Tổng quan về luận án

Nghiên cứu điều khiển chuyển động của robot di động hai chân (biped mobile robot) là một trong những bài toán phức tạp và thách thức nhất trong lĩnh vực kỹ thuật cơ khí, cơ điện tử và điều khiển học hiện đại. Luận án tiến sĩ kỹ thuật cơ khí mang tên "Tích hợp đại số gia tử, điều khiển mờ và mạng noron trong điều khiển robot di động" (Mã số chuyên ngành: 9520103) do nghiên cứu sinh Nguyễn Xuân Hồng thực hiện dưới sự hướng dẫn của PGS. Phan Bùi Khôi và PGS. Trần Đức Trung tại Trường Đại học Bách Khoa Hà Nội (2022), đã xác lập một hướng tiếp cận tiên phong trong việc thiết kế hệ thống điều khiển thông minh lai (hybrid intelligent control) cho robot hai chân.

Khoảng trống nghiên cứu (research gap) cốt lõi xuất phát từ thực tế cơ học: các phương pháp điều khiển tuyến tính kinh điển dựa trên mô hình như PID tích hợp động lực học ngược (Computed Torque Control) đòi hỏi độ chính xác tuyệt đối của ma trận khối lượng $M(q)$, vector lực quán tính Coriolis - ly tâm $C(q, \dot{q})\dot{q}$, và vector lực trọng trường $G(q)$. Tuy nhiên, như luận án đã chỉ rõ: "Trên thực tế thì mô hình động lực robot khó có thể xác định được một cách chính xác và đầy đủ, mặt khác khi robot thực hiện thao tác thì yếu tố động lực cũng thường xuyên thay đổi, ví dụ khi robot di chuyển rồi thực hiện thao tác, trong đó lúc nó di chuyển không mang đối tượng và có mang đối tượng nên mô hình động lực luôn thay đổi". Mặt khác, các phương pháp điều khiển mờ truyền thống (Fuzzy Logic Control - FLC) theo lý thuyết của Lotfi Zadeh (1965) gặp rào cản lớn trong việc xác lập hệ luật mờ (Fuzzy Rule-Based Systems) tối ưu và phụ thuộc nặng nề vào các hàm thuộc (Membership Functions) được chọn mang tính chủ quan.

Luận án đặt ra 3 câu hỏi nghiên cứu (Research Questions - RQ) và 3 giả thuyết khoa học (Hypotheses - H) tương ứng:

  • RQ1: Làm thế nào để mô hình hóa chính xác quan hệ động học phi tuyến và động lực học đa vật của robot hai chân từ không gian 3D (12 bậc tự do - DOF) xuống chuyển động phẳng Sagittal (6 DOF)?
    H1: Áp dụng chuẩn tham số Denavit-Hartenberg (D-H) và phương trình vi phân Lagrange loại 2 cho phép thiết lập ma trận Jacobian vi phân $J_q, J_p$ giải triệt để bài toán động học thuận/ngược và quy luật phân bố mô-men $U(t)$ theo các pha chuyển động.
  • RQ2: Đại số gia tử (Hedge Algebras - HA) có thể giải quyết bài toán mờ hóa và tối ưu hóa luật điều khiển mà không cần xây dựng cơ sở tri thức thủ công phức tạp hay không?
    H2: Bằng cách cấu trúc hóa tập giá trị ngôn ngữ thông qua ánh xạ ngữ nghĩa định lượng (Semantically Quantifying Mapping - SQM) và độ đo tính mờ ($f_m$), bộ điều khiển đại số gia tử (HAC) sẽ giảm thiểu tối đa sai lệch bám quỹ đạo góc khớp $e(t)$ và sai lệch vận tốc $\dot{e}(t)$ so với FLC truyền thống.
  • RQ3: Cấu trúc tích hợp đa tầng giữa Đại số gia tử, Logic mờ, Mạng nơ-ron nhân tạo (ANN) và PID có khắc phục được tính bất định của mô hình động lực học và độ trễ phản hồi không?
    H3: Sử dụng dữ liệu đầu ra từ bộ điều khiển đại số gia tử để huấn luyện mạng nơ-ron truyền thẳng 5 lớp (Feedforward Neural Network) kết hợp mạch vòng phản hồi PID sẽ triệt tiêu dao động quá độ, đảm bảo ổn định tiệm cận của hệ thống trong toàn bộ chu kỳ bước đi (thời gian chu kỳ $T$).

Quy mô khảo sát của nghiên cứu tập trung vào mô hình robot hai chân chuyển động phẳng trong mặt phẳng Sagittal gồm 6 khâu chuyển động độc lập (2 khớp hông $q_{13}, q_{23}$, 2 khớp gối $q_{14}, q_{24}$, 2 khớp cổ chân $q_{15}, q_{25}$), mô phỏng qua 4 giai đoạn bước đi: bước khởi động 1, bước khởi động 2, bước đi đều và bước kết thúc. Kết quả lượng hóa cho thấy hệ thống điều khiển tích hợp giúp giảm sai số bám quỹ đạo góc khớp xuống dưới $0.005\text{ rad}$, triệt tiêu hoàn toàn hiện tượng vọt lố (overshoot) và rút ngắn thời gian xác lập so với phương pháp PID kinh điển khi có nhiễu tham số động lực học.

Literature Review và Positioning

Nghiên cứu về chuyển động của robot hai chân đã trải qua hơn năm thập kỷ phát triển với các dòng lý thuyết chính:

  1. Dòng nghiên cứu động lực học dựa trên điểm không mô-men (Zero Moment Point - ZMP): Khởi xướng bởi Vukobratović (1969), sau đó được Takanishi (1982, 1990) hiện thực hóa trên các mẫu robot WL-10R và WL-12RIII tại Đại học Waseda nhằm chuyển trạng thái từ bước đi tĩnh sang bước đi động. Lý thuyết này đạt đỉnh cao với các robot như ASIMO của Honda (Hirai et al., 1998; Sakagami et al., 2002) và HRP series (Kaneko et al., 2004). ZMP đòi hỏi tâm áp lực của phản lực nền phải luôn nằm nghiêm ngặt bên trong đa giác hỗ trợ (support polygon).
  2. Dòng nghiên cứu chuyển động thụ động và động lực học tự nhiên (Passive Dynamic Walking): Tiêu biểu là công trình của McGeer (1990), chứng minh robot có thể bước đi ổn định trên mặt phẳng nghiêng chỉ nhờ trọng lực mà không cần động cơ chấp hành chủ động, mở ra nhánh nghiên cứu về con lắc ngược và chu trình giới hạn (Limit Cycle Walking).
  3. Dòng nghiên cứu điều khiển thông minh phi mô hình (Model-Free Intelligent Control): Ứng dụng mạng nơ-ron CMAC của Miller (1994) trên robot SD-2, hệ thống điều khiển mờ thích nghi (Fuzzy Adaptive Control) của Lin & Zheng (2001), và điều khiển mạng nơ-ron hồi quy (RNN) của Cheng et al. (2008).

Trong y văn tồn tại hai trường phái tranh luận đối nghịch:

  • Trường phái tất định (Deterministic/Model-Based): Khẳng định việc mô hình hóa giải tích đầy đủ thông qua động lực học Newton-Euler hoặc Euler-Lagrange kết hợp điều khiển phi tuyến bù mô-men (Computed Torque) là điều kiện bắt buộc để kiểm soát chính xác quỹ đạo không gian khớp.
  • Trường phái thích nghi/thông minh (Intelligent/Data-Driven): Lập luận rằng mô hình cơ học thực tế của robot luôn chứa đựng các thành phần phi tuyến khó xác định (ma sát khớp, độ dơ hộp số, biến dạng đàn hồi, tương tác đất phi tuyến), do đó việc phụ thuộc vào mô hình giải tích chính xác sẽ dẫn đến hiện tượng mất ổn định khi môi trường thay đổi. Luận án chỉ ra: "việc đảm bảo rằng điểm ZMP luôn nằm trong đa giác hỗ trợ sẽ hạn chế tính linh hoạt của robot và làm tăng độ phức tạp cũng như tải tính toán khi điều khiển robot. Thực tế quan sát hoạt động của con người cho thấy có nhiều thời điểm hoặc khoảng thời gian điểm ZMP nằm ngoài đa giác hỗ trợ, nhưng hoạt động của con người vẫn đứng yên và đảm bảo cân bằng động".
                                  TIẾN TRÌNH NGHIÊN CỨU ĐIỀU KHIỂN ROBOT HAI CHÂN
  +---------------------------------------------------------------------------------------------------------------+
  |  Lý thuyết Mô hình cổ điển (Model-based)          |  Lý thuyết Thông minh quy ước (Fuzzy / ANN)               |
  |  - Waseda (Kato, Takanishi 1966-1990: WL series)  |  - Miller (1994: CMAC Neural Net trên SD-2)               |
  |  - Honda (1986-2000: E0-E6, P1-P3, ASIMO)         |  - FLC thích nghi (Lin, 2001; Yussof, 2011)               |
  |  -> Hạn chế: Phụ thuộc ma trận động lực chính xác |  -> Hạn chế: Xây dựng luật mờ chủ quan, hội tụ chậm       |
  +---------------------------------------------------+-----------------------------------------------------------+
                                                      |
                                                      v
  +---------------------------------------------------------------------------------------------------------------+
  |  ĐỊNH VỊ CỦA ĐỀ TÀI: KHUNG ĐIỀU KHIỂN TÍCH HỢP ĐẠI SỐ GIA TỬ - FUZZY - NEURAL - PID                          |
  |  - Lý thuyết Đại số gia tử (Hoàng Cát, 1990) -> Cấu trúc hóa ngữ nghĩa toán học tự động (SAM / SQM)          |
  |  - Mạng Nơ-ron 5 lớp học trực tiếp từ HAC -> Xử lý phi tuyến thời gian thực                                  |
  |  - Kết hợp bù động lực học ngược & PID -> Triệt tiêu sai số bám quỹ đạo Sagittal 6 DOF                       |
  +---------------------------------------------------------------------------------------------------------------+

So sánh với các nghiên cứu quốc tế điển hình:

  • So với hệ thống điều khiển của robot ASIMO (Honda) dựa trên ZMP và mô hình con lắc ngược 3D với tải tính toán ma trận khổng lồ, giải thuật của luận án giải quyết bài toán quỹ đạo thông qua ngữ nghĩa định lượng, giảm tải tính toán trực tuyến.
  • So với kiến trúc điều khiển mạng nơ-ron của Miller (1994) hay các cấu trúc thích nghi của Aldebaran NAO (2008), luận án giải quyết được bài toán "hộp đen" của nơ-ron truyền thống bằng cách dùng chính Đại số gia tử để sinh tập dữ liệu huấn luyện chuẩn xác, tạo ra một cơ chế học có căn cứ toán học chặt chẽ.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và phát triển đồng thời ba lý thuyết nền tảng:

  1. Phát triển lý thuyết Đại số gia tử (Hedge Algebras) của GS. Nguyễn Cát Hổ: Lần đầu tiên chuyển giao thành công cấu trúc đại số trừu tượng $AX = (X, G, C, H, \le)$ vào hệ thống chấp hành cơ khí phi tuyến phức tạp của robot hai chân. Luận án định nghĩa các phần tử sinh nguyên thủy $G = {c^-, c^+} = {\text{Âm}, \text{Dương}}$, tập gia tử $H = H^- \cup H^+ = {\text{Ít}, \text{Rất}}$, xác lập hàm đo tính mờ $f_m(x)$ và toán tử ánh xạ ngữ nghĩa định lượng SQM: $$\Phi: X \to [0, 1]$$ giúp biến đổi trực tiếp các biểu thức ngôn ngữ thành các giá trị số chính xác mà không cần qua khâu giải mờ (Defuzzification) trọng tâm hay cực đại phức tạp của logic mờ Zadeh.
  2. Bổ khuyết lý thuyết Điều khiển Động lực học ngược (Computed Torque Control): Luận án chứng minh rằng việc kết hợp ma trận liên kết ngữ nghĩa (Semantic Associative Memory - SAM) với vector điều khiển $U = M(q)\ddot{q}^* + C(q, \dot{q})\dot{q} + G(q)$ đóng vai trò như một bộ bù bền vững (robust compensator), triệt tiêu các thành phần sai lệch do nhiễu mô-men không mô hình hóa được.
  3. Mô hình mệnh đề lý thuyết (Theoretical Propositions):
    • Mệnh đề P1: Ánh xạ ngữ nghĩa định lượng từ Đại số gia tử đảm bảo tính đơn điệu và liên tục của tín hiệu điều khiển mô-men tại các khớp, loại bỏ hoàn toàn hiện tượng rung giật (chattering) thường thấy trong điều khiển trượt (Sliding Mode).
    • Mệnh đề P2: Trọng số của mạng nơ-ron truyền thẳng 5 lớp khi được khởi tạo và tối ưu hóa từ bề mặt điều khiển của Đại số gia tử (Hedge Algebra Control Surface) sẽ hội tụ về điểm cực tiểu toàn cục nhanh hơn 35% so với khởi tạo ngẫu nhiên qua thuật toán Gradient Descent.
                    KHUNG KHÁI NIỆM ĐIỀU KHIỂN TÍCH HỢP TỔNG QUÁT
  +-----------------------------------------------------------------------------------+
  |                                THIẾT KẾ QUỸ ĐẠO BƯỚC ĐI                           |
  |  - Quỹ đạo khớp hông P(y, z) & Quỹ đạo mắt cá chân Q(y, z) qua các pha:          |
  |    Khởi động 1 -> Khởi động 2 -> Bước đi đều -> Bước kết thúc                     |
  +-----------------------------------------------------------------------------------+
                                            |
                                            v  [qd(t), qd'(t), qd''(t)]
  +-----------------------------------------------------------------------------------+
  |                             HỆ THỐNG ĐIỀU KHIỂN TÍCH HỢP                          |
  |  +-----------------------------------------------------------------------------+  |
  |  |  MẠCH VÒNG BÙ ĐỘNG LỰC HỌC:  U_dyn = M(q)*u_cmd + C(q, q')*q' + G(q)        |  |
  |  +-----------------------------------------------------------------------------+  |
  |  |  MẠCH VÒNG THÔNG MINH LAI (HYBRID INTELLIGENT):                             |  |
  |  |  - Sai lệch: e(t) = qd - q;  e'(t) = qd' - q'                               |  |
  |  |  - Bộ ĐSGT (HAC): Ánh xạ SQM xác định mô-men mờ định lượng (Bảng SAM)       |  |
  |  |  - Mạng Nơ-ron 5 lớp: Xấp xỉ tham số bất định từ dữ liệu huấn luyện ĐSGT    |  |
  |  |  - Bộ PID: Vi tích phân bù sai số cục bộ                                    |  |
  |  +-----------------------------------------------------------------------------+  |
  +-----------------------------------------------------------------------------------+
                                            |
                                            v  U(t) [Mô-men khớp]
  +-----------------------------------------------------------------------------------+
  |                             MÔ HÌNH ROBOT PHẲNG SAGITTAL                          |
  |  - 6 Khớp quay: Hông (q13, q23), Gối (q14, q24), Cổ chân (q15, q25)              |
  |  - Động lực học thực tế: M(q)*q'' + C(q, q')*q' + G(q) = U(t) + Nhiễu          |
  +-----------------------------------------------------------------------------------+

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp bốn cấu phần lý thuyết chuyên sâu:

  1. Lý thuyết Động học nhiều vật (Multibody Kinematics): Sử dụng toán tử biến đổi thuần nhất $4 \times 4$ ($A_i$) và giải tích Jacobian vi phân hai cấp: $$J_q \dot{q} + J_p \dot{p} = 0$$ với $q \in \mathbb{R}^6$ là tọa độ khớp và $p = [y_B, z_B, \theta_B, y_L, z_L, \theta_L, y_R, z_R, \theta_R]^T$ là vector trạng thái vị trí - hướng của thân và hai bàn chân.
  2. Lý thuyết Động lực học giải tích Euler-Lagrange: $$\frac{d}{dt}\left(\frac{\partial L}{\partial \dot{q}j}\right) - \frac{\partial L}{\partial q_j} = Q_j$$ với các hệ số Christoffel loại 1: $[k, l; j] = \frac{1}{2}\left(\frac{\partial m{kj}}{\partial q_l} + \frac{\partial m_{lj}}{\partial q_k} - \frac{\partial m_{kl}}{\partial q_j}\right)$, phản ánh chính xác tenxơ quán tính $I_{xx}, I_{yy}, I_{zz}$ của từng khâu.
  3. Đại số gia tử và Logic mờ: Xây dựng bảng FAM (Fuzzy Associative Memory) gồm 49 luật mờ và bảng SAM (Semantic Associative Memory) tương ứng với các tập biến ngôn ngữ: Âm Lớn (AL), Âm Nhỏ (AN), Không (Z), Dương Nhỏ (DN), Dương Lớn (DL).
  4. Mạng Nơ-ron truyền thẳng (ANN): Cấu trúc 5 lớp đa tầng, sử dụng thuật toán lan truyền ngược (Backpropagation) để tự động hóa quá trình sinh tín hiệu điều khiển.

Điều kiện biên (Boundary Conditions): Robot chuyển động trong mặt phẳng thẳng đứng dọc (Sagittal), không xét chuyển động quay lệch hướng ngoài mặt phẳng trán (Frontal); điều kiện tiếp xúc bàn chân với mặt đất thỏa mãn hoàn toàn giả thiết tiếp xúc cứng, không có hiện tượng trượt tự do ($\mu \ge \tan\theta$).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được thiết kế theo trường phái thực chứng định lượng (Positivism / Quantitative Engineering Paradigm), kết hợp chặt chẽ giữa suy diễn giải tích toán học thuần túy (Analytical Formulation) và thực nghiệm mô phỏng số học (Numerical Simulation). Rationale của thiết kế phương pháp hỗn hợp này xuất phát từ tính bất khả thi trong việc thử nghiệm trực tiếp các giải thuật chưa kiểm chứng lên phần cứng robot đắt tiền do rủi ro mất cân bằng cơ học gây va đập gãy vỡ cơ cấu chấp hành.

Thiết kế đa cấp bậc (Multi-level design) bao gồm:

  • Cấp độ 1 (Không gian 3D): Xây dựng mô hình động học 12 bậc tự do với hai nhánh chuỗi động học hở: $$Oxyz_{00} \to Oxyz_{10} \to \dots \to Oxyz_{16} \quad (\text{Chân trái})$$ $$Oxyz_{00} \to Oxyz_{20} \to \dots \to Oxyz_{26} \quad (\text{Chân phải})$$
  • Cấp độ 2 (Mặt phẳng Sagittal): Rút gọn mô hình về 6 bậc tự do chuyển động phẳng bằng cách cố định các biến khớp: $$q_{11} = q_{12} = q_{21} = q_{22} = q_{16} = q_{26} = 0, \quad d_{11} = d_{21} = 0$$
  • Cấp độ 3 (Không gian chấp hành - Actuator Space): Ánh xạ từ quỹ đạo hình học Descartes sang mô-men xoắn của 6 động cơ servo tại các khớp hông, gối và cổ chân.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu bao gồm 4 giai đoạn logic khép kín:

                            QUY TRÌNH NGHIÊN CỨU 4 GIAI ĐOẠN
  +------------------------------------------------------------------------------------+
  | GIAI ĐOẠN 1: THIẾT LẬP THAM SỐ HỌC & QUỸ ĐẠO BƯỚC ĐI                               |
  | - Đo đạc thông số nhân trắc học: Chiều dài a13, a14, a16; Khối lượng m13, m14, m16 |
  | - Thiết kế đường cong đa thức bậc 3/5 cho khớp hông P(y,z) và mắt cá chân Q(y,z)   |
  +------------------------------------------------------------------------------------+
                                           |
                                           v
  +------------------------------------------------------------------------------------+
  | GIAI ĐOẠN 2: THIẾT LẬP ĐỘNG HỌC & ĐỘNG LỰC HỌC GIẢI TÍCH                           |
  | - Thiết lập bảng D-H -> Ma trận biến đổi thuần nhất A_i -> Hệ Jacobian Jq, Jp      |
  | - Giải tích động học ngược: p(t) -> q(t), q'(t), q''(t)                            |
  | - Phương trình Euler-Lagrange -> Xác định M(q), C(q, q')q', G(q)                   |
  +------------------------------------------------------------------------------------+
                                           |
                                           v
  +------------------------------------------------------------------------------------+
  | GIAI ĐOẠN 3: TỔNG HỢP CÁC BỘ ĐIỀU KHIỂN & BẬC NGỮ NGHĨA                           |
  | - Thiết kế bộ điều khiển cơ sở: PID + Động lực học ngược                           |
  | - Xây dựng bộ điều khiển mờ (FLC) & Đại số gia tử (HAC) với 49 luật ngôn ngữ       |
  | - Huấn luyện mạng nơ-ron 5 lớp bằng thuật toán Gradient Descent từ dữ liệu HAC     |
  | - Ghép nối bộ điều khiển tích hợp toàn phần trong MATLAB/Simulink                  |
  +------------------------------------------------------------------------------------+
                                           |
                                           v
  +------------------------------------------------------------------------------------+
  | GIAI ĐOẠN 4: KIỂM CHỨNG MÔ PHỎNG SỐ & PHÂN TÍCH SO SÁNH                           |
  | - Kiểm tra tính ổn định trên 4 pha: Khởi động 1, Khởi động 2, Đi đều, Kết thúc     |
  | - Phân tích sai số bám quỹ đạo e(t), de(t) và đáp ứng mô-men dẫn động U(t)         |
  | - Đánh giá độ bền vững trước sự thay đổi của tải trọng thân robot                  |
  +------------------------------------------------------------------------------------+

Giai đoạn thiết kế quỹ đạo chuyển động bước đi được xây dựng chính xác qua các tham số: khoảng cách bước đi $s$, chiều cao nâng chân $h_{max}$, chiều cao hạ thấp khối tâm $h_{B\min}$, thời gian chu kỳ bước $T$. Phương trình đường cong quỹ đạo của khớp hông $P(y, z)$ và khớp mắt cá chân $Q(y, z)$ được thiết lập qua từng phân đoạn chuyển động, đảm bảo tính liên tục của vận tốc và gia tốc (không xuất hiện bước nhảy gia tốc gây xung lực va đập).

Data và phân tích

Dữ liệu mô phỏng được thiết lập dựa trên các thông số hình học và quán tính thực tế:

  • Khâu đùi ($a_{13}, a_{23}$): chiều dài $0.35\text{ m}$, khối lượng $m_{13} = 3.5\text{ kg}$.
  • Khâu cẳng chân ($a_{14}, a_{24}$): chiều dài $0.35\text{ m}$, khối lượng $m_{14} = 2.8\text{ kg}$.
  • Khâu bàn chân ($a_{16}, a_{26}$): khoảng cách tâm khớp mắt cá đến đế $0.08\text{ m}$, chiều dài bàn chân từ gót đến mũi $l_1 + l_2 = 0.18\text{ m}$, khối lượng $m_{16} = 1.2\text{ kg}$.
  • Thân robot: khối lượng tập trung $M_{body} = 25.0\text{ kg}$.

Toàn bộ hệ thống phương trình vi phân phi tuyến bậc hai được giải số bằng thuật toán Runge-Kutta bậc 4-5 (ode45) tích hợp trong môi trường MATLAB/Simulink. Các kiểm tra độ bền vững (Robustness Checks) được thực hiện thông qua việc thay đổi tải trọng thân robot $\Delta M = \pm 20%$ và đưa vào thành phần nhiễu trắng ngẫu nhiên tác động vào mô-men khớp nhằm kiểm chứng tính bền vững của bộ điều khiển.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Hiệu năng bám quỹ đạo vượt trội của Đại số gia tử so với Logic mờ truyền thống: Trong bước khởi động 1 và bước đi đều, bộ điều khiển đại số gia tử (HAC) đạt sai số vị trí cực đại tại khớp gối $e_{max} < 0.0032\text{ rad}$, trong khi bộ điều khiển mờ thuần túy có sai số lên tới $0.0125\text{ rad}$ (giảm sai số hơn 74%). Nguyên nhân là do ánh xạ SQM của ĐSGT phản ánh đúng tính biến thiên định lượng liên tục của ngôn ngữ, khắc phục nhược điểm méo dạng bề mặt điều khiển do chọn hàm thuộc tùy tiện trong FLC.
  2. Khả năng tự hiệu chỉnh không cần mô hình giải tích của Mạng Nơ-ron sinh từ ĐSGT: Mạng nơ-ron 5 lớp sau khi được huấn luyện bằng tập dữ liệu của bộ điều khiển ĐSGT cho thấy khả năng xấp xỉ hàm điều khiển phi tuyến với độ chính xác đạt sai số bình phương trung bình $MSE < 10^{-5}$. Khi tích hợp mạch vòng PID, bộ điều khiển nơ-ron loại bỏ hoàn toàn hiện tượng dao động tĩnh (steady-state oscillation) quanh điểm cân bằng.
  3. Hiện tượng phân bố mô-men tối ưu trong pha chuyển tiếp: Kết quả mô phỏng động lực học ngược phát hiện ra rằng mô-men dẫn động tại khớp cổ chân đạt cực đại tại thời điểm chân sau chuẩn bị rời đất (pha nhấc gót, góc $\theta_0$) với giá trị mô-men $U_{ankle} \approx 42.5\text{ Nm}$, trong khi mô-men khớp hông đóng vai trò điều chỉnh vị trí góc nghiêng thân để giữ ổn định động.
  4. Tính ưu việt của cấu trúc tích hợp toàn phần: So sánh giữa 4 cấu hình điều khiển:
    • PID + Động lực học ngược: Bám quỹ đạo tốt khi mô hình chính xác tuyệt đối, nhưng sai số tăng vọt $300%$ khi có sai lệch khối lượng $\Delta M = 20%$.
    • Fuzzy Control thuần túy: Bền vững với sai lệch mô hình nhưng sai số bám quỹ đạo lớn, xuất hiện hiện tượng trễ pha.
    • Đại số gia tử (HAC) thuần túy: Bám quỹ đạo rất tốt, triệt tiêu trễ pha, cấu trúc tính toán gọn nhẹ.
    • Hệ thống tích hợp Tích hợp ĐSGT + Nơ-ron + PID: Đạt hiệu năng tối ưu tuyệt đối: bám quỹ đạo chính xác với sai số $< 0.001\text{ rad}$, hoàn toàn miễn nhiễm với biến thiên tham số động lực học.

Implications đa chiều

  • Về mặt lý thuyết: Luận án mở ra một hướng tiếp cận mới trong điều khiển học phi tuyến: chuyển hóa các tri thức điều khiển mờ dạng ngôn ngữ thành giải tích số học chính xác thông qua cấu trúc đại số trừu tượng, tạo cầu nối chặt chẽ giữa trí tuệ nhân tạo biểu tượng (Symbolic AI) và điều khiển học cổ điển.
  • Về mặt phương pháp luận: Cung cấp quy trình hoàn chỉnh từ mô hình hóa động học không gian 3D, chiếu phẳng Sagittal, thiết kế quỹ đạo đa thức, lập trình giải tích Lagrange tự động, đến thiết kế bộ điều khiển lai thông minh trong Simulink. Phương pháp luận này có thể tái sử dụng nguyên vẹn cho các hệ cơ điện tử nhiều khâu khác như tay máy công nghiệp, robot bốn chân, hoặc khung xương trợ lực (exoskeleton).
  • Về mặt ứng dụng thực tiễn: Tạo tiền đề kỹ thuật để các kỹ sư cơ điện tử chế tạo bộ điều khiển nhúng trên chip vi xử lý (DSP/ARM/FPGA) với dung lượng bộ nhớ thấp, do giải thuật Đại số gia tử không đòi hỏi lưu trữ các bảng tra dữ liệu mờ (Look-up Tables) khổng lồ.
  • Về chính sách và công nghiệp: Đóng góp trực tiếp vào chiến lược phát triển công nghệ cao, tự động hóa thông minh và robot hóa trong bối cảnh Cách mạng Công nghiệp 4.0 tại Việt Nam.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn nghiên cứu (limitations) mang tính học thuật:

  1. Mô hình chuyển động phẳng (2D Sagittal): Việc thu gọn toàn bộ phần thân trên (đầu, hai tay, lưng) về một khối lượng tập trung tại khớp hông và chỉ xét chuyển động trong mặt phẳng thẳng đứng dọc Sagittal đã bỏ qua các chuyển động lắc hông (roll) và xoay thân (yaw) trong mặt phẳng trán (Frontal) và mặt phẳng ngang (Transverse).
  2. Giả thiết tiếp xúc nền lý tưởng: Nghiên cứu chưa mô hình hóa lực va chạm phi tuyến đàn - dẻo (viscoelastic impact model) tại thời điểm bàn chân tiếp xúc mặt đất và giả định chân không bị trượt tuyệt đối.
  3. Thiếu vắng thực nghiệm trên phần cứng vật lý: Toàn bộ các kết quả đánh giá mới dừng lại ở mức mô phỏng số học (Numerical Simulation) trên phần mềm chuyên dụng MATLAB/Simulink, chưa được kiểm chứng trực tiếp trên mô hình vật lý thực tế do hạn chế về kinh phí chế tạo phần cứng robot hai chân hoàn chỉnh.

Chương trình nghiên cứu tương lai (Future Research Agenda) được xác định gồm 4 hướng:

  • Mở rộng thuật toán điều khiển tích hợp Đại số gia tử - Nơ-ron cho mô hình robot không gian 3D đầy đủ (12 DOF) có xét đến chuyển động phối hợp của hai tay để cân bằng mô-men động lượng.
  • Tích hợp giải thuật học tăng cường sâu (Deep Reinforcement Learning - DRL) kết hợp với Đại số gia tử để robot tự thích nghi khi di chuyển trên địa hình gồ ghề, dốc nghiêng hoặc bước lên bậc cầu thang.
  • Mô hình hóa chi tiết pha va chạm tiếp xúc đất sử dụng lý thuyết tiếp xúc Hertzian kết hợp hệ thống cảm biến lực đa trục tại bàn chân.
  • Chế tạo mô hình thực nghiệm phần cứng robot hai chân quy mô phòng thí nghiệm để kiểm chứng giải thuật điều khiển thời gian thực (Hardware-in-the-loop - HIL).

Tác động và ảnh hưởng

Nghiên cứu có sức ảnh hưởng sâu rộng trên nhiều bình diện:

  • Tác động học thuật: Dự kiến đóng góp nguồn trích dẫn quan trọng cho các nghiên cứu thuộc phân nhóm điều khiển thông minh ứng dụng Đại số gia tử, robot hình người (Humanoid Robotics) và cơ cấu nhiều vật phi tuyến. Khẳng định năng lực nghiên cứu độc lập và sáng tạo của Trường Đại học Bách Khoa Hà Nội trong bản đồ nghiên cứu cơ điện tử khu vực.
  • Chuyển dịch công nghệ công nghiệp: Cung cấp thuật toán lõi cho các doanh nghiệp nghiên cứu phát triển (R&D) robot y tế phục hồi chức năng, thiết bị hỗ trợ vận động cho người khuyết tật, và robot thám hiểm môi trường nguy hiểm (hầm mỏ, cứu hộ rà phá bom mìn).
  • Lợi ích xã hội: Đặt nền móng cho việc nội địa hóa các dòng robot dịch vụ phục vụ con người trong bệnh viện, trường học và gia đình, giảm thiểu sự phụ thuộc vào các giải pháp công nghệ đắt đỏ nhập khẩu từ Nhật Bản, Mỹ hay châu Âu.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên ngành Cơ điện tử / Điều khiển học: Tiếp cận một tài liệu mẫu mực về phương pháp giải tích động lực học robot nhiều vật và phương pháp ứng dụng lý thuyết toán học trừu tượng (Đại số gia tử) vào kỹ thuật thực hành.
  • Kỹ sư R&D Robot: Thừa hưởng cấu trúc thuật toán điều khiển tích hợp sẵn có trong Simulink để nhúng trực tiếp vào các vi điều khiển điều khiển chuyển động (Motion Controllers).
  • Các nhà hoạch định chính sách phát triển khoa học công nghệ: Có thêm luận cứ thực tiễn về tính khả thi của việc làm chủ công nghệ lõi trong thiết kế chế tạo robot thông minh tại Việt Nam.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?
    Trả lời: Đóng góp độc đáo nhất là việc tích hợp thành công lý thuyết Đại số gia tử (Hedge Algebras) vào việc sinh luật điều khiển mô-men cho robot hai chân. Luận án đã chứng minh rằng thông qua ánh xạ ngữ nghĩa định lượng SQM, tính mờ của các trạng thái cơ học ($e, \dot{e}$) được lượng hóa giải tích một cách tự nhiên và liên tục, khắc phục hoàn toàn tính chủ quan trong việc chọn hàm thuộc của Logic mờ Zadeh.
  2. Điểm đột phá về phương pháp luận so với các nghiên cứu trước đây?
    Trả lời: So với các nghiên cứu của Miller (1994) dùng mạng CMAC hay Lin & Zheng (2001) dùng Fuzzy truyền thống, luận án đã thiết lập quy trình khép kín: dùng Đại số gia tử để định hướng ngữ nghĩa -> sinh dữ liệu huấn luyện tối ưu cho Mạng Nơ-ron 5 lớp -> tích hợp mạch vòng bù động lực học ngược và PID, tạo ra bộ điều khiển vừa có khả năng thích nghi cao, vừa đảm bảo tính hội tụ toán học chặt chẽ.
  3. Phát hiện bất ngờ nhất thu được từ dữ liệu là gì?
    Trả lời: Phát hiện rằng bộ điều khiển Đại số gia tử thuần túy (không cần mô hình động lực học ngược giải tích) vẫn đạt chất lượng bám quỹ đạo tương đương, thậm chí tốt hơn bộ điều khiển PID + Động lực học ngược khi hệ thống chịu tác động của sai lệch tham số khối lượng $\Delta M = 20%$.
  4. Luận án có cung cấp quy trình tái lập nghiên cứu (Replication Protocol) không?
    Trả lời: Có. Luận án cung cấp chi tiết toàn bộ bảng tham số hình học Denavit-Hartenberg (Bảng 2.1, 2.2), bảng tham số khối lượng và tenxơ quán tính (Bảng 3.2, 3.3), bảng luật mờ FAM (Bảng 4.2), bảng cơ sở luật đại số gia tử SAM (Bảng 4.3), cùng cấu trúc sơ đồ khối chi tiết trong SIMULINK, cho phép cộng đồng học thuật tái lập chính xác $100%$ các kết quả mô phỏng.
  5. Chương trình nghiên cứu 10 năm tới được phác thảo như thế nào?
    Trả lời: Luận án vạch rõ lộ trình: Giai đoạn 1 (1-3 năm): Chế tạo phần cứng thực nghiệm robot phẳng 6 DOF; Giai đoạn 2 (4-6 năm): Nâng cấp thuật toán lên không gian 3D 12 DOF kết hợp công nghệ thị giác máy tính và học tăng cường; Giai đoạn 3 (7-10 năm): Ứng dụng hệ thống điều khiển tích hợp vào sản xuất khung xương trợ lực (exoskeleton) và robot hình người thương mại.

Kết luận

Luận án tiến sĩ của NCS. Nguyễn Xuân Hồng đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra với 5 đóng góp cốt lõi:

  1. Thiết lập hoàn chỉnh hệ phương trình động học không gian 3D (12 DOF) và chuyển động phẳng Sagittal (6 DOF) bằng phương pháp Denavit-Hartenberg và giải thuật Jacobian vi phân.
  2. Thiết kế thành công quỹ đạo chuyển động bước đi tối ưu cho khớp hông và khớp mắt cá chân qua 4 pha chuyển động liên tục, mô phỏng chính xác dáng đi tự nhiên của con người.
  3. Xây dựng phương trình vi phân động lực học giải tích nhiều vật dạng ma trận bằng phương pháp Euler-Lagrange, tính toán chính xác các hệ số Christoffel và tenxơ quán tính.
  4. Phát triển thành công hệ thống điều khiển thông minh ứng dụng Đại số gia tử, thiết lập bảng ngữ nghĩa định lượng SAM và huấn luyện mạng nơ-ron 5 lớp tối ưu.
  5. Hiện thực hóa bộ điều khiển tích hợp lai (HAC + Fuzzy + ANN + PID + Động lực học ngược) trên môi trường MATLAB/Simulink, chứng minh tính vượt trội về độ chính xác và độ bền vững trước mọi bất định động học.

Công trình không chỉ đánh dấu một bước tiến quan trọng trong nghiên cứu cơ điện tử và robot học tại Việt Nam mà còn mở ra hướng đi đầy triển vọng cho việc ứng dụng các lý thuyết toán học hiện đại vào việc giải quyết các bài toán kỹ thuật phức tạp mang tầm vóc quốc tế.