Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Trong lĩnh vực kỹ thuật robot, việc sử dụng các robot đơn lẻ thường gặp nhiều giới hạn khi phải thực hiện các nhiệm vụ có quy mô không gian lớn hoặc đòi hỏi mức độ phối hợp phức tạp như rà soát bom mìn, làm sạch môi trường, cứu hộ cứu nạn hoặc thu thập dữ liệu phân tán. Mô hình robot bầy đàn (swarm robotics) mô phỏng hành vi của các loài sinh vật trong tự nhiên (đàn kiến, đàn mối, đàn chim, đàn cá) sử dụng số lượng lớn các robot có cấu trúc cơ khí đơn giản để phối hợp thực hiện nhiệm vụ chung.

Tuy nhiên, việc triển khai một nhóm lớn các robot làm việc tập thể phát sinh hai nguy cơ kỹ thuật cơ bản:

  1. Nguy cơ va chạm vật lý giữa các cá thể di chuyển ở cự ly gần dẫn đến hư hỏng thiết bị.
  2. Nguy cơ các cá thể bị tách rời khỏi nhóm và thất lạc khi di chuyển ở khoảng cách xa hoặc khi gặp chướng ngại vật.

Khoảng trống nghiên cứu được chỉ ra là: Các nghiên cứu trước đây chủ yếu sử dụng các hàm hút/đẩy giải tích có dạng toán học tường minh cố định để điều khiển tương tác giữa các robot. Các hàm tường minh này thường thiếu cơ sở giải thích sinh học tự nhiên và khó thích ứng khi môi trường làm việc thay đổi hoặc có tính chất phi tuyến. Do đó, việc xây dựng mô hình tương tác mềm dẻo dựa trên logic mờ kết hợp với kỹ thuật phân cấp hành vi để giải quyết bài toán đa nhiệm (vừa di chuyển bầy đàn, vừa tìm kiếm mục tiêu và tránh vật cản) là một yêu cầu cấp thiết.

Mục tiêu và câu hỏi nghiên cứu

Mục tiêu nghiên cứu tổng quát của luận án là nghiên cứu sự ổn định và điều khiển robot bầy đàn trên cơ sở sử dụng logic mờ để tính toán lực tương tác, giữ cho khoảng cách giữa các cặp robot luôn ổn định ở giá trị an toàn, đồng thời điều khiển hệ thống thực hiện đa nhiệm vụ.

Các mục tiêu cụ thể được triển khai gồm:

  1. Thiết kế bộ suy luận mờ (Fuzzy Logic Controller) đơn biến vào - đơn biến ra (SISO) để tính toán lực hút/đẩy giữa các cặp robot trong bầy dựa trên sai lệch khoảng cách.
  2. Phân tích và chứng minh tính ổn định hội tụ của bầy robot bằng phương pháp hàm thế năng Lyapunov cho hai trường hợp: mô hình động học cơ bản và mô hình có xét đến ma trận tương tác truyền thông giữa các cá thể.
  3. Đề xuất giải pháp điều khiển robot bầy đàn thực hiện đồng thời nhiều nhiệm vụ (tránh vật cản, đi tới đích, duy trì đội hình bầy) dựa trên kỹ thuật điều khiển hành vi không gian Null (Null-Space-Based Behavioral Control - NSB) kết hợp với hàm hút/đẩy mờ.
  4. Xây dựng chương trình mô phỏng trên phần mềm Matlab và thử nghiệm trên mô hình robot thực tế trong môi trường phòng thí nghiệm để kiểm chứng thuật toán.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Nhóm robot di động liên kết hoạt động trong không gian $n$ chiều ($n \ge 3$ hoặc không gian mặt phẳng 2 chiều $\mathbb{R}^2$).
  • Phạm vi nghiên cứu:
    • Về mặt lý thuyết: Phát triển thuật toán tính toán lực hút/đẩy mờ giữa các cá thể; nghiên cứu sự hội tụ về mặt toán học dựa trên lý thuyết Lyapunov; kỹ thuật chiếu không gian Null cho bài toán đa nhiệm.
    • Về mặt thử nghiệm: Mô phỏng thuật toán trên phần mềm Matlab; thử nghiệm kiểm chứng giải thuật trên mẫu phần cứng robot bầy đàn trong điều kiện môi trường phòng thí nghiệm với chướng ngại vật tĩnh đã biết trước.

Ý nghĩa khoa học và thực tiễn

  • Ý nghĩa khoa học: Luận án mở rộng lý thuyết điều khiển ổn định bầy đàn từ các hàm giải tích tường minh sang hàm tương tác dựa trên logic mờ. Chứng minh được các định lý ổn định toán học chặt chẽ và thiết lập công thức xác định bán kính giới hạn hội tụ của bầy. Đưa ra giải pháp kết hợp giữa kỹ thuật không gian Null và logic mờ để giải quyết xung đột hành vi trong điều khiển đa nhiệm.
  • Ý nghĩa thực tiễn: Trong kỹ thuật robot, đối tượng điều khiển thường mang tính chất phi tuyến mạnh và chịu nhiều yếu tố không định lượng chính xác từ môi trường. Logic mờ và cơ chế điều khiển không gian Null cung cấp giải pháp tính toán trực tiếp, giúp hệ thống vận hành linh hoạt, duy trì cấu trúc nhóm an toàn mà không đòi hỏi năng lực xử lý tính toán quá lớn tại mỗi cá thể.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu chính trong lĩnh vực robot bầy đàn

Luận án hệ thống hóa các hướng nghiên cứu kinh điển về hành vi robot bầy đàn trong y văn quốc tế thành bốn nhóm nhiệm vụ cơ bản:

Nhóm hành vi Tác giả & Năm công bố Mô tả công trình và phát hiện thực nghiệm
Di chuyển theo bầy Reynolds (1987) Đề xuất 3 luật di chuyển cơ bản: Tách rời (tránh va chạm), Hiệu chỉnh (theo vận tốc trung bình lân cận), Gắn kết (giữ vị trí trung bình nhóm).
Kelly và Keating (1996) Thử nghiệm nhóm 5 robot nhỏ dùng cảm biến siêu âm và hồng ngoại với 4 mức điều khiển: tránh vật cản, tự nhận làm đầu đàn, giữ vị trí bầy, bám theo con đầu đàn.
Hanada (2007) Phát triển thuật toán thích nghi cho 120 robot; mỗi robot giữ khoảng cách với 2 robot lân cận, tự chia tách khi gặp vật cản và hợp nhất lại sau vật cản.
Tụ bầy (Aggregation) Kube và Zhang (1992) Ứng dụng tụ bầy đầu tiên: các robot cùng hướng về nguồn sáng trong hộp kín và tập hợp lại.
Soysal và Sahin (2005) Thuật toán xác suất cho robot s-bot dựa trên 4 hành vi cơ bản (tránh vật cản, hút, đẩy, đợi) chuyển đổi trạng thái theo 2 tham số xác suất.
Garnier và cộng sự (2005) Mô phỏng và thực nghiệm hành vi tụ bầy của loài gián ứng dụng trên nền tảng robot Alice.
Tìm kiếm & hội tụ Dudenhoeffer và Bruemmer (2002) Sử dụng mô hình hàm thế năng để điều khiển nhóm robot tìm kiếm các vũng nước tràn trong phòng và tạo vòng bao quanh bảo vệ.
Correll và Martinoli (2009) Nhóm robot Alice II kiểm tra cánh tua bin máy bay phản lực; ứng dụng mô hình xác suất vĩ mô để đánh giá tương quan giữa số lượng robot và thời gian hoàn thành.
Vận chuyển & cầm nắm Stilwell và Bay (1993) Phát triển hệ thống robot kiến vận chuyển theo cơ chế dẫn đầu - bám sau (leader-follower) sử dụng thông tin từ cảm biến lực ở đầu robot.
Miyata và cộng sự (2002) Sử dụng cánh tay robot gắn động cơ, lò xo, giảm chấn để nhiều robot cùng phối hợp nâng và di chuyển vật thể lớn.
Parker (1999) Giới thiệu kiến trúc Alliance điều khiển phân tán đẩy hộp, duy trì khả năng hoàn thành nhiệm vụ khi có 1-2 robot gặp trục trặc.
Yamada và Saito (1999) Phương pháp lựa chọn hành động thích nghi đẩy hộp không cần trao đổi thông tin tường minh; robot tự tạo cấu hình trước khi đẩy.
Kube (2000) Nhóm 5 robot đồng nhất cùng đẩy hộp về nguồn sáng theo cơ chế bắt chước đàn kiến mà không cần giao tiếp trực tiếp.
Groß và Marco Dorigo (2004) Dự án Swarm-bots với robot s-bot: sử dụng kẹp để kéo vật và tự liên kết vật lý thành cụm tối đa 16 robot dưới sự điều khiển của mạng nơ-ron nhân tạo.
Tài liệu [8] Nghiên cứu robot phối hợp kéo thả các thanh sắt ra khỏi mặt đất, tối ưu hóa thông số điều khiển qua mô hình xác suất vi mô và vĩ mô.
Tìm kiếm thức ăn (Foraging) Mataric (1995) Kết hợp các tương tác cơ bản: tránh, phân tán, tìm kiếm, dẫn đường và nghỉ ngơi để thu thập mồi về tổ.
Io và cộng sự (1995) Nhóm robot thu gom rác thải sử dụng camera phân biệt thùng rác, sọt rác và các robot khác; phối hợp thông qua lực đẩy gián tiếp.

Các mô hình toán học và hàm hút/đẩy trong tài liệu tham khảo

Các nghiên cứu về ổn định bầy đàn thường mô tả chuyển động của cá thể thứ $i$ ($i = 1, \dots, N$) dưới dạng mô hình động học chất điểm: $$\dot{p}i = \sum{j=1, j \neq i}^N g(p_i - p_j)$$ hoặc mô hình có xét đến ma trận tương tác $W = [w_{ij}]$ và bán kính quan sát $r$: $$\dot{p}i = \sum{j \in N_i} w_{ij} g(p_i - p_j)$$

Các dạng hàm hút/đẩy giải tích tường minh $g(\cdot)$ được các tác giả trước đây công bố gồm:

  1. Veysel Gazi và Kevin M. Passino [57], Liangshun Wang và Huajing Fang [38]: $$g(y) = -y \left( a - b e^{-\frac{|y|^2}{c}} \right)$$ với $a, b, c > 0$ và $b > a$. Lực triệt tiêu ($g(y) = 0$) tại khoảng cách cân bằng $|y| = \sqrt{c \ln(b/a)}$.
  2. Wei Li [59]: $$g(y) = -y \left[ g_a(|y|) - g_r(|y|) \right]$$ kết hợp thành phần hút tuyến tính ở khoảng cách xa và thành phần đẩy phi tuyến ở khoảng cách gần.
  3. Tài liệu [73]: $$g(y) = -y \left( a - \frac{b}{|y|^2} \right)$$ với các tham số $a, b > 0$.
  4. Tài liệu [44]: $$g(y) = -y \left( a - \frac{r}{|y|} \right)$$
  5. Mô hình động lực học (tích phân kép) [7], [26], [65]: $$\dot{p}_i = v_i, \quad m_i \dot{v}_i = f_i$$ trong đó đầu vào điều khiển $f_i$ được tổng hợp từ lực tương tác với cá thể dẫn đầu, láng giềng và chướng ngại vật.

Khoảng trống nghiên cứu luận án lựa chọn giải quyết

Các công trình trên đều sử dụng các hàm toán học giải tích tường minh định sẵn. Mặc dù chứng minh được tính ổn định toán học, các hàm tường minh này mang tính áp đặt cơ học, không mô tả hết tính chất mềm dẻo và mơ hồ của các hệ thống sinh học tự nhiên, đồng thời khó tùy biến khi chuyển đổi giữa các môi trường làm việc khác nhau. Luận án lựa chọn giải quyết vấn đề này bằng cách:

  • Thay thế các hàm tường minh bằng một bộ suy luận mờ Mamdani có cấu trúc SISO để tính toán lực tương tác $f(|p_i - p_j| - R)$.
  • Khảo sát và chứng minh chặt chẽ điều kiện ổn định hội tụ của hệ bầy đàn khi áp dụng hàm mờ này thông qua lý thuyết hàm thế năng Lyapunov.
  • Giải quyết bài toán đa nhiệm bằng kỹ thuật không gian Null, khắc phục nhược điểm cạnh tranh cứng của kiến trúc phân cấp Subsumption (Brooks [50]) và nhược điểm triệt tiêu vector khi xung đột của phương pháp hợp nhất lệnh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết

  1. Lý thuyết Logic mờ (Fuzzy Logic):
    • Được L.A. Zadeh công bố năm 1965 tại Đại học California, Berkeley; Ebrahim Mamdani ứng dụng điều khiển động cơ hơi nước năm 1970 tại Đại học Queen Mary (London).
    • Sử dụng các tập mờ có hàm thuộc $\mu_A(x) \in [0, 1]$ để xử lý các dữ liệu không chắc chắn, phi tuyến.
    • Cấu trúc bộ điều khiển mờ bao gồm: Giao diện đầu vào (mờ hóa - Fuzzification), Thiết bị hợp thành (triển khai các luật hợp thành IF... THEN...), và Giao diện đầu ra (giải mờ - Defuzzification theo phương pháp trọng tâm / trung bình trọng số).
  2. Phương pháp ổn định Lyapunov:
    • Sử dụng các hàm thế năng vô hướng xác định dương $V_i = \frac{1}{2} |e_i|^2$ và hàm Lyapunov toàn cục $V = \sum_{i=1}^N V_i$.
    • Chứng minh đạo hàm theo thời gian $\dot{V} \le 0$ ngoài một tập compact giới hạn để xác định vùng hội tụ ổn định của bầy.
  3. Kỹ thuật điều khiển hành vi không gian Null (Null-Space-Based Behavioral Control):
    • Chia nhiệm vụ tổng thể thành các nhiệm vụ thành phần có thứ tự ưu tiên xác định.
    • Sử dụng ma trận Jacobian $J(p_i)$ và ma trận giả nghịch đảo Moore-Penrose $J^+$ để tính toán ma trận chiếu trực giao vào không gian Null: $$N_J = I - J^+ J$$
    • Vector vận tốc của nhiệm vụ có mức ưu tiên thấp hơn được chiếu vào không gian Null của nhiệm vụ có mức ưu tiên cao hơn, đảm bảo nhiệm vụ phụ không làm ảnh hưởng đến nhiệm vụ chính.

Phương pháp nghiên cứu thực tế

  • Phương pháp giải tích và mô hình hóa toán học: Thiết lập hệ phương trình vi phân mô tả chuyển động của $N$ chất điểm trong không gian Euclide $n$ chiều; xây dựng quan hệ vào - ra tuyến tính hóa từng đoạn cho bộ suy luận mờ; dẫn giải các bất đẳng thức Lyapunov để xác định bán kính hội tụ $\rho$.
  • Phương pháp mô phỏng số: Thiết lập thuật toán, cài đặt các hàm mờ, ma trận Laplace mạng truyền thông và phương trình động học trên phần mềm Matlab để kiểm nghiệm tính đúng đắn của các định lý toán học.
  • Phương pháp thực nghiệm kiểm chứng: Thử nghiệm giải thuật điều khiển trên tập hợp các robot vật lý trong không gian phòng thí nghiệm nhằm đánh giá khả năng thực thi thời gian thực của thuật toán.

Dữ liệu và tham số thiết kế bộ mờ

  • Biến đầu vào: Sai lệch khoảng cách giữa hai robot $\tilde{u} = |p_i - p_j| - R$, với $R$ là khoảng cách an toàn mong muốn. Miền xác định của biến vào được giới hạn trong đoạn $[\alpha_b, \beta_b] \subset \mathbb{R}$ và được chia thành $2N_f + 1$ tập mờ $B_k$.
  • Biến đầu ra: Lực tương tác $A = f(\tilde{u})$, miền giá trị nằm trong khoảng $[\alpha_a, \beta_a]$, được chia thành $2N_f + 1$ tập mờ $A_k$ với trọng tâm tương ứng $y_k$.
  • Luật mờ và giải mờ: Hệ $2N_f + 1$ luật dạng IF u IS Bk THEN A IS Ak. Giải mờ theo phương pháp trung bình trọng số: $$f(\tilde{u}) = \frac{\sum_{k=1}^{2N_f+1} y_k \mu_{B_k}(\tilde{u})}{\sum_{k=1}^{2N_f+1} \mu_{B_k}(\tilde{u})}$$
  • Đặc tính giới hạn: Hàm lực mờ $f(\tilde{u})$ thỏa mãn tính chất: là hàm hút ($f > 0$) khi $\tilde{u} > 0$ (khoảng cách thực tế lớn hơn $R$); là hàm đẩy ($f < 0$) khi $\tilde{u} < 0$ (khoảng cách thực tế nhỏ hơn $R$); triệt tiêu ($f = 0$) khi $\tilde{u} = 0$. Giới hạn lực đẩy nằm trong đoạn $[d_a, d_r]$ và giới hạn lực hút nằm trong đoạn $[a_a, a_r]$.

Nội dung chính theo từng chương

Chương 1: Tổng quan về ổn định robot bầy đàn

Chương 1 trình bày bức tranh toàn cảnh về lĩnh vực robot bầy đàn, xuất phát từ các hiện tượng sinh học tự nhiên đến các mô hình kỹ thuật. Tác giả phân tích 6 đặc trưng cơ bản của hệ thống robot bầy đàn:

  1. Hiệu quả tính toán: Năng lực xử lý phân tán trên từng bộ vi xử lý của mỗi cá thể.
  2. Tính bền vững: Hệ thống tiếp tục vận hành bình thường ngay cả khi một số cá thể gặp sự cố hỏng hóc hoặc môi trường biến động.
  3. Tính linh hoạt: Khả năng tự chuyển đổi hành vi để thích ứng với các yêu cầu nhiệm vụ mới.
  4. Khả năng mở rộng: Dễ dàng thêm hoặc bớt số lượng cá thể mà không cần tái lập trình toàn bộ hệ thống.
  5. Tự tổ chức: Cơ chế hoạt động bình đẳng phi tập trung, không phụ thuộc vào một cá thể chỉ huy cố định.
  6. Chi phí thấp: Cấu trúc phần cứng cơ khí đơn giản, thích hợp sản xuất hàng loạt.

Chương này tổng kết chi tiết các hướng nghiên cứu về tụ bầy, tìm kiếm - hội tụ, vận chuyển tập thể và tìm kiếm thức ăn. Tác giả phân tích các mô hình động học chất điểm cơ bản (Gazi - Passino), mô hình có tính đến ma trận tương tác $W$ (Wang - Fang), mô hình có nhiễu môi trường, và mô hình động lực học tích phân kép ($\ddot{p}_i = f_i/m$).

Chương 1 chỉ ra hạn chế của các hàm hút/đẩy giải tích tường minh hiện có và đặt bài toán sử dụng logic mờ để xấp xỉ lực tương tác, đồng thời định hướng kết hợp nguyên lý không gian Null cho bài toán điều khiển đa nhiệm.

Chương 2: Phân tích ổn định robot bầy đàn sử dụng hàm hút/đẩy mờ

Chương 2 tập trung vào việc thiết kế bộ suy luận mờ Mamdani SISO để tính toán hàm hút/đẩy $g(p_i - p_j) = -\frac{p_i - p_j}{|p_i - p_j|} f(|p_i - p_j| - R)$ và thực hiện các chứng minh giải tích về độ ổn định bầy đàn theo tiêu chuẩn Lyapunov.

1. Khảo sát tâm bầy: Tâm bầy được định nghĩa là $\bar{p} = \frac{1}{N} \sum_{i=1}^N p_i$. Tác giả chứng minh rằng đối với cả mô hình cơ bản và mô hình có ma trận truyền thông Laplace đối xứng, đạo hàm theo thời gian của tâm bầy luôn thỏa mãn: $$\dot{\bar{p}} = 0 \quad \forall t$$ Điều này khẳng định tâm của bầy đàn là một đại lượng bất biến (đứng yên) theo thời gian trong môi trường thuần nhất không có ngoại lực tác động.

2. Phát biểu và chứng minh Định lý 1 (Mô hình cơ bản):

  • Mô hình: $\dot{p}i = \sum{j=1, j \neq i}^N g(p_i - p_j)$.
  • Nội dung định lý: Với hàm hút/đẩy mờ thỏa mãn các điều kiện biên $[d_a, d_r]$ và $[a_a, a_r]$, tất cả các cá thể robot trong bầy sẽ hội tụ theo thời gian vào trong một vùng giới hạn bao quanh tâm bầy: $$\Omega_1 = \left{ p : \sum_{i=1}^N |p_i - \bar{p}|^2 \le \rho_1^2 \right}$$ với bán kính hội tụ tính toán được xác định chính xác bởi: $$\rho_1 = \frac{N d_a + d_r}{\sqrt{N - 1} \cdot a_a}$$
  • Quy luật rút ra: Tăng lực đẩy lớn nhất ($d_r$) làm tăng bán kính hội tụ (bầy giãn rộng); tăng lực hút nhỏ nhất ($a_a$) làm giảm bán kính hội tụ (bầy co cụm chặt chẽ hơn); số lượng cá thể $N$ tăng lên làm giảm biên giới hạn sai lệch trên mỗi cá thể.

3. Phát biểu và chứng minh Định lý 2 (Mô hình có hệ số tương tác truyền thông):

  • Mô hình: $\dot{p}i = \sum{j=1, j \neq i}^N w_{ij} g(p_i - p_j)$, với $W = [w_{ij}]$ là ma trận tương tác đối xứng và $L$ là ma trận Laplace tương ứng ($L = D - W$).
  • Nội dung định lý: Tất cả các cá thể robot sẽ hội tụ và duy trì trong vùng không gian giới hạn: $$\Omega_2 = \left{ p : \sum_{i=1}^N |p_i - \bar{p}|^2 \le \rho_2^2 \right}$$ với bán kính hội tụ phụ thuộc vào phổ giá trị riêng của ma trận Laplace $L$: $$\rho_2 = \frac{\lambda_n(L) (N d_a + d_r)}{\lambda_2(L) \sqrt{N - 1} \cdot a_a}$$ trong đó $\lambda_2(L)$ là giá trị riêng nhỏ nhất khác 0 (độ kết nối đại số) và $\lambda_n(L)$ là giá trị riêng lớn nhất của ma trận $L$.

Chương 3: Điều khiển robot bầy đàn dựa trên nguyên lý điều khiển hành vi không gian Null và logic mờ

Chương 3 giải quyết bài toán điều khiển robot bầy đàn khi hoạt động trong môi trường có chướng ngại vật và cần di chuyển đến vị trí mục tiêu định trước.

1. Phân tích các cơ chế phối hợp hành vi: Tác giả phân tích hạn chế của hai cơ chế điều khiển kinh điển theo R. Brooks [50]:

  • Cơ chế phân xử (Arbitration - Kiến trúc Subsumption): Hành vi ưu tiên cao ghi đè hoàn toàn lên hành vi ưu tiên thấp, làm mất khả năng phối hợp đồng thời các mục tiêu không xung đột.
  • Cơ chế hợp nhất lệnh (Command Fusion): Tính tổng vector có trọng số giữa các hành vi, dẫn đến nguy cơ triệt tiêu lực khi các hành vi phát sinh yêu cầu đối nghịch nhau.

2. Ứng dụng kỹ thuật không gian Null (NSB): Luận án thiết lập cấu trúc phân cấp 3 nhiệm vụ với thứ tự ưu tiên giảm dần:

  1. Nhiệm vụ 1 (Ưu tiên cao nhất): Tránh va chạm vật cản (vận tốc $v_o$).
  2. Nhiệm vụ 2 (Ưu tiên trung bình): Di chuyển tới vị trí đích mong muốn (vận tốc $v_g$).
  3. Nhiệm vụ 3 (Ưu tiên thấp nhất): Duy trì cấu trúc liên kết bầy đàn bằng lực mờ (vận tốc $v_s$).

Phương trình tổng hợp vector vận tốc điều khiển của cá thể thứ $i$ được xác định theo công thức: $$v_i = v_o + N_o v_g + N_{og} v_s$$ trong đó:

  • $N_o = I - J_o^+ J_o$ là ma trận hình chiếu trực giao vào không gian Null của nhiệm vụ tránh vật cản.
  • $N_{og}$ là ma trận hình chiếu trực giao vào không gian Null chung của cả hai nhiệm vụ tránh vật cản và di chuyển tới đích.
  • $J_o, J_g$ là các ma trận Jacobian tương ứng; $J^+$ là ma trận giả nghịch đảo Moore-Penrose.

Cơ chế này đảm bảo nhiệm vụ duy trì bầy đàn và di chuyển tới đích chỉ được thực thi trên các bậc tự do không gây xung đột với nhiệm vụ an toàn tránh vật cản. Tính ổn định của toàn bộ hệ thống đa nhiệm tiếp tục được chứng minh bằng tiêu chuẩn Lyapunov.

Chương 4: Xây dựng mô hình tính toán lực hút/đẩy mờ và thực hiện mô phỏng hệ thống trên phần mềm Matlab để kiểm chứng các kết quả đã nghiên cứu ở chương 2 và chương 3

Chương 4 thiết lập các kịch bản tính toán và mô phỏng trên nền tảng Matlab:

  • Xây dựng sơ đồ khối tính toán hàm lực mờ SISO với các dạng hàm thuộc hình thang (trapmf) và hình tam giác (trimf).
  • Mô phỏng quá trình tụ bầy của nhóm robot từ các vị trí ngẫu nhiên ban đầu: Kết quả cho thấy các robot nhanh chóng thiết lập cự ly an toàn, không xảy ra va chạm và hội tụ chính xác vào bên trong hình cầu bán kính $\rho_1, \rho_2$ xung quanh tâm bầy bất biến.
  • Mô phỏng hệ thống đa nhiệm NSB: Bầy robot di chuyển theo đội hình hướng về đích, khi gặp các chướng ngại vật tĩnh trên đường đi, bầy tự động tách nhỏ linh hoạt để vượt qua vật cản nhờ ưu tiên của $v_o$, sau đó lực mờ $v_s$ trong không gian Null $N_{og}$ kéo các cá thể hợp nhất lại đội hình ban đầu và cùng tiến về đích.
  • Thử nghiệm trên mô hình robot thực nghiệm trong phòng thí nghiệm để khẳng định tính khả thi của giải thuật điều khiển.

Kết quả và những đóng góp mới

Những đóng góp mới về mặt lý luận và khoa học

  1. Đề xuất cấu trúc bộ logic mờ tính toán lực tương tác bầy đàn: Xây dựng thành công bộ suy luận mờ Mamdani SISO thay thế cho các hàm toán học giải tích tường minh kinh điển, tạo ra mô hình tương tác tự nhiên, linh hoạt và bao quát các dạng hàm trước đây như các trường hợp riêng.
  2. Phát biểu và chứng minh 2 định lý ổn định tụ bầy:
    • Định lý 1 cho mô hình động học chất điểm cơ bản, xác định tường minh bán kính hội tụ $\rho_1$ theo các thông số biên của bộ mờ và số lượng cá thể $N$.
    • Định lý 2 cho mô hình bầy đàn có ma trận tương tác truyền thông, chứng minh sự phụ thuộc của bán kính hội tụ $\rho_2$ vào các giá trị riêng $\lambda_2(L)$ và $\lambda_n(L)$ của ma trận Laplace mạng $L$.
  3. Phát biểu và chứng minh định lý ổn định cho hệ thống điều khiển đa nhiệm: Kết hợp thành công kỹ thuật điều khiển hành vi không gian Null với bộ lực tương tác mờ, chứng minh tính ổn định Lyapunov khi robot đồng thời thực hiện 3 nhiệm vụ: tránh vật cản, bám đích và duy trì liên kết nhóm.

Giá trị và đóng góp về mặt thực tiễn

  1. Cung cấp thuật toán điều khiển phân tán có khối lượng tính toán nhẹ, dễ cài đặt trên các vi điều khiển nhúng của robot bầy đàn đơn giản.
  2. Giải quyết hiệu quả sự xung đột giữa các hành vi cạnh tranh trong không gian thực tế có vật cản, đảm bảo bầy không bị vỡ nhóm và không xảy ra va chạm cơ học.
  3. Kiểm chứng toàn diện giải thuật thông qua mô phỏng số trên Matlab và thử nghiệm thực tế trên phần cứng robot phòng thí nghiệm.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

Dựa trên phạm vi nghiên cứu được tác giả xác định trong văn bản:

  • Mô hình toán học khảo sát chủ yếu dừng lại ở mô hình động học chất điểm (bỏ qua kích thước hình học và khối lượng động lực học bậc cao của robot).
  • Môi trường thử nghiệm bài toán đa nhiệm mới chỉ khảo sát với các chướng ngại vật tĩnh và đã biết trước tọa độ vị trí.
  • Phạm vi truyền thông và cảm nhận giữa các robot được giả thiết là lý tưởng, chưa khảo sát sâu hiện tượng trễ truyền thông lớn hoặc mất kết nối ngẫu nhiên trong môi trường thực tế phức tạp.

Hướng nghiên cứu tiếp

  • Mở rộng thuật toán cho mô hình động lực học tích phân kép có tính đến đầy đủ lực ma sát, quán tính và giới hạn gia tốc của động cơ chấp hành.
  • Nghiên cứu cơ chế tránh vật cản đối với các chướng ngại vật chuyển động (vật cản động) và môi trường hoàn toàn chưa biết trước thông qua cảm biến thời gian thực.
  • Tối ưu hóa các tham số của hàm thuộc và luật mờ bằng các thuật toán tối ưu tiến hóa hoặc thuật toán bầy đàn (PSO, GA) để nâng cao chất lượng đáp ứng quá độ.

Giá trị tham khảo

Luận án là tài liệu tham khảo hữu ích cho các nhóm đối tượng học thuật và kỹ thuật:

  • Nghiên cứu sinh và học viên cao học ngành Kỹ thuật Điều khiển và Tự động hóa, Khoa học Robot, Cơ điện tử: Cung cấp phương pháp luận chặt chẽ trong việc sử dụng tiêu chuẩn Lyapunov để chứng minh tính ổn định của các hệ thống mờ phi tuyến và hệ thống nhiều tác tử (Multi-Agent Systems).
  • Giảng viên và nhà nghiên cứu lý thuyết điều khiển: Có thể sử dụng Chương 2 và Chương 3 làm tài liệu giảng dạy chuyên đề về lý thuyết đồ thị ứng dụng trong điều khiển bầy đàn (ma trận Laplace) và kỹ thuật điều khiển không gian Null.
  • Kỹ sư phát triển hệ thống phương tiện tự hành (AGV, UAV bầy đàn): Cấu trúc phân cấp nhiệm vụ NSB và thuật toán lực hút/đẩy mờ có thể được chuyển giao trực tiếp vào việc lập trình điều khiển đội hình xe tự hành trong nhà kho thông minh hoặc thiết bị bay không người lái.

Câu hỏi thường gặp

1. Tại sao luận án lại sử dụng logic mờ để thay thế các hàm hút/đẩy giải tích tường minh?

Các hàm toán học tường minh trong các nghiên cứu trước (như của Gazi - Passino hay Wei Li) tuy giải được bài toán hội tụ nhưng mang tính gượng ép, thiếu cơ sở sinh học tự nhiên và khó thích ứng khi môi trường thay đổi. Logic mờ cho phép mô tả các quy luật ngôn ngữ trực quan ("ở xa thì hút mạnh, ở gần thì đẩy mạnh"), xử lý tốt các yếu tố phi tuyến, mờ ảo của dữ liệu cảm biến và bao quát các dạng hàm tường minh như những trường hợp riêng biệt.

2. Ý nghĩa của việc chứng minh đạo hàm tâm bầy bằng 0 ($\dot{\bar{p}} = 0$) là gì?

Phương trình $\dot{\bar{p}} = 0$ chứng minh rằng trong không gian thuần nhất không có ngoại lực, trọng tâm hình học của toàn bộ bầy robot luôn là một vị trí bất biến (đứng yên) theo thời gian. Toàn bộ quá trình co cụm, dãn nở hoặc hội tụ của các cá thể robot chỉ diễn ra xung quanh điểm tâm cố định này mà không làm trôi dạt toàn bầy.

3. Ma trận Laplace $L$ ảnh hưởng như thế nào đến bán kính hội tụ của bầy trong Định lý 2?

Bán kính hội tụ $\rho_2$ tỷ lệ thuận với giá trị riêng lớn nhất $\lambda_n(L)$ và tỷ lệ nghịch với giá trị riêng nhỏ nhất khác 0 là $\lambda_2(L)$ (độ kết nối đại số). Mạng truyền thông giữa các robot có tính liên kết càng mạnh và đồng đều thì tỷ số $\lambda_n / \lambda_2$ càng nhỏ, giúp bầy robot hội tụ về một phạm vi không gian hẹp và chặt chẽ hơn.

4. Thứ tự ưu tiên của các nhiệm vụ trong kỹ thuật không gian Null ở Chương 3 được sắp xếp như thế nào?

Luận án phân cấp 3 mức ưu tiên từ cao xuống thấp:

  1. Mức 1 (Cao nhất): Tránh va chạm vật cản ($v_o$).
  2. Mức 2 (Trung bình): Di chuyển đến vị trí đích ($v_g$).
  3. Mức 3 (Thấp nhất): Duy trì đội hình và khoảng cách an toàn giữa các cá thể bầy bằng lực mờ ($v_s$). Vận tốc $v_g$ được chiếu qua ma trận $N_o$, và $v_s$ được chiếu qua ma trận $N_{og}$, đảm bảo hành vi phụ không bao giờ gây ảnh hưởng tiêu cực đến hành vi an toàn tránh vật cản.

5. Bộ mờ tính toán lực hút/đẩy được thiết kế với cấu trúc gì và sử dụng phương pháp giải mờ nào?

Bộ mờ được thiết kế theo cấu trúc SISO (Single-Input Single-Output) kiểu Mamdani. Biến đầu vào là sai lệch khoảng cách $\tilde{u} = |p_i - p_j| - R$, biến đầu ra là giá trị lực tương tác $A$. Hệ thống gồm $2N_f + 1$ luật điều khiển IF... THEN... và sử dụng phương pháp giải mờ trung bình trọng số.

Kết luận

Luận án "Ổn định và điều khiển đa nhiệm hệ thống robot bầy đàn" đã giải quyết trọn vẹn bài toán xây dựng quy luật tương tác mềm dẻo giữa các cá thể robot dựa trên nền tảng logic mờ Mamdani SISO. Tác giả đã chứng minh thành công hai định lý ổn định tụ bầy theo tiêu chuẩn Lyapunov cho cả mô hình cơ bản và mô hình có xét đến ma trận Laplace của mạng truyền thông, xác định tường minh bán kính giới hạn hội tụ của bầy. Đồng thời, việc kết hợp kỹ thuật điều khiển hành vi không gian Null với lực tương tác mờ đã cung cấp một giải pháp hiệu quả cho bài toán điều khiển đa nhiệm (tránh vật cản, bám đích và duy trì cấu trúc nhóm). Toàn bộ các kết quả lý thuyết đã được kiểm chứng nhất quán thông qua mô phỏng trên phần mềm Matlab và thử nghiệm thực tế trên mô hình robot trong phòng thí nghiệm.