Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Ngành công nghiệp sản xuất ô tô toàn cầu ghi nhận sự phát triển với hơn 90 triệu xe được sản xuất vào năm 2019 và tốc độ tăng trưởng trung bình 5% mỗi năm. Sự gia tăng phương tiện sử dụng động cơ đốt trong đặt ra hai thách thức: mức độ phát thải khí gây ô nhiễm môi trường và sự gia tăng chi phí nhiên liệu. Tại Việt Nam cũng như trên thế giới, việc thiết kế và chế tạo bộ điều khiển kiểm soát nhiên liệu điện tử (EFI) đáp ứng các tiêu chuẩn khí thải quốc tế (tiêu chuẩn Châu Âu, Nhật Bản) đòi hỏi hàm lượng khoa học kỹ thuật cao, phần lớn thuộc quyền sở hữu công nghệ của các hãng sản xuất xe lớn và không được phổ biến rộng rãi.

Trong lĩnh vực điều khiển tự động cho động cơ xăng đánh lửa cưỡng bức (SI), động cơ là một đối tượng phi tuyến mạnh, đa biến và chịu tác động của nhiều nguồn nhiễu ngẫu nhiên. Các phương pháp điều khiển kinh điển như PID (Proportional-Integral-Derivative) hoặc điều khiển mờ FLC (Fuzzy Logic Control) bộc lộ nhiều hạn chế khi áp dụng:

  • Bộ điều khiển PID yêu cầu xác định tham số dựa trên mô hình đối tượng sau khi đã tuyến tính hóa quanh điểm làm việc, dẫn đến sai lệch lớn khi đối tượng vận hành ở các vùng phi tuyến khác.
  • Bộ điều khiển FLC không đòi hỏi mô hình toán học giải tích chính xác nhưng việc xây dựng quy tắc mờ gặp khó khăn khi các tham số của động cơ là bất định và biến đổi liên tục theo thời gian vận hành (do hao mòn cơ khí, giãn nở nhiệt, chất lượng nhiên liệu và dầu bôi trơn).
  • Đối với các phương pháp điều khiển hiện đại (như điều khiển dự báo MPC, điều khiển trượt SMC), việc nhận dạng chính xác mô hình phi tuyến có tham số bất định và giải bài toán tối ưu có ràng buộc trong thời gian thực là thách thức lớn về mặt khối lượng tính toán.

Phần lớn các nghiên cứu truyền thống tập trung tối ưu hóa cục bộ từng thành phần đơn lẻ (tốc độ không tải, tỷ lệ hòa khí, góc đánh lửa, thời điểm phun nhiên liệu). Cách tiếp cận này không mang lại hiệu quả tối ưu tổng thể khi mô-men cản từ tải biến thiên lớn và thay đổi nhanh. Do đó, việc xây dựng một cấu trúc điều khiển bám mô-men xoắn toàn cục, có khả năng tự chỉnh định tham số trực tuyến để ổn định tốc độ và tiết kiệm nhiên liệu trong chế độ điều khiển hành trình (Cruise Control) là khoảng trống nghiên cứu mà luận án hướng tới giải quyết.

Mục tiêu nghiên cứu

Mục tiêu tổng quát của luận án là giải quyết bài toán điều khiển ổn định tốc độ động cơ xăng sử dụng trên xe ô tô, bám theo mô-men cản tác động vào trục động cơ khi xe hoạt động trong chế độ điều khiển hành trình (Cruise Control), nhằm giảm lượng tiêu thụ nhiên liệu bằng phương pháp điều khiển bám tối ưu tích phân tuyến tính dạng toàn phương tự chỉnh (LQIT - Linear Quadratic Integral Tracking).

Các mục tiêu cụ thể được xác định trong văn bản gồm:

  1. Nghiên cứu phương pháp luận nhằm xây dựng bộ điều khiển cho hệ phi tuyến nói chung và động cơ xăng nói riêng.
  2. Đề xuất thuật toán mới điều khiển ổn định tốc độ, bám theo các giá trị mô-men cản cho trước tác động vào động cơ xăng sử dụng trên xe ô tô trong chế độ điều khiển hành trình.
  3. Khảo sát và cài đặt thuật toán điều khiển ổn định tốc độ bám mô-men cản cho trước theo phương pháp điều khiển mới cho đối tượng cụ thể là động cơ xăng, nhằm mục tiêu tiết kiệm lượng nhiên liệu tiêu thụ, mô phỏng hệ thống và kiểm chứng bằng thực nghiệm.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Động cơ xăng đánh lửa cưỡng bức sử dụng trên xe ô tô hoạt động trong chế độ điều khiển hành trình. Tín hiệu đầu vào điều khiển là góc mở bướm ga $\alpha$ (độ mở bướm gió) và mô-men cản $\tau_c$; tín hiệu đáp ứng đầu ra là tốc độ quay trục khuỷu $\omega_e$, mô-men chỉ thị trên trục động cơ $\tau_i$ và lượng nhiên liệu tiêu thụ $m_{fi}$.
  • Phạm vi nghiên cứu:
    • Về lý thuyết: Nghiên cứu, thiết kế bộ điều khiển hiện đại LQIT tự chỉnh kết hợp nhận dạng mô hình trực tuyến ARX và quan sát trạng thái bằng bộ lọc Kalman cho hệ phi tuyến tham số bất định hoạt động ở chế độ Cruise Control trên đường thẳng.
    • Về thực nghiệm: Mô phỏng và kiểm chứng kết quả lý thuyết bằng phương pháp Hardware-In-The-Loop (HIL) sử dụng 02 Kit vi điều khiển Arduino Mega 2560 ghép nối trực tuyến thời gian thực với phần mềm Matlab - Simulink.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước đây

Luận án đã tổng hợp và phân loại các công trình nghiên cứu trong và ngoài nước theo các nhóm giải pháp kỹ thuật:

                                  CÁC HƯỚNG ĐIỀU KHIỂN ĐỘNG CƠ XĂNG
  Điều khiển cục bộ       Điều khiển tỷ lệ hòa khí        Điều khiển góc đánh lửa     Điều khiển mô-men
  tốc độ không tải           (AFR / hệ số λ)             & van biến thiên (VVT)            toàn cục

  1. Điều khiển tốc độ không tải:

    • Nghiên cứu [25] sử dụng mô hình tuyến tính bậc 3 có trễ với thuật toán PID được chỉnh định qua Matlab - Simulink.
    • Nghiên cứu [29] phát triển phương pháp điều khiển mờ lai (Hybrid FLC) cho thấy đáp ứng vượt trội hơn PID và FLC đơn lẻ.
    • Nghiên cứu [30] áp dụng bộ điều khiển tối ưu phản hồi đầu ra LQG trên mô hình phi tuyến đầy đủ của động cơ xăng để triệt tiêu ảnh hưởng của biến động mô-men cản.
    • Nghiên cứu [28] ứng dụng điều khiển trượt SMC để ước lượng và triệt tiêu sai lệch mô hình do hao mòn trong quá trình sử dụng.
    • Các nghiên cứu [21], [22], [23], [24], [31] áp dụng điều khiển dự báo MPC kết hợp nhận dạng hoặc bù thích nghi; trong đó nghiên cứu [21] ghi nhận mức giảm tiêu hao nhiên liệu 6,5% ở chế độ không tải và 4,5% khi xe di chuyển.

  2. Điều khiển tỷ lệ hòa khí nhiên liệu (AFR hoặc hệ số dư lượng không khí $\lambda$):

    • Các nghiên cứu [33], [35], [37] mô hình hóa hệ thống cung cấp nhiên liệu bằng hàm truyền bậc nhất có trễ và áp dụng thuật toán PI.
    • Nghiên cứu [34] sử dụng mạng Nơ-ron để phát hiện và triệt tiêu sai lệch AFR trên đường hút.
    • Nghiên cứu [41] xét đến các mô-men tổn hao cơ khí và tổn hao do bơm phụ trợ, áp dụng PID, FLC và mạng Nơ-ron.
    • Nghiên cứu [42] tuyến tính hóa mô hình động lực học cấp nhiên liệu và áp dụng thuật toán bám tối ưu LQT.
    • Nghiên cứu [38] thiết kế bộ điều khiển thích nghi theo tiêu chuẩn Lyapunov; nghiên cứu [43] dùng điều khiển mờ thích nghi; nghiên cứu [39], [40] dùng MPC để duy trì $\lambda = 1$ ($AFR = 14,66$).

  3. Điều khiển góc đánh lửa và thời điểm phun nhiên liệu:

    • Nghiên cứu [45] kết hợp bộ điều khiển PI với bù vượt trước (feedforward) dựa trên cảm biến ion hóa xi lanh và áp suất buồng đốt.
    • Nghiên cứu [46] đề xuất thuật toán SOC (Start of Combustion) phát hiện thời điểm bắt đầu cháy theo thời gian thực.
    • Các nghiên cứu [47], [48], [49] xây dựng mô hình giải tích ion hóa theo hàm Gauss để điều khiển dòng đánh lửa bugi.
    • Nghiên cứu [53], [54] điều khiển hệ thống xúp-páp biến thiên (VVT) và thời gian phun nhiên liệu bằng mạng Nơ-ron thời gian thực.

  4. Điều khiển trực tiếp mô-men xoắn động cơ:

    • Nghiên cứu [55] dùng điều khiển trượt SMC dựa trên áp suất đường hút; nghiên cứu [56] phối hợp PI-FLC cho tỷ lệ hòa khí và điều khiển thích nghi cho van biến thiên.
    • Nghiên cứu [57], [61] sử dụng điều khiển tối ưu LQR nhưng vẫn tồn tại hiện tượng dao động mô-men ở trạng thái xác lập hoặc thời gian trễ lớn.
    • Nghiên cứu [70] dùng điều khiển thích nghi theo mô hình nội IMC kết hợp bộ quan sát mô-men cho động cơ tăng áp.
    • Nghiên cứu [58] áp dụng lý thuyết điều khiển bền vững không gian chuẩn $H_\infty$; nghiên cứu [63] ứng dụng LQIT có bù vượt trước; nghiên cứu [67] dùng logic mờ Sugeno phối hợp góc mở ga và chuyển cấp số hộp số tự động.
    • Các nghiên cứu [60], [65], [66], [69] ứng dụng điều khiển dự báo MPC đa biến, chứng minh hiệu quả giảm dao động và tiết kiệm nhiên liệu nhưng đòi hỏi mô hình toán học giải tích chính xác và thời gian tính toán lớn.

  5. Tình hình nghiên cứu trong nước:

    • Nguyễn Tiến Hán, Nguyễn Xuân Khoa (2011) [12] nghiên cứu điều khiển PID góc đánh lửa tối ưu theo áp suất buồng đốt, chưa tối ưu hóa mô-men chỉ thị và chưa xét đến tính ổn định của toàn hệ thống.
    • Lê Hoài Đức, Nguyễn Thìn Quỳnh (2013) [15] xây dựng mô hình động học nhiên liệu trên cửa hút và áp dụng PID điều khiển tỷ lệ hòa khí, chưa khảo sát tương quan với mô-men động cơ.
    • Đề tài [17] chế tạo hệ thống phun xăng điện tử cho nhiên liệu sinh học ethanol 100%; đề tài [18] nghiên cứu hệ thống điều khiển động cơ cháy do nén nạp đồng nhất kiểm soát hoạt tính nhiên liệu (RCCI).

Khoảng trống luận án lựa chọn giải quyết

Các công trình trước đây chủ yếu điều khiển độc lập các thông số cục bộ hoặc dựa trên mô hình giải tích cố định sau khi tuyến tính hóa. Khi động cơ hoạt động lâu dài, hiện tượng lão hóa cơ khí và thay đổi điều kiện môi trường làm biến đổi tham số mô hình toán học, khiến các bộ điều khiển cố định mất đi tính tối ưu. Mặt khác, các thuật toán MPC tuy giải quyết được hệ đa biến nhưng khối lượng tính toán lớn, khó cài đặt trên các vi điều khiển kinh tế.

Luận án lựa chọn giải quyết bài toán: kết hợp thuật toán nhận dạng trực tuyến ARX theo thời gian thực với bộ điều khiển bám tối ưu tích phân LQIT tự chỉnh định (Self-Tuning) kết hợp bộ lọc Kalman, vừa cập nhật liên tục tham số mô hình vừa tối ưu hóa tín hiệu điều khiển bướm ga $\alpha$ để mô-men động cơ bám chính xác mô-men cản trong chế độ Cruise Control.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

Luận án sử dụng mô hình giá trị trung bình của động cơ xăng (Mean Value Engine Model - MVEM) gồm 3 phương trình vi phân phi tuyến cơ bản với các biến trạng thái: khối lượng không khí trong đường nạp ($m_a$), lưu lượng nhiên liệu phun thực tế vào xi lanh ($m_{fi}$) và tốc độ góc của trục khuỷu ($\omega_e$):

$$\frac{dm_a}{dt} = \dot{m}{ai} - \dot{m}{ao} = m_{MAX} \left(1 - \cos(1,14459\alpha - 1,06)\right) \left(1 - \exp\left(9\frac{P_m}{P_{atm}} - 1\right)\right) - \frac{V_e \eta_{vol} \omega_e m_a P_m}{4 V_m R T_m}$$

$$\frac{dm_{fi}}{dt} = \frac{1}{\tau_f} (m_{fc} - m_{fi}) = \frac{1}{0,05 \left(\frac{m_{fc} (A/F)}{\omega_e m_{MAX}}\right)^{1,5}} (m_{fc} - m_{fi})$$

$$\frac{d\omega_e}{dt} = \frac{1}{J_e} (\tau_i - \tau_f - \tau_c) = \frac{1}{J_e} \left( \frac{C_M \dot{m}{ao}(t - \Delta t{it})}{\omega_e(t - \Delta t_{it})} AFI(t - \Delta t_{it}) SI(t - \Delta t_{st}) - 0,1056\omega_e - \tau_c \right)$$

Trong đó, phương trình cân bằng lực kéo dọc của xe ô tô ở chế độ hành trình được xác định bởi: $$F_k = F_\alpha + F_r + F_w + F_j = mg \sin\alpha_{road} + mg C_r \cos\alpha_{road} + \frac{1}{2} \rho C_v A (v + v_g)^2 + m \frac{dv}{dt}$$

Thuật toán điều khiển và nhận dạng

  1. Nhận dạng mô hình trực tuyến: Sử dụng mô hình tự hồi quy có đầu vào ngoại sinh (ARX) bậc 3 rời rạc: $$A(q^{-1}) y(k) = B(q^{-1}) u(k) + e(k)$$ Vectơ tham số ước lượng tại mỗi chu kỳ trích mẫu được định nghĩa: $$\hat{\theta}(k) = [\hat{a}_1, \hat{a}_2, \hat{a}_3, \hat{b}_1, \hat{b}_2, \hat{b}_3]^T$$ Thuật toán bình phương tối thiểu đệ quy cho phép cập nhật liên tục mô hình tuyến tính tương đương từ dữ liệu vào/ra ($\alpha \rightarrow \omega_e, \tau_i$).

  2. Bộ lọc quan sát trạng thái Kalman: Bộ lọc Kalman rời rạc được tích hợp nhằm ước lượng đầy đủ vectơ biến trạng thái $\hat{x}(k)$ từ tín hiệu đầu ra đo lường có nhiễu, cung cấp thông tin cho bộ điều khiển phản hồi trạng thái.

  3. Bộ điều khiển bám tối ưu LQIT tự chỉnh: Thiết kế trên miền rời rạc dựa trên việc cực tiểu hóa hàm mục tiêu toàn phương có thành phần tích phân sai số bám: $$J = \sum_{k=0}^{\infty} \left[ e_y^T(k) Q_I e_y(k) + x^T(k) Q x(k) + u^T(k) R_u u(k) \right]$$ Bộ điều khiển cập nhật ma trận hệ số khuếch đại phản hồi $K(k)$ và $K_I(k)$ dựa trên thông số mô hình nhận dạng ARX tại từng thời điểm theo nguyên lý điều khiển chân trời lùi (Receding Horizon Control - RHC).

Phương pháp nghiên cứu và nguồn dữ liệu

  • Nghiên cứu mô phỏng: Thực hiện trên phần mềm Matlab - Simulink và System Identification Toolbox. Dữ liệu nhận dạng được kích thích bằng các dạng tín hiệu: phân bố Gauss ngẫu nhiên, tín hiệu nhị phân ngẫu nhiên (PRBS), tín hiệu hình sin và sóng tam giác.
  • Phương pháp thực nghiệm: Sử dụng cấu trúc Hardware-In-The-Loop (HIL) thời gian thực gồm 02 máy tính và 02 Kit nhúng Arduino Mega 2560 kết nối qua cổng truyền thông nối tiếp và thư viện Arduino IO Library trong Simulink.

Nội dung chính theo từng chương

Chương 1. Tổng quan về các phương pháp điều khiển động cơ xăng

Chương 1 hệ thống hóa các phương pháp điều khiển tiết kiệm nhiên liệu cho động cơ xăng SI. Tác giả chỉ ra rằng các giải pháp truyền thống như điều khiển tốc độ không tải (duy trì vận tốc góc khi không sinh công), điều khiển tỷ lệ hòa khí ($AFR = 14,66$, $\lambda = 1$), điều khiển góc đánh lửa sớm tối ưu (MBT) và điều khiển thời gian phun/van biến thiên VVT đều là các bài toán tối ưu cục bộ. Các phương pháp này chưa đáp ứng được tính toàn cục khi mô-men cản thay đổi liên tục.

Chương này đi đến kết luận: Phương pháp điều khiển bám theo mô-men cản trong chế độ Cruise Control trên đường thẳng là giải pháp điều khiển toàn cục, giúp động cơ sinh công vừa đủ để thắng các lực cản (cản lăn, cản dốc, cản không khí), loại bỏ dao động thừa của bướm ga và giảm tiêu hao nhiên liệu.

Chương 2. Mô hình hóa và nhận dạng động cơ xăng

Chương 2 thiết lập mô hình toán học giải tích chi tiết của động cơ xăng 4 kỳ dựa trên chu trình công tác nạp - nén - cháy sinh công - xả. Các phương trình động học mô tả dòng khí qua họng hút, động học tạo màng nhiên liệu và phương trình cân bằng mô-men trục khuỷu được chuyển đổi thành các khối chức năng (Subsystem) trong Simulink.

Luận án công bố bảng thông số khảo sát của động cơ xăng được sử dụng trong các tính toán và mô phỏng:

Thông số Ký hiệu Giá trị Đơn vị
Lưu lượng không khí cực đại $m_{MAX}$ 0,1843 $\text{kg/s}$
Thể tích đường ống hút $V_m$ 0,0038 $\text{m}^3$
Thể tích một xi lanh $V_e$ 0,0027 $\text{m}^3$
Mô-men quán tính trục động cơ $J_e$ 0,1454 $\text{kg}\cdot\text{m}^2$
Hằng số mô-men cực đại $C_M$ 498636 $\text{N}\cdot\text{m}/(\text{kg/s})$
Thời gian trễ phun nhiên liệu $\Delta t_{it}$ $5,48/\omega_e$ $\text{s}$
Thời gian trễ đánh lửa $\Delta t_{st}$ $1,3/\omega_e$ $\text{s}$
Nhiệt độ buồng nạp $T_m$ 300 $\text{K}$
Khối lượng mol không khí $M_a$ 28,84 $\text{g/mole}$
Hằng số chất khí $R$ 8314,3 $\text{J}/(\text{mole}\cdot\text{K})$

Dựa trên cấu trúc vào/ra với đầu vào là góc mở bướm ga $\alpha$ và đầu ra là tốc độ $\omega_e$, mô-men $\tau_i$, tác giả tiến hành nhận dạng hệ thống:

  • Nhận dạng Offline: So sánh mô hình trạng thái và mô hình ARX bậc 3 với mô hình phi tuyến dưới các tín hiệu kích thích ngẫu nhiên, hình sin, sóng tam giác; phân tích phân bố điểm cực (poles) và điểm không (zeros) trên mặt phẳng phức để chứng minh tính ổn định.
  • Nhận dạng Online: Xây dựng bộ ước lượng trực tuyến vectơ tham số $\hat{\theta}(k) = [\hat{a}_1, \hat{a}_2, \hat{a}_3, \hat{b}_1, \hat{b}_2, \hat{b}_3]^T$, cho kết quả đáp ứng đầu ra của mô hình nhận dạng trùng khớp với mô hình phi tuyến thực tế của động cơ xăng.
                   CẤU TRÚC NHẬN DẠNG TRỰC TUYẾN VÀ ĐIỀU KHIỂN TỰ CHỈNH

Chương 3. Điều khiển mô-men động cơ xăng bằng thuật toán điều khiển bám tối ưu LQIT tự chỉnh

Chương 3 trình bày cơ sở toán học của thuật toán điều khiển bám tối ưu LQIT trong không gian trạng thái liên tục và gián đoạn (rời rạc). Cấu trúc điều khiển bao gồm:

  1. Tổng hợp bộ điều khiển phản hồi trạng thái có tích phân sai số bám (LQIT) nhằm triệt tiêu hoàn toàn sai số xác lập giữa tốc độ thực tế với tốc độ đặt, giữa mô-men sinh ra với mô-men cản.
  2. Thiết kế bộ lọc Kalman rời rạc để quan sát các biến trạng thái không đo trực tiếp được từ dữ liệu vào/ra của mô hình ARX trực tuyến.
  3. Đề xuất cấu trúc điều khiển LQIT tự chỉnh RHC (Receding Horizon Control): Tại mỗi chu kỳ trích mẫu, thuật toán sử dụng ma trận trạng thái nhận dạng được để giải phương trình vi phân Riccati rời rạc, tính toán lại ma trận khuếch đại điều khiển tối ưu.

Kết quả mô phỏng so sánh giữa bộ điều khiển đề xuất (LQIT tự chỉnh kết hợp Kalman) với bộ điều khiển PID truyền thống khi mô-men cản thay đổi ($\pm 10\text{ Nm}$, $\pm 20\text{ Nm}$) và tốc độ đặt thay đổi cho thấy: Bộ điều khiển LQIT tự chỉnh giúp tốc độ và mô-men bám giá trị đặt nhanh hơn, không xuất hiện độ quá điều chỉnh lớn, giảm dao động góc mở bướm ga $\alpha$ và giảm lượng nhiên liệu tiêu thụ (được tổng hợp tại các Bảng 3.1, 3.2, 3.3 trong luận án).

Chương 4. Thực nghiệm kiểm chứng chất lượng của thuật toán đã đề xuất bằng phương pháp HIL

Chương 4 triển khai cấu trúc thực nghiệm Hardware-In-The-Loop (HIL) nhằm kiểm chứng khả năng làm việc thời gian thực của thuật toán:

  • Cấu hình phần cứng: Sử dụng 02 Kit Arduino Mega 2560. Kit 1 (giao tiếp Máy tính 1) đảm nhận việc chạy mô hình mô phỏng động lực học phi tuyến của động cơ xăng thời gian thực. Kit 2 (giao tiếp Máy tính 2) nạp mã nhúng của bộ điều khiển bám tối ưu LQIT tự chỉnh và thuật toán nhận dạng trực tuyến.
  • Kịch bản thực nghiệm:
    1. Kịch bản 1: Tốc độ đặt không đổi ($\omega_{ref} = const$), mô-men cản $\tau_c$ thay đổi dạng xung sóng vuông biên độ $20\text{ Nm}$. Kết quả cho thấy thuật toán LQIT tự chỉnh giúp ổn định tốc độ nhanh, mô-men động cơ bám sát mô-men tải, góc mở bướm ga $\alpha$ chuyển đổi êm thuận, giảm đáng kể lượng tiêu hao nhiên liệu so với PID.
    2. Kịch bản 2: Tốc độ đặt $\omega_{ref}$ và mô-men cản $\tau_c$ đồng thời thay đổi dạng bậc thang (step). Thuật toán đề xuất duy trì tính ổn định của hệ thống kín, đáp ứng thời gian thực và bám chính xác quỹ đạo đặt.

Kết quả và những đóng góp mới

Đóng góp mới về mặt lý luận

  1. Luận án đã xây dựng phương pháp luận và cấu trúc điều khiển mới cho lớp đối tượng phi tuyến có tham số bất định biến đổi theo thời gian bằng cách kết hợp nhận dạng mô hình ARX trực tuyến thời gian thực với bộ điều khiển bám tối ưu LQIT và bộ lọc quan sát trạng thái Kalman.
  2. Đưa ra giải pháp điều khiển bám mô-men cản và ổn định tốc độ cho động cơ xăng hoạt động trong chế độ điều khiển hành trình (Cruise Control), chuyển đổi bài toán tối ưu hóa các thông số cục bộ sang bài toán tối ưu hóa năng lượng toàn cục.

Đóng góp mới về mặt thực tiễn

  1. Cài đặt và thực thi thành công thuật toán điều khiển tối ưu hiện đại có khối lượng tính toán lớn trên phần cứng nhúng vi điều khiển 8-bit/16-bit phổ thông (Arduino Mega 2560), chứng minh tính khả thi và khả năng đáp ứng thời gian thực mà không cần các bộ xử lý DSP công nghiệp đắt tiền.
  2. Xây dựng hoàn chỉnh mô hình thực nghiệm mô phỏng thời gian thực Hardware-In-The-Loop (HIL) hai máy tính kết nối hai Kit nhúng, cung cấp công cụ thử nghiệm điều khiển động cơ xăng an toàn, tin cậy trước khi ứng dụng trên phương tiện thực tế.
  3. Chứng minh hiệu quả tiết kiệm nhiên liệu tiêu thụ của động cơ xăng khi xe chạy ở chế độ điều khiển hành trình thông qua việc giảm thiểu dao động góc mở bướm ga và duy trì cân bằng mô-men tối ưu.

Kiến nghị và giải pháp đề xuất

  • Ứng dụng thuật toán điều khiển LQIT tự chỉnh vào các bộ điều khiển hành trình (Cruise Control Unit) và hộp điều khiển động cơ (ECU) trên các dòng xe thương mại nhằm nâng cao hiệu quả sử dụng nhiên liệu.
  • Sử dụng mô hình mô phỏng HIL đã xây dựng làm công cụ đào tạo, nghiên cứu và thử nghiệm các thuật toán điều khiển hiện đại khác trong ngành kỹ thuật ô tô và tự động hóa.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

  • Luận án giả định các vòng điều khiển thành phần như góc đánh lửa, phun nhiên liệu theo hệ số dư lượng không khí $\lambda$ và cơ cấu chấp hành bướm ga là các hệ kín độc lập, đã được tối ưu hóa hoàn chỉnh.
  • Phạm vi nghiên cứu mới chỉ tập trung vào chế độ xe chuyển động thẳng đều có điều khiển hành trình (Cruise Control), chưa xét đến các điều kiện vận hành phức tạp khác như chuyển làn, phanh gấp, quay vòng hoặc địa hình gồ ghề.
  • Kiểm chứng thực nghiệm được thực hiện trên mô hình động cơ ảo thông qua phương pháp HIL trên Kit Arduino Mega 2560, chưa được thử nghiệm trực tiếp trên băng thử động cơ (Dynamometer Engine Testbench) hoặc xe thực tế trên đường thử.

Hướng nghiên cứu tiếp theo

  • Mở rộng thuật toán điều khiển để phối hợp đa biến đồng thời: điều khiển góc mở bướm ga $\alpha$, góc đánh lửa sớm SA và thời gian phun nhiên liệu $T_f$ trong cùng một bộ điều khiển tối ưu toàn cục.
  • Triển khai thử nghiệm thuật toán trên băng thử động cơ đốt trong thực tế và tích hợp vào hệ thống ECU thực tế của phương tiện.
  • Nghiên cứu mở rộng thuật toán khi xe vận hành trong các điều kiện động học phức tạp hơn (hệ thống điều khiển hành trình thích ứng - Adaptive Cruise Control kết hợp phanh chủ động và hỗ trợ giữ làn).

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên môn trong các lĩnh vực:

  • Nghiên cứu sinh và học viên cao học ngành Kỹ thuật Điều khiển & Tự động hóa: Tham khảo phương pháp luận thiết kế bộ điều khiển LQIT tự chỉnh, kỹ thuật nhận dạng trực tuyến ARX và phương pháp tổng hợp bộ lọc Kalman cho hệ phi tuyến.
  • Giảng viên và nhà nghiên cứu ngành Kỹ thuật Ô tô / Cơ khí Động lực: Tham khảo hệ thống phương trình vi phân mô hình hóa động cơ xăng (MVEM), động học nạp, phun xăng, cháy giãn nở và phương trình cân bằng lực kéo phương dọc của xe.
  • Kỹ sư phát triển hệ thống nhúng và ECU: Tham khảo quy trình xây dựng hệ thống mô phỏng Hardware-In-The-Loop (HIL) kết nối Matlab - Simulink với Kit vi điều khiển thương mại chi phí thấp để thử nghiệm thuật toán thời gian thực.

Câu hỏi thường gặp

1. Tại sao luận án lựa chọn phương pháp điều khiển mô-men thay vì điều khiển các thông số cục bộ như AFR hay góc đánh lửa?

Các phương pháp điều khiển cục bộ (duy trì $AFR = 14,66$, tối ưu góc đánh lửa MBT hay giữ tốc độ không tải) chỉ tối ưu hóa các quá trình lý - hóa bên trong từng cụm chi tiết. Khi phương tiện vận hành trên đường, tải trọng thay đổi liên tục và đột ngột khiến các vòng điều khiển cục bộ không đảm bảo được tính tối ưu năng lượng tổng thể. Điều khiển theo mô-men là phương pháp điều khiển toàn cục, trực tiếp điều chỉnh công suất sinh ra từ trục khuỷu bám sát mô-men cản thực tế, từ đó giữ ổn định tốc độ xe và tiết kiệm nhiên liệu tốt hơn.

2. Mô hình toán học của động cơ xăng trong luận án gồm những biến trạng thái nào?

Mô hình toán học phi tuyến của động cơ xăng trong luận án được xây dựng với 3 biến trạng thái chính:

  1. $m_a$: Khối lượng không khí bên trong đường ống hút ($\text{kg}$).
  2. $m_{fi}$: Lưu lượng nhiên liệu thực tế được phun vào buồng đốt xi lanh ($\text{kg/s}$).
  3. $\omega_e$: Tốc độ góc quay của trục khuỷu động cơ ($\text{rad/s}$).

3. Thuật toán nhận dạng ARX trực tuyến giải quyết bài toán gì trong luận án?

Sau thời gian dài hoạt động, các thông số cơ học và nhiệt động học của động cơ bị biến đổi do hao mòn chi tiết, nhiệt độ môi trường và chất lượng nhiên liệu. Thuật toán nhận dạng ARX trực tuyến liên tục cập nhật vectơ tham số $\hat{\theta}(k)$ của mô hình tuyến tính tương đương tại từng chu kỳ trích mẫu, giúp bộ điều khiển LQIT tự chỉnh thích nghi chính xác với trạng thái thực tế của động cơ mà không cần dừng hệ thống để hiệu chỉnh lại.

4. Hệ thống thực nghiệm HIL trong luận án được thiết lập như thế nào?

Hệ thống HIL sử dụng 02 Kit Arduino Mega 2560 giao tiếp với 02 máy tính chạy Matlab - Simulink:

  • Máy tính 1 kết nối Kit 1: Chạy mô hình mô phỏng thời gian thực của động cơ xăng phi tuyến và môi trường tải cản.
  • Máy tính 2 kết nối Kit 2: Cài đặt thuật toán nhận dạng trực tuyến ARX và thuật toán điều khiển bám tối ưu LQIT tự chỉnh. Tín hiệu điều khiển bướm ga và tín hiệu phản hồi tốc độ/mô-men được truyền thông nối tiếp thời gian thực giữa hai khối.

5. Sự khác biệt về đáp ứng giữa bộ điều khiển LQIT tự chỉnh và bộ điều khiển PID truyền thống là gì?

Khi mô-men cản thay đổi đột ngột (như xung vuông $20\text{ Nm}$ hoặc dạng bậc thang):

  • Bộ điều khiển PID gây ra độ quá điều chỉnh lớn về tốc độ, bướm ga dao động mạnh và thời gian xác lập kéo dài, dẫn đến tiêu hao nhiều nhiên liệu.
  • Bộ điều khiển LQIT tự chỉnh bám nhanh giá trị tốc độ đặt và mô-men cản, góc mở bướm ga thay đổi êm thuận, loại bỏ dao động thừa và giảm lượng nhiên liệu tiêu thụ.

Kết luận

Luận án đã giải quyết bài toán điều khiển ổn định tốc độ và bám mô-men cản cho động cơ xăng hoạt động ở chế độ điều khiển hành trình (Cruise Control) nhằm mục tiêu tiết kiệm nhiên liệu. Bằng việc kết hợp thuật toán nhận dạng trực tuyến ARX, bộ lọc Kalman và bộ điều khiển bám tối ưu tích phân LQIT tự chỉnh, nghiên cứu đã khắc phục được nhược điểm của các phương pháp điều khiển cố định khi tham số động cơ bị biến đổi. Các kết quả mô phỏng số và thực nghiệm thời gian thực trên cấu hình Hardware-In-The-Loop (HIL) sử dụng Kit Arduino Mega 2560 đã chứng minh tính đúng đắn, khả năng đáp ứng thời gian thực và tiềm năng ứng dụng của phương pháp đề xuất.