Tổng quan luận án

Ước lượng trạng thái là nhiệm vụ cốt lõi trong hệ thống điều khiển chuyển động và động lực học ô tô. Đối với xe ô tô điện (Electric Vehicle - EV), hệ truyền động sử dụng động cơ điện mang lại các đặc tính vượt trội so với động cơ đốt trong: mô men có thời gian đáp ứng nhanh trong vài mili giây, giá trị mô men có thể đo gián tiếp thông qua dòng điện động cơ và động cơ có khả năng tích hợp độc lập tại các bánh xe. Tuy nhiên, việc khai thác hiệu quả các ưu thế này đòi hỏi thông tin chính xác, thời gian thực về các trạng thái chuyển động của xe, đặc biệt là hệ số trượt bánh xe ($\lambda$) và vận tốc dài ($v_x$).

Khoảng trống nghiên cứu chính được tác giả chỉ ra bao gồm:

  1. Phần lớn các trạng thái động lực học không thể đo trực tiếp trên xe thương mại do các thiết bị đo chính xác cao (như cảm biến quang học, laser hay GPS tần số cao) có chi phí đắt đỏ và cấu hình lắp đặt phức tạp.
  2. Các phương pháp ước lượng truyền thống phụ thuộc lớn vào mô hình động lực học xe. Do ô tô là đối tượng phi tuyến mạnh với các tham số liên tục biến thiên trong quá trình vận hành (khối lượng xe, hệ số ma sát mặt đường, tải trọng phân bố), các bộ ước lượng dựa trên mô hình động lực học dễ bị sai lệch khi điều kiện vận hành thay đổi.
  3. Hệ thống cảm biến trên ô tô thương mại có đặc tính không đồng nhất về chu kỳ trích mẫu và độ phân giải, trong khi mạng CAN bus nội bộ thường chỉ hoạt động ở tần số tối đa 100 Hz, chưa đáp ứng yêu cầu tính toán nhanh cho các thuật toán điều khiển lực kéo ô tô điện.

Nhằm giải quyết các thách thức trên, tác giả thực hiện luận án với đề tài: "Nghiên cứu thiết kế bộ quan sát hệ số trượt và ước lượng tốc độ tuyệt đối cho điều khiển lực kéo của ô tô điện".

Mục tiêu nghiên cứu của luận án được cụ thể hóa thành 4 nhiệm vụ kỹ thuật chính:

  1. Xây dựng mô hình toán học động học, động lực học và phát triển hệ thống mô phỏng thời gian thực Hardware-in-the-loop (HIL) cho ô tô điện.
  2. Thiết kế các thuật toán ước lượng trạng thái: ước lượng trực tiếp hệ số trượt không sử dụng thông tin vận tốc dài; ước lượng vận tốc dài dựa trên kỹ thuật tổng hợp dữ liệu đa cảm biến; và phát triển thuật toán lọc Kalman đa tốc độ cải tiến (Modified Multirate Kalman Filter - M-MKF) để nâng cao tần số trích mẫu của các cảm biến cập nhật chậm.
  3. Xây dựng hệ thống thực nghiệm thu thập dữ liệu và xử lý tín hiệu thời gian thực trên nền tảng phần cứng chuyên dụng.
  4. Đề xuất và kiểm chứng các cấu trúc điều khiển chống trượt và điều khiển lực kéo (Traction Control System - TCS), bao gồm phương pháp điều khiển giới hạn hệ số trượt và phương pháp cải tiến ước lượng mô men truyền cực đại (Maximum Transmissible Torque Estimation - MTTE).

Các yêu cầu định lượng đặt ra cho các thuật toán của luận án gồm:

  • Độ chính xác của phép ước lượng đạt trên 95% (sai số tương đối nhỏ hơn 5%).
  • Đảm bảo tính bền vững (robustness), không bị ảnh hưởng bởi sự thay đổi các tham số động lực học của xe.
  • Tần số hoạt động của thuật toán ước lượng đạt tối thiểu 200 Hz nhằm khai thác khả năng đáp ứng nhanh của động cơ điện.
  • Đảm bảo tính khả thi tính toán trên các nền tảng xử lý số nhúng trong điều kiện thời gian thực.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Xe ô tô điện cá nhân chở người dưới 9 chỗ, kết cấu 4 bánh gắn trên thân độc lập. Nền tảng thử nghiệm thực tế là dòng xe thương mại Mitsubishi i-MiEV (sản xuất năm 2013), dẫn động cầu sau, trang bị động cơ điện đồng bộ nam châm vĩnh cửu công suất 47 kW, khối lượng bản thân 1080 kg, hệ thống ắc quy Lithium-ion dung lượng 16 kWh, tốc độ tối đa 130 km/h.
  • Phạm vi nghiên cứu: Tập trung vào bài toán điều khiển chuyển động dọc và chuyển động ngang của xe trên mặt đường nằm ngang; nghiên cứu kết hợp mô hình hóa lý thuyết, mô phỏng trên máy tính, mô phỏng thời gian thực Signal Hardware-in-the-loop (S-HIL) và thực nghiệm đo đạc thực tế tại Hà Nội và Nam Định từ năm 2013 đến năm 2019.

Tổng quan tài liệu và vị trí của luận án

Tổng quan tài liệu trong luận án phân tích có hệ thống các công trình nghiên cứu trong và ngoài nước về điều khiển chuyển động, ước lượng trạng thái và điều khiển lực kéo trên ô tô điện theo các nhóm chuyên đề:

  1. Mô hình hóa và điều khiển chuyển động phương ngang: Luận án kế thừa mô hình chuyển động ngang "một vết" (Bicycle Model hay Segel Model, công bố bởi Segel năm 1956) để mô tả mối quan hệ giữa góc lái $\delta$, góc trượt bên $\alpha$, góc quay thân xe $\gamma$ và lực ngang $F_y$. Đồng thời, tác giả tổng thuật các nghiên cứu về hệ thống trợ lái Steer-by-Wire và Full-Drive-by-Wire, chỉ ra rằng việc điều khiển ổn định ngang luôn đòi hỏi thông tin chính xác về các thông số tiếp xúc mặt đường như hệ số trượt $\lambda$, hệ số bám $\mu$ và độ cứng lốp.

  2. Mô hình tiếp xúc lốp xe - mặt đường: Các mô hình lốp bán kinh nghiệm được khảo sát gồm mô hình Pacejka (Magic Formula) và mô hình Dugoff. Luận án lựa chọn mô hình Pacejka làm cơ sở để mô phỏng chính xác lực dọc $F_x$ và lực ngang $F_y$ theo các hàm phi tuyến chứa các hệ số kinh nghiệm $a_n$ và $b_n$.

  3. Phương pháp đo và ước lượng vận tốc, hệ số trượt: Các thiết bị đo đạc tốc độ chính xác cao như cảm biến quang học/laser của Kistler hay hệ thống GPS tần số cao 100 Hz của Vbox được đánh giá là chỉ phù hợp trong phòng thí nghiệm do chi phí cao. Về mặt giải thuật, các nghiên cứu trên thế giới chủ yếu áp dụng bộ lọc Kalman mở rộng (Extended Kalman Filter - EKF), bộ lọc Unscented Kalman (UKF) hoặc bộ quan sát kiểu trượt (Sliding Mode Observer) dựa trên mô hình động lực học. Tác giả chỉ ra nhược điểm của các phương pháp này là tính toán phức tạp, phụ thuộc vào độ chính xác của tham số khối lượng và độ bám đường vốn luôn biến động.

  4. Các giải pháp điều khiển lực kéo (TCS):

    • Điều khiển trên cơ sở mô hình mẫu (Model Following Control - MFC): Giảm mô men khi phát hiện sai lệch gia tốc bánh xe nhưng khó thích ứng khi mặt đường thay đổi đột ngột.
    • Điều khiển dựa trên ước lượng điều kiện mặt đường: Điển hình là các nghiên cứu duy trì đạo hàm $d\mu/d\lambda > 0$ bằng logic mờ hoặc điều khiển trượt (Sliding Mode Control). Nhược điểm là việc cố định giá trị gradient $d\mu/d\lambda = 0{,}5$ không có tính tổng quát cho mọi bề mặt đường.
    • Điều khiển không dùng thông tin vận tốc: Đáng chú ý là phương pháp ước lượng mô men truyền cực đại (MTTE) được phát triển bởi Dejun Yin và Yoichi Hori. Phương pháp này tính toán ngưỡng mô men tối đa cho phép $T_{max}$ để giới hạn mô men đặt $T^*$ của người lái. Tuy nhiên, thuật toán MTTE nguyên bản có độ trễ nhất định và cần cải tiến để tăng tính đáp ứng.
    • Điều khiển hệ số trượt trong vùng ổn định: Tuyến tính hóa hệ thống quanh điểm làm việc và sử dụng bộ bù PI hoặc bộ điều khiển trượt. Nhược điểm là việc xác định điểm làm việc tối ưu $\lambda_{opt}$ trong điều kiện thực tế rất khó khăn và dễ gây hiện tượng dao động (chattering).
    • So sánh với xe động cơ đốt trong: Tác giả so sánh với hệ thống phanh chống trượt TRC và A-TRC của Toyota (hoạt động bằng cách nhấp nhả phanh thủy lực gây dao động tốc độ bánh xe và tổn hao nhiệt) để làm nổi bật ưu thế điều khiển mô men trực tiếp trên động cơ điện.

Vị trí và hướng giải quyết của luận án: Khác với các công trình trước đây vốn phụ thuộc vào mô hình động lực học phức tạp, luận án định vị hướng tiếp cận mới: kết hợp mô hình động học thân xe (Kinematic Model) với kỹ thuật tổng hợp dữ liệu đa cảm biến (Multi-sensor Data Fusion) theo chuẩn JDL. Cách tiếp cận này giúp thuật toán ước lượng trạng thái hoạt động độc lập với sự thay đổi tham số động lực học của xe, giảm khối lượng tính toán để thực thi thời gian thực ở tốc độ $\ge 200\text{ Hz}$, đồng thời cải tiến thuật toán MTTE để nâng cao độ ổn định cho hệ thống điều khiển lực kéo.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình toán học

Luận án xây dựng cơ sở lý thuyết dựa trên các hệ phương trình cơ bản:

  1. Mô hình động học thân xe 3 bậc tự do (3-DOF): Phương trình động học biểu diễn mối quan hệ giữa vận tốc tuyệt đối $v_x$, vận tốc ngang $v_y$, tốc độ quay quanh trục đứng $r$ và các gia tốc dọc $a_x$, gia tốc ngang $a_y$: $$\dot{v}_x = a_x + r v_y$$ $$\dot{v}_y = a_y - r v_x$$

  2. Mô hình động lực học chuyển động: Cân bằng lực và mô men theo 3 trục chuyển động: $$m a_x = (F_{x1} + F_{x2})\cos\delta - (F_{y1} + F_{y2})\sin\delta + F_{x3} + F_{x4} - F_{air}$$ $$m a_y = (F_{x1} + F_{x2})\sin\delta + (F_{y1} + F_{y2})\cos\delta + Fy3 + Fy4$$ $$J_z \dot{r} = l_f (F_{x1} + F_{x2})\sin\delta + l_f (F_{y1} + F_{y2})\cos\delta - l_r (F_{y3} + F_{y4}) + \frac{b_f}{2}(F_{x2} - F_{x1})\cos\delta + \frac{b_r}{2}(F_{x4} - F_{x3})$$ Trong đó, lực cản khí động học được tính theo công thức: $$F_{air} = \frac{1}{2} \rho c_W A v_x^2$$ Trọng lực phân bố lên các bánh xe ($F_{zi}$) được tính toán có xét đến sự dịch chuyển tải trọng động theo gia tốc dọc và gia tốc ngang thông qua các hệ số hình học tĩnh $k_{rx}, k_{fx}, k_x, k_{fy}, k_{ry}$.

  3. Mô hình lốp bán kinh nghiệm Pacejka: Lực dọc trục $F_{xi}$ và lực ngang trục $F_{yi}$ được mô tả theo công thức phi tuyến: $$F_{xi} = D \sin\left(C \arctan\left(B(1 - E)(\lambda_i + S_{hi}) + E \arctan(B(\lambda_i + S_{hi}))\right) + S_{vi}\right)$$ Với $B, C, D, E, S_{hi}, S_{vi}$ là các thông số phụ thuộc tải trọng đứng $F_{zi}$ và bộ hệ số $b_0 \dots b_{10}$.

  4. Khái niệm hệ số trượt ($\lambda$) và góc trượt thân xe ($\beta$): $$\lambda_i = \frac{R_{eff} \omega_i - v_x}{\max(R_{eff} \omega_i, v_x, \varepsilon)}$$ $$\beta = \arctan\left(\frac{v_y}{\max(v_x, \varepsilon)}\right)$$ Hằng số $\varepsilon$ là giá trị vô cùng bé được tác giả đưa vào để triệt tiêu lỗi chia cho 0 khi xe bắt đầu chuyển động từ trạng thái đứng yên.

  5. Mô hình tổng hợp dữ liệu và lọc Kalman đa tốc độ cải tiến (M-MKF): Sử dụng cấu trúc không gian trạng thái rời rạc với các ma trận hệ thống $(F, G, H, \Lambda)$ và các ma trận hiệp phương sai nhiễu quá trình $Q$, nhiễu đo lường $R$. Thuật toán M-MKF nội suy thích nghi độ dốc $\xi$ giữa hai chu kỳ trích mẫu thực để tái tạo tín hiệu đo chậm (như GPS hoặc encoder phân giải thấp) thành tín hiệu liên tục ở chu kỳ trích mẫu cao của mạch vòng điều khiển.

Phương pháp nghiên cứu thực nghiệm và công cụ

Luận án kết hợp 3 phương pháp nghiên cứu thực tế:

  • Mô phỏng số trên máy tính: Thực hiện bằng Matlab/Simulink để kiểm chứng mô hình toán học và đánh giá sơ bộ các thuật toán.
  • Mô phỏng thời gian thực Signal Hardware-in-the-loop (S-HIL): Sử dụng card điều khiển dSPACE DS1103 kết hợp phần mềm ControlDesk. Hệ thống S-HIL mô phỏng toàn bộ động lực học xe và động cơ truyền động theo thời gian thực, giao tiếp mức tín hiệu vật lý với bộ điều khiển thuật toán.
  • Thực nghiệm thực tế trên xe ô tô điện: Sử dụng bộ điều khiển nhúng National Instruments MyRIO 1900 để đọc dữ liệu CAN bus xe Mitsubishi i-MiEV, giao tiếp cảm biến IMU, GPS và encoder bánh xe. Dữ liệu thực nghiệm được so sánh trực tiếp với thiết bị đo chuẩn Kistler/Corrsys-Datron DAS-3.

Nguồn dữ liệu bao gồm các bản tin CAN bus tiêu chuẩn của xe i-MiEV và dữ liệu đo đạc thực nghiệm từ các kịch bản chạy thử (chạy thẳng tăng tốc, giảm tốc, đánh lái hình sin) trên đường thử nghiệm tại Nam Định và Hà Nội.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 giới thiệu bức tranh toàn cảnh về xe ô tô điện, phân tích cấu trúc 5 lớp bài toán điều khiển nối tầng trên xe: (1) Điều khiển động cơ truyền động, (2) Điều khiển chuyển động, (3) Quản lý năng lượng, (4) Điều khiển tự lái, và (5) Đo lường - ước lượng trạng thái. Tác giả phân tích các trạng thái cơ bản của ô tô (hệ số trượt $\lambda$, vận tốc dài $v_x$, góc trượt bên $\beta$, góc nghiêng lắc ngang $\phi$, độ cứng lốp, hệ số bám $\mu$, khối lượng xe $m$) và giới hạn phạm vi nghiên cứu vào việc ước lượng hệ số trượt và vận tốc dài phục vụ hệ thống điều khiển lực kéo TCS. Chương 1 kết thúc bằng việc xác định 4 nhiệm vụ cốt lõi và các chỉ tiêu định lượng cho luận án.

Chương 2: Mô hình hóa và mô phỏng xe ô tô điện

Nội dung chương 2 tập trung xây dựng mô hình toán học động học và động lực học 3 bậc tự do cho xe i-MiEV. Các giải thuật tính toán phân bố tải trọng đứng ($F_{zi}$), lực ma sát lốp Pacejka và lực cản không khí được tích hợp hoàn chỉnh trên Matlab/Simulink thông qua khối Matlab Function. Tác giả xử lý các điểm kỳ dị toán học bằng cách đưa vào các ngưỡng chặn vô cùng bé $\varepsilon$ (tránh chia cho 0 khi tính $\lambda$) và $\zeta$ (xử lý góc lái tiệm cận 0 khi tính bán kính quay vòng $R$).

Tiếp đó, chương trình bày chi tiết việc thiết kế hệ thống mô phỏng bán thực Signal Hardware-in-the-loop (S-HIL) sử dụng card dSPACE DS1103. Mô hình mô phỏng được kiểm chứng qua 3 kịch bản:

  • Kịch bản 1 (Tốc độ bình thường): Tăng tốc, duy trì tốc độ ổn định và giảm tốc trên đường thẳng.
  • Kịch bản 2 (Tốc độ cao): Kiểm tra đặc tính trượt khi phát huy công suất lớn.
  • Kịch bản 3 (Chuyển hướng lái): Đánh lái góc $\delta$ tại dải tốc độ ổn định để khảo sát tương tác giữa lực dọc và lực ngang.

Chương 3: Ước lượng trạng thái xe ô tô điện

Chương 3 là trọng tâm lý thuyết của luận án, giải quyết bài toán ước lượng trạng thái độc lập với tham số động lực học qua các giải thuật:

  1. Bộ lọc Kalman đa tốc độ cải tiến (M-MKF): Nâng cao tần số lấy mẫu của cảm biến encoder bánh xe (36 xung/vòng) và GPS (10 Hz) lên tần số điều khiển $\ge 200\text{ Hz}$, triệt tiêu hiện tượng trễ pha và giảm phương sai sai số đo lường.
  2. Bộ ước lượng và quan sát trực tiếp hệ số trượt: Xây dựng mô hình thu gọn trên cơ sở phương trình động học, cho phép ước lượng trực tiếp $\hat{\lambda}$ mà không cần đo hay ước lượng trước vận tốc dài $v_x$.
  3. Ước lượng tốc độ dài $v_x$ bằng tổng hợp đa cảm biến: Tích hợp dữ liệu từ gia tốc kế dọc ($a_x$), cảm biến GPS và tốc độ bánh xe thông qua mô hình lọc tối ưu, khắc phục triệt để hiện tượng tích lũy sai số trôi (drift) của gia tốc kế khi tích phân thuần túy.

Chương 4: Điều khiển hệ số trượt

Chương 4 nghiên cứu và thiết kế các cấu trúc điều khiển chống trượt ứng dụng kết quả ước lượng từ Chương 3:

  1. Bộ điều khiển giới hạn hệ số trượt: Thiết kế hai bộ bù trượt (Bộ bù kiểu 1 và Bộ bù kiểu 2) tác động vào tín hiệu đặt mô men động cơ nhằm giới hạn $\lambda$ không vượt quá ngưỡng trượt tối ưu của bề mặt đường.
  2. Bộ điều khiển lực kéo cải tiến trên cơ sở ước lượng mô men truyền cực đại (Modified MTTE): Cải tiến phương pháp MTTE của Yin và Hori bằng cách đưa vào hệ số chỉnh định thích nghi $\kappa$ (khảo sát tại các giá trị $\kappa=2, \kappa=20, \kappa=50$). Thuật toán giới hạn mô men đặt $T^*$ dựa trên giá trị mô men cực đại ước lượng $T_{max}$, đảm bảo xe không bị mất bám khi đi vào đường trơn trượt có hệ số bám $\mu$ thấp. Tính ổn định của hệ thống kín được phân tích và chứng minh chặt chẽ.

Chương 5: Xây dựng hệ thống thực nghiệm và kết quả

Chương 5 trình bày toàn bộ quá trình chế tạo phần cứng, lắp đặt thiết bị trên xe Mitsubishi i-MiEV thực tế và phân tích kết quả thử nghiệm:

  • Phần cứng thực nghiệm: Module NI MyRIO 1900 kết nối cổng CAN của xe i-MiEV, cảm biến IMU, GPS 10 Hz, encoder bánh xe và hệ thống đo chuẩn quang học DAS-3 của Kistler/Corrsys-Datron.
  • Kết quả thử nghiệm M-MKF: Nâng cấp thành công tần số lấy mẫu của encoder và GPS lên 200 Hz với sai số nhỏ, loại bỏ bậc thang tín hiệu.
  • Kết quả ước lượng: Thuật toán ước lượng trực tiếp hệ số trượt và ước lượng vận tốc dài đạt độ chính xác cao, bám sát tín hiệu tham chiếu chuẩn từ DAS-3.
  • Kết quả điều khiển trên S-HIL: Bộ điều khiển MTTE cải tiến với $\kappa=20$ và $\kappa=50$ cùng các bộ bù giới hạn hệ số trượt duy trì hệ số trượt trong vùng an toàn ($\lambda < 0{,}15$), ngăn ngừa hiện tượng quay trơn bánh xe và tiết kiệm công suất tiêu thụ của động cơ.

Bảng tổng hợp các thông số kỹ thuật chính và kết quả thực nghiệm trong luận án:

Hạng mục / Thông số Giá trị trong luận án Ghi chú / Thiết bị
Đối tượng xe thử nghiệm Mitsubishi i-MiEV (2013) Khối lượng: 1080 kg, Công suất: 47 kW
Nguồn năng lượng lưu trữ Ắc quy Li-ion 16 kWh Quãng đường tối đa: 126 km/lần sạc
Tần số mạng CAN tiêu chuẩn trên xe Tối đa 100 Hz Khảo sát thực tế trên xe thương mại
Tần số ước lượng đề xuất $\ge 200\text{ Hz}$ Chu kỳ tính toán $T \le 5\text{ ms}$
Tiêu chí sai số ước lượng Sai số $< 5%$ (Độ chính xác $> 95%$) Đánh giá qua MSE, RMSD, NRMSD
Bộ điều khiển nhúng thực nghiệm NI MyRIO 1900 Xử lý dữ liệu CAN, IMU, GPS, Encoder
Hệ thống tham chiếu chuẩn Kistler Corrsys-Datron DAS-3 Cảm biến đo tốc độ quang học/laser
Phần cứng mô phỏng thời gian thực dSPACE DS1103 & ControlDesk Nền tảng Signal Hardware-in-the-loop
Hệ số chỉnh định bộ điều khiển MTTE $\kappa = 2, \kappa = 20, \kappa = 50$ Khảo sát ổn định và đáp ứng mô men

Kết quả và những đóng góp mới

Luận án mang lại các đóng góp mới về mặt khoa học lý thuyết và giá trị thực tiễn:

Đóng góp về mặt lý luận và khoa học

  1. Đề xuất hướng tiếp cận ước lượng dựa trên mô hình động học: Khác với các nghiên cứu truyền thống sử dụng mô hình động lực học vốn phụ thuộc vào tham số khối lượng, quán tính và đặc tính lốp, luận án phát triển bộ quan sát dựa trên mô hình động học kết hợp tổng hợp dữ liệu cảm biến JDL. Giải pháp này giúp kết quả ước lượng đạt độ bền vững cao, không bị ảnh hưởng bởi sự thay đổi tham số của xe.
  2. Phát triển thuật toán lọc Kalman đa tốc độ cải tiến (M-MKF): Giải quyết bài toán không đồng bộ về tần số trích mẫu giữa các cảm biến trên ô tô, cho phép tái tạo tín hiệu tốc độ bánh xe và GPS ở tần số cao ($\ge 200\text{ Hz}$) với chi phí tính toán thấp, phù hợp với năng lực của các bộ vi điều khiển nhúng.
  3. Thiết kế bộ ước lượng trực tiếp hệ số trượt không phụ thuộc vận tốc dài: Đề xuất cấu trúc ước lượng trực tiếp $\hat{\lambda}$ từ dữ liệu gia tốc và tốc độ quay bánh xe, loại bỏ sai số tích lũy vốn có khi phải tính toán gián tiếp qua vận tốc dài.
  4. Cải tiến giải thuật điều khiển lực kéo MTTE: Bổ sung cơ chế chỉnh định hệ số $\kappa$ và phối hợp các bộ bù trượt kiểu mới, giúp hệ thống nhận diện nhanh giới hạn truyền mô men của mặt đường, ngăn ngừa trượt quay bánh xe và nâng cao tính ổn định chuyển động của ô tô điện.

Đóng góp về mặt thực tiễn và giải pháp đề xuất

  1. Xây dựng hệ thống Signal Hardware-in-the-loop (S-HIL) chuyên dụng: Cung cấp môi trường mô phỏng thời gian thực hoàn chỉnh trên card dSPACE DS1103, cho phép kiểm thử và tinh chỉnh các thuật toán điều khiển lực kéo an toàn trước khi nạp lên xe thật.
  2. Hiện thực hóa hệ thống phần cứng giá thành thấp trên xe thật: Tích hợp thành công bộ điều khiển nhúng NI MyRIO 1900 với mạng CAN của xe Mitsubishi i-MiEV, chứng minh tính khả thi của việc ứng dụng các thuật toán ước lượng và điều khiển đề xuất trên các dòng ô tô điện thương mại mà không cần lắp thêm các cảm biến đo tốc độ đắt tiền.
  3. Kiến nghị ứng dụng: Các thuật toán ước lượng trạng thái và điều khiển lực kéo của luận án có thể tích hợp trực tiếp vào bộ điều khiển trung tâm (VCU) hoặc bộ điều khiển động cơ (MCU) trên các dòng xe điện hiện đại, phục vụ trực tiếp cho các hệ thống an toàn chủ động (ABS, TCS, ESC) và hệ thống lái tự động.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của luận án

  • Mô hình toán học được xây dựng dựa trên giả thiết xe di chuyển trên mặt đường bằng phẳng nằm ngang, đã giản lược bỏ qua các chuyển động theo phương thẳng đứng (heave), chuyển động lắc dọc (pitch) và lắc ngang (roll).
  • Thử nghiệm thực nghiệm trên xe thật i-MiEV mới tập trung vào cấu hình xe dẫn động cầu sau (RWD) với một động cơ điện trung tâm kết hợp bộ vi sai cơ khí, chưa triển khai thực nghiệm trên cấu hình xe 4 động cơ độc lập gắn tại bánh xe (In-wheel motors).
  • Do điều kiện an toàn thực địa, các kịch bản thử nghiệm đánh lái ở dải tốc độ cao trên mặt đường có hệ số bám cực thấp (băng tuyết, bùn lầy) chủ yếu được thực hiện trên hệ thống mô phỏng S-HIL, chưa thực hiện đầy đủ trên đường chạy thực tế.

Hướng nghiên cứu tiếp theo

  • Mở rộng mô hình động học và động lực học lên không gian 6 bậc tự do (6-DOF), tích hợp các thuật toán ước lượng độ dốc (road slope) và độ nghiêng mặt đường (road bank).
  • Nghiên cứu ứng dụng các thuật toán ước lượng và điều khiển lực kéo cho cấu hình ô tô điện dẫn động 4 bánh độc lập (Full-Drive-by-Wire/4 In-wheel Motors), kết hợp bài toán phân bổ mô men tối ưu (Torque Vectoring).
  • Tích hợp giải thuật điều khiển lực kéo với hệ thống phanh tái sinh năng lượng để tối ưu hóa hiệu suất sử dụng năng lượng của hệ thống ắc quy trên xe ô tô điện.

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên sâu, có giá trị học thuật và ứng dụng thực tiễn cho nhiều nhóm đối tượng:

  • Nghiên cứu sinh, học viên cao học và sinh viên: Chuyên ngành Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Ô tô, Kỹ thuật Cơ điện tử và Kỹ thuật Cơ khí Động lực. Tài liệu cung cấp phương pháp luận chi tiết về mô hình hóa động lực học ô tô, kỹ thuật lọc Kalman đa tốc độ và phương pháp thiết lập hệ thống Hardware-in-the-loop thời gian thực.
  • Giảng viên và nhà nghiên cứu: Có thể sử dụng Chương 2 và Chương 3 làm tài liệu giảng dạy chuyên đề về điều khiển chuyển động phương tiện giao thông, xử lý tín hiệu đa cảm biến và kỹ thuật mô phỏng bán thực trên nền dSPACE và Matlab/Simulink.
  • Kỹ sư R&D tại các doanh nghiệp sản xuất ô tô điện: Bản thiết kế phần cứng giao tiếp mạng CAN trên NI MyRIO 1900 (Chương 5) và các thuật toán điều khiển MTTE cải tiến (Chương 4) là tài liệu tham khảo trực tiếp để phát triển các module phần mềm nhúng điều khiển an toàn chủ động (TCS/ABS) trên các dòng xe thương mại.

Câu hỏi thường gặp

1. Tại sao luận án lựa chọn tiếp cận ước lượng trạng thái dựa trên mô hình động học thay vì mô hình động lực học?
Trả lời: Mô hình động lực học phụ thuộc chặt chẽ vào các tham số vật lý của xe (khối lượng, mô men quán tính, đặc tính phi tuyến của lốp, hệ số ma sát mặt đường), các tham số này liên tục thay đổi trong quá trình xe vận hành. Tiếp cận theo mô hình động học kết hợp tổng hợp đa cảm biến giúp thuật toán ước lượng hoạt động độc lập với sự biến thiên tham số, đảm bảo tính bền vững và giảm khối lượng tính toán để đáp ứng yêu cầu thời gian thực.

2. Thuật toán Modified Multirate Kalman Filter (M-MKF) giải quyết vấn đề kỹ thuật nào trong hệ thống đo của xe ô tô điện?
Trả lời: Thuật toán M-MKF giải quyết sự không đồng bộ về tần số lấy mẫu giữa các cảm biến. Cụ thể, nó nội suy thích nghi để nâng tần số cập nhật của các cảm biến chậm (như encoder bánh xe 36 xung/vòng hoặc GPS 10 Hz) lên tần số $\ge 200\text{ Hz}$ đồng bộ với chu kỳ tính toán của mạch vòng điều khiển, loại bỏ độ trễ pha và giảm phương sai sai số đo lường.

3. Phương pháp ước lượng mô men truyền cực đại (MTTE) được cải tiến như thế nào trong luận án?
Trả lời: Phương pháp MTTE nguyên bản của Dejun Yin và Yoichi Hori ước lượng mô men cực đại $T_{max}$ mà mặt đường có thể tiếp nhận để giới hạn mô men đặt $T^*$ từ người lái. Luận án cải tiến phương pháp này bằng cách bổ sung hệ số chỉnh định thích nghi $\kappa$ (khảo sát ở các mức $\kappa=2, \kappa=20, \kappa=50$) kết hợp bộ bù trượt, giúp tăng tốc độ đáp ứng khi xe đi vào vùng đường trơn và duy trì hệ số trượt trong giới hạn an toàn.

4. Thiết bị và phần cứng nào được sử dụng để kiểm chứng độ chính xác của các thuật toán?
Trả lời: Độ chính xác của các thuật toán được kiểm chứng thông qua hệ thống đo quang học/laser chuyên dụng Corrsys-Datron DAS-3 của Kistler lắp trên xe Mitsubishi i-MiEV thực tế. Quá trình xử lý tín hiệu thực nghiệm sử dụng module nhúng NI MyRIO 1900, trong khi các thử nghiệm mô phỏng thời gian thực được thực hiện trên card dSPACE DS1103 với phần mềm ControlDesk.

5. Các chỉ tiêu định lượng bắt buộc đặt ra cho các bộ ước lượng trong luận án là gì?
Trả lời: Thuật toán ước lượng phải đạt độ chính xác trên 95% (sai số tương đối dưới 5%), tần số làm việc của thuật toán đạt tối thiểu 200 Hz (cao hơn tốc độ 100 Hz của mạng CAN trên xe thương mại), và thuật toán phải đủ đơn giản để chạy thời gian thực trên các bộ xử lý nhúng thông dụng.

Kết luận

Luận án đã giải quyết hoàn chỉnh bài toán ước lượng trạng thái và điều khiển lực kéo cho xe ô tô điện thông qua hướng tiếp cận mô hình động học kết hợp tổng hợp dữ liệu đa cảm biến. Các thuật toán lọc Kalman đa tốc độ cải tiến (M-MKF), quan sát trực tiếp hệ số trượt không dùng vận tốc dài và điều khiển MTTE cải tiến đã được kiểm chứng đầy đủ trên mô phỏng máy tính, hệ thống Signal HIL thời gian thực trên dSPACE DS1103 và thực nghiệm trên xe Mitsubishi i-MiEV với thiết bị chuẩn DAS-3. Kết quả nghiên cứu đáp ứng đầy đủ các chỉ tiêu khắt khe về độ chính xác trên 95%, tần số lấy mẫu $\ge 200\text{ Hz}$ và tính bền vững tham số, đóng góp thiết thực cho sự phát triển của hệ thống điều khiển an toàn chủ động trên ô tô điện.