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" được thực hiện bởi nghiên cứu sinh Lê Minh Thành, chuyên ngành Kỹ thuật điều khiển và tự động hóa (Mã số: 9520216) 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.

Tính cấp thiết và khoảng trống nghiên cứu

Trong bối cảnh công nghiệp hiện đại, các đối tượng điều khiển trong thực tế phần lớn mang đặc tính phi tuyến cao, thông số thay đổi theo thời gian và chịu tác động của các yếu tố bất định cũng như nhiễu môi trường. Bộ điều khiển tỉ lệ - tích phân - vi phân (PID) truyền thống tuy được ứng dụng phổ biến nhờ cấu trúc đơn giản và độ tin cậy vận hành, nhưng việc hiệu chỉnh tham số cố định bằng phương pháp thử sai hoặc phương pháp Ziegler-Nichols gặp nhiều hạn chế khi áp dụng cho hệ thống nhiều ngõ vào - nhiều ngõ ra (MIMO) phi tuyến.

Khi đối tượng có sự thay đổi về tải trọng hoặc xuất hiện nhiễu, các giải thuật tối ưu hóa ngoại tuyến (offline) như giải thuật di truyền (GA) không thể cập nhật trực tiếp tham số mà bắt buộc phải chạy lại từ đầu để tìm nghiệm tối ưu mới. Mặt khác, các phương pháp điều khiển thích nghi sử dụng mạng nơ-ron mờ hồi quy (Recurrent Fuzzy Neural Network - RFNN) tuy có khả năng xấp xỉ hàm phi tuyến và cập nhật trực tuyến, song hiệu quả điều khiển lại phụ thuộc chặt chẽ vào việc chọn bộ tham số khởi tạo ban đầu. Việc chọn sai tham số khởi tạo dẫn đến tốc độ hội tụ chậm và kéo dài quá trình quá độ.

Xuất phát từ các hạn chế trên, luận án đặt ra yêu cầu kết hợp giữa bộ điều khiển PID kinh điển (đóng vai trò cung cấp năng lượng điều khiển chủ đạo ban đầu) và mạng nơ-ron mờ hồi quy (đóng vai trò điều khiển giám sát, bù trừ sai số trực tuyến) nhằm nâng cao chất lượng bám quỹ đạo của hệ phi tuyến mà không đòi hỏi phải tái chỉnh định thông số PID khi hệ thống thay đổi.

Câu hỏi khoa học và mục tiêu nghiên cứu

Luận điểm khoa học của luận án tập trung giải quyết 02 câu hỏi chính:

  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?

Từ các câu hỏi khoa học trên, mục tiêu nghiên cứu được xác định cụ thể:

  • Mục tiêu tổng quát: Xây dựng giải thuật điều khiển thông minh sử dụng mạng nơ-ron mờ hồi quy để kiểm soát đối tượng phi tuyến, minh họa cụ thể qua 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:
    1. Xây dựng mô hình động học thuận, động học ngược và mô hình động lực học của hệ phi tuyến MIMO là robot Delta 3-DOF không gian 3RUS.
    2. Thiết kế và kiểm chứng các bộ điều khiển FUZZY-PID và GA-PID nhằm làm cơ sở so sánh, đánh giá chất lượng điều khiển.
    3. Xây dựng bộ điều khiển PID thích nghi đơn nơ-ron dựa trên bộ nhận dạng mạng nơ-ron mờ hồi quy (SNA-PID).
    4. Đề xuất cấu trúc điều khiển giám sát (Supervisory Control) kết hợp giữa bộ điều khiển mạng nơ-ron mờ hồi quy (RFNNC) và PID, tích hợp bộ nhận dạng mạng nơ-ron mờ hồi quy (RFNNI) để ước lượng thông tin ma trận Jacobian phục vụ thuật toán học trực tuyến bằng phương pháp Gradient Descent.
    5. Thiết kế, chế tạo hoàn chỉnh mô hình cơ khí và tủ điện điều khiển robot Delta 3-DOF, thực nghiệm điều khiển bám quỹ đạo thời gian thực thông qua bộ xử lý tín hiệu số DSP TMS320F28379D và kiểm chứng bổ sung trên hệ ổn định lưu lượng chất lỏng RT020.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Hệ thống phi tuyến MIMO được mô tả toán học bằng phương trình trạng thái phi tuyến, cụ thể là mô hình robot song song Delta 3 bậc tự do (3-DOF) không gian 3RUS và đối tượng phi tuyến SISO là hệ thống ổn định lưu lượng chất lỏng RT020 của hãng Gunt-Hamburg.
  • Phạm vi nghiên cứu:
    • Về mặt lý thuyết: Tập trung nghiên cứu phương pháp mô tả toán học động lực học giải tích bằng phương trình Lagrange loại 2 dạng nhân tử cho robot Delta; cấu trúc mạng nơ-ron mờ hồi quy 4 lớp và giải thuật tối ưu hóa trọng số Gradient Descent.
    • Về mặt ứng dụng: Giải thuật điều khiển đề xuất áp dụng phù hợp cho các đối tượng phi tuyến không yêu cầu thời gian trễ quá nghiêm ngặt do quá trình tính toán cập nhật trực tuyến trọng số mạng nơ-ron đòi hỏi thời gian xử lý chu kỳ lấy mẫu.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu liên quan

Trong phần tổng quan tài liệu, tác giả hệ thống hóa các công trình nghiên cứu trong và ngoài nước theo các nhóm phương pháp:

  1. Điều khiển kinh điển và tối ưu hóa tham số PID:

    • Ziegler và Nichols (1942) với phương pháp chỉnh định thông số PID kinh điển dựa trên đặc tính đáp ứng bước hoặc dao động tới hạn.
    • J. Holland cùng các nghiên cứu ứng dụng giải thuật di truyền (GA) để tìm kiếm bộ thông số $K_p, K_i, K_d$ tối ưu toàn cục. Các công trình công bố cho thấy GA-PID đạt độ ổn định tiệm cận tốt nhưng mang tính chất tính toán ngoại tuyến (offline), không thích ứng kịp khi tải trọng thay đổi hoặc khi có nhiễu tác động.

  2. Điều khiển logic mờ (Fuzzy Logic Control):

    • L. Zadeh (1965) đặt nền móng cho lý thuyết tập mờ và giải thuật suy diễn mờ.
    • Các nghiên cứu kết hợp FUZZY-PID (chỉnh định mờ tham số PID trực tuyến theo sai lệch $e(t)$ và đạo hàm sai lệch $de(t)$) giúp giảm hiện tượng vọt lố nhưng khả năng bù trừ sai số khi biến thiên thông số lớn vẫn còn hạn chế.

  3. Điều khiển mạng nơ-ron nhân tạo và mạng nơ-ron mờ hồi quy:

    • Các cấu trúc mạng nơ-ron truyền thẳng (Feedforward Neural Networks), mạng hàm cơ sở xuyên tâm (RBF) và mạng nơ-ron hồi quy (RNN).
    • Reza Jafari và Rached Dhaouadi (2011) sử dụng mạng nơ-ron hồi quy RNN để nhận dạng hệ phi tuyến và ước lượng thông tin Jacobian phục vụ việc cập nhật trọng số cho nơ-ron PID trực tuyến.
    • Tại Việt Nam: Nguyễn Chí Ngôn và cộng sự (2011) ứng dụng mạng nơ-ron mờ hồi quy RFNN trong nhận dạng và điều khiển đối tượng phi tuyến, khai thác thông tin Jacobian để cập nhật trọng số nơ-ron thích nghi; Phạm Hữu Đức Dục và Nguyễn Công Hiền nghiên cứu điều khiển thích nghi nơ-ron mờ cho động cơ một chiều; Huỳnh Thế Hiển, Huỳnh Minh Vũ và Nguyễn Hoàng Dũng nghiên cứu PID dựa trên mạng RBF cho cánh tay robot; Võ Lâm Chương và Lê Hoài Quốc phát triển điều khiển robot tự hành.

  4. Mô hình hóa động học và động lực học robot song song:

    • Murray, Nakamura nghiên cứu động lực học robot song song và bài toán sử dụng tọa độ dư dẫn động.
    • Nguyễn Văn Khang thiết lập phương trình chuyển động của hệ nhiều vật có cấu trúc mạch vòng kín bằng phương pháp Lagrange loại 2 dạng nhân tử và phương pháp tách cấu trúc.

Khoảng trống nghiên cứu luận án giải quyết

Mặc dù mạng nơ-ron mờ hồi quy đã được chứng minh hiệu quả trong việc xấp xỉ hệ phi tuyến, phần lớn các công trình trước đây chỉ dừng lại ở kết quả mô phỏng số hoặc sử dụng cấu trúc thích nghi hoàn toàn đơn lẻ, khiến đáp ứng phụ thuộc lớn vào việc khởi tạo trọng số ban đầu. Luận án giải quyết khoảng trống này bằng cách:

  • Thiết lập cấu trúc điều khiển giám sát RFNNC-PID kết hợp bộ nhận dạng trực tuyến RFNNI. Cấu trúc này vừa tận dụng tín hiệu điều khiển cơ bản từ PID để khởi động hệ thống nhanh chóng, vừa dùng mạng RFNNC để bù sai số phi tuyến theo thời gian thực dựa trên độ nhạy Jacobian được ước lượng bởi RFNNI.
  • Hiện thực hóa và kiểm chứng giải thuật thông qua thực nghiệm phần cứng hoàn chỉnh trên mô hình cơ khí robot Delta 3-DOF và hệ thống thiết bị công nghiệp RT020.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

  1. Mô hình hóa động lực học robot Delta 3-DOF (Cấu trúc không gian 3RUS): Robot Delta gồm bàn máy cố định, bàn máy động và 3 chuỗi động học kết nối. Để giải bài toán động lực học hệ nhiều vật mạch vòng kín, luận án lựa chọn mô hình động lực học dạng 2 (thay thế khâu hình bình hành bằng thanh có khối lượng tập trung ở hai đầu tại khớp Cardan $B_i$ và khớp cầu $D_i$, mỗi chất điểm có khối lượng $m_b$).

    Véc-tơ tọa độ suy rộng dư được xác định trong không gian 6 chiều: $$s = [\theta_1, \theta_2, \theta_3, x_P, y_P, z_P]^T$$ Trong đó: $\theta_1, \theta_2, \theta_3$ là góc quay của ba cánh tay đòn trên; $x_P, y_P, z_P$ là tọa độ vị trí tâm bàn máy động $P$.

    Phương trình vi phân chuyển động được thiết lập thông qua phương trình Lagrange loại 2 dạng nhân tử với 3 phương trình liên kết hình học $f_1, f_2, f_3 = 0$: $$\frac{d}{dt}\left(\frac{\partial T}{\partial \dot{q}k}\right) - \frac{\partial T}{\partial q_k} = Q_k - \sum{i=1}^{r} \lambda_i \frac{\partial f_i}{\partial q_k}$$ Dạng ma trận tổng quát của hệ thống: $$M(s)\ddot{s} + g(s) + T_s^T(s)\lambda = \tau$$ $$f(s) = 0$$ Trong đó $M(s)$ là ma trận khối lượng/quán tính, $g(s)$ là véc-tơ trọng lực, $T_s(s)$ là ma trận Jacobi của các phương trình liên kết, $\lambda = [\lambda_1, \lambda_2, \lambda_3]^T$ là véc-tơ nhân tử Lagrange, và $\tau = [\tau_1, \tau_2, \tau_3, 0, 0, 0]^T$ là véc-tơ mô-men tác động tại các khớp chủ động.

  2. Cấu trúc mạng nơ-ron mờ hồi quy (RFNN): Mạng RFNN được xây dựng gồm 4 lớp:

    • Lớp 1 (Lớp ngõ vào): Tiếp nhận các tín hiệu vào (sai số và đạo hàm sai số hoặc tín hiệu điều khiển và đáp ứng ngõ ra).
    • Lớp 2 (Lớp mờ hóa / Hàm thành viên): Sử dụng hàm Gauss tích hợp liên kết hồi quy cục bộ để lưu trữ trạng thái quá khứ: $$\mu_{ij}(x_i) = \exp\left(-\frac{(x_i + \theta_{ij} \cdot y_{ij}(t-1) - c_{ij})^2}{\sigma_{ij}^2}\right)$$ với $c_{ij}$ là tâm, $\sigma_{ij}$ là độ rộng và $\theta_{ij}$ là trọng số hồi quy.
    • Lớp 3 (Lớp luật mờ): Thực hiện phép nhân đại số để xác định mức kích hoạt của từng luật mờ.
    • Lớp 4 (Lớp ngõ ra / Giải mờ): Tính toán tổng trọng số các tín hiệu ngõ ra để đưa ra giá trị xấp xỉ liên tục.

  3. Thuật toán học trực tuyến Gradient Descent: Bộ nhận dạng RFNNI ước lượng đáp ứng ngõ ra $\hat{y}$ và tính toán gradient nhạy $\frac{\partial y}{\partial u} \approx \frac{\partial \hat{y}}{\partial u}$ (thông tin ma trận Jacobian). Dựa vào thông tin Jacobian này, thuật toán Gradient Descent sẽ tự động cập nhật trực tuyến các trọng số kết nối, tâm và độ rộng của mạng RFNNC nhằm cực tiểu hóa hàm mục tiêu sai số năng lượng $E = \frac{1}{2}(y_d - y)^2$.

Phương pháp nghiên cứu và công cụ thực hiện

Luận án kết hợp đồng thời phương pháp phân tích giải tích, mô phỏng số và thực nghiệm kiểm chứng:

  • Thiết kế cơ khí và mô phỏng: Sử dụng phần mềm SolidWorks và CorelDRAW để tính toán kích thước hình học, mô men quán tính và xuất bản vẽ gia công cắt CNC các chi tiết.
  • Thiết kế phần cứng điện tử: Sử dụng phần mềm Proteus để thiết kế sơ đồ nguyên lý mạch in (PCB), layout mạch giao tiếp vi điều khiển, khối cách ly quang và khối hạ áp.
  • Mô phỏng giải thuật: Toàn bộ thuật toán FUZZY-PID, GA-PID, SNA-PID và Supervisory RFNN-PID được xây dựng và mô phỏng trên nền tảng MATLAB/Simulink.
  • Thực nghiệm thời gian thực: Lập trình nhúng điều khiển thông qua bộ xử lý tín hiệu số DSP C2000 TMS320F28379D của hãng Texas Instruments, sử dụng các khối chức năng ePWM để xuất xung điều khiển và eQEP để đọc tín hiệu encoder từ các driver động cơ servo Yaskawa Sigma II. Dữ liệu truyền thông giữa máy tính giám sát và mạch điều khiển được thực hiện thông qua giao thức UART.

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 này tập trung vào bài toán mô hình hóa toán học robot Delta 3-DOF không gian 3RUS và thiết kế, mô phỏng so sánh 3 bộ điều khiển: FUZZY-PID, GA-PID và PID thích nghi dựa trên mạng nơ-ron mờ hồi quy (SNA-PID).

1. Mô hình hóa và thông số hình học robot Delta 3-DOF

Tác giả thiết lập hệ phương trình vi phân - đại số mô tả chuyển động của robot dựa trên phương pháp Lagrange dạng nhân tử. Các thông số kỹ thuật thực tế của mô hình robot Delta được xác định từ bản vẽ thiết kế:

Thông số Ký hiệu Giá trị Đơn vị
Khối lượng cánh tay trên ($i=1,2,3$) $m_{1_1}, m_{1_2}, m_{1_3}$ 0,38 kg
Khối lượng cánh tay dưới ($i=1,2,3$) $m_{2_1}, m_{2_2}, m_{2_3}$ 0,22 kg
Khối lượng bàn máy di động $m_p$ 0,70 kg
Bán kính tấm nền cố định / di động $R / r$ 120 / 30 mm
Chiều dài cánh tay đòn trên / dưới $L_1 / L_2$ 200 / 460 mm
Mô men quán tính cánh tay trên $I_{iy}$ 0,004 $\text{kg}\cdot\text{m}^2$
Vị trí ban đầu bàn máy động $P$ $[x_{0P}, y_{0P}, z_{0P}]$ $[0; 0; -0,42]$ m

2. Thiết kế và đánh giá bộ điều khiển FUZZY-PID

Bộ điều khiển FUZZY-PID sử dụng mô hình mờ Mamdani với 2 ngõ vào là sai lệch $e(t)$ và đạo hàm sai lệch $de(t)$, 3 ngõ ra là các giá trị hiệu chỉnh $\Delta K_p, \Delta K_i, \Delta K_d$. Mỗi biến ngôn ngữ được chia thành 7 tập mờ: ${NB, NM, NS, ZO, PS, PM, PB}$, hình thành bảng luật hợp thành gồm 49 luật.

Tham số khởi tạo PID ban đầu được chọn: $$K_P = \text{diag}(800, 800, 800), \quad K_I = \text{diag}(150, 150, 150), \quad K_D = \text{diag}(100, 100, 100)$$ Các hệ số tỉ lệ tiền/hậu xử lý mờ: $$K_e = \text{diag}(30, 30, 30), \quad K_{et} = \text{diag}(1, 1, 1), \quad k_1 = \text{diag}(1, 1, 1), \quad k_2 = \text{diag}(50, 50, 50), \quad k_3 = \text{diag}(1, 1, 1)$$

Kết quả mô phỏng kiểm chứng trên nhiều dạng quỹ đạo phức tạp trong không gian 3D:

  • Quỹ đạo đường tròn
  • Quỹ đạo đường cong hình số 8
  • Quỹ đạo đường Astroid
  • Quỹ đạo đường Hypocycloid

Khi kiểm tra tính bền vững bằng cách tăng tải trọng tại bàn máy động thêm $1,5\text{ kg}$, bộ điều khiển FUZZY-PID duy trì được khả năng bám quỹ đạo nhưng bắt đầu xuất hiện độ lệch biên độ tại các điểm chuyển hướng gắt.

3. Thiết kế và đánh giá bộ điều khiển GA-PID

Giải thuật di truyền GA được áp dụng để tìm kiếm bộ ba tham số $K_p, K_i, K_d$ tối ưu tĩnh nhằm cực tiểu hóa hàm mục tiêu sai số tích phân tuyệt đối (IAE). Mặc dù GA-PID cho đáp ứng bám quỹ đạo tốt ở trạng thái danh định, nhưng khi thay đổi tải trọng thêm $0,9\text{ kg}$, bộ tham số tối ưu offline cố định không còn thích ứng tối ưu, làm gia tăng sai số bám.

4. Thiết kế bộ điều khiển SNA-PID

Bộ điều khiển Single Neural Adaptive PID (SNA-PID) sử dụng một nơ-ron thích nghi với các trọng số được điều chỉnh trực tuyến thông qua giải thuật Gradient Descent, kết hợp bộ nhận dạng RFNNI để cung cấp thông tin độ nhạy Jacobian. Kết quả so sánh cho thấy SNA-PID khắc phục được nhược điểm của GA-PID và FUZZY-PID, triệt tiêu sai số xác lập và cải thiện rõ rệt thời gian quá độ khi đối tượng chịu tải trọng biến thiên.

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 thuật trọng tâm của luận án: Cấu trúc điều khiển giám sát (Supervisory Control) kết hợp giữa mạng nơ-ron mờ hồi quy (RFNNC) và bộ điều khiển PID, được hỗ trợ bởi bộ nhận dạng mạng nơ-ron mờ hồi quy (RFNNI).

1. Cấu trúc nguyên lý điều khiển giám sát

Trong cấu trúc đề xuất:

  • Bộ điều khiển PID: Đảm nhiệm vai trò phát tín hiệu điều khiển chính mang năng lượng lớn ban đầu, giữ cho hệ thống hoạt động ổn định trong miền lân cận điểm làm việc danh định.
  • Bộ điều khiển RFNNC: Đóng vai trò giám sát, tự động sinh tín hiệu điều khiển bù $u_c(t)$ để triệt tiêu các thành phần phi tuyến chưa mô hình hóa, bù trừ ảnh hưởng của ma sát và biến thiên tải trọng.
  • Bộ nhận dạng RFNNI: Nhận tín hiệu ngõ vào $u(t)$ và ngõ ra $y(t)$ của robot để nhận dạng mô hình động học trực tuyến, từ đó tính toán đạo hàm riêng $\frac{\partial y}{\partial u}$ cung cấp cho thuật toán Gradient Descent cập nhật tức thời các trọng số của RFNNC.

2. Kết quả mô phỏng và đánh giá so sánh

Các kịch bản mô phỏng được thực hiện trên MATLAB/Simulink cho robot Delta 3-DOF bám theo quỹ đạo đường tròn và đường hình số 8 trong hai trường hợp:

  1. Trạng thái danh định (tải trọng chuẩn).
  2. Trạng thái thay đổi thông số động học: Tăng khối lượng bàn máy động $m_p$ từ $0,7\text{ kg}$ lên $4,5\text{ kg}$.

Kết quả so sánh giữa 3 bộ điều khiển (PID truyền thống, PID thích nghi đơn nơ-ron SNA-PID và Điều khiển giám sát RFNN-PID) cho thấy:

  • Bộ điều khiển PID truyền thống có độ vọt lố lớn và sai số bám tăng cao khi mang tải nặng.
  • Bộ điều khiển SNA-PID giảm được sai số nhưng quá trình quá độ ban đầu còn dao động do tốc độ học của đơn nơ-ron.
  • Bộ điều khiển giám sát RFNN-PID đạt chất lượng cao nhất: Quỹ đạo ngõ ra bám sát quỹ đạo đặt, triệt tiêu hiện tượng rung lắc (chattering), đáp ứng góc $\theta_1, \theta_2, \theta_3$ mượt mà, sai số bám nhanh chóng tiến về 0 và duy trì tính bền vững cao khi tải trọng tăng đột ngột.

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

Chương 3 trình bày toàn bộ quy trình thiết kế, chế tạo phần cứng và kết quả thực nghiệm thời gian thực của các thuật toán điều khiển trên hai hệ thống vật lý.

1. Thiết kế và chế tạo phần cứng robot Delta 3-DOF

Tác giả đã trải qua quá trình nghiên cứu và chế tạo 3 phiên bản robot Delta:

  • Kết cấu cơ khí (Phiên bản 3 hoàn thiện):
    • Tấm nền cố định và tấm nền di động được gia công từ nhôm tấm định hình, cắt phay CNC chính xác.
    • Cánh tay đòn trên được gia công bằng nhôm nguyên khối gắn trục động cơ.
    • Cánh tay đòn dưới sử dụng ống sợi carbon (Carbon Fiber Tube) nhằm giảm thiểu trọng lượng và quán tính chuyển động nhưng vẫn đảm bảo độ bền uốn.
    • Các liên kết sử dụng hệ thống khớp Cardan và khớp cầu kim loại góc xoay rộng.
  • Hệ thống truyền động và tủ điện điều khiển:
    • 03 động cơ AC Servo kèm bộ điều khiển Driver Yaskawa Sigma II (vận hành ở chế độ điều khiển vị trí/tốc độ).
    • Khối xử lý trung tâm sử dụng kit vi điều khiển DSP C2000 TMS320F28379D của Texas Instruments (Dual-Core 200 MHz).
    • Module chuyển mức tín hiệu logic 2 kênh SN74LVC245A, mạch cách ly quang Opto TLP281 chống nhiễu công nghiệp, các mạch ổn áp nguồn xung LM2596-3A và AMS1117.

2. Kết quả thực nghiệm trên robot Delta 3-DOF

Các thuật toán được nhúng và thực nghiệm điều khiển bám quỹ đạo thời gian thực:

  • Quỹ đạo đường tròn: Robot thực hiện chuyển động bám theo đường tròn tham chiếu đặt trước. Các góc quay khớp $\theta_1, \theta_2, \theta_3$ bám tốt tín hiệu góc tính toán từ động học ngược. Quỹ đạo thực tế bám sát quỹ đạo đặt với dải sai số vị trí ghi nhận nằm trong giới hạn khoảng $[-1,0; 1,0]\text{ mm}$.
  • Quỹ đạo đường cong hình số 8: Robot di chuyển theo quỹ đạo số 8 phức tạp có sự đảo chiều chuyển động liên tục. Tín hiệu phản hồi từ encoder cho thấy các khớp phản ứng chính xác, không xuất hiện hiện tượng mất bước hay trễ pha lớn.

Tuy nhiên, do giới hạn về độ cứng vững cơ khí của khung tự chế tạo và khe hở cơ khí tại các khớp cầu, đầu công tác (tấm di động) vẫn xuất hiện hiện tượng rung nhẹ khi vận hành ở tốc độ cao.

3. Thực nghiệm giải thuật trên hệ ổn định lưu lượng chất lỏng RT020

Để kiểm chứng tính tổng quát của giải thuật điều khiển giám sát RFNN-PID trên một hệ thống công nghiệp chuẩn mà không bị ảnh hưởng bởi dung sai cơ khí chế tạo, tác giả tiến hành thực nghiệm trên mô hình thiết bị kiểm soát lưu lượng chất lỏng RT020 của hãng Gunt-Hamburg (Đức).

Kết quả thực nghiệm trên hệ SISO RT020:

  • Hệ thống đạt chất lượng ổn định lưu lượng vượt trội so với các bộ điều khiển thông thường.
  • Độ vọt lố của hệ thống được kiểm soát ở mức không đáng kể.
  • Thời gian xác lập của đáp ứng lưu lượng được rút ngắn từ khoảng $120\text{ s}$ (khi dùng bộ điều khiển cơ bản) xuống còn khoảng $80\text{ s}$ khi áp dụng giải thuật điều khiển giám sát mạng nơ-ron mờ hồi quy.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận khoa học

  1. Phát triển thành công giải thuật điều khiển giám sát RFNN-PID: Xây dựng hoàn chỉnh khung toán học kết hợp giữa giải thuật điều khiển PID kinh điển và mạng nơ-ron mờ hồi quy RFNNC. Khung điều khiển này giải quyết triệt để sự phụ thuộc của mạng nơ-ron vào khâu chọn tham số khởi tạo ban đầu, đảm bảo tính ổn định và khả năng tự chỉnh trực tuyến.
  2. Xây dựng bộ nhận dạng trực tuyến RFNNI đa lớp: Ứng dụng thành công cấu trúc mạng nơ-ron mờ hồi quy 4 lớp để nhận dạng phi tuyến không tham số thời gian thực, trích xuất chính xác thông tin ma trận Jacobian $\frac{\partial y}{\partial u}$ hỗ trợ cho giải thuật học Gradient Descent.
  3. Mô hình hóa giải tích chính xác robot Delta 3RUS: Thiết lập hệ phương trình vi phân chuyển động giải tích tường minh cho robot Delta 3-DOF bằng phương pháp Lagrange loại 2 dạng nhân tử trên mô hình chất điểm tập trung thu gọn.

Đóng góp về mặt thực tiễn

  1. Bộ công cụ mô phỏng số hoàn chỉnh: Xây dựng thư viện mô hình động học, động lực học và các thuật toán điều khiển thông minh (FUZZY-PID, GA-PID, SNA-PID, RFNN-PID) trên MATLAB/Simulink, làm tài liệu tham khảo cho việc nghiên cứu hệ phi tuyến MIMO.
  2. Chế tạo thành công mô hình phần cứng robot Delta 3-DOF: Thiết kế và chế tạo hoàn chỉnh mô hình thực nghiệm cơ khí 3 phiên bản sử dụng vật liệu carbon fiber siêu nhẹ, tích hợp tủ điện công nghiệp dùng DSP TMS320F28379D và driver Servo Yaskawa Sigma II.
  3. Kiểm chứng thực nghiệm đa dạng: Chứng minh tính khả thi và hiệu quả của thuật toán đề xuất thông qua thực nghiệm thời gian thực trên cả đối tượng robot song song MIMO (robot Delta 3-DOF) và thiết bị công nghiệp thực tế SISO (hệ lưu lượng RT020).

Kiến nghị và giải pháp đề xuất

  • Ứng dụng cấu trúc điều khiển giám sát RFNN-PID vào các dây chuyền sản xuất công nghiệp có chứa các cơ cấu chấp hành phi tuyến như tay máy phân loại sản phẩm tốc độ cao, hệ thống điều khiển mức - lưu lượng - nhiệt độ trong công nghiệp hóa chất và thực phẩm.
  • Áp dụng phương pháp ước lượng Jacobian thông qua bộ nhận dạng RFNNI cho các hệ thống phi tuyến phức tạp chưa biết trước hàm truyền trạng thái.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài

  1. Độ cứng vững cơ khí mô hình robot tự chế tạo: Do điều kiện gia công cơ khí chính xác và kinh phí chế tạo có hạn, độ cứng vững của bộ khung và các khớp cầu trên cánh tay carbon chưa đạt mức độ tuyệt đối, dẫn đến hiện tượng rung nhẹ tại đầu thao tác khi robot chuyển động trên quỹ đạo có gia tốc thay đổi đột ngột.
  2. Thời gian tính toán chu kỳ lấy mẫu: Thuật toán cập nhật trọng số trực tuyến Gradient Descent cho mạng RFNN đòi hỏi năng lực tính toán liên tục, do đó giải thuật phù hợp nhất với các hệ thống có tần số đáp ứng vừa phải, không yêu cầu thời gian trễ quá khắt khe ở mức micro-giây.

Hướng nghiên cứu tiếp theo

  • Tiếp tục cải tiến thiết kế cơ khí phần cánh tay đòn và kết cấu khung đỡ robot Delta bằng vật liệu hợp kim chuyên dụng có độ cứng vững cao hơn và sử dụng các cụm khớp cầu công nghiệp không có độ rơ.
  • Nghiên cứu tối ưu hóa mã nguồn thuật toán điều khiển trên bộ xử lý DSP để rút ngắn thời gian tính toán chu kỳ lấy mẫu, tiến tới kiểm nghiệm giải thuật ở các dải tốc độ làm việc cao hơn.

Giá trị tham khảo

Luận án là tài liệu chuyên khảo có giá trị ứng dụng và học thuật cao cho nhiều nhóm đối tượng:

  • Học viên cao học và Nghiên cứu sinh: Cung cấp phương pháp luận chi tiết và tường minh trong việc ứng dụng phương pháp Lagrange loại 2 dạng nhân tử để mô hình hóa động lực học hệ nhiều vật mạch vòng kín; cách xây dựng và huấn luyện trực tuyến mạng nơ-ron mờ hồi quy (RFNN).
  • Giảng viên và Nhà nghiên cứu ngành Tự động hóa - Cơ điện tử: Cung cấp tài liệu tham khảo về phương pháp thiết kế bộ điều khiển kết hợp (Hybrid/Supervisory Control) giữa điều khiển kinh điển PID và trí tuệ nhân tạo, cũng như giải pháp thiết kế hệ thống nhúng điều khiển thời gian thực với DSP C2000.
  • Kỹ sư phát triển hệ thống công nghiệp: Tham khảo quy trình thiết kế phần cứng điều khiển, cấu hình giao tiếp UART, khối ePWM, khối eQEP đọc encoder và giải pháp nâng cấp chất lượng điều khiển cho các hệ thống công nghiệp phi tuyến sẵn có.

Câu hỏi thường gặp

1. Vì sao luận án lựa chọn mô hình động lực học 2 (chất điểm tập trung) thay vì mô hình 1 để thiết lập phương trình chuyển động của robot Delta 3-DOF?

Trong mô hình 1, khâu hình bình hành được xem là thanh có khối lượng phân bố đều trên toàn bộ chiều dài, dẫn đến việc tính toán động học và động lực học ma trận quán tính cực kỳ phức tạp khi giải hệ phương trình vi phân mạch vòng kín. Trong khi đó, mô hình 2 quy đổi khâu hình bình hành thành một thanh cứng không trọng lượng mang hai chất điểm tập trung ở hai đầu khớp $B_i$ và $D_i$ ($m_b = \frac{1}{2} m_{\text{khâu}}$). Cách tiếp cận này giúp đơn giản hóa đáng kể hệ phương trình vi phân - đại số Lagrange dạng nhân tử mà vẫn đảm bảo độ chính xác động lực học khi áp dụng mô phỏng và thực nghiệm trên mô hình robot thật.

2. Vai trò cụ thể của mạng nơ-ron mờ hồi quy (RFNNC) trong cấu trúc điều khiển giám sát RFNN-PID là gì?

Trong sơ đồ điều khiển giám sát, bộ điều khiển PID truyền thống đảm nhiệm việc tạo ra tín hiệu điều khiển cơ sở ban đầu (mang mức năng lượng chính để dẫn động các cánh tay robot chuyển động quanh điểm làm việc). Bộ điều khiển RFNNC đóng vai trò là khâu giám sát trực tuyến: Mạng nơ-ron mờ hồi quy tính toán và cung cấp tín hiệu điều khiển bù $u_c(t)$ để triệt tiêu các sai số do thành phần phi tuyến, ma sát và sự biến thiên tải trọng gây ra, giúp hệ thống không cần phải cài đặt lại tham số PID mà vẫn duy trì chất lượng bám quỹ đạo cao.

3. Tại sao giải thuật di truyền (GA) không được chọn làm giải thuật điều khiển trực tuyến chính cho robot?

Giải thuật di truyền (GA) là phương pháp tối ưu hóa ngẫu nhiên dựa trên quần thể, đòi hỏi quá trình đánh giá hàm mục tiêu và thực hiện các toán tử lai ghép, đột biến qua nhiều thế hệ. Do đó, GA có tốc độ tìm kiếm nghiệm chậm và chỉ thích hợp để tối ưu hóa tham số ở chế độ ngoại tuyến (offline) tại thời điểm ban đầu. Khi hệ thống đang vận hành mà xuất hiện nhiễu hoặc thay đổi tải trọng, GA không thể cập nhật tham số tức thời (online) mà phải dừng hệ thống để chạy lại từ đầu, không đáp ứng được yêu cầu điều khiển thời gian thực.

4. Hệ thống thực nghiệm robot Delta 3-DOF sử dụng cấu hình phần cứng vi xử lý và truyền thông như thế nào?

Hệ thống điều khiển thời gian thực của robot Delta 3-DOF sử dụng bo mạch vi xử lý tín hiệu số DSP C2000 TMS320F28379D của hãng Texas Instruments (kiến trúc Dual-Core, xung nhịp 200 MHz). Vi điều khiển sử dụng khối ePWM để phát xung điều khiển vị trí đến 3 bộ Driver AC Servo Yaskawa Sigma II và khối eQEP để thu thập tín hiệu xung phản hồi từ Encoder góc khớp. Tín hiệu điều khiển và dữ liệu quỹ đạo được truyền thông đồng bộ giữa máy tính điều khiển (chạy MATLAB/Simulink) và kit DSP thông qua giao thức nối tiếp UART tốc độ cao.

5. Kết quả thực nghiệm trên hệ thống lưu lượng RT020 của hãng Gunt-Hamburg đạt được những chỉ tiêu nào?

Khi áp dụng giải thuật điều khiển giám sát sử dụng mạng nơ-ron mờ hồi quy trên thiết bị thực nghiệm chuẩn RT020 của Đức, hệ thống đạt được chất lượng điều khiển ổn định lưu lượng chất lỏng với độ vọt lố triệt tiêu ở mức không đáng kể. Đồng thời, sự tham gia của bộ điều khiển RFNNC đã giúp rút ngắn thời gian xác lập của quá trình quá độ từ $120\text{ s}$ (ở bộ điều khiển thông thường) xuống còn khoảng $80\text{ s}$.

Kết luận

Luận án tiến sĩ của tác giả Lê Minh Thành đã giải quyết trọn vẹn bài toán điều khiển bám quỹ đạo cho hệ thống phi tuyến thông qua việc đề xuất và hiện thực hóa thành công giải thuật điều khiển giám sát thông minh kết hợp giữa bộ điều khiển PID và mạng nơ-ron mờ hồi quy. Công trình đã kết hợp chặt chẽ giữa mô hình hóa giải tích giải pháp Lagrange dạng nhân tử, mô phỏng số thuật toán học Gradient Descent với bộ nhận dạng Jacobian trực tuyến RFNNI, và chế tạo thành công hệ thống thực nghiệm robot Delta 3-DOF cùng kiểm chứng trên hệ lưu lượng RT020. Kết quả nghiên cứu là tài liệu tham khảo có giá trị học thuật và ứng dụng thực tiễn cao trong chuyên ngành Kỹ thuật điều khiển và tự động hóa.