Tổng quan nghiên cứu

Trong bối cảnh phát triển nhanh chóng của công nghệ robot di động, robot một bánh tự cân bằng (Single-Wheel Self-Balancing Robot - SWR) nổi lên như một lĩnh vực nghiên cứu đầy thách thức và tiềm năng. Theo ước tính, các hệ thống robot tự cân bằng đóng vai trò quan trọng trong nhiều ứng dụng như vận chuyển, giám sát và giải trí. Tuy nhiên, việc điều khiển robot một bánh tự cân bằng gặp nhiều khó khăn do tính phi tuyến, nhiễu ngoại lực và các hiệu ứng kết nối phức tạp giữa các trục chuyển động. Luận văn này tập trung nghiên cứu và phát triển phương pháp điều khiển tối ưu bền vững kích hoạt sự kiện nhằm nâng cao hiệu suất và độ ổn định của robot một bánh trong các điều kiện thực tế đa dạng.

Mục tiêu cụ thể của nghiên cứu là xây dựng mô hình toán học chi tiết cho robot một bánh tự cân bằng, thiết kế bộ điều khiển tối ưu bền vững dựa trên kỹ thuật kích hoạt sự kiện, đồng thời đánh giá hiệu quả qua mô phỏng và thử nghiệm thực tế. Phạm vi nghiên cứu tập trung vào hệ thống robot một bánh với các thông số vật lý như khối lượng thân robot khoảng 0.954 kg, bán kính bánh xe 0.03 m, và các mô-men quán tính đặc trưng. Thời gian nghiên cứu kéo dài từ tháng 6/2023 đến tháng 5/2024 tại Trường Đại học Bách Khoa, Đại học Quốc gia TP. Hồ Chí Minh.

Ý nghĩa của nghiên cứu được thể hiện qua việc cải thiện các chỉ số quan trọng như độ ổn định hệ thống, giảm sai số điều khiển và khả năng chịu đựng nhiễu ngoại lực. Việc áp dụng phương pháp điều khiển tối ưu bền vững kích hoạt sự kiện không chỉ giúp tiết kiệm tài nguyên tính toán mà còn nâng cao độ tin cậy trong vận hành robot, mở ra hướng phát triển mới cho các ứng dụng robot tự cân bằng và các hệ thống điều khiển phức tạp khác.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính: lý thuyết điều khiển tối ưu bền vững và lý thuyết trò chơi sai phân tổng bằng không (Zero-sum Differential Game). Lý thuyết điều khiển tối ưu bền vững tập trung vào việc thiết kế luật điều khiển nhằm tối thiểu hóa hàm chi phí trong khi đảm bảo hệ thống chịu được các nhiễu loạn và không chắc chắn. Lý thuyết trò chơi sai phân tổng bằng không được áp dụng để mô hình hóa tương tác giữa điều khiển và nhiễu, từ đó tìm ra điểm cân bằng Nash tối ưu cho hệ thống.

Mô hình nghiên cứu sử dụng các khái niệm chính như:

  • Mô hình động học phi tuyến của robot một bánh, bao gồm các phương trình động lực học theo hai trục roll và pitch.
  • Bộ điều khiển kích hoạt sự kiện (Event-triggered control), giúp giảm tần suất cập nhật điều khiển mà vẫn đảm bảo hiệu suất.
  • Mạng nơ-ron nhân tạo thích nghi (Adaptive Neural Networks) để xấp xỉ hàm giá trị trong phương trình Hamilton-Jacobi-Isaacs (HJI).
  • Luật điều khiển tối ưu cộng tác (Cooperative Optimal Control) nhằm phối hợp điều khiển các trục chuyển động khác nhau của robot.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ mô phỏng số trên Matlab/Simulink và các thử nghiệm thực tế với robot một bánh được xây dựng tại phòng thí nghiệm. Cỡ mẫu nghiên cứu bao gồm các tập dữ liệu mô phỏng với nhiều kịch bản nhiễu và các phép đo thực nghiệm trên robot vật lý.

Phương pháp phân tích bao gồm:

  • Xây dựng mô hình toán học chi tiết dựa trên phương trình Lagrange cho các chuyển động roll và pitch.
  • Thiết kế bộ điều khiển tối ưu bền vững kích hoạt sự kiện dựa trên lý thuyết trò chơi và thuật toán học tăng cường tích phân (Integral Reinforcement Learning - IRL).
  • Sử dụng mạng nơ-ron nhân tạo để xấp xỉ hàm giá trị và cập nhật trọng số theo luật suy giảm độ dốc.
  • Phân tích tính ổn định hệ thống qua hàm Lyapunov và loại trừ hiện tượng Zeno trong kích hoạt sự kiện.
  • Thời gian nghiên cứu kéo dài 11 tháng, từ tháng 6/2023 đến tháng 5/2024, với các giai đoạn thiết kế, mô phỏng, thử nghiệm và đánh giá.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả của bộ điều khiển tối ưu bền vững kích hoạt sự kiện: Qua mô phỏng, bộ điều khiển đã giảm sai số góc roll và pitch xuống dưới 0.05 rad trong vòng 10 giây, với tần suất kích hoạt sự kiện giảm khoảng 40% so với điều khiển liên tục. Điều này chứng tỏ khả năng tiết kiệm tài nguyên tính toán mà vẫn duy trì độ ổn định cao.

  2. Khả năng chịu nhiễu và bền vững của hệ thống: Khi áp dụng các nhiễu ngoại lực mô phỏng với biên độ lên đến 0.1 Nm, hệ thống vẫn duy trì được trạng thái cân bằng với sai số góc không vượt quá 0.07 rad, thể hiện độ bền vững cao của bộ điều khiển.

  3. Tính ổn định và loại trừ hiện tượng Zeno: Phân tích lý thuyết và thực nghiệm cho thấy khoảng thời gian tối thiểu giữa hai sự kiện kích hoạt liên tiếp luôn lớn hơn 0.1 giây, đảm bảo không xảy ra hiện tượng Zeno gây ảnh hưởng đến vận hành.

  4. Khả năng xấp xỉ hàm giá trị bằng mạng nơ-ron: Trọng số mạng nơ-ron hội tụ ổn định sau khoảng 500 chu kỳ cập nhật, với sai số xấp xỉ dưới 0.01, giúp bộ điều khiển thích nghi tốt với các thay đổi trong môi trường và mô hình.

Thảo luận kết quả

Nguyên nhân chính dẫn đến hiệu quả của bộ điều khiển là việc kết hợp thành công giữa lý thuyết điều khiển tối ưu bền vững và kỹ thuật kích hoạt sự kiện, giúp giảm tải tính toán mà vẫn đảm bảo đáp ứng nhanh với các thay đổi trạng thái. So sánh với các nghiên cứu trước đây sử dụng PID hoặc LQR, phương pháp này cho thấy ưu thế vượt trội về độ ổn định và khả năng chịu nhiễu.

Việc sử dụng mạng nơ-ron nhân tạo thích nghi giúp giải quyết bài toán phi tuyến phức tạp mà các phương pháp truyền thống khó xử lý. Kết quả mô phỏng và thực nghiệm được minh họa qua các biểu đồ đáp ứng góc roll và pitch, tần suất kích hoạt sự kiện, cũng như đồ thị hội tụ trọng số mạng nơ-ron.

Ý nghĩa của kết quả này không chỉ dừng lại ở robot một bánh mà còn mở rộng ứng dụng cho các hệ thống robot tự cân bằng khác và các thiết bị điều khiển phức tạp trong công nghiệp và giao thông.

Đề xuất và khuyến nghị

  1. Triển khai bộ điều khiển tối ưu bền vững kích hoạt sự kiện trên các nền tảng phần cứng thực tế: Đề xuất áp dụng trên các robot một bánh thương mại trong vòng 12 tháng tới nhằm đánh giá hiệu quả trong môi trường thực tế đa dạng.

  2. Phát triển thuật toán học sâu kết hợp với mạng nơ-ron thích nghi: Mục tiêu nâng cao khả năng dự đoán và thích nghi với các điều kiện môi trường thay đổi, dự kiến hoàn thành trong 18 tháng, do nhóm nghiên cứu robot và trí tuệ nhân tạo thực hiện.

  3. Mở rộng nghiên cứu sang các hệ thống robot đa bánh và robot chân: Áp dụng phương pháp điều khiển tối ưu bền vững kích hoạt sự kiện để cải thiện độ ổn định và hiệu suất, với kế hoạch nghiên cứu trong 2 năm tới.

  4. Tối ưu hóa giao thức truyền thông và giảm độ trễ trong hệ thống điều khiển: Đề xuất sử dụng các giao thức truyền thông thời gian thực và cải tiến thuật toán kích hoạt sự kiện để giảm thiểu độ trễ, nâng cao tính ổn định, thực hiện trong 1 năm.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và sinh viên ngành Kỹ thuật Điều khiển và Tự động hóa: Luận văn cung cấp kiến thức sâu sắc về điều khiển tối ưu bền vững và ứng dụng trong robot tự cân bằng, hỗ trợ phát triển các đề tài nghiên cứu liên quan.

  2. Kỹ sư phát triển robot và hệ thống tự động: Các giải pháp điều khiển tối ưu bền vững kích hoạt sự kiện giúp cải thiện hiệu suất và độ ổn định của robot, phù hợp cho việc thiết kế và tối ưu sản phẩm.

  3. Chuyên gia trong lĩnh vực trí tuệ nhân tạo và học máy: Phương pháp sử dụng mạng nơ-ron nhân tạo thích nghi để xấp xỉ hàm giá trị trong điều khiển tối ưu là tài liệu tham khảo quý giá cho các ứng dụng học tăng cường.

  4. Doanh nghiệp sản xuất robot và thiết bị tự động hóa: Luận văn cung cấp cơ sở khoa học và kỹ thuật để phát triển các sản phẩm robot một bánh tự cân bằng, mở rộng ứng dụng trong vận chuyển cá nhân và công nghiệp.

Câu hỏi thường gặp

  1. Phương pháp điều khiển tối ưu bền vững kích hoạt sự kiện là gì?
    Đây là kỹ thuật điều khiển kết hợp giữa tối ưu hóa hiệu suất và kích hoạt sự kiện để giảm tần suất cập nhật điều khiển, giúp tiết kiệm tài nguyên mà vẫn đảm bảo độ ổn định. Ví dụ, trong robot một bánh, điều khiển chỉ được cập nhật khi sai số vượt ngưỡng, giảm tải tính toán.

  2. Tại sao cần sử dụng mạng nơ-ron nhân tạo trong điều khiển?
    Mạng nơ-ron giúp xấp xỉ các hàm phi tuyến phức tạp trong phương trình điều khiển mà các phương pháp truyền thống khó giải quyết. Điều này giúp bộ điều khiển thích nghi với các thay đổi môi trường và mô hình không chính xác.

  3. Hiện tượng Zeno là gì và làm thế nào để loại trừ?
    Hiện tượng Zeno xảy ra khi các sự kiện kích hoạt xảy ra liên tục trong thời gian rất ngắn, gây khó khăn cho hệ thống điều khiển. Luận văn chứng minh khoảng thời gian tối thiểu giữa các sự kiện luôn lớn hơn 0.1 giây, loại trừ hiện tượng này.

  4. Bộ điều khiển này có thể áp dụng cho các loại robot khác không?
    Có, phương pháp điều khiển tối ưu bền vững kích hoạt sự kiện có thể mở rộng cho các hệ thống robot đa bánh, robot chân và các thiết bị tự động phức tạp khác, giúp nâng cao hiệu suất và độ ổn định.

  5. Làm thế nào để đánh giá hiệu quả của bộ điều khiển?
    Hiệu quả được đánh giá qua các chỉ số như sai số góc, tần suất kích hoạt sự kiện, khả năng chịu nhiễu và độ ổn định hệ thống. Trong nghiên cứu, sai số góc được giảm xuống dưới 0.05 rad và tần suất kích hoạt giảm khoảng 40% so với điều khiển liên tục.

Kết luận

  • Luận văn đã xây dựng thành công mô hình toán học chi tiết và bộ điều khiển tối ưu bền vững kích hoạt sự kiện cho robot một bánh tự cân bằng.
  • Phương pháp điều khiển kết hợp lý thuyết trò chơi và mạng nơ-ron nhân tạo thích nghi, giúp nâng cao hiệu suất và độ ổn định trong điều kiện nhiễu và phi tuyến.
  • Kết quả mô phỏng và thực nghiệm chứng minh tính khả thi, với sai số góc dưới 0.05 rad và giảm 40% tần suất kích hoạt sự kiện.
  • Phân tích lý thuyết đảm bảo tính ổn định hệ thống và loại trừ hiện tượng Zeno, đảm bảo vận hành an toàn và hiệu quả.
  • Đề xuất mở rộng ứng dụng và phát triển thuật toán học sâu, hướng tới các hệ thống robot phức tạp hơn trong tương lai.

Để tiếp tục phát triển, các nhà nghiên cứu và kỹ sư được khuyến khích áp dụng và thử nghiệm bộ điều khiển trong các môi trường thực tế đa dạng, đồng thời nghiên cứu mở rộng sang các hệ thống robot khác. Hãy bắt đầu khám phá tiềm năng của điều khiển tối ưu bền vững kích hoạt sự kiện để nâng tầm công nghệ robot tự cân bằng!