Tổng quan về luận án

Nghiên cứu về hệ thống cơ điện thiếu cơ cấu chấp hành (Underactuated Mechanical Systems - UMS) đóng vai trò then chốt trong sự phát triển của tự động hóa và điều khiển học hiện đại. Trong bối cảnh công nghiệp 4.0 và chuyển đổi số logistics, xe tự hành ba bánh (Differential Wheeled Mobile Robot - WMR) đóng vai trò trung tâm trong vận tải tự động hóa nội bộ (AGV/AMR), thám hiểm địa hình nguy hiểm và cứu hộ cứu nạn. Tuy nhiên, WMR thuộc lớp đối tượng phi tuyến phức tạp bậc cao, mang đặc tính thiếu cơ cấu chấp hành nghiêm ngặt—nơi số lượng biến trạng thái cần điều khiển vượt quá số lượng tín hiệu tác động độc lập—đồng thời chịu các ràng buộc cơ học không khả tích (non-holonomic constraints).

Khoảng trống nghiên cứu (Research Gap) then chốt mà luận án giải quyết xuất phát từ thực tiễn vận hành: "Xe tự hành ba bánh có đặc điểm của hệ thiếu cơ cấu chấp hành, đó là góc hướng của xe không có cơ cấu chấp hành để có thể can thiệp trực tiếp, là đối tượng phi tuyến có ràng buộc non-holonomic." Phần lớn các công trình kinh điển (Fukao et al., 2000; Pourboghrat & Karlsson, 2002) chỉ khảo sát bài toán trong điều kiện lý tưởng với giả thiết tiếp xúc lăn không trượt (pure rolling without slipping). Trên thực tế, khi robot chuyển động ở dải tốc độ cao hoặc vận hành trên bề mặt sàn trơn trượt, ẩm ướt, hiện tượng trượt dọc (longitudinal slip) và trượt ngang (lateral skid) xuất hiện làm phá vỡ hoàn toàn các ràng buộc non-holonomic tiêu chuẩn, dẫn đến sai lệch quỹ đạo nghiêm trọng và gây mất ổn định động học.

Luận án xác lập 4 câu hỏi nghiên cứu cốt lõi:

  1. $RQ_1$: Làm thế nào để thiết lập một cấu trúc điều khiển thống nhất một mạch vòng giải quyết triệt để tính chất thiếu cơ cấu chấp hành của WMR mà không gây suy giảm chất lượng động học?
  2. $RQ_2$: Cơ chế trượt tầng (Hierarchical Sliding Mode Control - HSMC) kết hợp kỹ thuật cuốn chiếu (Backstepping) có thể loại trừ hiện tượng dao động chattering tần số cao và bù trừ phi tuyến như thế nào?
  3. $RQ_3$: Thuật toán ước lượng nhiễu phi tuyến hai mạch vòng (Two-loop Non-linear Disturbance Observer - NDOB) có khả năng cô lập và triệt tiêu đồng thời nhiễu động lực học lẫn bất định mô hình ở mức độ nào?
  4. $RQ_4$: Việc tích hợp hệ logic mờ loại 2 (Interval Type-2 Fuzzy Logic System - IT2-FLS) vào luật điều khiển thích nghi có giải quyết được sự bất định mô hình phi tuyến do ma sát trượt bánh phức tạp gây ra hay không?

Tương ứng là các giả thuyết khoa học:

  • $H_1$: Cấu trúc điều khiển trượt tầng backstepping chỉnh định mờ Sugeno đảm bảo hệ kín đạt tính ổn định tiệm cận toàn cục theo tiêu chuẩn Lyapunov cho quỹ đạo bất kỳ.
  • $H_2$: Cơ chế ước lượng nhiễu tích hợp hai mạch vòng giúp thời gian hội tụ sai số vị trí và vận tốc giảm trên 35% so với phương pháp điều khiển trượt thích nghi truyền thống khi chịu xung nhiễu ngoại cảnh.
  • $H_3$: Hệ thích nghi mờ loại 2 với miền bất định (Footprint of Uncertainty - FOU) vượt trội hơn mờ loại 1 trong việc bù sai lệch do trượt ngang $\eta$ và trượt dọc $\xi_R, \xi_L$, duy trì độ chính xác bám quỹ đạo với sai số tiệm cận 0.

Phạm vi nghiên cứu tập trung vào hệ xe tự hành ba bánh vi sai có cấu hình gồm hai bánh chủ động độc lập phía sau bán kính $r = 0.05\text{ m}$, khoảng cách hai bánh sau $2b = 0.6\text{ m}$ ($b = 0.3\text{ m}$), khối lượng thân xe $m_G = 10\text{ kg}$, mô men quán tính $I_G = 4\text{ kg}\cdot\text{m}^2$, khối lượng bánh xe $m_w = 1\text{ kg}$, mô men quán tính bánh xe $I_w = 0.005\text{ kg}\cdot\text{m}^2, I_D = 0.0025\text{ kg}\cdot\text{m}^2$, chịu tác động của nhiễu xung lực trong khoảng thời gian $t = 30\text{ s} - 31\text{ s}$ và nhiễu sóng điều hòa liên tục.

Literature Review và Positioning

Các công trình nghiên cứu về WMR trong ba thập kỷ qua phân hóa rõ rệt thành các trường phái tiếp cận động học và động lực học. Giai đoạn sơ khai tập trung vào phương pháp tuyến tính hóa phản hồi (Feedback Linearization) và hàm điều khiển Lyapunov thuần túy trên mô hình động học (Kanayama et al., 1990; Chwa, 2004). Phương pháp này giả định vận tốc thực của robot bám hoàn hảo theo vận tốc đặt từ bộ điều khiển động học, bỏ qua hoàn toàn các tham số vật lý như quán tính thân xe, mômen động cơ và ma sát. Khi tải trọng thay đổi, tính năng bám quỹ đạo suy giảm nghiêm trọng.

Để khắc phục nhược điểm trên, cấu trúc điều khiển phân tầng hai mạch vòng ra đời (Yang & Kim, 1999; Fierro & Lewis, 1998): mạch ngoài xử lý sai số vị trí hình học thông qua bộ điều khiển động học, mạch trong sử dụng điều khiển trượt (Sliding Mode Control - SMC) hoặc điều khiển thích nghi (Adaptive Control) để ép vận tốc góc bánh xe bám theo tín hiệu điều khiển ảo. Fukao et al. (2000) đã mở rộng phương pháp thích nghi tham số cho WMR khi bán kính bánh xe $r$ và khoảng cách $b$ bất định. Tuy nhiên, các mô hình này vẫn dựa trên giả thiết ràng buộc non-holonomic lý tưởng: $$\dot{x}_G \sin\theta - \dot{y}_G \cos\theta = 0$$

Cuộc tranh luận học thuật đột phá nảy sinh khi Danwei Wang và Chang Boon Low (2008) công bố mô hình hóa toàn diện hiện tượng trượt bánh (skidding and slipping), chỉ ra rằng trong điều kiện chuyển động thực tế, vận tốc trượt ngang $\eta$ và trượt dọc $\xi_R, \xi_L$ làm cho phương trình ràng buộc chuyển thành: $$\dot{x} \sin\theta - \dot{y} \cos\theta + a\dot{\theta} = \eta \neq 0$$

Từ đây xuất hiện hai luồng quan điểm đối lập:

  • Trường phái bù trực tiếp qua cảm biến: Sử dụng hệ thống định vị vệ tinh GPS độ chính xác cao kết hợp cảm biến quán tính IMU và camera quang học để đo đạc trực tiếp các vector trượt (Wang & Low, 2008; Reina et al., 2010). Hạn chế của hướng tiếp cận này là chi phí phần cứng rất lớn, độ trễ xử lý tín hiệu cao và phụ thuộc vào môi trường truyền sóng.
  • Trường phái bù gián tiếp qua thuật toán ước lượng thông minh: Đại diện bởi S. Yoo (2010, 2012) và M. Chen (2011), sử dụng mạng nơ-ron thích nghi (Neural Adaptive) hoặc bộ quan sát trạng thái mở rộng để xấp xỉ thành phần trượt không đo được. Mặc dù vậy, phương pháp mạng nơ-ron đòi hỏi tài nguyên tính toán ma trận trực tuyến lớn, tiềm ẩn nguy cơ bùng nổ phép tính khi áp dụng trên các vi điều khiển nhúng.

Luận án định vị nghiên cứu vào điểm giao thoa giữa lý thuyết điều khiển phi tuyến kháng nhiễu bền vững và trí tuệ nhân tạo mờ loại 2. So với công trình của S. Yoo (2010) vốn chỉ áp dụng mạng nơ-ron xấp xỉ giá trị chặn của vận tốc trượt trên mô hình động lực học tách rời, công trình này đề xuất giải pháp toàn diện: kết hợp cấu trúc một mạch vòng trượt tầng tích hợp backstepping cho mô hình tham số bất định và cấu trúc hai mạch vòng mờ thích nghi loại 2 triệt tiêu ma sát trượt bánh trực tiếp trên cả phương trình động học lẫn động lực học.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng nền tảng lý thuyết điều khiển hệ phi tuyến thiếu cơ cấu chấp hành (UMS) của Qian & Yi (2006) và lý thuyết điều khiển cuốn chiếu Backstepping của Krstic et al. (1995) thông qua ba đóng góp then chốt:

  1. Mở rộng lý thuyết điều khiển trượt tầng (Hierarchical Sliding Mode Control - HSMC): Luận án đã phân rã hệ động lực học WMR bậc 4 phi tuyến nhiều đầu vào - nhiều đầu ra (MIMO) thành hai hệ con liên kết: hệ con vị trí $(x, y)$ điều khiển bởi tổng mômen $u_1 = \tau_R + \tau_L$ và hệ con góc hướng $\theta$ điều khiển bởi hiệu mômen $u_2 = \tau_R - \tau_L$. Bằng cách thiết lập mặt trượt thứ nhất $S_1 = c_1 e_1 + \dot{e}_x$ và mặt trượt tổng hợp bậc hai $S_2 = \alpha_1 S_1 + \beta_1 s_2$, luận án chứng minh rằng biến trạng thái của cả hai kênh tọa độ $x$ và $y$ đồng thời hội tụ về mặt trượt chung chỉ với duy nhất một tín hiệu tác động $u_1$.
  2. Thiết lập định lý ổn định tiệm cận toàn cục Lyapunov cho hệ kín: Luận án phát biểu và chứng minh toán học định lý về tính ổn định của hệ WMR thiếu cơ cấu chấp hành dưới tác động của bộ điều khiển trượt tầng backstepping chỉnh định mờ: $$V = V_1 + V_2 = \frac{1}{2}(z_1^2 + z_2^2 + S_2^2) \implies \dot{V} = -a_1 z_1^2 - a_2 z_2^2 - k_2 S_2^2 - \epsilon_2 |S_2| \leq 0$$ Chứng minh này khẳng định sai số quỹ đạo $e_x, e_y, e_\theta$ và sai số vận tốc hội tụ tiệm cận về 0 mà không đòi hỏi điều kiện ràng buộc ngặt nghèo về biên độ tín hiệu điều khiển.
  3. Mở rộng lý thuyết điều khiển mờ loại 2 (Interval Type-2 Fuzzy Logic Control): Luận án kế thừa cấu trúc FLS mờ của Zadeh (1965) và Mendel (2001), chứng minh rằng việc sử dụng hàm liên thuộc Gauss mờ loại 2 với độ rộng bất định (Footprint of Uncertainty - FOU) cho phép xấp xỉ chính xác các thành phần ma sát phi tuyến phức tạp do trượt bánh xe gây ra, vượt qua giới hạn của hệ mờ loại 1 khi gặp nhiễu có độ biến thiên ngẫu nhiên cao.

Khung phân tích độc đáo

Khung phân tích của luận án được xây dựng dựa trên sự tích hợp chặt chẽ giữa ba trụ cột lý thuyết: Cơ học giải tích Euler-Lagrange, Lý thuyết ổn định phi tuyến Lyapunov và Lý thuyết tính toán mềm (Soft Computing).

   [Mô hình WMR phi tuyến & Non-holonomic]
                      │
        ┌─────────────┴─────────────┐
        ▼                           ▼
[Cấu trúc Một Mạch Vòng]    [Cấu trúc Hai Mạch Vòng]
 ├─ HSMC cho vị trí (x, y)   ├─ Vòng ngoài: Động học thích nghi
 ├─ Backstepping cho góc θ   ├─ Vòng trong: NDOB ước lượng nhiễu
 └─ Mờ Sugeno chỉnh c1, c2   └─ IT2-FLS bù trượt bánh (skid/slip)
        │                           │
        └─────────────┬─────────────┘
                      ▼
       [Ổn định toàn cục Lyapunov]

Phương pháp luận thiết kế bao gồm hai cấu trúc đột phá:

  • Cấu trúc một mạch vòng tích hợp (Single-loop HSMC-Backstepping): Loại bỏ hoàn toàn giả thiết phân tách thời gian (time-scale separation) giữa động học và động lực học, đưa trực tiếp điện áp/mômen động cơ vào bộ điều khiển vị trí và hướng, giải quyết triệt để bài toán trễ pha và tích lũy sai số giữa hai mạch vòng.
  • Cấu trúc hai mạch vòng thích nghi mờ loại 2 (Two-loop IT2-FLS Adaptive Architecture): Mạch vòng ngoài tổng hợp vận tốc điều khiển ảo có tính đến thành phần trượt động học; mạch vòng trong sử dụng cơ chế thích nghi mờ loại 2 chỉnh định trực tiếp 3 vector trọng số đầu ra nhằm triệt tiêu các lực ma sát trượt không mô hình hóa được tại tiếp điểm bánh xe.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ triết lý nghiên cứu thực chứng định lượng (Positivism Paradigm), kết hợp giữa phân tích giải tích toán học thuần túy (Analytical Rigor) và mô phỏng thực nghiệm số đa kịch bản (Multi-scenario Numerical Simulation).

Phương pháp thiết kế đa tầng (Multi-level Design) phân cấp bài toán điều khiển theo mức độ phức tạp tăng dần của đối tượng:

  • Cấp độ 1: Mô hình WMR danh định không trượt, tham số bất định (Chương 2).
  • Cấp độ 2: Mô hình WMR chịu nhiễu ngoại cảnh tác động vào đầu vào điều khiển (Chương 3).
  • Cấp độ 3: Mô hình WMR tổng quát chịu ảnh hưởng đồng thời của trượt dọc, trượt ngang và biến đổi tham số hình học - động lực học (Chương 4).

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu triển khai theo các giao thức chuẩn mực quốc tế:

  1. Thiết lập mô hình động lực học Lagrange: Xây dựng phương trình chuyển động từ hàm Lagrange $L = W_K - W_P$, xét đầy đủ các ma trận lực quán tính $M(q)$, ma trận Coriolis $C(q, \dot{q})$, ma trận đầu vào $E(q)$ và vector lực ràng buộc phi holonomic $A^T(q)\lambda$: $$\frac{d}{dt}\left(\frac{\partial L}{\partial \dot{q}}\right)^T - \left(\frac{\partial L}{\partial q}\right)^T = E(q)\tau - A^T(q)\lambda$$ Khi biến đổi không gian trạng thái, nhân hai vế với ma trận trực giao $S_1^T(q)$ (với tính chất $S_1^T(q) A_1^T(q) = 0$), phương trình được rút gọn về: $$\dot{v} = M_1^{-1} E_1 \tau$$ với $M_1 = S_1^T M S_1$ là ma trận đối xứng, xác định dương và khả đảo.
  2. Kỹ thuật triệt tiêu dao động Chattering: Thay thế hàm dấu gián đoạn $\text{sgn}(S_2)$ bằng hàm bão hòa liên tục $\text{sat}(S_2)$ trong luật điều khiển trượt: $$\text{sat}(S_2) = \begin{cases} \text{sgn}(S_2) & \text{khi } |S_2| \geq 1 \ S_2 & \text{khi } |S_2| < 1 \end{cases}$$ giúp loại bỏ hoàn toàn các thành phần tần số cao gây quá nhiệt động cơ và mài mòn cơ khí.
  3. Cơ chế chỉnh định mờ Sugeno trực tuyến: Bộ suy diễn mờ gồm 9 luật suy diễn cho mỗi tham số $c_1, c_2$, đầu vào là sai số $e_x, e_y$ và đạo hàm sai số $\dot{e}_x, \dot{e}_y$, miền giá trị đầu ra được số hóa thành 5 mức hằng số $C_i \in {3, 5, 7}$, tự động tối ưu hóa tham số mặt trượt theo thời gian thực.

Data và phân tích

Môi trường kiểm chứng được thực hiện trên nền tảng MATLAB/Simulink với bộ giải phương trình vi phân phi tuyến bậc cao ODE45 (Runge-Kutta), bước thời gian lấy mẫu cố định $T_s = 0.001\text{ s}$.

Thông số động học và động lực học của hệ xe WMR chuẩn hóa trong mô phỏng:

Ký hiệu Đại lượng vật lý Giá trị số trị Đơn vị
$m_G$ Khối lượng thân xe $10.0$ $\text{kg}$
$I_G$ Mô men quán tính thân xe quanh trục đứng $4.0$ $\text{kg}\cdot\text{m}^2$
$m_w$ Khối lượng mỗi bánh xe sau $1.0$ $\text{kg}$
$I_w$ Mô men quán tính bánh xe quanh trục quay $0.005$ $\text{kg}\cdot\text{m}^2$
$I_D$ Mô men quán tính bánh xe quanh trục đường kính $0.0025$ $\text{kg}\cdot\text{m}^2$
$r$ Bán kính bánh xe chủ động $0.05$ $\text{m}$
$b$ Một nửa khoảng cách giữa hai bánh sau $0.3$ $\text{m}$
$a$ Khoảng cách từ tâm khối $G$ đến trục bánh $M$ $0.0$ $\text{m}$

Các kịch bản kiểm chứng độ bền vững (Robustness Checks):

  • Kịch bản 1 (Quỹ đạo hình sin): $q_r = [t, 0.5\sin(0.5t)]^T$ với điểm xuất phát ban đầu lệch góc $q_0 = [0, 0, \pi/30]^T$.
  • Kịch bản 2 (Quỹ đạo đường tròn): Quỹ đạo tròn bán kính $R = 1.0\text{ m}$, tốc độ góc mong muốn $\omega_r = 0.2\text{ rad/s}$.
  • Kịch bản 3 (Biến đổi tham số đột ngột): Khối lượng $m_G$ tăng $30%$ (lên $13\text{ kg}$) và mô men quán tính $I_G$ tăng $25%$ (lên $5\text{ kg}\cdot\text{m}^2$) tại thời điểm $t = 15\text{ s}$.
  • Kịch bản 4 (Tác động xung nhiễu cực hạn): Đưa xung nhiễu biên độ lớn $\tau_d = [5.0\text{ N}\cdot\text{m}, 5.0\text{ N}\cdot\text{m}]^T$ tác động trực tiếp vào hệ thống trong khoảng thời gian $t = 30\text{ s} - 31\text{ s}$.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Triệt tiêu sai số bám quỹ đạo với độ chính xác xác lập cao: Trong kịch bản quỹ đạo tròn và sin, bộ điều khiển trượt tầng backstepping chỉnh định mờ giúp sai số vị trí theo hai trục $e_x, e_y$ hội tụ về dải lân cận gốc tọa độ $|e_x|, |e_y| < 0.002\text{ m}$ chỉ sau thời gian quá độ $t_{qs} < 1.2\text{ s}$, góc hướng $e_\theta < 0.005\text{ rad}$.
  2. Khả năng triệt tiêu chattering vượt trội: Việc tích hợp hàm bão hòa $\text{sat}(S_2)$ kết hợp chỉnh định mờ Sugeno đã làm mịn hoàn toàn tín hiệu điều khiển mômen $\tau_R, \tau_L$, loại bỏ hoàn toàn các dao động răng cưa tần số cao vốn là nhược điểm chí mạng của phương pháp điều khiển trượt cổ điển (Yang & Kim, 1999).
  3. Hiệu năng bám vượt trội trước biến thiên tham số: Khi khối lượng và quán tính của xe thay đổi đột ngột tại $t = 15\text{ s}$, bộ điều khiển tự động điều chỉnh vector tham số mặt trượt $c_1, c_2$, quỹ đạo chuyển động thực của xe hầu như không bị lệch khỏi quỹ đạo đặt, sai số tức thời không vượt quá $0.008\text{ m}$ và nhanh chóng tái lập trạng thái bám sau $0.4\text{ s}$.
  4. Ước lượng và bù trừ nhiễu chính xác tuyệt đối: Cơ cấu quan sát nhiễu NDOB hai mạch vòng nhận dạng chính xác biên độ và tần số của các thành phần nhiễu phi tuyến $d_1(t), d_2(t)$. Khi chịu xung nhiễu tại giây thứ 30 đến 31, sai số bám của hệ thống đề xuất chỉ biến động trong khoảng $\Delta e < 0.015\text{ m}$, phục hồi quỹ đạo chuẩn xác ngay tại $t = 31.8\text{ s}$, vượt trội rõ rệt khi so sánh với bộ điều khiển thích nghi của công trình tham chiếu [46] (nơi sai số vọt lố lên tới $0.085\text{ m}$ và mất hơn $3.5\text{ s}$ để ổn định).
  5. Khắc phục triệt để hiện tượng trượt bánh bằng mờ loại 2: Khi đưa hệ số trượt dọc $\xi_R, \xi_L$ và trượt ngang $\eta$ vào mô hình, bộ điều khiển thích nghi mờ loại 2 (IT2-FLS) chứng minh ưu thế tuyệt đối trước bộ mờ loại 1 (Type-1 FLS). Sai số vị trí $e_x, e_y$ của bộ mờ loại 2 giảm hơn $55%$ biên độ dao động, đồng thời đặc tính tốc độ bánh xe trái/phải không bị hiện tượng bão hòa cục bộ.

Implications đa chiều

  • Về mặt lý thuyết: Cung cấp phương pháp luận tổng quát để giải bài toán điều khiển cho lớp các hệ cơ điện thiếu cơ cấu chấp hành có ràng buộc phi holonomic chịu nhiễu bất định và suy giảm ma sát.
  • Về phương pháp luận: Khẳng định tính khả thi của việc tích hợp trí tuệ nhân tạo (Hệ mờ loại 2) vào cấu trúc điều khiển giải tích phi tuyến (Lyapunov/Sliding Mode) để đảm bảo đồng thời tính bền vững toán học và khả năng học thích nghi trực tuyến.
  • Về ứng dụng thực tiễn: Tạo tiền đề kỹ thuật trực tiếp để phát triển hệ thống điều khiển cho xe tự hành AGV trong các nhà máy thông minh, kho vận tự động tốc độ cao, cảng biển và robot thám hiểm không người lái di chuyển trên các bề mặt phức tạp (bùn lầy, sàn dầu mỡ).
  • Về chính sách và công nghệ quốc gia: Đóng góp vào chiến lược làm chủ công nghệ lõi trong thiết kế chế tạo robot công nghiệp tự hành tại Việt Nam, giảm sự phụ thuộc vào các gói điều khiển độc quyền nhập khẩu từ nước ngoài.

Limitations và Future Research

Mặc dù đạt được những kết quả đột phá, luận án thẳng thắn thừa nhận các giới hạn kỹ thuật:

  • Giới hạn mô hình trượt: Các hệ số trượt bánh $\xi_R, \xi_L, \eta$ được giả định bị chặn bởi các cận trên xác định; trong trường hợp xe bị mất ma sát hoàn toàn (trôi tự do/băng trượt 100%), tính ổn định của hệ thống có thể bị vi phạm.
  • Khối lượng tính toán của Type-2 FLS: Thuật toán giảm loại (Type-reduction) Karnik-Mendel trong hệ mờ loại 2 đòi hỏi khối lượng phép tính lặp, có thể tạo áp lực lên chu kỳ lấy mẫu của các vi điều khiển cấp thấp (Low-cost Microcontrollers).
  • Phạm vi kiểm chứng: Nghiên cứu tập trung chuyên sâu vào phân tích lý thuyết toán học và mô phỏng số chi tiết trên phần mềm MATLAB/Simulink; các thử nghiệm trên phần cứng xe thực nghiệm quy mô công nghiệp với tải trọng biến thiên liên tục cần được tiếp tục mở rộng.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  1. Nghiên cứu triển khai thực thi thuật toán thích nghi mờ loại 2 trên phần cứng nhúng thời gian thực (DSP TMS320F28379D hoặc kiến trúc FPGA) tối ưu hóa thời gian tính toán.
  2. Mở rộng thuật toán điều khiển cho mô hình xe tự hành nhiều bánh chủ động (Omnidirectional / Mecanum WMR / 4WD Mobile Robots) và hệ đoàn xe tự hành (WMR Platoon/Swarm Robotics).
  3. Tích hợp thuật toán điều khiển thích nghi kháng trượt với hệ thống cảm biến định vị hiện đại (LiDAR-SLAM, Visual Inertial Odometry - VIO) để xử lý bài toán né tránh vật cản động trong môi trường chưa biết trước.
  4. Phát triển cơ chế học sâu tăng cường (Deep Reinforcement Learning) để tự động cấu hình các ma trận tham số học trong bộ điều khiển thích nghi mờ.

Tác động và ảnh hưởng

Công trình đóng góp đáng kể vào kho tàng học thuật chuyên ngành Kỹ thuật Điều khiển và Tự động hóa, với tiềm năng trích dẫn cao trong các tạp chí ISI/Scopus Q1/Q2 về Robotics và Hệ thống Thông minh (như IEEE Transactions on Industrial Electronics, IEEE Transactions on Robotics, Mechatronics, ISA Transactions).

Về mặt kinh tế - xã hội, các thuật toán trong luận án là giải pháp cốt lõi để nâng cao hiệu suất vận hành của hệ thống kho thông minh (Smart Warehouses). Ứng dụng thuật toán giúp xe AGV tăng tốc độ di chuyển an toàn trong các khúc cua gấp thêm 20-30%, triệt tiêu độ trễ bám đường, giảm thiểu hao mòn cơ khí do hiện tượng trượt bánh và tiết kiệm điện năng tiêu thụ cho động cơ chấp hành.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà khoa học: Tiếp cận phương pháp tổng hợp bộ điều khiển trượt tầng backstepping hoàn chỉnh, kỹ thuật thiết lập hàm Lyapunov cho hệ phi tuyến thiếu cơ cấu chấp hành và quy trình thiết kế hệ mờ loại 2.
  • Kỹ sư R&D Robotics & AGV: Ứng dụng trực tiếp các sơ đồ thuật toán và luật điều khiển đã được chuẩn hóa để nạp vào bộ điều khiển xe tự hành công nghiệp, giải quyết triệt để lỗi mất quỹ đạo khi xe vào cua hoặc đi qua mặt sàn trơn ướt.
  • Các doanh nghiệp sản xuất và Logistics: Tiếp nhận giải pháp công nghệ xe tự hành tự chủ chất lượng cao, tối ưu hóa chi phí đầu tư thiết bị và nâng cao năng suất vận chuyển nội bộ.
  • Cơ sở đào tạo đại học & sau đại học: Tài liệu tham khảo học thuật giá trị cao cho các học phần Điều khiển Phi tuyến Nâng cao, Điều khiển Thích nghi và Điều khiển Thông minh.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?
Đóng góp độc đáo nhất là việc thiết lập cấu trúc điều khiển trượt tầng backstepping một mạch vòng thống nhất cho hệ WMR thiếu cơ cấu chấp hành, mở rộng lý thuyết điều khiển trượt tầng của Qian & Yi (2006) và kỹ thuật cuốn chiếu của Krstic et al. (1995). Khác với các phương pháp hai mạch vòng truyền thống tách biệt động học và động lực học, cấu trúc này điều khiển trực tiếp biến vị trí và góc hướng thông qua hai kênh mômen tổng $u_1$ và mômen hiệu $u_2$, loại bỏ hoàn toàn hiện tượng trễ truyền tín hiệu ảo và đảm bảo tính ổn định tiệm cận toàn cục Lyapunov.

2. Đổi mới phương pháp luận của luận án so với các nghiên cứu quốc tế tiền nhiệm?
So với nghiên cứu của Fukao et al. (2000) (chỉ thích nghi tham số hình học mà không xét trượt) và S. Yoo (2010, 2012) (sử dụng mạng nơ-ron xấp xỉ biên độ nhiễu với khối lượng tính toán phức tạp), luận án đã đổi mới phương pháp luận bằng cách:

  • Kết hợp cơ chế ước lượng nhiễu phi tuyến NDOB hai mạch vòng, cô lập và loại bỏ chính xác các thành phần bất định mô hình $d_1, d_2$.
  • Ứng dụng hệ logic mờ loại 2 (IT2-FLS) với miền FOU để xấp xỉ trực tiếp lực ma sát trượt bánh dọc và ngang $(\xi_R, \xi_L, \eta)$ mà không cần lắp đặt thêm cảm biến đo đạc đắt tiền.

3. Phát hiện bất ngờ nhất trong quá trình thực nghiệm số là gì?
Phát hiện nổi bật là khả năng kháng xung nhiễu cực hạn của bộ quan sát NDOB tích hợp hai mạch vòng. Khi bị tác động xung lực đột ngột $\tau_d = [5.0\text{ N}\cdot\text{m}, 5.0\text{ N}\cdot\text{m}]^T$ tại giây thứ 30 đến 31, hệ thống không chỉ giữ vững tính ổn định mà còn khôi phục quỹ đạo bám chỉ trong vòng $0.8\text{ s}$, trong khi các bộ điều khiển trượt thích nghi thông thường bị vọt lố nghiêm trọng và mất tới $3.5\text{ s}$ để tái lập trạng thái bám.

4. Luận án có cung cấp đầy đủ giao thức để tái lập nghiên cứu (Replication Protocol) không?
Có. Toàn bộ thông số vật lý của robot ($m_G = 10\text{ kg}, I_G = 4\text{ kg}\cdot\text{m}^2, m_w = 1\text{ kg}, r = 0.05\text{ m}, b = 0.3\text{ m}$), phương trình ma trận không gian trạng thái $M_1, E_1, A_1$, hệ 9 luật mờ Sugeno, cấu trúc hàm liên thuộc mờ loại 2 và các kịch bản quỹ đạo (sin, tròn, biến đổi khối lượng, xung nhiễu) đều được mô tả chi tiết, cho phép tái lập chính xác $100%$ kết quả trên các công cụ mô phỏng toán học tiêu chuẩn.

5. Lộ trình phát triển nghiên cứu 10 năm tiếp theo được định hình như thế nào?
Lộ trình 10 năm tập trung vào 3 giai đoạn: (1) 2026–2028: Nhúng phần cứng thời gian thực thuật toán thích nghi mờ loại 2 trên chip DSP/FPGA chuyên dụng cho AGV công nghiệp; (2) 2028–2031: Tích hợp hệ thống thị giác máy tính và cảm biến LiDAR đa tia giải quyết bài toán chống trượt và tự hành hóa trong môi trường phi cấu trúc; (3) 2031–2036: Mở rộng sang điều khiển bầy đàn đa robot tự hành (Multi-WMR Swarm) hợp tác vận chuyển tải trọng siêu trường siêu trọng trong các cụm cảng và nhà máy tự động hóa hoàn toàn.

Kết luận

  1. Xây dựng hoàn chỉnh mô hình toán học động học và động lực học cho xe tự hành ba bánh vi sai (WMR) thuộc lớp hệ thiếu cơ cấu chấp hành có ràng buộc non-holonomic, xét đầy đủ các yếu tố bất định tham số, nhiễu ngoại cảnh và ma sát trượt bánh (skidding and slipping).
  2. Đề xuất thành công bộ điều khiển trượt tầng backstepping chỉnh định mờ Sugeno cấu trúc một mạch vòng, chứng minh toán học chặt chẽ tính ổn định tiệm cận toàn cục theo hàm Lyapunov, triệt tiêu hoàn toàn hiện tượng dao động chattering bằng hàm bão hòa liên tục.
  3. Thiết kế cấu trúc điều khiển thích nghi ước lượng nhiễu phi tuyến (NDOB) hai mạch vòng, nâng cao độ bền vững và khả năng kháng xung nhiễu ngoại cảnh vượt trội so với các công trình chuẩn quốc tế.
  4. Ứng dụng xuất sắc hệ logic mờ loại 2 (IT2-FLS) kết hợp điều khiển thích nghi hai mạch vòng để bù trừ chính xác độ trượt dọc và trượt ngang của bánh xe, giảm hơn $55%$ biên độ sai số bám so với các hệ mờ loại 1 truyền thống.
  5. Kiểm chứng toàn diện hiệu năng của các thuật toán đề xuất thông qua hàng loạt kịch bản mô phỏng khắt khe trên MATLAB/Simulink (quỹ đạo phức tạp, thay đổi đột ngột khối lượng/mômen quán tính, tác động xung nhiễu cực hạn).
  6. Định hình khung lý thuyết và phương pháp luận điều khiển hiện đại, mở ra hướng ứng dụng thực tiễn to lớn trong ngành chế tạo robot tự hành và công nghiệp logistics thông minh tại Việt Nam và quốc tế.