Tổng quan luận án
Luận án tiến sĩ toán học của tác giả Chu Bình Minh với đề tài "Rút gọn mô hình cho một số hệ điều khiển tuyến tính" được bảo vệ năm 2019 tại Trường Đại học Bách khoa Hà Nội, thuộc chuyên ngành Toán học, mã số 9460101, dưới sự hướng dẫn khoa học của TS. Hà Bình Minh và TS. Phan Xuân Thành.
Trong thực tiễn kỹ thuật, công việc thiết kế các bộ điều khiển cho các hệ thống như máy móc, ô tô, máy bay, robot đòi hỏi việc sử dụng các mô hình toán học để mô tả động lực học của hệ thống. Những hệ thống này thường có bậc rất cao và cấu trúc phức tạp, dẫn đến khối lượng tính toán lớn trong quá trình phân tích và thiết kế điều khiển, thậm chí trong nhiều trường hợp là không khả thi về mặt tính toán. Bài toán rút gọn mô hình (Model Order Reduction - MOR) ra đời từ thập niên 1970 - 1980 nhằm xấp xỉ và thay thế các mô hình bậc cao, phức tạp bằng các mô hình bậc thấp hơn mà vẫn bảo toàn các đặc tính vật lý quan trọng như tính ổn định, tính điều khiển được và tính quan sát được.
Khoảng trống nghiên cứu được tác giả xác định cụ thể qua ba vấn đề:
- Đối với các hệ tuyến tính ổn định, đặc biệt là hệ có tính chất đối xứng, các kỹ sư thường phải thực nghiệm đồng thời nhiều phương pháp khác nhau (như chặt cân bằng, chặt modal, chặt cân bằng từng phần) rồi so sánh kết quả mà thiếu đi các cơ sở định lượng giải tích để dự đoán và so sánh sai số giữa các phương pháp.
- Đối với các hệ tuyến tính không ổn định, số lượng các phương pháp rút gọn ít hơn nhiều so với hệ ổn định. Các phương pháp phân rã truyền thống bộc lộ nhược điểm khi không thể áp dụng nếu hệ rút gọn yêu cầu bậc nhỏ, đòi hỏi phải phát triển các phương pháp rút gọn mới cùng các công thức đánh giá sai số phù hợp.
- Đối với bài toán rút gọn trên lân cận một tần số hoặc một vài tần số, các phương pháp mở rộng từ phương pháp chặt cân bằng dựa trên việc chéo hóa các ma trận Gramian cục bộ gặp trở ngại lớn do các ma trận Gramian này phụ thuộc vào dải tần và không xác định dương, gây khó khăn cho việc tính toán số.
Mục tiêu nghiên cứu của luận án là đề xuất các thuật toán rút gọn mô hình mới nhằm xấp xỉ hệ động lực tuyến tính cho trước, đồng thời thiết lập các công thức đánh giá và so sánh sai số giải tích. Đối tượng nghiên cứu là các hệ động lực tuyến tính liên tục và rời rạc, bao gồm cả trường hợp ổn định và không ổn định. Phạm vi nghiên cứu tập trung vào các thuật toán xấp xỉ mô hình trên toàn bộ dải tần số cũng như tại lân cận của một hoặc một vài tần số xác định, sử dụng các công cụ giải tích ma trận và các chuẩn hàm chuyên biệt ($H_\infty$, $h_\infty$, $H_{\infty,\beta}$, $h_{\infty,\alpha}$, $L_{\infty,\omega_0}$).
Tổng quan tài liệu và vị trí của luận án
Luận án đã hệ thống hóa các mốc phát triển chính của lý thuyết rút gọn mô hình tuyến tính:
- Phương pháp chặt cân bằng cho hệ ổn định: Khởi nguồn từ ý tưởng của Mullis và Robert (1976), sau đó Moore (1981) áp dụng vào hệ động lực tuyến tính ổn định thông qua việc giải các phương trình Lyapunov đại số để đưa hệ về biểu diễn cân bằng. Năm 1982, Pernebo và Silverman chứng minh phương pháp này bảo toàn tính ổn định cho hệ liên tục. Năm 1984, Enns thiết lập công thức đánh giá cận trên sai số theo chuẩn $H_\infty$. Đến năm 1996, Clapperton sử dụng ánh xạ phân tuyến tính để chứng minh cận trên sai số cho phương pháp này.
- Phương pháp chặt modal: Xuất phát từ Davison (1966) và các nghiên cứu tiếp theo về biểu diễn đường chéo của ma trận trạng thái, công thức đánh giá cận trên sai số theo tổng các chỉ số trội được chứng minh trong các công trình chuyên khảo của hệ thống điều khiển.
- Phương pháp cho hệ ghép song song: Vandendorpe và Van Dooren (2008) đề xuất phương pháp chặt cân bằng từng phần, rút gọn riêng rẽ từng hệ thành phần rồi ghép lại, với cận trên sai số bằng tổng cận trên sai số của các hệ thành phần.
- Phương pháp rút gọn hệ không ổn định: Zhou (1999) đề xuất phương pháp chéo hóa ma trận Gramian cho hệ không ổn định. Nagar (2004) phát triển kỹ thuật phân rã tách phần ổn định và không ổn định nhưng bị hạn chế khi bậc rút gọn nhỏ. Gần đây, hướng tiếp cận dịch chuyển hệ không ổn định về miền ổn định được Boess (2010) áp dụng cho hệ rời rạc và Kien (2015) áp dụng cho hệ liên tục.
- Phương pháp rút gọn tại lân cận tần số: Gawronski và Juang (1990) cùng các tác giả liên quan phát triển phương pháp Gramian phụ thuộc tần số, tuy nhiên gặp hạn chế do ma trận Gramian mất tính xác định dương.
Vị trí của luận án được xác lập thông qua việc giải quyết ba khoảng trống trên: thiết lập các định lý so sánh tường minh giữa phương pháp chặt cân bằng, chặt modal, chặt cân bằng từng phần và chặt cân bằng kết hợp ánh xạ phân tuyến tính trên lớp hệ đối xứng mở rộng; đề xuất họ phương pháp BGSP ($\alpha$-BGSP và $\beta$-BGSP) cùng các chuẩn mới $H_{\infty,\beta} / h_{\infty,\alpha}$ cho hệ không ổn định; và xây dựng thuật toán rút gọn cục bộ tần số bằng kỹ thuật dịch chuyển hệ về miền không ổn định nhằm khắc phục triệt để nhược điểm của ma trận Gramian không xác định dương.
Cơ sở lý thuyết và phương pháp nghiên cứu
Luận án vận dụng các cơ sở lý thuyết toán học thuộc các lĩnh vực:
- Đại số tuyến tính và lý thuyết ma trận: Phân tích Cholesky ($A = HH^T$ với $A$ đối xứng xác định dương, $H$ tam giác dưới có đường chéo dương); phân rã giá trị kỳ dị (SVD: $A = U\Sigma V^T$ với $U, V$ trực giao, $\Sigma$ đường chéo chứa các giá trị kỳ dị); lý thuyết thứ tự trội của vectơ (majorization: khái niệm $x \prec_w y$ và $x \prec y$) để so sánh dãy phần tử đường chéo với dãy giá trị riêng của ma trận đối xứng.
- Giải tích hàm và không gian hàm: Các không gian Lebesgue bình phương khả tích $L_2[0, \infty)$, không gian Hardy $H_2$, $H_\infty$ (không gian các hàm phức bị chặn và giải tích trên nửa mặt phẳng phức bên phải $\mathbb{C}+$), không gian $L\infty(j\mathbb{R})$, và không gian $h_\infty$ đối với hệ rời rạc.
- Lý thuyết hệ thống và điều khiển:
- Hệ liên tục: $\dot{x}(t) = A_c x(t) + B_c u(t)$, $y(t) = C_c x(t) + D_c u(t)$, với các phương trình ma trận Lyapunov đại số liên tục: $A_c P + P A_c^T + B_c B_c^T = 0$ và $A_c^T Q + Q A_c + C_c^T C_c = 0$.
- Hệ rời rạc: $x(k+1) = A_d x(k) + B_d u(k)$, $y(k) = C_d x(k) + D_d u(k)$, với các phương trình Lyapunov rời rạc: $A_d P A_d^T - P + B_d B_d^T = 0$ và $A_d^T Q A_d - Q + C_d^T C_d = 0$.
- Biểu diễn cân bằng: Biểu diễn trạng thái mà tại đó ma trận Gramian điều khiển $P$ và ma trận Gramian quan sát $Q$ cùng bằng ma trận đường chéo $\Sigma = \text{diag}(\sigma_1, \dots, \sigma_n)$, với $\sigma_i$ là các giá trị kỳ dị Hankel.
Phương pháp nghiên cứu thuần túy là phương pháp toán học giải tích: tính toán đại số, thiết lập bổ đề, chứng minh định lý toán học chặt chẽ. Để kiểm chứng các kết quả lý thuyết, tác giả sử dụng phương pháp mô phỏng số trên môi trường tính toán khoa học MATLAB, áp dụng trên các hệ thống vật lý mẫu được trích xuất từ văn hiến quốc tế: hệ truyền nhiệt, hệ dòng chảy Orr-Sommerfeld, hệ nhân tạo bậc 10, hệ SISO bậc 50, hệ bộ lọc FOM-2 bậc 7, và mô hình hệ thống cơ điện tử đầu đọc đĩa CD player bậc 120.
Nội dung chính theo từng chương
Chương 1: Kiến thức chuẩn bị
Chương 1 hệ thống hóa các kiến thức nền tảng phục vụ cho các chương phát triển thuật toán:
- Trình bày chi tiết các phép phân tích ma trận: phân tích Cholesky và phân rã giá trị kỳ dị (SVD).
- Trình bày định nghĩa và tính chất của các không gian hàm cơ bản: $L_2[0, \infty)$, $H_2$, $L_\infty(j\mathbb{R})$, $H_\infty$.
- Mô tả mô hình không gian trạng thái của hệ động lực tuyến tính liên tục, hàm truyền $G_c(s) = C_c(sI - A_c)^{-1}B_c + D_c$, tính điều khiển được, tính quan sát được và phương trình Lyapunov đại số.
- Trình bày mô hình không gian trạng thái của hệ động lực tuyến tính rời rạc, hàm truyền $G_d(z) = C_d(zI - A_d)^{-1}B_d + D_d$ và các phương trình Lyapunov rời rạc tương ứng.
- Phát biểu bài toán rút gọn mô hình cho hệ tuyến tính liên tục và hệ tuyến tính rời rạc: tìm hệ bậc $r < n$ sao cho với cùng tín hiệu đầu vào $u$, đáp ứng đầu ra $\hat{y}$ xấp xỉ tín hiệu ra $y$ của hệ gốc theo chuẩn $L_2$, tương đương với việc cực tiểu hóa chuẩn sai số hàm truyền $|G - \hat{G}|{H\infty}$ hoặc $|G - \hat{G}|{h\infty}$.
Chương 2: Bài toán rút gọn mô hình cho hệ tuyến tính ổn định đối xứng
Chương 2 tập trung nghiên cứu bài toán rút gọn mô hình cho lớp hệ ổn định có tính đối xứng:
- Thuật toán 1 & 2 (Chặt cân bằng liên tục): Sử dụng phân tích Cholesky $P = L_c L_c^T$, $Q = L_o L_o^T$, phân rã SVD $L_o^T L_c = U \Sigma V^T$, xác định ma trận biến đổi trạng thái $T^{-1} = L_c V \Sigma^{-1/2}$ để chuyển hệ về dạng cân bằng, sau đó phân hoạch khối và giữ lại $r$ biến trạng thái ứng với $r$ giá trị kỳ dị Hankel lớn nhất $\Sigma_1 = \text{diag}(\sigma_1, \dots, \sigma_r)$. Cận trên sai số tổng quát thỏa mãn $|G - \hat{G}1|{H_\infty} \le 2\sum_{i=r+1}^n \sigma_i$.
- Thuật toán 3 & 4 (Chặt cân bằng rời rạc): Mở rộng quy trình cân bằng cho hệ rời rạc qua phương trình Lyapunov rời rạc. Cận trên sai số thỏa mãn $|G - \hat{G}1|{h_\infty} < 2\sum_{i=r+1}^n \pi_i$ khi $\pi_r > \pi_{r+1}$.
- Hệ đối xứng mở rộng SISO: Tác giả mở rộng khái niệm hệ đối xứng thông thường sang hệ đối xứng mở rộng: tồn tại biểu diễn trạng thái sao cho $A_c^T = A_c$, và $B_c^T = C_c$ hoặc $B_c^T = -C_c$. Đối với lớp hệ này, biểu diễn cân bằng và biểu diễn modal đều bảo toàn tính đối xứng mở rộng. Giá trị chuẩn sai số của phương pháp chặt cân bằng đạt đúng dấu bằng: $|G - \hat{G}1|{H_\infty} = 2\sum_{i=r+1}^n \sigma_i$.
- So sánh chặt cân bằng và chặt modal (Thuật toán 5): Biểu diễn modal có $A_m = \text{diag}(\lambda_1, \dots, \lambda_n)$, các chỉ số trội $\hat{R}i = \frac{|\hat{b}i \hat{c}i|}{|\text{Re}(\lambda_i)|} = \frac{\hat{b}i^2}{-\lambda_i}$. Sai số chặt modal thỏa mãn $|G - \hat{G}2|{H\infty} = \sum{i=r+1}^n \hat{R}i$. Áp dụng lý thuyết thứ tự trội ma trận (Bổ đề 2.4 từ Định lý 7.13 của Bapat), tác giả chứng minh định lý quan trọng:
$$2\sum{i=r+1}^n \sigma_i \le \sum{i=r+1}^n \hat{R}i \implies |G - \hat{G}1|{H\infty} \le |G - \hat{G}2|{H\infty}$$
Khẳng định phương pháp chặt cân bằng luôn cho sai số không vượt quá phương pháp chặt modal trên hệ đối xứng mở rộng.
- Bảng số liệu kiểm chứng (Ví dụ 2.1): Xét hệ đối xứng bậc 10 có hàm truyền $G(s) = \sum_{i=1}^{10} \frac{1}{s+i}$. Bảng giá trị chỉ số trội và giá trị kỳ dị Hankel được tính toán chính xác như sau:
| Trạng thái $i$ |
Chỉ số trội $\hat{R}_i$ |
Giá trị kỳ dị Hankel $\sigma_i$ |
| 1 |
1.000000000000000 |
0.814238515053678 |
| 2 |
0.500000000000000 |
0.146603099958044 |
| 3 |
0.333333333333333 |
0.019555122197607 |
| 4 |
0.250000000000000 |
0.001925345758509 |
| 5 |
0.200000000000000 |
0.000143899787114 |
| 6 |
0.166666666666667 |
0.000008044158498 |
| 7 |
0.142857142857143 |
0.000000321287687 |
| 8 |
0.125000000000000 |
0.000000008453538 |
| 9 |
0.111111111111111 |
0.000000000122987 |
| 10 |
0.100000000000000 |
0.000000000000021 |
Khi rút gọn về bậc $r = 4$, sai số phương pháp chặt modal là $|G - \hat{G}2|{H_\infty} = \sum_{i=5}^{10} \hat{R}i = 0.8456$, trong khi sai số phương pháp chặt cân bằng chỉ là $|G - \hat{G}1|{H\infty} = 2\sum_{i=5}^{10} \sigma_i = 0.0003048$.
- So sánh với chặt cân bằng từng phần và chặt cân bằng kết hợp ánh xạ phân tuyến tính (Thuật toán 7 - GSP): Tác giả chứng minh phương pháp GSP cho kết quả xấp xỉ tốt hơn phương pháp chặt cân bằng thông thường, được kiểm chứng qua Bảng 2.2 trên hệ Truyền nhiệt (bậc 20) và Bảng 2.3 trên hệ Orr-Sommerfeld (bậc 10).
Chương 3: Bài toán rút gọn mô hình cho hệ tuyến tính không ổn định
Chương 3 giải quyết bài toán rút gọn mô hình khi hệ có các cực không ổn định:
- Định nghĩa hệ $\alpha$-ổn định rời rạc và hệ $\beta$-ổn định liên tục: Đưa ra các khái niệm mở rộng về miền phổ để bao hàm các hệ không ổn định có chặn phổ.
- Phương pháp đề xuất: Xây dựng phương pháp BGSP (nhiễu kỳ dị suy rộng cân bằng - Balanced Generalized Singular Perturbation), gồm phương pháp $\alpha$-BGSP cho hệ rời rạc (Thuật toán 12) và phương pháp $\beta$-BGSP cho hệ liên tục (Thuật toán 14).
- Công cụ chuẩn sai số mới và biến đổi phân tuyến tính: Đề xuất định nghĩa chuẩn $H_{\infty,\beta}$ cho hệ liên tục $\beta$-ổn định và chuẩn $h_{\infty,\alpha}$ cho hệ rời rạc $\alpha$-ổn định. Thiết lập phép biến đổi phân tuyến tính chuyển đổi tương đương giữa hệ $\alpha$-ổn định và $\beta$-ổn định, cho phép chuyển đổi bài toán rút gọn và công thức đánh giá sai số giữa hai miền thời gian liên tục và rời rạc.
- Thực nghiệm kiểm chứng: Áp dụng trên hệ tuyến tính SISO không ổn định bậc 50 với ma trận trạng thái $A_c = \text{diag}(\lambda_1, \dots, \lambda_{50})$, trong đó có các cực ổn định và không ổn định xen kẽ. Kết quả rút gọn về bậc $r = 20$ được so sánh giữa bốn phương pháp: phương pháp phân rã, phương pháp Zhou, phương pháp $\beta$-chặt cân bằng và phương pháp $\beta$-BGSP. Bảng 3.2 tổng hợp chuẩn sai số $H_{\infty,\beta}$ cho thấy phương pháp $\beta$-BGSP đạt sai số xấp xỉ thấp và ổn định nhất trên đồ thị Bode.
Chương 4: Bài toán rút gọn mô hình cho hệ tuyến tính tại lân cận một vài tần số
Chương 4 nghiên cứu bài toán xấp xỉ mô hình tập trung trên các dải tần cục bộ:
- Phân tích hạn chế: Các phương pháp Gramian phụ thuộc tần số (như thuật toán của Gawronski và Juang) tạo ra các ma trận Gramian không xác định dương, dẫn đến nguy cơ các giá trị kỳ dị Hankel cục bộ bị ảo hoặc thuật toán không hội tụ.
- Thuật toán 16 (Rút gọn tại lân cận một tần số $\omega_0$): Đề xuất giải pháp gián tiếp: chuyển hệ tuyến tính ổn định ban đầu về miền không ổn định tương ứng với tần số $\omega_0$ cần xấp xỉ; áp dụng thuật toán Zhou để tìm hệ rút gọn không ổn định; sau đó chuyển ngược hệ rút gọn này về miền ổn định. Thuật toán khắc phục triệt để việc phải tính toán trên các ma trận Gramian không xác định dương và được chứng minh bảo toàn tính ổn định. Tác giả thiết lập công thức đánh giá sai số theo chuẩn $L_{\infty,\omega_0}$.
- Thuật toán 17 (Thuật toán lặp rút gọn tại lân cận một vài tần số): Mở rộng Thuật toán 16 thành quy trình lặp đa bước để xấp xỉ hệ tại tập hợp nhiều tần số ${\omega_1, \omega_2, \dots, \omega_k}$ với các bậc thành phần ${r_1, r_2, \dots, r_k}$.
- Thực nghiệm kiểm chứng:
- Hệ mô hình FOM-2 bậc 7: Thuật toán 16 cho hệ rút gọn bậc 3 tại lân cận tần số $\omega_0 = 0.7$, đồ thị đáp ứng biên độ - tần số bám sát hệ gốc trên đoạn tần số $[10^{-1}, 2]$.
- Hệ máy đọc đĩa CD player bậc 120: Thuật toán 16 rút gọn về bậc 6 tại lân cận tần số $\omega_0 = 52500$, đạt sai số cục bộ thấp hơn phương pháp chặt cân bằng cổ điển và phương pháp Gawronski-Juang. Thuật toán lặp 17 được thực thi với hai tần số ${\omega_1 = 0, \omega_2 = 2 \times 10^5}$ và bậc phân bổ ${r_1 = 8, r_2 = 6}$, tạo ra hệ rút gọn bậc 14 xấp xỉ với độ chính xác cao trên toàn dải tần quan tâm sau hai bước lặp.
Kết quả và những đóng góp mới
Luận án tự xác định các đóng góp mới chủ yếu sau:
- Đối với hệ tuyến tính ổn định đối xứng: Thiết lập mối quan hệ giải tích và chứng minh định lý so sánh sai số chuẩn $H_\infty$ giữa phương pháp chặt cân bằng và phương pháp chặt modal ($2\sum_{i=r+1}^n \sigma_i \le \sum_{i=r+1}^n \hat{R}_i$). Chứng minh phương pháp chặt cân bằng kết hợp ánh xạ phân tuyến tính (GSP) cho sai số nhỏ hơn phương pháp chặt cân bằng thông thường khi áp dụng cho hệ đối xứng mở rộng SISO.
- Đối với hệ tuyến tính không ổn định: Xây dựng họ phương pháp BGSP ($\alpha$-BGSP cho hệ rời rạc và $\beta$-BGSP cho hệ liên tục) tổng quát hóa các phương pháp dịch chuyển miền ổn định trước đó; đề xuất các chuẩn mới $H_{\infty,\beta} / h_{\infty,\alpha}$ và thiết lập công thức đánh giá cận trên sai số tương ứng thông qua phép biến đổi phân tuyến tính.
- Đối với hệ tuyến tính tại lân cận tần số: Đề xuất thuật toán rút gọn mới tại lân cận một tần số dựa trên việc chuyển đổi qua lại giữa miền ổn định và không ổn định kết hợp phương pháp Zhou, giải quyết triệt để vấn đề ma trận Gramian không xác định dương của các phương pháp truyền thống; phát triển thành công thuật toán lặp rút gọn mô hình tại lân cận một vài tần số xác định.
Các kết quả của luận án đã được công bố trong 02 công trình khoa học chuyên ngành và báo cáo tại nhiều hội nghị, hội thảo toán học uy tín trong nước và quốc tế.
Hạn chế và hướng nghiên cứu tiếp
Văn bản luận án cho thấy một số giới hạn nghiên cứu:
- Các định lý so sánh giải tích sai số giữa phương pháp chặt cân bằng và chặt modal ở Chương 2 mới được thiết lập và chứng minh trên lớp hệ ổn định đối xứng mở rộng một đầu vào một đầu ra (SISO), chưa mở rộng đầy đủ cho hệ nhiều đầu vào nhiều đầu ra (MIMO) có cấu trúc tổng quát.
- Trong Thuật toán 17 về rút gọn lặp tại lân cận một vài tần số, việc phân bổ bậc rút gọn $r_i$ cho từng tần số thành phần $\omega_i$ vẫn dựa trên sự lựa chọn chủ quan hoặc thử nghiệm thực nghiệm của người tính toán mà chưa có thuật toán tối ưu hóa tự động phân bổ bậc.
- Hướng nghiên cứu tiếp được định hình từ phạm vi luận án gồm: tiếp tục mở rộng các đánh giá so sánh giải tích cho hệ nhiều chiều MIMO; nghiên cứu tiêu chuẩn lựa chọn tối ưu các tham số dịch chuyển và phân bổ bậc trong thuật toán lặp đa tần số; và mở rộng hướng tiếp cận sang các lớp hệ tham số hoặc hệ có trễ.
Giá trị tham khảo
Luận án là tài liệu tham khảo chuyên khảo giá trị cho các đối tượng:
- Nghiên cứu sinh và học viên cao học ngành Toán ứng dụng, Toán học tính toán và Lý thuyết điều khiển: Cung cấp hệ thống lý thuyết chặt chẽ về cân bằng hệ thống, phương trình ma trận Lyapunov, phép phân tích ma trận và kỹ thuật xử lý sai số chuẩn $H_\infty$.
- Giảng viên và nhà nghiên cứu: Có thể khai thác Chương 2 để giảng dạy về cấu trúc đại số của hệ đối xứng và mối liên hệ giữa các giá trị kỳ dị Hankel với các chỉ số trội modal; khai thác Chương 3 và Chương 4 như các phương pháp tiếp cận mới trong việc xử lý hệ không ổn định và xấp xỉ cục bộ tần số.
- Kỹ sư thiết kế hệ thống điều khiển: Thuật toán 16 và 17 ở Chương 4 đặc biệt hữu ích cho các bài toán công nghệ thực tế (như điều khiển cơ điện tử, ổ đọc đĩa, giảm chấn rung động) khi chỉ cần độ chính xác cao tại các tần số cộng hưởng hoặc dải tần làm việc cụ thể mà không cần xấp xỉ toàn dải tần.
Câu hỏi thường gặp
1. Khái niệm hệ tuyến tính liên tục ổn định đối xứng mở rộng SISO được định nghĩa như thế nào trong luận án?
Theo Định nghĩa 2.3, hệ tuyến tính liên tục ổn định SISO $G(s) \sim (A_c, B_c, C_c, D_c)$ được gọi là đối xứng mở rộng nếu tồn tại biểu diễn không gian trạng thái thỏa mãn $A_c^T = A_c$, đồng thời $B_c^T = C_c$ hoặc $B_c^T = -C_c$.
2. Kết quả so sánh sai số chuẩn $H_\infty$ giữa phương pháp chặt cân bằng và phương pháp chặt modal được khẳng định ra sao?
Theo Định lý 2.5, đối với hệ tuyến tính liên tục ổn định đối xứng mở rộng SISO, sai số của phương pháp chặt cân bằng luôn nhỏ hơn hoặc bằng sai số của phương pháp chặt modal: $|G - \hat{G}1|{H_\infty} = 2\sum_{i=r+1}^n \sigma_i \le \sum_{i=r+1}^n \hat{R}i = |G - \hat{G}2|{H\infty}$.
3. Tại sao các phương pháp chặt cân bằng cục bộ theo dải tần trước đây (như phương pháp Gawronski-Juang) lại gặp khó khăn trong tính toán số?
Vì khi tích phân ma trận Gramian trên một dải tần số giới hạn, các ma trận Gramian thu được phụ thuộc vào dải tần và thường không xác định dương, khiến việc phân tích Cholesky hoặc tính toán các giá trị kỳ dị Hankel bị lỗi hoặc dẫn đến số phức.
4. Nguyên lý cốt lõi của Thuật toán 16 để rút gọn mô hình tại lân cận một tần số là gì?
Thuật toán 16 chuyển hệ tuyến tính ổn định ban đầu về miền không ổn định tương ứng với tần số $\omega_0$ cần xấp xỉ, áp dụng phương pháp của Zhou (1999) trên hệ không ổn định này để thu được hệ rút gọn không ổn định, rồi chuyển ngược hệ rút gọn này về miền ổn định.
5. Mô hình máy đọc đĩa CD player bậc 120 trong Chương 4 được rút gọn về bậc bao nhiêu và tại những tần số nào?
Trong thực nghiệm ở Chương 4, mô hình CD player bậc 120 được rút gọn về bậc 6 tại lân cận tần số đơn $\omega_0 = 52500$, và được rút gọn về bậc 14 thông qua Thuật toán lặp 17 tại hai tần số ${\omega_1 = 0, \omega_2 = 2 \times 10^5}$ với các bậc phân bổ tương ứng là $r_1 = 8$ và $r_2 = 6$.
Kết luận
Luận án tiến sĩ của tác giả Chu Bình Minh đã giải quyết trọn vẹn ba bài toán trọng tâm trong lý thuyết rút gọn mô hình điều khiển tuyến tính: thiết lập cơ sở toán học so sánh định lượng sai số giữa các phương pháp trên hệ đối xứng, đề xuất họ phương pháp BGSP cùng chuẩn đánh giá mới cho hệ không ổn định, và xây dựng thuật toán rút gọn lặp cục bộ tần số khắc phục hạn chế ma trận Gramian không xác định dương. Các kết quả nghiên cứu đều được chứng minh giải tích toán học nghiêm ngặt và kiểm chứng nhất quán thông qua các mô phỏng số cụ thể. Công trình đóng góp thiết thực vào kho tàng lý thuyết điều khiển tự động và cung cấp các công cụ thuật toán hữu ích cho các bài toán tính toán kỹ thuật quy mô lớn.
