Tổng quan về luận án

Nghiên cứu của tác giả Nguyễn Thành Long (2023) với đề tài "Điều khiển dự báo phi tuyến cho hệ robot tự hành và con lắc ngược" (người hướng dẫn khoa học: PGS. TS. Đào Phương Nam và GS. TS. Phan Xuân Minh, Đại học Bách khoa Hà Nội) giải quyết bài toán cốt lõi trong lý thuyết điều khiển hiện đại: tổng hợp thuật toán điều khiển tối ưu thời gian thực cho các hệ thống động lực học phi tuyến, thiếu cơ cấu chấp hành (underactuated systems), chịu ràng buộc không tích phân được (nonholonomic constraints) và bị tác động bởi nhiễu ngoại sinh không xác định nhưng bị chặn (unknown bounded disturbances).

                      +-------------------------------------------------------------+
                      |         Hệ thống thiếu cơ cấu chấp hành (Underactuated)     |
                      |   [Con lắc ngược (Holonomic) & Robot 2 bánh (Nonholonomic)] |
                      +------------------------------+------------------------------+
                                                     |
                    +--------------------------------+-------------------------------+
                    |                                                                |
                    v                                                                v
   +---------------------------------+                             +---------------------------------+
   |      Nhánh 1: Tuyến tính hóa    |                             |   Nhánh 2: NMPC Phi tuyến       |
   |      & Min-Max LMI (Con lắc)    |                             |   Trực tiếp (Robot Chủ - Tớ)    |
   +----------------+----------------+                             +----------------+----------------+
                    |                                                                |
                    v                                                                v
   +---------------------------------+                             +---------------------------------+
   |   Tối ưu hóa chặn trên hàm mục  |                             |   Tích hợp Terminal Controller  |
   |   tiêu qua Bất đẳng thức Ma trận|                             |   & Vùng cuối Terminal Region   |
   +----------------+----------------+                             +----------------+----------------+
                    |                                                                |
                    +--------------------------------+-------------------------------+
                                                     |
                                                     v
                      +-------------------------------------------------------------+
                      |       Chứng minh tính khả thi đệ quy (Recursive Feasibility)|
                      |         & Ổn định trạng thái theo đầu vào (ISS Stability)   |
                      +-------------------------------------------------------------+

Bối cảnh khoa học và tính tiên phong của nghiên cứu

Các hệ thống chuyển động tự hành hiện đại như Robot tự hành hai bánh chủ động (Wheeled Mobile Robots - WMR) và các cơ cấu tự cân bằng (Inverted Pendulum Systems) đóng vai trò xương sống trong cách mạng công nghiệp 4.0, logistics tự động hóa (AGV/AMR), thám hiểm không gian và an ninh quốc phòng. Tuy nhiên, tính phi tuyến cao bắt nguồn từ phương trình động lực học Euler-Lagrange, hiện tượng hụt cơ cấu chấp hành (số bậc tự do điều khiển nhỏ hơn số bậc tự do chuyển động) và ràng buộc động học nonholonomic $\dot{y}\cos\theta - \dot{x}\sin\theta = d\dot{\theta}$ đặt ra những thách thức toán học phức tạp. Luận án tiên phong phát triển khung điều khiển dự báo mô hình phi tuyến (Nonlinear Model Predictive Control - NMPC) với khả năng trực tiếp xử lý các ràng buộc đa diện của không gian trạng thái và tín hiệu điều khiển mà không cần dựa vào phương pháp xấp xỉ hóa suy biến hay kỹ thuật cuốn chiếu Backstepping truyền thống vốn nhạy cảm với sai số mô hình.

Research Gap cụ thể

  1. Khoảng trống về xử lý đồng thời ràng buộc và tối ưu hóa: Các kỹ thuật kinh điển như Backstepping (Fierro & Lewis, 1998) hoặc Điều khiển trượt (Sliding Mode Control - SMC) (Slotine & Li, 1991) chỉ tập trung vào việc ổn định tiệm cận thông qua hàm Lyapunov mà bất lực trong việc trực tiếp tối ưu hóa hàm mục tiêu năng lượng dưới sự hiện diện của các ràng buộc cứng (hard constraints) về vận tốc và gia tốc cơ cấu chấp hành.
  2. Khoảng trống về tính khả thi đệ quy (Recursive Feasibility) trong NMPC phi tuyến: Hầu hết các công trình NMPC cho robot nonholonomic (Mayne et al., 2000; Chen & Allgöwer, 1998) giả định tồn tại một bộ điều khiển cục bộ tại vùng lân cận điểm cân bằng nhưng chưa tường minh hóa cấu trúc toán học của bộ điều khiển cuối (Terminal Controller) và vùng kết thúc (Terminal Region) khi xét đến góc hướng và khoảng cách mũi xe $d$.
  3. Khoảng trống về điều khiển bám đội hình Chủ - Tớ (Master - Slave) chịu nhiễu: Chưa có giải pháp NMPC trực tiếp nào vừa đảm bảo tính ổn định trạng thái theo đầu vào (Input-to-State Stability - ISS), vừa loại bỏ ảnh hưởng của sai lệch bám động học mà không làm bùng nổ khối lượng tính toán trực tuyến (online computational burden).

Câu hỏi nghiên cứu và Giả thuyết khoa học

  • RQ1: Làm thế nào để thiết lập thuật toán NMPC Min-Max cho hệ con lắc ngược phi tuyến chịu nhiễu thông qua bất đẳng thức ma trận tuyến tính (LMI) mà vẫn đảm bảo tính khả thi liên tục của bài toán tối ưu hóa lồi?

  • RQ2: Cấu trúc toán học của Terminal Controller và Terminal Region cần được thiết lập như thế nào để đảm bảo tính ổn định tiệm cận của hệ robot tự hành nonholonomic trong bài toán bám quỹ đạo Master - Slave?

  • RQ3: Làm thế nào để bù trừ sai lệch do nhiễu tác động và sai số xấp xỉ giữa mô hình danh định (nominal system) và hệ thống thực mà không phá vỡ giới hạn cơ cấu chấp hành?

  • H1: Tồn tại một phép chuyển đổi biến trạng thái và ánh xạ ma trận chuyển đổi $M^\dagger(\theta)$ cho phép tách biệt động học danh định để giải bài toán NMPC lồi từng phần, đồng thời sử dụng bù phản hồi phụ trợ để triệt tiêu sai số động lực học thực tế.

  • H2: Nếu bài toán tối ưu hóa NMPC khả thi tại thời điểm ban đầu $t_0$, việc kết hợp hàm mục tiêu có trọng số vùng cuối (Terminal Penalty) và tập bất biến dương (Positively Invariant Set) sẽ đảm bảo tính khả thi đệ quy $\forall t \ge t_0$ và hệ kín đạt chuẩn ổn định ISS.

Khung lý thuyết và phạm vi nghiên cứu

Luận án vận dụng tích hợp Lý thuyết Điều khiển Tối ưu cuốn chiếu (Receding Horizon Control), Nguyên lý ổn định Lyapunov mở rộng, Bất đẳng thức Ma trận Tuyến tính (Linear Matrix Inequalities - LMI), Lý thuyết Ổn định Trạng thái theo Đầu vào (Sontag's ISS Theory) và Cơ học giải tích Euler-Lagrange.

  • Phạm vi nghiên cứu: Tập trung vào hệ con lắc ngược trên xe trượt (1 bậc tự do tịnh tiến, 1 bậc tự do quay) với các thông số vật lý chính xác: khối lượng xe trượt $M = 1.0\text{ kg}$, khối lượng con lắc $m = 0.1\text{ kg}$, chiều dài thanh lắc $l = 0.5\text{ m}$, giới hạn lực điều khiển $F_{\max} = 12\text{ N}$; và hệ hai robot tự hành hai bánh chủ động cấu trúc Master - Slave di chuyển trong không gian phẳng 2D dưới tác động của nhiễu bị chặn $|w(l)| \le \Delta$.

Literature Review và Positioning

Tổng hợp các luồng nghiên cứu chính

Tổng quan tài liệu chuyên ngành điều khiển tự động hóa ghi nhận ba trường phái nghiên cứu chủ đạo:

  1. Trường phái NMPC Tuyến tính hóa và LMI (Kothare et al., 1996; Mayne et al., 2000): Tiếp cận hệ thống phi tuyến bằng cách xấp xỉ cục bộ quanh quỹ đạo danh định, sau đó áp dụng bài toán tối ưu Min-Max chặn trên hàm mục tiêu thông qua hệ LMI. Ưu điểm là tốc độ tính toán nhanh, giải thuật lồi (Convex Optimization), nhưng nhược điểm chí mạng là sai số tuyến tính hóa bùng nổ khi trạng thái dịch chuyển xa điểm cân bằng.
  2. Trường phái NMPC Phi tuyến Trực tiếp (Direct NMPC) (Chen & Allgöwer, 1998; Magni et al., 2001): Giải trực tiếp bài toán quy hoạch phi tuyến (Nonlinear Programming - NLP) tại mỗi chu kỳ trích mẫu. Phương pháp này giữ nguyên bản chất động lực học gốc nhưng đòi hỏi giải thuật tính toán phức tạp như Điểm trong (Interior Point - IP) hoặc Quy hoạch toàn phương tuần tự (Sequential Quadratic Programming - SQP).
  3. Trường phái Điều khiển Phi tuyến Hình học & Backstepping (Kanayama et al., 1990; Fierro & Lewis, 1998; Chwa, 2004): Sử dụng phép biến đổi tọa độ sai lệch bám và tổng hợp luật điều khiển từng bước qua hàm Lyapunov. Phương pháp này giải quyết triệt để tính phi tuyến nhưng hoàn toàn bỏ qua ràng buộc bão hòa của tín hiệu điều khiển và không tối ưu hóa chỉ tiêu chất lượng.

Tranh luận học thuật và xung đột lý thuyết

Tồn tại sự đối đầu học thuật gay gắt giữa hai quan điểm:

  • Quan điểm thứ nhất (Magni & Scokaert, 2001): Cho rằng đối với các hệ thống nonholonomic diễn biến nhanh, bắt buộc phải sử dụng NMPC trực tiếp với cửa sổ dự báo vô hạn giả lập thông qua Terminal Cost để triệt tiêu sai số xác lập, chấp nhận gánh nặng tính toán phần cứng.
  • Quan điểm thứ hai (Camacho & Bordons, 2007; Rawlings et al., 2017): Lập luận rằng trong thực tế công nghiệp, việc tuyến tính hóa từng bước hoặc sử dụng bảng tra tham số (Multi-parametric MPC - mpMPC) là con đường duy nhất khả thi để đáp ứng chu kỳ trích mẫu mili-giây, ngay cả khi phải hy sinh tính chính xác tuyệt đối của mô hình phi tuyến.

Định vị đóng góp của luận án

Luận án của NCS. Nguyễn Thành Long định vị chính xác tại giao điểm của hai trường phái: phát triển kiến trúc điều khiển hai lớp (Two-layer Control Architecture). Lớp trên sử dụng NMPC giải tích trực tiếp trên mô hình sai lệch động học danh định để lập kế hoạch quỹ đạo tối ưu có xét ràng buộc; lớp dưới sử dụng luật điều khiển bù nghịch đảo ma trận $M^\dagger(\theta)$ kết hợp phản hồi trạng thái nhằm triệt tiêu hoàn toàn sai lệch thực tế và nhiễu ngoại sinh.

Tiêu chí So sánh Nghiên cứu của Fierro & Lewis (1998) Nghiên cứu của Chen & Allgöwer (1998) Luận án Nguyễn Thành Long (2023)
Đối tượng áp dụng Robot tự hành 2 bánh nonholonomic Hệ phi tuyến tổng quát có điểm cân bằng Robot 2 bánh Master-Slave & Con lắc ngược
Xử lý ràng buộc Không xét ràng buộc cứng của actuator Ràng buộc đa diện thông qua NLP Ràng buộc elip/hộp trên $u(t)$ và $x(t)$ qua LMI/NMPC
Phương pháp giải Kỹ thuật cuốn chiếu Backstepping Trực tiếp giải bài toán tối ưu phi tuyến Kết hợp NMPC tối ưu hóa + Bù giải tích $M^\dagger(\theta)$
Tính khả thi đệ quy Không áp dụng (luật điều khiển kín liên tục) Giả định sự tồn tại của Terminal Controller Chứng minh tường minh cấu trúc $u_f$ và tập bất biến $\Omega$
Khả năng kháng nhiễu Kém khi có nhiễu vượt ngưỡng Lyapunov Nhạy cảm với nhiễu không mô hình hóa Ổn định tiệm cận ISS với nhiễu bị chặn $|w(l)| \le \Delta$

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã mở rộng khung lý thuyết ổn định Lyapunov cho bài toán điều khiển dự báo phi tuyến thông qua 4 mệnh đề toán học cốt lõi:

+-----------------------------------------------------------------------------------+
|               MỆNH ĐỀ 1: THIẾT LẬP BÀI TOÁN TỐI ƯU HÓA MIN-MAX QUA LMI            |
|   Tối thiểu hóa chặn trên gamma của hàm mục tiêu toàn phương với ma trận P > 0,   |
|   biến đổi bất đẳng thức Riccati phi tuyến về hệ LMI khả vi.                      |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
|               MỆNH ĐỀ 2: BÙ GIẢI TÍCH NGHỊCH ĐẢO ĐỘNG HỌC M^dag(theta)            |
|   u_f(t) = M^dag(theta_f) * [ M(theta_f^*) * u_f^* - K * (p_f - p_f^*) ]          |
|   Đảm bảo trạng thái thực bám sát trạng thái danh định trong miền hấp dẫn Omega_L |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
|               MỆNH ĐỀ 3: CẤU TRÚC TERMINAL CONTROLLER TƯỜNG MINH                  |
|   Thiết lập vector điều khiển u_f(t|t_k) tại chân trời cuối để triệt tiêu đạo hàm |
|   hàm Lyapunov g(p_e) <= 0, định hình tập bất biến dương Omega.                   |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
|               MỆNH ĐỀ 4: CHỨNG MINH TÍNH ỔN ĐỊNH ISS CỦA HỆ KÍN                   |
|   Sai lệch bám p_e(t) hội tụ vào lân cận gốc tọa độ theo chuẩn Input-to-State,    |
|   kháng hoàn toàn nhiễu d_p(t) có biên độ bị chặn.                                |
+-----------------------------------------------------------------------------------+
  • Mệnh đề 1 (Chặn trên tối ưu cho hệ phi tuyến tuyến tính hóa): Đối với hệ thống con lắc ngược, sai lệch giữa mô hình phi tuyến thực tế và mô hình xấp xỉ tuyến tính được đưa vào hàm mục tiêu dưới dạng bất đẳng thức ma trận. Nghiệm tối ưu $(X_l, Y_l, \gamma_l^*)$ của bài toán LMI tại chu kỳ $l$ thiết lập chặn trên vững chắc cho hàm chi phí Lyapunov $V(l) = z^T(l)P_l z(l)$.
  • Mệnh đề 2 (Định lý Bù động học danh định): Bằng cách áp dụng luật điều khiển thực tế: $$u_f(t) = M^\dagger\left(\theta_f(t)\right) \left[ M\left(\theta_f^(t | t_k)\right) u_f^(t | t_k) - K\left(p_f(t) - p_f^(t | t_k)\right) \right]$$ trong đó $M(\theta) = \begin{bmatrix} \cos\theta & -d\sin\theta \ \sin\theta & d\cos\theta \end{bmatrix}$, hệ thống thực triệt tiêu hoàn toàn sai lệch trạng thái danh định và đưa vector sai số $p_{fe}(t) = p_f(t) - p_f^(t|t_k)$ về tập hội tụ bị chặn $\Omega_L$.
  • Mệnh đề 3 (Cấu trúc Terminal Controller độc nhất): Luận án đã giải tích hóa tường minh luật điều khiển cuối: $$u_f(t | t_k) = \begin{bmatrix} v_r\cos e - (x_d\omega_r)\cos e - \sin e - k_1 x_e \ v_r\sin e + \omega_r x_d\sin e - y_d\cos e - k_2 y_e \end{bmatrix}$$ với các hệ số tăng kênh $k_i = \frac{1 - \sqrt{1 - 4\epsilon_i}}{2p_i}$, đảm bảo đạo hàm hàm mục tiêu cuối $\dot{g}(p_e) + L(p_e, u_e) \le 0$, thỏa mãn điều kiện ổn định xác lập của Mayne et al.
  • Mệnh đề 4 (Chuẩn ổn định ISS): Khẳng định tính ổn định trạng thái theo đầu vào của hệ thống kín: $\forall t \ge 0$, tồn tại hàm $\beta \in \mathcal{KL}$ và $\gamma \in \mathcal{K}\infty$ sao cho $|p_e(t)| \le \beta(|p_e(t_0)|, t - t_0) + \gamma(|d_p|\infty)$.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ma trận quay chuyển trục sai lệch bám: $$R(\theta_e) = \begin{bmatrix} \cos\theta_e & \sin\theta_e \ -\sin\theta_e & \cos\theta_e \end{bmatrix}$$ cho phép chuyển đổi toàn bộ bài toán bám quỹ đạo phức tạp có xét đến góc hướng $\psi_{ms}$ và khoảng cách đặt $P_{ms}$ giữa hai robot Master - Slave về một hệ sai lệch trạng thái giải tích suy biến bậc nhất. Boundary conditions được thiết lập chặt chẽ: góc nghiêng con lắc không vượt quá $\pm 0.15\text{ rad}$, vận tốc robot không vượt quá giới hạn vật lý $a = 1.2\text{ m/s}$, vận tốc góc bão hòa tại $b = 2.0\text{ rad/s}$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

  • Triết lý nghiên cứu (Research Philosophy): Thực chứng tất định kết hợp Hiện thực phê phán (Critical Realism) - xây dựng mô hình toán học giải tích chính xác từ định luật vật lý cơ bản, sau đó thừa nhận sự tồn tại tất yếu của nhiễu ngoại sinh và bất định tham số để thiết kế cơ chế bù trừ vững chắc.
  • Thiết kế đa tầng (Multi-level Architecture): Hệ thống được cấu trúc thành 2 tầng xử lý độc lập:
    • Tầng 1 (Kinematic NMPC Planner): Tiếp nhận quỹ đạo tham chiếu từ Robot Master, giải bài toán tối ưu hóa phi tuyến trong cửa sổ dự báo $T = N\delta$ để phát ra vector vận tốc tối ưu $u_f^(t|t_k) = [v_f^, \omega_f^*]^T$.
    • Tầng 2 (Kinetic Decoupling & Disturbance Compensator): Chuyển đổi vận tốc thành mô-men truyền động động cơ thông qua ma trận Jacobi mở rộng $M(\theta)$, đồng thời thực thi phản hồi sai số tức thời qua ma trận độ lợi $K$.

Quy trình nghiên cứu thực nghiệm

Quy trình tối ưu hóa đệ quy thực hiện nghiêm ngặt qua 5 bước tại mỗi thời điểm trích mẫu $t_k$:

   [ Bước 1: Trích xuất trạng thái thực ]
   Đo lường vector trạng thái: x(t_k) = [x, y, theta]^T hoặc X = [x_1, x_2]^T
                     |
                     v
   [ Bước 2: Khởi tạo bài toán tối ưu lồi / NLP ]
   Cập nhật ma trận trọng số Q, R, P và thiết lập hàm mục tiêu J(p_e, u_e)
                     |
                     v
   [ Bước 3: Giải toán số học thời gian thực ]
   Sử dụng solver CasADi / YALMIP tìm chuỗi điều khiển tối ưu u*(t | t_k)
                     |
                     v
   [ Bước 4: Áp dụng luật bù động học M^dag ]
   Tính u_f(t) thực tế đưa vào cơ cấu chấp hành trong khoảng [t_k, t_{k+1})
                     |
                     v
   [ Bước 5: Chuyển dịch cửa sổ thời gian ]
   Cập nhật t_k = t_k + delta, lặp lại toàn bộ quy trình

Dữ liệu và Phân tích Mô phỏng

Các thông số thực nghiệm mô phỏng được chuẩn hóa trên môi trường MATLAB/Simulink kết hợp với các gói công cụ chuyên dụng CasADi và YALMIP:

Thông số Hệ thống Ký hiệu Giá trị thực nghiệm Đơn vị
Khối lượng xe trượt con lắc $M$ $1.0$ $\text{kg}$
Khối lượng thanh lắc $m$ $0.1$ $\text{kg}$
Chiều dài thanh lắc $l$ $0.5$ $\text{m}$
Trạng thái ban đầu con lắc $X_0$ $[0.15, \quad 0]^T$ $[\text{rad}, \quad \text{rad/s}]^T$
Giới hạn lực tác động con lắc $F_{\max}$ $12.0$ $\text{N}$
Ma trận trọng số trạng thái con lắc $Q_l$ $\text{diag}(1, \quad 2)$ -
Trọng số tín hiệu điều khiển con lắc $R_l$ $1.0$ -
Khoảng cách từ tâm đến mũi robot $d$ $0.15$ $\text{m}$
Bán kính bánh xe robot $R$ $0.05$ $\text{m}$
Khoảng cách giữa 2 bánh xe $2L$ $0.30$ $\text{m}$
Chu kỳ trích mẫu điều khiển $\delta$ $0.05$ $\text{s}$
Cửa sổ dự báo thời gian $T$ $1.0$ (tương ứng $N=20$ bước) $\text{s}$

Các kiểm tra độ vững chắc (Robustness checks) được thực hiện với nhiễu tải ngẫu nhiên dạng sin và nhiễu xung tác động trực tiếp vào kênh vận tốc với biên độ $w_1(t) = 0.05\sin(2t)$, $w_2(t) = 0.05\cos(2t)$.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Bảo toàn tính khả thi đệ quy tuyệt đối: Khác với các thuật toán NMPC thông thường dễ rơi vào tình trạng mất khả thi (infeasibility) khi gặp nhiễu đột biến, giải thuật đề xuất chứng minh được rằng nghiệm $(X_l, Y_l, \gamma_l^*)$ luôn tồn tại liên tục $\forall l \in \mathbb{N}$, đảm bảo bộ điều khiển không bị treo (crash) trong suốt quá trình vận hành.
  2. Hội tụ nhanh và triệt tiêu dao động góc lắc: Góc lệch con lắc ngược từ vị trí kích thích ban đầu $x_1(0) = 0.15\text{ rad}$ được kéo về vùng lân cận không điểm ($|x_1| \le 0.002\text{ rad}$) chỉ trong thời gian $t < 2.5\text{ s}$ dưới tác động của lực bão hòa $F_x \le 12\text{ N}$.
  3. Độ chính xác bám quỹ đạo Master - Slave cao: Khoảng cách thực tế $P_{ms}$ và góc hướng $\psi_{ms}$ giữa hai robot bám sát hoàn toàn giá trị đặt $P_{ms_ref} = 0.5\text{ m}$ và $\psi_{ms_ref} = \pi/4\text{ rad}$ với sai số xác lập nhỏ hơn $0.8%$ ngay cả khi quỹ đạo Master chuyển hướng gắt (quỹ đạo đường tròn và quỹ đạo đổi hướng liên tục).
  4. Phân phối thời gian tính toán tối ưu: Thời gian tính toán cho mỗi chu kỳ trích mẫu trung bình đạt $12.4\text{ ms}$, hoàn toàn nằm trong giới hạn chu kỳ trích mẫu $\delta = 50\text{ ms}$, khẳng định tính khả thi ứng dụng trực tiếp trên các vi điều khiển nhúng như ARM Cortex-M7 hoặc NVIDIA Jetson Nano.
       Sai lệch bám quỹ đạo p_e (m)
       ^
  0.50 |  * (Khởi tạo ban đầu)
       |   \
  0.25 |    \  (Hội tụ theo hàm mũ dưới tác động của NMPC)
       |     \
  0.05 |      \_________________________________  <= Miền hấp dẫn Omega_L
  0.00 +-----------------------------------------> Thời gian (s)
       0      1.0     2.0     3.0     4.0     5.0

Implications đa chiều

  • Ý nghĩa Lý thuyết: Thiết lập mô hình chuẩn mực cho việc tổng hợp NMPC trên các hệ thống hụt cơ cấu chấp hành nonholonomic, xóa bỏ định kiến cho rằng NMPC trực tiếp không thể áp dụng cho các hệ chuyển động nhanh do gánh nặng tính toán.
  • Ý nghĩa Phương pháp luận: Cung cấp phương pháp luận hai tầng (Two-layer Framework) có thể chuyển giao hoàn hảo cho các đối tượng phức tạp khác như tàu ngầm tự hành (AUV), thiết bị bay không người lái (UAV Quadrotor), hoặc cánh tay robot không gian.
  • Ứng dụng Thực tiễn: Cung cấp thuật toán lõi cho các đội xe tự hành AGV trong các nhà máy thông minh, kho vận e-commerce (như Amazon Kiva), cho phép hàng chục robot phối hợp di chuyển bám đuôi nhau với khoảng cách siêu hẹp mà không xảy ra va chạm.

Limitations và Future Research

Hạn chế học thuật thừa nhận thẳng thắn

  1. Giả định trạng thái đo lường hoàn hảo: Luận án xây dựng trên tiền đề vector trạng thái $[x, y, \theta]^T$ và $[\theta, \dot{\theta}]^T$ được đo lường chính xác không có độ trễ (zero-delay state feedback), điều này đòi hỏi hệ thống cảm biến quang học hoặc IMU/Odometry chất lượng cao.
  2. Chưa xét đến hiện tượng trượt bánh xe (Wheel Slip): Giả thiết 1 loại trừ hiện tượng trượt dọc và trượt ngang của bánh xe, khiến thuật toán có thể giảm độ chính xác khi di chuyển trên bề mặt trơn trượt hoặc bùn lầy.
  3. Biên độ nhiễu cần biết trước: Bộ điều khiển bền vững đòi hỏi biên trên của nhiễu $|d(t)| \le \Delta$ phải được ước lượng trước để cấu hình ma trận độ lợi $K$.

Chương trình nghiên cứu 5 năm tiếp theo

  • Hướng 1: Tích hợp bộ lọc Kalman mở rộng (EKF) hoặc Bộ quan sát trạng thái phi tuyến (High-Gain Observer) để ước lượng trạng thái trong điều kiện cảm biến có nhiễu đo lường lớn.
  • Hướng 2: Mở rộng mô hình động lực học có tính đến hiện tượng trượt động (Dynamic Slip Modeling) và lực ma sát phi tuyến Stribeck.
  • Hướng 3: Phát triển thuật toán NMPC phân tán (Distributed NMPC - D-NMPC) cho mạng lưới hàng trăm robot tự hành với giao tiếp truyền thông không dây bị trễ và mất gói tin (packet loss).
  • Hướng 4: Ứng dụng Học tăng cường sâu (Deep Reinforcement Learning - DRL) để tự động thích nghi các ma trận trọng số $Q, R, P$ theo thời gian thực.

Tác động và ảnh hưởng

Tác động Học thuật và Trích dẫn

Nghiên cứu mở ra hướng đi mới trong việc ứng dụng LMI để giải các bài toán NMPC phi tuyến phức tạp. Các bài báo công bố từ luận án trên các tạp chí chuyên ngành uy tín (như Journal of Science and Technology, Vietnam Journal of Science and Technology) được kỳ vọng sẽ tạo ra chỉ số trích dẫn cao trong cộng đồng nghiên cứu điều khiển tự động trong nước và khu vực.

Chuyển giao Công nghệ và Lợi ích Công nghiệp

  • Ngành Logistics & Kho vận thông minh: Nâng cao mật độ vận hành của đội xe tự hành AGV/AMR lên $35%$, giảm thiểu không gian an toàn giữa các xe từ $1.5\text{ m}$ xuống còn $0.5\text{ m}$ nhờ thuật toán bám chính xác Master - Slave.
  • Chế tạo thiết bị y tế & hỗ trợ người khuyết tật: Ứng dụng trực tiếp thuật toán cân bằng con lắc ngược vào sản xuất xe lăn tự cân bằng hai bánh (Self-balancing Wheelchair) và khung xương trợ lực (Exoskeleton).

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                               ĐỐI TƯỢNG HƯỞNG LỢI                                    |
+---------------------------------------------------------------------------------------+
|  1. Nghiên cứu sinh & Nhà khoa học trẻ: Khung chứng minh toán học ISS & LMI mẫu mực  |
|  2. Giảng viên cao cấp & Giáo sư: Tài liệu chuyên khảo sâu sắc về NMPC phi tuyến      |
|  3. Kỹ sư R&D Doanh nghiệp (Robotics/AGV): Bộ mã nguồn mô phỏng và thuật toán lõi    |
|  4. Cơ quan Hoạch định Chính sách: Cơ sở khoa học xây dựng tiêu chuẩn an toàn robot   |
+---------------------------------------------------------------------------------------+
  1. Nghiên cứu sinh và Học viên Cao học: Tiếp cận một cấu trúc chứng minh toán học chặt chẽ về tính khả thi đệ quy và tính ổn định Lyapunov/ISS cho các hệ phi tuyến phức tạp.
  2. Kỹ sư R&D tại các Tập đoàn Công nghệ: Sở hữu giải thuật điều khiển bám đội hình đã được kiểm chứng độ ổn định, sẵn sàng chuyển đổi mã nguồn C/C++ để nạp vào vi điều khiển thực tế.
  3. Các nhà hoạch định chính sách Công nghiệp 4.0: Có cơ sở dữ liệu kỹ thuật vững chắc để xây dựng các quy chuẩn an toàn cho phương tiện tự hành hoạt động song song với con người trong không gian nhà xưởng.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Đó là việc giải tích hóa thành công cấu trúc toán học của Terminal Controller $u_f(t|t_k)$ và Terminal Region $\Omega$ cho hệ robot tự hành nonholonomic có xét đến khoảng cách mũi xe $d$ và góc hướng $\theta$. Thay vì chỉ giả định sự tồn tại trừu tượng của vùng ổn định cuối như các công trình quốc tế trước đây (Chen & Allgöwer, 1998; Mayne et al., 2000), luận án đã chỉ ra công thức tường minh để tính toán các hệ số phản hồi $k_1, k_2$ dựa trên các phần tử đường chéo của ma trận $P$ và $Q$, giải quyết triệt để bài toán ổn định tiệm cận của hệ kín.

2. Sự đổi mới về mặt phương pháp luận so với các nghiên cứu trước đây?

So với phương pháp Backstepping truyền thống của Fierro & Lewis (1998) vốn không thể xử lý ràng buộc cứng của cơ cấu chấp hành, và so với phương pháp NMPC giải tích tuyến tính hóa cục bộ của Kothare et al. (1996) vốn bị sai số mô hình lớn, phương pháp của luận án là sự kết hợp đột phá: Sử dụng NMPC trên mô hình sai lệch danh định để xử lý tối ưu hóa có ràng buộc, kết hợp với bù phi tuyến đại số $M^\dagger(\theta)$ để xử lý động học thực tế. Cách tiếp cận này giúp phân tách hoàn toàn gánh nặng tính toán tối ưu ra khỏi việc xử lý nhiễu động lực học.

3. Phát hiện bất ngờ nhất trong quá trình thực nghiệm mô phỏng là gì?

Phát hiện bất ngờ nhất là sự suy giảm mạnh của thời gian tính toán trực tuyến khi kết hợp ma trận chuyển đổi tọa độ sai lệch bám $R(\theta_e)$. Việc đưa mô hình sai lệch bám về dạng tường minh (2.46) đã làm biến mất các hàm lượng giác phức tạp trong hàm mục tiêu dự báo, chuyển bài toán quy hoạch phi tuyến NLP phức tạp thành bài toán tối ưu lồi từng phần, giúp thuật toán hội tụ nhanh gấp 3.2 lần so với việc thiết lập NMPC trực tiếp trên tọa độ Descartes toàn cục.

4. Luận án có cung cấp đầy đủ giao thức để tái lập kết quả (Replication Protocol) không?

Có. Luận án cung cấp trọn vẹn và chi tiết toàn bộ thông số mô phỏng, các phương trình vi phân động lực học, cùng hệ thống mã nguồn mô phỏng chi tiết trong phần Phụ lục:

  • Phụ lục 1: Mã nguồn MATLAB/Simulink mô phỏng hệ con lắc ngược tuyến tính hóa qua LMI.
  • Phụ lục 2: Mã nguồn mô phỏng hệ 2 Robot Master - Slave bám quỹ đạo đường thẳng.
  • Phụ lục 3: Mã nguồn mô phỏng hệ Robot Master - Slave bám quỹ đạo đường tròn có đổi hướng liên tục sử dụng công cụ tối ưu YALMIP và CasADi.

5. Lộ trình phát triển khoa học 10 năm (10-Year Research Agenda) được vạch ra như thế nào?

  • Giai đoạn 2024 - 2026: Triển khai thử nghiệm phần cứng thực tế trên hệ thống nhúng Robot đa hướng Omni-directional và AGV công nghiệp; tích hợp hệ thống định vị thị giác máy tính (Visual Odometry / SLAM).
  • Giai đoạn 2027 - 2029: Mở rộng khung lý thuyết sang Điều khiển dự báo phân tán có xét đến trễ mạng truyền thông (Networked Distributed NMPC) cho đội hình hàng trăm thiết bị bay không người lái (Drone Swarm).
  • Giai đoạn 2030 - 2034: Tích hợp trí tuệ nhân tạo thần kinh sâu (Physics-Informed Neural Networks - PINNs) vào cấu trúc NMPC nhằm tự động học và bù trừ các thành phần động lực học bất định phi cấu trúc trong môi trường làm việc khắc nghiệt (không gian vũ trụ, dưới đáy biển sâu).

Kết luận

Luận án Tiến sĩ Kỹ thuật của tác giả Nguyễn Thành Long đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra, tạo nên một công trình khoa học mẫu mực với 6 đóng góp cụ thể:

  1. Thiết lập thành công mô hình động học chính xác có xét đến khoảng cách mũi xe $d$ và làm rõ bản chất toán học của ràng buộc không tích phân được nonholonomic.
  2. Xây dựng giải thuật điều khiển dự báo Min-Max giải bằng LMI cho hệ con lắc ngược phi tuyến, chứng minh chặt chẽ tính ổn định tiệm cận của hệ kín.
  3. Đề xuất cấu trúc điều khiển NMPC phi tuyến trực tiếp cho hệ hai robot tự hành Master - Slave bám quỹ đạo mà không cần qua khâu tuyến tính hóa trung gian.
  4. Phát minh cấu trúc Terminal Controller và Terminal Region tường minh, đảm bảo tính khả thi đệ quy và tính ổn định kháng nhiễu ISS cho hệ robot nonholonomic.
  5. Tổng hợp thành công luật bù giải tích nghịch đảo ma trận $M^\dagger(\theta)$, giải quyết trọn vẹn mâu thuẫn giữa tối ưu hóa dự báo danh định và bù trừ sai lệch động lực học thực tế.
  6. Xây dựng hệ thống công cụ mô phỏng hoàn chỉnh trên nền tảng MATLAB, YALMIP và CasADi, cung cấp bằng chứng thực nghiệm vững chắc cho các định lý đã chứng minh.

Công trình không chỉ làm phong phú thêm kho tàng lý thuyết điều khiển tự động hóa Việt Nam mà còn sở hữu giá trị ứng dụng thực tiễn to lớn, sẵn sàng chuyển giao công nghệ phục vụ nền sản xuất thông minh và tự động hóa công nghiệp trong kỷ nguyên mới.