
• TÀI LIỆU THAM KHẢO
• CÁC VIDEO THỬ NGHIỆM TRONG LUẬN ÁN
• MỘT SỐ HÌNH ẢNH TRONG QUÁ TRÌNH GIA CÔNG CƠ KHÍ, THI CÔNG MẠCH ĐIỀU KHIỂN VÀ NGHIÊN CỨU CỦA TÁC GIẢ
• Các minh chứng Tạp chí, Hội nghị, Viết sách và Các công trình Nghiên cứu khoa học tác giả đã công bố
• Phần 1 : Các linh kiện sử dụng trong mạch điều khiển
• Phần 2 : Chương trình điều khiển đặc thù hiện trên MATLAB/Simulink

Tóm tắt

I. Giới thiệu

Luận án này nghiên cứu phát triển giải thuật điều khiển thông minh dựa trên mạng nơ ron mờ hồi quy cho hệ thống phi tuyến. Mục tiêu chính là áp dụng các phương pháp này vào việc điều khiển robot Delta, một loại robot song song 3 bậc tự do. Để thực hiện điều này, trước tiên, mô hình động học và động lực học của robot Delta được xây dựng nhằm khảo sát các đặc tính của nó thông qua mô phỏng. Kỹ thuật điều khiển PID truyền thống và điều khiển mờ đã được kiểm nghiệm để đánh giá khả năng kiểm soát robot. Tuy nhiên, việc tìm kiếm các bộ tham số cho bộ điều khiển PID và bộ điều khiển mờ bằng phương pháp thử sai đã cho thấy hiệu quả kém đối với mô hình MIMO phi tuyến của robot.

1.1. Mô hình hóa hệ thống

Mô hình hóa hệ thống là bước quan trọng trong nghiên cứu này. Mô hình động học của robot Delta 3-DOF được xây dựng để xác định các thông số cần thiết cho việc điều khiển. Mô hình động lực học cũng được phát triển để mô tả các lực và mô men tác động lên robot trong quá trình hoạt động. Việc xây dựng mô hình chính xác giúp cho việc áp dụng các giải thuật điều khiển trở nên hiệu quả hơn. Các mô hình này được kiểm nghiệm thông qua các bài thử nghiệm trên MATLAB/Simulink, cho thấy tính khả thi của các phương pháp điều khiển được đề xuất.

II. Phương pháp nghiên cứu

Phương pháp nghiên cứu trong luận án này bao gồm việc áp dụng giải thuật di truyền (GA) để tìm kiếm các tham số tối ưu cho bộ điều khiển PID. Mặc dù GA có khả năng tìm kiếm nghiệm tối ưu toàn cục, nhưng việc áp dụng nó trong điều khiển robot không phù hợp do tốc độ tìm kiếm chậm. Do đó, nghiên cứu đã chuyển sang sử dụng mạng nơ ron mờ hồi quy để hiệu chỉnh tham số điều khiển một cách trực tuyến. Kỹ thuật này cho phép điều chỉnh tham số PID mà không cần phải cài đặt lại khi có sự thay đổi trong môi trường điều khiển.

2.1. Kỹ thuật điều khiển PID

Kỹ thuật điều khiển PID là một trong những phương pháp phổ biến nhất trong điều khiển tự động. Tuy nhiên, việc tìm kiếm các tham số tối ưu cho bộ điều khiển PID trong hệ thống phi tuyến là một thách thức lớn. Nghiên cứu đã chỉ ra rằng việc sử dụng phương pháp thử sai để tìm kiếm tham số không mang lại hiệu quả cao. Do đó, việc áp dụng mạng nơ ron để tự động điều chỉnh tham số PID là một giải pháp khả thi, giúp cải thiện hiệu suất điều khiển trong các hệ thống phi tuyến.

III. Kết quả thực nghiệm

Kết quả thực nghiệm cho thấy giải thuật điều khiển giám sát kết hợp với mạng nơ ron mờ hồi quy đã đáp ứng được yêu cầu thiết kế bộ điều khiển thông minh cho hệ phi tuyến. Mô hình thực nghiệm robot Delta đã được thiết kế và thử nghiệm, cho thấy rằng bộ điều khiển hoạt động chính xác như mong đợi. Tuy nhiên, một số hạn chế về độ chính xác và độ cứng của mô hình robot đã dẫn đến hiện tượng rung nhẹ khi robot hoạt động trên quỹ đạo đặt. Điều này cho thấy cần có thêm nghiên cứu để cải thiện mô hình robot và tối ưu hóa các tham số điều khiển.

3.1. Thực nghiệm trên hệ thống RT020

Nghiên cứu cũng đã thực hiện các thí nghiệm trên hệ thống ổn định lưu lượng chất lỏng RT020. Kết quả cho thấy kỹ thuật điều khiển đã hoàn toàn phù hợp và có khả năng kiểm soát tốt phản ứng lưu lượng của thiết bị. Điều này chứng tỏ rằng các giải thuật điều khiển được phát triển có thể áp dụng rộng rãi trong các hệ thống thực tế, không chỉ giới hạn trong điều khiển robot Delta.

IV. Kết luận và hướng nghiên cứu tiếp theo

Luận án đã chứng minh tính khả thi của việc áp dụng mạng nơ ron mờ hồi quy trong điều khiển hệ phi tuyến. Các kết quả thực nghiệm cho thấy rằng việc kết hợp giữa giải thuật điều khiển giám sát và mạng nơ ron có thể cải thiện đáng kể hiệu suất điều khiển. Hướng nghiên cứu tiếp theo sẽ tập trung vào việc cải tiến mô hình robot Delta và mở rộng ứng dụng của các giải thuật điều khiển trong các hệ thống phức tạp hơn.

4.1. Đề xuất nghiên cứu trong tương lai

Nghiên cứu trong tương lai có thể mở rộng ra các lĩnh vực khác như điều khiển tự động trong công nghiệp, robot tự hành, và các ứng dụng trong lĩnh vực y tế. Việc phát triển các giải thuật điều khiển thông minh sẽ giúp nâng cao hiệu quả và độ chính xác trong các hệ thống tự động hóa, từ đó đáp ứng tốt hơn nhu cầu thực tiễn.

Nội dung chính

Tổng quan luận án

Luận án tiến sĩ kỹ thuật với đề tài "Nghiên cứu phát triển giải thuật điều khiển thông minh dựa trên mạng nơ-ron mờ hồi quy ứng dụng điều khiển hệ phi tuyến" do nghiên cứu sinh Lê Minh Thành thực hiện tại Trường Đại học Giao thông vận tải Thành phố Hồ Chí Minh, dưới sự hướng dẫn khoa học của PGS. Nguyễn Chí Ngôn và TS. Nguyễn Quang Sang, thuộc chuyên ngành Kỹ thuật điều khiển và tự động hóa (Mã số: 9520216), hoàn thành vào tháng 3 năm 2024.

Tính cấp thiết và khoảng trống nghiên cứu

Bối cảnh công nghiệp hóa và cuộc Cách mạng công nghiệp 4.0 làm gia tăng sự xuất hiện của các thiết bị có đặc tính phi tuyến cao và cấu trúc phức tạp. Trong thực tế công nghiệp, bộ điều khiển vi tích phân tỉ lệ (PID) vẫn là giải pháp phổ biến nhờ tính ổn định và cấu trúc đơn giản. Tuy nhiên, kỹ thuật PID truyền thống thiếu khả năng thích nghi linh hoạt khi thông số mô hình thay đổi hoặc khi có tác động của nhiễu ngoại cảnh.

Việc áp dụng các kỹ thuật trí tuệ nhân tạo, cụ thể là mạng nơ-ron mờ hồi quy (Recurrent Fuzzy Neural Network - RFNN), mở ra tiềm năng điều khiển thích nghi và cập nhật trực tuyến các thông số điều khiển cho hệ phi tuyến. Mặc dù vậy, các nghiên cứu trước đây về RFNN chủ yếu dừng lại ở mức độ mô phỏng số trên máy tính. Bên cạnh đó, các cấu trúc điều khiển thích nghi nơ-ron đơn thuần tồn tại hạn chế lớn là phụ thuộc chặt chẽ vào việc lựa chọn bộ thông số khởi tạo ban đầu của mạng. Nếu chọn thông số ban đầu không thích hợp, thuật toán sẽ hội tụ chậm, kéo dài thời gian quá độ của hệ thống. Do đó, nhu cầu cấp thiết đặt ra là phải xây dựng một giải thuật điều khiển kết hợp có tính giám sát: vừa tận dụng khả năng mang năng lượng chủ đạo ổn định của bộ điều khiển PID, vừa sử dụng mạng nơ-ron mờ hồi quy để nhận dạng và bù sai số trực tuyến, đồng thời kiểm chứng đầy đủ trên các mô hình thực nghiệm thực tế.

Câu hỏi nghiên cứu và luận điểm khoa học

Luận án tập trung giải quyết hai câu hỏi khoa học cốt lõi:

1. Có thể hiệu chỉnh tham số tối ưu của bộ điều khiển một cách trực tuyến hay không?
2. Có thể dùng mạng nơ-ron mờ hồi quy để hiệu chỉnh bù cho bộ điều khiển PID truyền thống trên một đối tượng phi tuyến cho trước hay không?

Mục tiêu nghiên cứu

• Mục tiêu tổng quát: Xây dựng giải thuật điều khiển thông minh dùng mạng nơ-ron mờ hồi quy để kiểm soát đối tượng phi tuyến, minh họa cụ thể bằng bài toán điều khiển bám quỹ đạo cho robot song song Delta 3 bậc tự do (3-DOF) thông qua mô phỏng và thực nghiệm.
• Mục tiêu cụ thể (được đánh số theo văn bản):
  1. Nghiên cứu xây dựng các phương trình chuyển động của hệ phi tuyến thực nghiệm là robot Delta 3-DOF, bao gồm xây dựng các phương trình động học thuận, động học ngược và động lực học của robot Delta 3-DOF.
  2. Thiết kế bộ điều khiển FUZZY-PID và GA-PID để điều khiển hệ phi tuyến bám theo quỹ đạo đặt trước, làm cơ sở so sánh và đánh giá chất lượng điều khiển với giải thuật điều khiển đề xuất.
  3. Nghiên cứu xây dựng bộ điều khiển PID thích nghi nơ-ron đơn dựa trên bộ nhận dạng mạng nơ-ron mờ hồi quy (SNA-PID) để điều khiển hệ phi tuyến bám theo quỹ đạo đặt trước.
  4. Đề xuất bộ điều khiển giám sát (Supervisory Control) bằng cách sử dụng bộ điều khiển mạng nơ-ron mờ hồi quy (RFNNC) kết hợp với PID để điều khiển hệ phi tuyến bám theo quỹ đạo đặt trước; cải thiện chất lượng điều khiển bằng cách sử dụng bộ nhận dạng mạng nơ-ron mờ hồi quy (RFNNI) để nhận dạng hệ phi tuyến hồi tiếp về bộ điều khiển nơ-ron mờ nhằm tự chỉnh thích nghi với bộ điều khiển PID (làm nhiệm vụ tạo ra điện áp ban đầu lớn để quay các cánh tay của hệ phi tuyến); áp dụng mô phỏng trên phần mềm MATLAB/Simulink ở trạng thái danh định và trạng thái thay đổi tải trọng để so sánh đánh giá 4 bộ điều khiển.
  5. Thiết kế, chế tạo mô hình phần cứng robot Delta 3-DOF và thực nghiệm điều khiển thời gian thực các bộ điều khiển đã xây dựng trên MATLAB/Simulink thông qua giao thức truyền nhận dữ liệu UART.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Hệ thống phi tuyến nhiều ngõ vào nhiều ngõ ra (MIMO) được mô tả toán học bằng mô hình trạng thái phi tuyến, cụ thể là robot song song Delta 3 bậc tự do (3-DOF) không gian 3RUS, cùng đối tượng phi tuyến một ngõ vào một ngõ ra (SISO) là hệ thống ổn định lưu lượng chất lỏng RT020.
• Phạm vi nghiên cứu: Mô hình hóa toán học robot Delta 3-DOF; khảo sát các công trình trong và ngoài nước về điều khiển phi tuyến, điều khiển thích nghi, giải thuật di truyền và logic mờ; tối ưu cấu trúc mạng nơ-ron mờ hồi quy; sử dụng các công cụ tính toán mềm để kiểm chứng giải thuật; thực nghiệm bám quỹ đạo vòng kín thời gian thực trên robot Delta 3-DOF và thiết bị công nghiệp RT020.
• Phạm vi ứng dụng của giải thuật: Tập trung vào các đối tượng không yêu cầu ràng buộc thời gian trễ quá nghiêm ngặt, do giải thuật cần tiêu tốn thời gian tính toán để cập nhật trọng số của mạng nơ-ron trực tuyến (online).

---

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước được tác giả điểm lại

Tác giả đã phân tích hệ thống tài liệu trong nước và quốc tế liên quan đến các kỹ thuật điều khiển hệ phi tuyến:

Nhóm kỹ thuật điều khiển	Tác giả, công trình và năm trích dẫn	Đặc điểm và kết quả ghi nhận trong văn bản
Logic mờ và FUZZY-PID	L. Zadeh (1965) [8]; các công trình [9], [10], [11], [12], [13]	Giải quyết bài toán gần với tư duy con người. Bộ điều khiển FUZZY-PID cho đáp ứng sai số quỹ đạo hội tụ nhanh ở điều kiện danh định, nhưng giảm chất lượng khi thay đổi khối lượng tải hoặc có nhiễu tác động.
Giải thuật di truyền (GA-PID)	J. Holland [5]; Darwin [5]; các nghiên cứu [6], [7], [14], [15], [16], [17], [18], [19]	Sử dụng các toán tử chọn lọc, lai ghép, đột biến để tìm kiếm nghiệm tối ưu toàn cục các hệ số $K_p, K_i, K_d$. Nhược điểm là kỹ thuật tìm kiếm offline tốc độ chậm, không thích ứng kịp khi thông số robot thay đổi trong vận hành.
Mạng nơ-ron và mạng nơ-ron mờ hồi quy (RFNN)	Reza Jafari & Rached Dhaouadi (2011) [25]; Nguyễn Chí Ngôn và cộng sự (2011) [34]; [22], [23], [24], [26], [27], [28], [29], [30], [31], [32], [33]	Mạng nơ-ron mô phỏng cơ chế xử lý song song. Nguyễn Chí Ngôn và cs (2011) dùng RFNN ước lượng thông tin Jacobian để tính Gradient cập nhật trực tuyến trọng số PID, triệt tiêu sai số xác lập với thời gian tăng 0. Reza Jafari & Rached Dhaouadi (2011) chứng minh cập nhật Jacobian qua RNN cho chất lượng điều khiển vượt trội so với không cập nhật.
Nghiên cứu ứng dụng điều khiển tại Việt Nam	Phạm Hữu Đức Dục & Nguyễn Công Hiền [35]; Huỳnh Thái Hiển, Huỳnh Minh Vũ & Nguyễn Hoàng Dũng; Võ Lâm Chương & Lê Hoài Quốc [42]	Ứng dụng điều khiển nơ-ron mờ thích nghi cho vị trí động cơ DC [35]; điều khiển cánh tay robot dùng mạng RBF; điều khiển dựa trên luật ứng xử cho robot tự hành [42].
Mô hình hóa động lực học Robot Delta	Murray [45]; Nakamura [46]; Nguyễn Văn Khang [47], [48], [49], [50]; [51], [52], [53], [54], [55], [56], [57], [58]	Murray chỉ ra phương trình động lực học robot song song tương tự robot chuỗi; Nakamura dùng tọa độ dư dẫn động; Nguyễn Văn Khang thiết lập phương trình chuyển động hệ nhiều vật mạch vòng bằng phương trình Lagrange loại 2 dạng nhân tử và phương pháp tách cấu trúc.

Khoảng trống luận án lựa chọn giải quyết

Tổng quan tài liệu chỉ ra rằng các bộ điều khiển GA-PID và FUZZY-PID gặp khó khăn lớn khi hệ thống chịu tải thay đổi hoặc xuất hiện nhiễu ngẫu nhiên. Phương pháp GA chỉ tìm được bộ thông số tối ưu ban đầu bằng phương thức ngoại tuyến (off-line), nếu hệ thống biến đổi thì phải dừng hoạt động để chạy lại thuật toán. Phương pháp điều khiển thích nghi mạng nơ-ron mờ hồi quy SNA-PID tuy cập nhật được trực tuyến nhưng lại nhạy cảm với việc chọn bộ thông số ban đầu, số lượng nơ-ron, tâm và độ rộng hàm liên thuộc; chọn sai sẽ làm tốc độ hội tụ suy giảm và kéo dài quá trình quá độ.

Luận án chọn giải quyết khoảng trống này bằng cách:

• Thiết lập cấu trúc Điều khiển giám sát kết hợp RFNN-PID: Bộ điều khiển PID giữ vai trò cung cấp tín hiệu năng lượng điều khiển chính (tạo điện áp ban đầu đủ lớn để chuyển động các khâu), trong khi bộ điều khiển mạng nơ-ron mờ hồi quy (RFNNC) thực hiện bù sai số trực tuyến.
• Tích hợp bộ nhận dạng mạng nơ-ron mờ hồi quy (RFNNI) độc lập nhằm ước lượng hàm truyền phi tuyến và cung cấp thông tin Jacobian cho thuật toán Gradient Descent cập nhật thông số trực tuyến mà không cần biết trước mô hình toán giải tích chính xác.
• Thực hiện chu trình nghiên cứu khép kín: từ mô hình hóa lý thuyết Lagrange loại 2, mô phỏng số so sánh đa thuật toán trên MATLAB/Simulink, đến chế tạo phần cứng cơ khí, thiết kế mạch điều khiển nhúng trên nền DSP C2000 TMS320F28379D và thử nghiệm thực tế trên hệ robot Delta 3-DOF cùng thiết bị RT020.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết, khái niệm và khung phân tích

• Mô hình hóa động lực học hệ nhiều vật: Sử dụng phương trình vi phân Lagrange loại 2 dạng nhân tử đối với hệ tọa độ suy rộng dư để mô tả hệ thống robot Delta không gian 3RUS có các liên kết hôlônôm: $$\frac{d}{dt}\left(\frac{\partial T}{\partial \dot{q}k}\right) - \frac{\partial T}{\partial q_k} = Q_k - \sum{i=1}^{r} \lambda_i \frac{\partial f_i}{\partial q_k} \quad (k=1, 2, \dots, m)$$ Trong đó $q_k$ là tọa độ suy rộng ($m=6$), $f_i$ là các phương trình liên kết hình học của 3 chân robot ($r=3$), $Q_k$ là lực suy rộng không có thế năng (mô-men dẫn động $\tau_1, \tau_2, \tau_3$), và $\lambda_i$ là các nhân tử Lagrange. Mô hình động lực học rút gọn về dạng ma trận trạng thái: $$M(s)\ddot{s} + g(s) + T_s(s)\lambda = \tau, \quad f(s) = 0$$ Với vectơ trạng thái $s = [\theta_1, \theta_2, \theta_3, x_P, y_P, z_P]^T$.
• Lý thuyết logic mờ (Fuzzy Logic): Áp dụng mô hình mờ Mamdani với 2 biến đầu vào là sai số $e(t)$ và đạo hàm sai số $de(t)$, 3 biến đầu ra tương ứng với các thành phần hiệu chỉnh $\Delta K_p, \Delta K_i, \Delta K_d$. Mỗi biến ngôn ngữ gồm 7 tập mờ: ${NB, NM, NS, ZO, PS, PM, PB}$ (Âm nhiều, Âm vừa, Âm ít, Zero, Dương ít, Dương vừa, Dương nhiều), tạo thành bảng 49 luật hợp thành mờ.
• Giải thuật di truyền (GA): Sử dụng các toán tử chọn lọc, lai ghép và đột biến để tìm kiếm bộ ba tham số tối ưu toàn cục $(K_p, K_i, K_d)$ cho bộ điều khiển PID theo hàm mục tiêu tối thiểu hóa tích phân sai số.
• Mạng nơ-ron mờ hồi quy (RFNN): Mạng gồm 4 lớp (Lớp ngõ vào, Lớp mờ hóa/hàm liên thuộc Gaussian, Lớp luật mờ tích hợp khâu hồi quy phản hồi trạng thái trễ, Lớp ngõ ra giải mờ). Thuật toán học Gradient Descent được triển khai để cập nhật trực tuyến trọng số liên kết, tâm và độ rộng dựa trên thông tin sai lệch ngõ ra và ma trận độ nhạy Jacobian $\frac{\partial y}{\partial u}$ do bộ nhận dạng RFNNI cung cấp.
• Cấu trúc điều khiển giám sát RFNN-PID: Cấu trúc gồm bộ nhận dạng RFNNI, bộ điều khiển PID thích nghi và bộ điều khiển bù RFNNC. Bộ PID đóng vai trò điều khiển vòng ngoài cung cấp tín hiệu điều khiển cơ bản, RFNNC đóng vai trò bộ điều khiển giám sát bù trừ các thành phần bất định, phi tuyến và nhiễu.

Phương pháp nghiên cứu thực tế

• Phương pháp định tính: Phân tích, tổng hợp tài liệu chuyên ngành về robot học và điều khiển thích nghi thông minh; so sánh ưu nhược điểm của các cấu trúc điều khiển qua các thời kỳ.
• Phương pháp mô hình hóa và mô phỏng số (Định lượng):
  • Khảo sát hai mô hình động lực học: Mô hình 1 (thanh phân bố đều khối lượng) và Mô hình 2 (khâu $B_i D_i$ được mô hình hóa thành hai chất điểm đặt tại $B_i$ và $D_i$, mỗi chất điểm có khối lượng $m_b$ nối bởi thanh cứng không trọng lượng). Luận án lựa chọn Mô hình 2 để thiết lập phương trình vi phân chuyển động.
  • Xây dựng mô hình mô phỏng hoàn chỉnh trên môi trường MATLAB/Simulink cho 4 bộ điều khiển: PID truyền thống, FUZZY-PID, GA-PID, SNA-PID và hệ điều khiển giám sát RFNN-PID.
  • Khảo sát đáp ứng hệ thống dưới các quỹ đạo chuyển động không gian phức tạp: Quỹ đạo đường tròn, đường cong số 8, đường Astroid và đường Hypocycloid; đánh giá độ bền vững khi thay đổi tải trọng từ $0\text{ kg}$ lên $0{,}9\text{ kg}$, $1{,}5\text{ kg}$ và $4{,}5\text{ kg}$.
• Phương pháp chế tạo cơ khí và thực nghiệm phần cứng:
  • Thiết kế bản vẽ cơ khí 3D trên phần mềm SolidWorks và CorelDRAW, gia công khung robot Delta 3-DOF sử dụng ống vật liệu sợi carbon (Carbon Fiber) cho cánh tay đòn dưới nhằm giảm quán tính.
  • Thiết kế sơ đồ nguyên lý và mạch in PCB trên phần mềm Proteus; tích hợp khối xử lý tín hiệu số DSP Texas Instruments C2000 TMS320F28379D.
  • Xây dựng tủ điện điều khiển sử dụng Driver Yaskawa Sigma II, module đệm mức logic SN74LVC245A, các mạch hạ áp AMS1117, module nguồn LM2596_3A và mạch cách ly quang TLP281.
  • Lập trình nhúng cấu hình các khối ngoại vi: khối điều chế độ rộng xung ePWM, khối đọc xung encoder cầu phương eQEP, khối truyền thông UART kết nối thời gian thực với MATLAB/Simulink.
  • Kiểm chứng chéo giải thuật trên thiết bị thực nghiệm công nghiệp: Hệ thống ổn định lưu lượng chất lỏng RT020 của hãng Gunt-Hamburg (Đức).

Nguồn tư liệu và dữ liệu

• Các thông số hình học và cơ lý của robot Delta 3-DOF:
  • Khối lượng các khâu tay trên: $m_{1_1} = m_{1_2} = m_{1_3} = m_1$; khối lượng các khâu tay dưới: $m_{2_1} = m_{2_2} = m_{2_3} = m_2$; khối lượng bàn máy động: $m_p$;
  • Bán kính tấm nền cố định $R$, bán kính tấm nền di động $r$; chiều dài tay trên $L_1$, chiều dài tay dưới $L_2$; góc lệch ban đầu giữa 3 cánh tay lần lượt là $0$, $\frac{2\pi}{3}$, $\frac{4\pi}{3}\text{ rad}$;
  • Ma trận thông số khởi tạo bộ điều khiển PID: $K_P = \text{diag}(800, 800, 800)$, $K_D = \text{diag}(100, 100, 100)$, $K_I = \text{diag}(150, 150, 150)$;
  • Bộ thông số tiền xử lý và hậu xử lý giải thuật FUZZY-PID: $K_e = \text{diag}(30, 30, 30)$, $K_{et} = \text{diag}(1, 1, 1)$, $k_1 = \text{diag}(1, 1, 1)$, $k_2 = \text{diag}(50, 50, 50)$, $k_3 = \text{diag}(1, 1, 1)$, $K_{p0} = \text{diag}(800, 800, 800)$, $K_{i0} = \text{diag}(100, 100, 100)$, $K_{d0} = \text{diag}(150, 150, 150)$.

---

Nội dung chính theo từng chương

Chương 1: Điều khiển PID thích nghi dựa trên mạng nơ-ron mờ hồi quy để điều khiển hệ phi tuyến

Chương 1 tập trung giải quyết bài toán mô hình hóa toán học đối tượng phi tuyến MIMO robot Delta 3-DOF và thiết kế, thử nghiệm các giải thuật điều khiển thích nghi ban đầu trên phần mềm MATLAB/Simulink:

• Mô hình hóa động học và động lực học: Thiết lập hệ trục tọa độ cố định $Ox_0y_0z_0$ gắn tại tâm bàn máy cố định $A$ và 3 hệ trục tọa độ phụ $Ox_iy_iz_i$ ($i=1,2,3$). Xác định vị trí các khâu $B_i D_i$ thông qua các góc Euler $\gamma_i$ và $\psi_i$. Thiết lập biểu thức động năng toàn phần $T$ và thế năng $\Pi$ của hệ thống robot gồm bàn máy động $P(x_P, y_P, z_P)$ và 3 nhánh động học. Áp dụng phương trình vi phân Lagrange loại 2 dạng nhân tử để suy ra hệ phương trình vi phân chuyển động phi tuyến.
• Thiết kế bộ điều khiển FUZZY-PID: Tích hợp bộ suy diễn mờ Mamdani tự động điều chỉnh trực tuyến các tham số $K_p, K_i, K_d$ dựa trên quy tắc mờ 49 luật kết hợp hệ số tỷ lệ tiền/hậu xử lý. Mô phỏng đáp ứng bám quỹ đạo đường tròn, đường cong số 8, đường Astroid và Hypocycloid. Khi robot không mang tải, đáp ứng bám tốt; tuy nhiên khi tăng tải trọng thêm $1{,}5\text{ kg}$, chất lượng bám quỹ đạo bị suy giảm và xuất hiện sai số lệch đáng kể.
• Thiết kế bộ điều khiển GA-PID: Sử dụng thuật toán di truyền tối ưu hóa off-line các thông số $K_p, K_i, K_d$. Kết quả mô phỏng cho thấy GA tìm được bộ thông số tối ưu giúp hệ thống bám quỹ đạo chính xác ở trạng thái ban đầu, nhưng khi đối tượng chịu thêm tải trọng $0{,}9\text{ kg}$, tín hiệu điều khiển không tự thích ứng được nếu không chạy lại giải thuật GA.
• Thiết kế bộ điều khiển PID thích nghi nơ-ron đơn (SNA-PID): Ứng dụng mạng nơ-ron mờ hồi quy làm bộ nhận dạng RFNNI học trực tuyến bằng thuật toán Gradient Descent để ước lượng Jacobian và cập nhật trọng số cho nơ-ron PID.
• So sánh đánh giá chất lượng: Tổng hợp so sánh đáp ứng của 3 bộ điều khiển (FUZZY-PID, GA-PID, SNA-PID) với bộ điều khiển PID kinh điển. Kết quả chứng minh SNA-PID triệt tiêu được hiện tượng chattering, giảm độ vọt lố và cải thiện độ ổn định bám quỹ đạo khi có biến động tải trọng so với FUZZY-PID và GA-PID.

Chương 2: Điều khiển giám sát kết hợp RFNN-PID dựa trên bộ nhận dạng mạng nơ-ron mờ hồi quy để điều khiển hệ phi tuyến

Chương 2 trình bày giải pháp trung tâm của luận án nhằm khắc phục triệt để các nhược điểm quá độ kéo dài do chọn sai thông số mạng ban đầu:

• Cấu trúc bộ điều khiển giám sát RFNN-PID: Xây dựng hệ thống điều khiển vòng kín gồm hai nhánh song song:
  1. Nhánh điều khiển PID: Đảm nhận vai trò điều khiển chính, tạo ra mức điện áp ban đầu đủ lớn để thắng lực quán tính tĩnh và làm quay các cánh tay của robot Delta.
  2. Nhánh điều khiển nơ-ron mờ hồi quy (RFNNC): Đóng vai trò bộ điều khiển bù giám sát, tự động phát sinh tín hiệu điều khiển bù $\tau_{comp}$ khi phát hiện sai lệch giữa quỹ đạo thực và quỹ đạo đặt.
• Cấu trúc bộ nhận dạng RFNNI: Sử dụng mạng nơ-ron mờ hồi quy 4 lớp để học trực tuyến động học của hệ phi tuyến, tính toán ma trận Jacobian $\frac{\partial y}{\partial u}$ làm cơ sở cho thuật toán Gradient Descent cập nhật trực tuyến thông số của bộ RFNNC.
• Kết quả mô phỏng và kiểm chứng trên MATLAB/Simulink:
  • Mô phỏng bám quỹ đạo đường tròn và đường cong số 8 trong không gian 3 chiều đối với các góc khớp $\theta_1, \theta_2, \theta_3$ và tọa độ đầu công tác $P(x_P, y_P, z_P)$.
  • Thử nghiệm độ bền vững khi tăng đột ngột tải trọng robot Delta 3-DOF từ mức danh định lên $4{,}5\text{ kg}$.
  • Kết quả so sánh giữa PID truyền thống, SNA-PID và bộ điều khiển giám sát RFNN-PID: Bộ điều khiển giám sát RFNN-PID triệt tiêu hoàn toàn sai số xác lập, loại bỏ hiện tượng dao động vọt lố, rút ngắn thời gian quá độ và duy trì quỹ đạo chuyển động chính xác ngay cả khi thông số đối tượng thay đổi mạnh.

Chương 3: Nghiên cứu chế tạo và thực nghiệm điều khiển trên hệ phi tuyến MIMO - SISO

Chương 3 hiện thực hóa các giải thuật điều khiển thông qua thiết kế phần cứng, lập trình nhúng và thực nghiệm trên các đối tượng vật lý thực tế:

• Chế tạo phần cứng cơ khí robot Delta 3-DOF: Thiết kế và gia công trải qua 3 thế hệ phiên bản (phiên bản 1, 2 và phiên bản 3 hoàn chỉnh). Cấu trúc gồm tấm nền cố định, tấm nền di động, bệ đỡ động cơ gia công chính xác và cánh tay đòn dưới bằng ống sợi carbon siêu nhẹ.
• Thiết kế và chế tạo hệ thống điện - điện tử điều khiển:
  • Xây dựng tủ điều khiển tích hợp vi điều khiển DSP 32-bit chuyên dụng C2000 TMS320F28379D (TMS320F2837xD) của Texas Instruments.
  • Thiết kế và gia công bo mạch in (PCB) trung gian gồm các khối logic SN74LVC245A, mạch cách ly quang TLP281, bộ chuyển đổi nguồn hạ áp AMS1117 và LM2596.
  • Kết nối điều khiển 3 động cơ servo thông qua Driver Yaskawa Sigma II, cài đặt chế độ phát xung điều khiển vị trí/tốc độ và cấu hình các khối ngoại vi DSP (ePWM tạo xung điều khiển, eQEP đọc tín hiệu Encoder hồi tiếp góc quay).
• Thực nghiệm điều khiển thời gian thực trên Robot Delta 3-DOF (MIMO):
  • Đồng bộ chương trình điều khiển từ MATLAB/Simulink xuống vi điều khiển DSP C2000 thông qua giao thức truyền nhận nối tiếp UART thời gian thực.
  • Thực nghiệm bám hai quỹ đạo phức tạp: Quỹ đạo đường tròn và quỹ đạo đường số 8.
  • Kết quả ghi nhận: Các góc khớp $\theta_1, \theta_2, \theta_3$ bám sát quỹ đạo đặt với sai số vị trí nằm trong dải hẹp $[-1\text{ mm}, +1\text{ mm}]$. Tuy nhiên, do giới hạn về độ cứng vững cơ khí và sai số gia công lắp ráp, đầu mút công tác của robot vẫn xuất hiện hiện tượng rung nhẹ khi chuyển động ở vận tốc cao.
• Thực nghiệm trên hệ thống ổn định lưu lượng chất lỏng RT020 của Gunt-Hamburg (SISO):
  • Triển khai giải thuật điều khiển giám sát RFNN-PID lên hệ thống công nghiệp RT020 có sẵn để kiểm chứng tính đúng đắn của giải thuật trên đối tượng thực tế khác.
  • Kết quả thực nghiệm: Đáp ứng lưu lượng của hệ thống đạt độ vọt lố không đáng kể, bộ điều khiển RFNNC giúp rút ngắn thời gian xác lập của đối tượng từ mức khoảng $12\text{ giây}$ xuống còn khoảng $8\text{ giây}$, chứng minh tính thích ứng và khả năng kiểm soát tốt đối tượng phi tuyến công nghiệp.

---

Kết quả và những đóng góp mới

Đóng góp mới về mặt lý luận và khoa học

1. Xây dựng thành công giải thuật điều khiển PID thích nghi nơ-ron dựa trên cơ sở bộ nhận dạng mạng nơ-ron mờ hồi quy (SNA-PID) ứng dụng cho điều khiển bám quỹ đạo hệ phi tuyến.
2. Xây dựng thành công cấu trúc điều khiển giám sát (Supervisory Control) kết hợp giữa mạng nơ-ron mờ hồi quy RFNNC và bộ điều khiển PID truyền thống, tạo cơ chế phân chia năng lượng điều khiển: PID đảm nhận năng lượng chính ở pha ban đầu, RFNNC đảm nhận vai trò tự chỉnh và bù sai số trực tuyến.
3. Đánh giá, xác định và lựa chọn cấu trúc mạng nơ-ron mờ hồi quy phù hợp (số lớp, số nơ-ron, dạng hàm liên thuộc và cơ chế phản hồi trạng thái trễ) phục vụ điều khiển hệ phi tuyến.
4. Xây dựng hoàn chỉnh bộ nhận dạng mạng nơ-ron mờ hồi quy RFNNI độc lập, cho phép ước lượng trực tuyến thông tin độ nhạy Jacobian $\frac{\partial y}{\partial u}$ của đối tượng phi tuyến để cung cấp cho thuật toán Gradient Descent tự chỉnh thích nghi các tham số điều khiển.

Đóng góp mới về mặt thực tiễn và giải pháp kỹ thuật

1. Hoàn thiện mô hình mô phỏng số trên MATLAB/Simulink cho 4 bộ điều khiển (FUZZY-PID, GA-PID, SNA-PID và hệ điều khiển giám sát RFNN-PID), cung cấp bức tranh đối sánh toàn diện về chỉ tiêu chất lượng (thời gian tăng, thời gian xác lập, độ vọt lố, sai số xác lập và độ nhạy với tải trọng).
2. Kiểm chứng thành công khả năng bù sai số của bộ điều khiển giám sát RFNN-PID trong điều kiện thay đổi tải trọng lớn (tăng thêm $4{,}5\text{ kg}$ đối với mô hình mô phỏng robot Delta).
3. Thiết kế, chế tạo hoàn chỉnh mô hình vật lý thực nghiệm robot song song Delta 3-DOF (phiên bản 3) sử dụng vật liệu sợi carbon, tích hợp tủ điện điều khiển nhúng nền DSP Texas Instruments TMS320F28379D, giao tiếp điều khiển thời gian thực qua giao thức UART.
4. Triển khai thực nghiệm bám quỹ đạo đường tròn và đường số 8 trên mô hình robot Delta 3-DOF thực tế và kiểm chứng chéo giải thuật trên thiết bị công nghiệp chuẩn là hệ ổn định lưu lượng chất lỏng RT020 của hãng Gunt-Hamburg (Đức).
5. Công bố 11 công trình khoa học (gồm các bài báo trên tạp chí khoa học quốc tế uy tín, tạp chí chuyên ngành trong nước, chương sách chuyên khảo của nhà xuất bản Springer Nature và các kỷ yếu hội nghị quốc tế/quốc gia).

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

• Hạn chế về gia công cơ khí chính xác: Do điều kiện gia công và kinh phí chế tạo mô hình robot Delta 3-DOF tự chế tạo, độ cứng vững của bộ khung và các khớp cầu/khớp Cardan chưa đạt mức tuyệt đối. Điều này dẫn đến hiện tượng đầu mút công tác (bàn máy động) bị rung nhẹ khi vận hành ở tốc độ cao, mặc dù tín hiệu góc quay tại các trục động cơ đo bằng cảm biến encoder vẫn cho kết quả bám sát quỹ đạo.
• Ràng buộc về thời gian tính toán cập nhật trực tuyến: Do thuật toán mạng nơ-ron mờ hồi quy cần thực hiện chu trình huấn luyện và cập nhật trọng số online theo từng chu kỳ lấy mẫu, giải thuật đề xuất chỉ phù hợp với các đối tượng điều khiển không đòi hỏi thời gian trễ quá nghiêm ngặt.

Hướng nghiên cứu tiếp

• Tiến hành cải tiến kết cấu cơ khí, tối ưu hóa độ cứng vững của bộ khung và hệ thống cánh tay đòn của robot Delta 3-DOF để triệt tiêu hiện tượng rung lắc đầu mút.
• Tiếp tục kiểm nghiệm chuyên sâu giải thuật điều khiển giám sát RFNN-PID trên mô hình robot Delta sau khi đã hoàn thiện cơ khí chính xác, mở rộng thử nghiệm với các bài toán gắp - đặt vật thể (pick-and-place) ở dải tốc độ cao trong công nghiệp.

---

Giá trị tham khảo

Luận án là tài liệu kỹ thuật có giá trị tham khảo cho các đối tượng sau:

• Nghiên cứu sinh, học viên cao học và sinh viên chuyên ngành Kỹ thuật điều khiển, Tự động hóa và Cơ điện tử: Cung cấp phương pháp luận mô hình hóa động lực học hệ nhiều vật cho robot song song bằng phương trình Lagrange loại 2 dạng nhân tử (Chương 1); quy trình toán học thiết kế mạng nơ-ron mờ hồi quy và thuật toán cập nhật Jacobian trực tuyến (Chương 1 và Chương 2).
• Giảng viên và nhà nghiên cứu lý thuyết điều khiển: Tham khảo cấu trúc điều khiển giám sát kết hợp RFNN-PID để giải quyết bài toán điều khiển thích nghi cho các lớp đối tượng phi tuyến MIMO phức tạp.
• Kỹ sư phát triển phần cứng và hệ thống nhúng điều khiển: Tham khảo chi tiết thiết kế phần cứng tại Chương 3 và phần phụ lục, bao gồm bản vẽ cơ khí, sơ đồ nguyên lý mạch in bo trung gian, cấu hình vi điều khiển DSP C2000 TMS320F28379D (các khối ePWM, eQEP, UART) kết nối Driver Yaskawa Sigma II và xây dựng mô hình giao tiếp thời gian thực với MATLAB/Simulink.

---

Câu hỏi thường gặp

1. Luận án lựa chọn đối tượng nào để kiểm chứng giải thuật điều khiển đề xuất?

Luận án sử dụng hai đối tượng:

• Đối tượng phi tuyến MIMO: Hệ thống robot song song Delta 3 bậc tự do (3-DOF) không gian 3RUS thông qua mô hình mô phỏng động lực học và mô hình phần cứng tự chế tạo.
• Đối tượng phi tuyến SISO: Hệ thống thiết bị ổn định lưu lượng chất lỏng RT020 của hãng Gunt-Hamburg (Đức).

2. Sự khác biệt cốt lõi giữa cấu trúc điều khiển giám sát RFNN-PID và bộ điều khiển thích nghi SNA-PID là gì?

Bộ điều khiển SNA-PID sử dụng mạng nơ-ron mờ hồi quy để trực tiếp tự chỉnh các tham số PID, do đó phụ thuộc lớn vào việc khởi tạo tham số ban đầu của mạng; nếu chọn sai sẽ dẫn đến hội tụ chậm và quá độ kéo dài. Cấu trúc điều khiển giám sát RFNN-PID khắc phục điều này bằng cách tách biệt: Bộ PID truyền thống đảm nhận cung cấp tín hiệu năng lượng điều khiển chủ đạo (tạo điện áp lớn ban đầu làm quay cánh tay robot), trong khi mạng RFNNC đóng vai trò bộ giám sát bù sai số trực tuyến dựa trên thông tin nhận dạng từ khối RFNNI.

3. Phương pháp toán học nào được tác giả sử dụng để thiết lập phương trình động lực học cho Robot Delta 3-DOF?

Tác giả sử dụng phương trình vi phân Lagrange loại 2 dạng nhân tử đối với hệ tọa độ suy rộng dư ($q \in \mathbb{R}^6$) kết hợp với 3 phương trình liên kết hình học hôlônôm ($r=3$) để mô tả chuyển động của 4 vật rắn (3 khâu dẫn động và bàn máy động mang các chất điểm tương đương).

4. Phần cứng xử lý nhúng và mạch công suất của mô hình robot thực nghiệm gồm những thành phần chính nào?

Hệ thống điều khiển thực nghiệm sử dụng:

• Vi điều khiển số DSP 32-bit Texas Instruments C2000 TMS320F28379D (TMS320F2837xD).
• 3 động cơ servo và 3 bộ Driver Yaskawa Sigma II.
• Mạch đệm mức logic SN74LVC245A, mạch cách ly quang TLP281, IC ổn áp AMS1117 và LM2596_3A.
• Giao thức truyền thông UART kết nối máy tính chạy MATLAB/Simulink với DSP.

5. Kết quả thực nghiệm giải thuật điều khiển giám sát RFNN-PID trên hệ thống lưu lượng RT020 đạt được chỉ số cụ thể nào?

Trên hệ thống lưu lượng chất lỏng RT020, bộ điều khiển giám sát RFNN-PID giúp đáp ứng lưu lượng có độ vọt lố không đáng kể và rút ngắn thời gian xác lập của hệ thống từ khoảng $12\text{ giây}$ xuống còn khoảng $8\text{ giây}$.

---

Kết luận

Luận án tiến sĩ của tác giả Lê Minh Thành đã giải quyết bài toán điều khiển thích nghi thông minh cho hệ phi tuyến thông qua việc đề xuất cấu trúc điều khiển giám sát kết hợp mạng nơ-ron mờ hồi quy và PID (RFNN-PID). Bằng việc tích hợp bộ nhận dạng RFNNI ước lượng trực tuyến thông tin Jacobian, giải thuật cho phép tự động bù trừ sai lệch do biến đổi tải trọng và phi tuyến mà không làm gián đoạn vận hành hệ thống. Công trình hoàn thành trọn vẹn chu trình từ mô hình hóa động lực học Lagrange loại 2, mô phỏng số so sánh đa giải thuật, đến chế tạo phần cứng nhúng DSP C2000 TMS320F28379D và thực nghiệm kiểm chứng thành công trên mô hình robot Delta 3-DOF cùng hệ thống công nghiệp RT020.

Trích đoạn nội dung tài liệu

TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH LÊ MINH THÀNH NGHIÊN CĆU PHÁT TRIÄN GIÀI THU¾T ĐIÂU KHIÄN THÔNG MINH DĂA TRÊN M¾NG N¡-RON Mâ HâI QUY ĆNG DĂNG ĐIÂU KHIÄN HÈ PHI TUYÀN LU¾N ÁN TIÀN S) Ngành: Kỹ thuÁt điÃu khiển và tự động hóa Mã sá: 9520216 Thành phố Hồ Chí Minh, tháng 3 năm 2024 TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH LÊ MINH THÀNH NGHIÊN CĆU PHÁT TRIÄN GIÀI THU¾T ĐIÂU KHIÄN THÔNG MINH DĂA TRÊN M¾NG N¡-RON Mâ HâI QUY ĆNG DĂNG ĐIÂU KHIÄN HÈ PHI TUYÀN LU¾N ÁN TIÀN S) Ngành: Kỹ thuÁt điÃu khiển và tự động hóa Mã sá: 9520216 NG¯âI H¯àNG DẪN: 1. NGUYÆN CHÍ NGÔN 2. NGUYÆN QUANG SANG Thành phố Hồ Chí Minh, tháng 3 năm 2024 i LâI CAM ĐOAN Tôi xin cam đoan luÁn án tiÁn sĩ với đà tài: <Nghiên cću phát triÅn giÁi thu¿t điÃu khiÅn thông minh dăa trên m¿ng n¢-ron mã hãi quy ćng dăng điÃu khiÅn hÉ phi tuyÁn= là công trình khoa học do chính tôi nghiên cāu độc lÁp. Các kÁt luÁn và kÁt quÁ trình bày trong luÁn án mang tính trung thực, không thực hiện sao chép d°ới bất kỳ hình thāc nào và từ bất kỳ nguồn tài liệu nào.

Nội dung tham khÁo từ các tài liệu đÃu đã đ°ợc trích d¿n và ghi nguồn tài liệu tham khÁo đúng theo quy đánh. Thành phố Hồ Chí Minh, ngày 19 tháng 3 năm 2024 Nghiên cāu sinh Lê Minh Thành ii LâI CÀM ¡N Trong thßi gian nghiên cāu và thực hiện luÁn án, em đã nhÁn đ°ợc sự quan tâm và giúp đỡ tÁn tình cÿa Tr°ßng Đ¿i học Giao thông vÁn tÁi Thành phá Hồ Chí Minh, Viện Đào t¿o Sau Đ¿i học, Khoa Điện - ĐTVT, quý Thầy (Cô), gia đình và b¿n bè. Với lòng biÁt ¡n sâu sắc, em xin chân thành cÁm ¡n: - Quý Thầy, Cô Viện Đào t¿o Sau đ¿i học, Khoa Điện – ĐTVT Tr°ßng Đ¿i học Giao thông vÁn tÁi Thành phá Hồ Chí Minh đã tÁn tình hỗ trợ em trong việc hoàn thành các thÿ tục hồ s¡ káp thßi và đã t¿o điÃu kiện thuÁn lợi cho em đ°ợc tham gia nghiên cāu t¿i tr°ßng hiệu quÁ. - Đặc biệt, PGS.

Nguyễn Chí Ngôn và TS. Nguyễn Quang Sang – những ng°ßi Thầy đáng kính đã tÁn tình h°ớng d¿n, giúp đỡ em rất nhiÃu trong suát thßi gian nghiên cāu học tÁp. - CÁm ¡n Quý Thầy (Cô) Khoa Điện - Điện tử tr°ßng Đ¿i học S° ph¿m Kỹ thuÁt Vĩnh Long đã hỗ trợ và t¿o điÃu kiện cho em trong quá trình nghiên cāu học tÁp. - CÁm ¡n gia đình, b¿n bè đã luôn động viên, khuyÁn khích để em yên tâm nghiên cāu và hoàn thành luÁn án.

Xin chân thành cÁm ¡n tất cÁ! Nghiên cāu sinh Lê Minh Thành iii TÓM TÀT LuÁn án này nhằm mục tiêu nghiên cāu phát triển giÁi thuÁt điÃu khiển thông minh dựa trên m¿ng n¡-ron mß hồi quy (Recurrent Fuzzy Neural Networks) để áp dụng trong điÃu khiển hệ phi tuyÁn, mà cụ thể là hệ robot song song 3 bÁc tự do, gọi là robot Delta. TiÁp cÁn đầu tiên cÿa luÁn án là xây dựng mô hình động học và mô hình động lực học cÿa robot Delta để phục vụ cho ho¿t động khÁo sát đặc tính cÿa nó thông qua mô phßng. Kỹ thuÁt điÃu khiển PID truyÃn tháng và điÃu khiển mß đã đ°ợc kiểm nghiệm tr°ớc tiên để đánh giá khÁ năng kiểm soát robot. Tuy nhiên, việc tìm kiÁm các bộ tham sá cho bộ điÃu khiển PID cũng nh° bộ điÃu khiển mß bằng ph°¡ng pháp thử sai tß ra kém hiệu quÁ đái với mô hình MIMO phi tuyÁn cÿa robot.

Vì vÁy, giÁi thuÁt di truyÃn GA (genetic algorithm) đã đ°ợc áp dụng với mong muán tìm đ°ợc tham sá tái °u cho bộ điÃu khiển PID nhß khÁ năng tìm kiÁm nghiệm tái °u toàn cục cÿa giÁi thuÁt. Mặc dù giÁi thuÁt GA hoàn toàn có khÁ năng đáp āng đ°ợc kỳ vọng, nh°ng với kỹ thuÁt tìm kiÁm nghiệm off-line tác độ chÁm, việc áp dụng trong điÃu khiển robot không phù hợp. Đồng thßi, GA chß có thể tìm đ°ợc bộ nghiệm tái °u để cài đặt cho bộ điÃu khiển t¿i thßi điểm ban đầu. NÁu trong quá trình vÁn hành, thông sá cÿa robot hay có sự tác động cÿa các yÁu tá bất đánh khác nh° nhiễu, ph°¡ng pháp này bắt buộc phÁi tìm l¿i bộ nghiệm tái °u mới bằng cách ch¿y l¿i giÁi thuÁt.

Một vấn đà lớn đặt ra là có thể hiệu chßnh tham sá tái °u cÿa bộ điÃu khiển một cách trực tuyÁn hay không? Để trÁ lßi cho câu hßi này, m¿ng n¡-ron mß hồi quy đã đ°ợc áp dụng trong luÁn án. M¿ng n¡-ron mß hồi quy đã đ°ợc nhiÃu nhóm nghiên cāu vÁn dụng trong kỹ thuÁt điÃu khiển thích nghi cho hệ phi tuyÁn. Tuy nhiên, kỹ thuÁt điÃu khiển này tồn t¿i một h¿n chÁ c¡ bÁn là phụ thuộc vào việc lựa chọn bộ tham sá ban đầu cÿa m¿ng. Việc lựa chọn bộ tham sá ban đầu không phù hợp s¿ gây ra tác độ hội tụ chÁm cÿa giÁi thuÁt, làm cho đáp āng quá độ cÿa đái t°ợng bá kéo dài.

Để khắc phục h¿n chÁ này, luÁn án đã kÁt hợp giÁi thuÁt điÃu khiển giám sát dùng bộ điÃu khiển PID để mang năng l°ợng chÿ đ¿o và dùng m¿ng n¡-ron mß hồi quy để hiệu chßnh bù một cách trực tuyÁn cho đái t°ợng. Nhß sự kÁt hợp này, tham sá cÿa bộ điÃu khiển PID không cần thiÁt phÁi cài đặt l¿i khi đái t°ợng hay môi tr°ßng điÃu khiển thay đổi, mà chính m¿ng n¡-ron mß hồi quy s¿ cung cấp tín hiệu điÃu khiển bù cho những tác động đó. KÁt quÁ mô phßng trên MATLAB/Simulink cho thấy giÁi thuÁt điÃu khiển giám sát dùng m¿ng n¡-ron mß hồi quy đã đáp āng đ°ợc yêu cầu thiÁt kÁ bộ điÃu khiển thông minh cho hệ phi tuyÁn. iv Nhằm kiểm chāng các giÁi thuÁt điÃu khiển đã mô phßng, mô hình thực nghiệm robot Delta cũng đ°ợc luÁn án thiÁt kÁ và chÁ t¿o thử nghiệm.

Và c¡ bÁn, bộ điÃu khiển đ°ợc xây dựng trên máy tính và truyÃn thông tín hiệu điÃu khiển cùng với các cÁm biÁn góc khớp cÿa robot thông qua card giao tiÁp C2000 cÿa Texas Instrument. KÁt quÁ thực nghiệm trên mô hình robot thÁt cho thấy giÁi thuÁt đáp āng đúng nh° thiÁt kÁ và mô phßng. Tuy nhiên, do h¿n chÁ và c¡ khí chính xác và độ cāng vững cÿa mô hình robot Delta đã đ°ợc chÁ t¿o mà đầu mút cÿa robot v¿n bá rung nhẹ khi ch¿y trên quỹ đ¿o đặt, mặc dù các góc khớp v¿n cho tín hiệu đúng. Do không có đÿ thßi gian và kinh phí để chÁ t¿o l¿i mô hình robot, nghiên cāu này đã thực nghiệm giÁi thuÁt điÃu khiển giám sát dùng m¿ng n¡-ron mß hồi quy trên hệ ổn đánh l°u l°ợng chất lßng RT020 cÿa hãng Gunt-Hamburg có sẵn.

KÁt quÁ thực nghiệm trên hệ RT020 cho thấy kỹ thuÁt điÃu khiển đã đà xuất hoàn toàn phù hợp và có khÁ năng kiểm soát tát đáp āng l°u l°ợng cÿa thiÁt bá. Trong thßi gian tới, giÁi thuÁt điÃu khiển đà xuất s¿ đ°ợc tiÁp tục kiểm nghiệm trên robot Delta sau khi nhóm nghiên cāu cÁi tiÁn l¿i phần cánh tay và bộ khung cÿa robot. Từ khóa: m¿ng n¡-ron mß hồi quy, giÁi thuÁt di truyÃn, điÃu khiển mß, điÃu khiển giám sát, nhÁn d¿ng hệ tháng, hệ phi tuyÁn. v ABSTRACT This thesis aims to study and develop intelligent control algorithms based on Recur- rent Fuzzy Neural Networks to apply in nonlinear system control, especially in parallel robot control, also called Delta robot.

The first approach of the study is to build a kinematic model and a dynamic model of the Delta robot to investigate its characteristics through simulation. Traditional PID control techniques and fuzzy control have been tested first to evaluate robot controlla- bility. However, finding the parameter sets for the PID controller as well as the fuzzy controller by trial-and-error method has proved ineffective for the nonlinear MIMO model of the robot. Therefore, the genetic algorithm GA (Genetic Algorithm) has been applied with the desire to find the optimal parameters for the PID controller thanks to its algorithm’s ability in finding the global optimal solution.

Although the GA algorithm completely meets the expectations with a slow speed off-line searching technique, its application in robot control is not suitable. At the same time, GA can only find the op- timal PID’s parameters for initial time. If during operation, the robot's parameters are affected by other uncertain factors such as noise, this method is required to find a new set of optimal parameters by running the GA algorithm again. A big question is whether it is possible to calibrate the controller's optimal parameter online? To answer this ques- tion, the study has continued to approach recurrent fuzzy neural networks.

Recurrent fuzzy neural networks have been applied by many research groups in adaptive control techniques for nonlinear systems. However, this control technique has a fundamental limitation in that it depends on the selection of the initial parameter set of the network. The inappropriate selection of the initial parameter set may get a slow convergence of the algorithm, causing longer transient response of the controlled object. To overcome this limitation, the thesis has combined a supervisory control algorithm using PID controllers to generate main control signals and using recurrent fuzzy neural networks to online compensate of control signals.

Thanks to this combination, parame- ters of PID controllers does not need to be re-install when the control object or environ- ment changes, because the recurrent fuzzy neural networks will provide compensative control signals for the changes. The simulation results on MATLAB/Simulink show that the supervisory control algorithm using recurrent fuzzy neural networks has met the requirements of designing intelligent controllers for nonlinear systems. vi To verify proposed control algorithms, the Delta robot experimental model has also been designed and tested by the thesis. Basically, the controller is built on the computer and communicates the control signal along with the joint angle sensors of the robot through the Texas Instrument C2000 interface card.

Experimental results on the real robot model show that the algorithm responds exactly as designed and simulated. How- ever, due to the limitations of precision mechanics and rigidity of the Delta robot model, the robot's arm tip still vibrates slightly when running on its trajectory, although the joint angles still give the correct signal. Due to the lack of time and funds to re-create the robot model, this study has tested the supervisory control algorithm using recurrent fuzzy neural networks on the liquid flow control system RT020 of the Gunt - Hamburg. Experimental results on the RT020 system show that the proposed control technique is completely suitable and has good control of the liquid flow response of the device.

The proposed control algorithms should be further tested on the Delta robot after the research team improves the arm and frame of the robot. Keywords: recurrent fuzzy neural network, genetic algorithm, fuzzy control, super- vised control, system recognition, nonlinear system. vii MĂC LĂC LâI CÀM ¡N. vii DANH MĂC CÁC CHĀ VIÀT TÀT.

xi DANH MĂC CÁC HÌNH V¾. xii DANH MĂC CÁC BÀNG BIÄU. xvii TäNG QUAN. Tính cấp thiÁt cąa lu¿n án .