Tổng quan nghiên cứu

Trong hơn ba thập kỷ phát triển của ngành tự động hóa, có tới hơn 90% các hệ thống robot di động truyền thống sử dụng cơ cấu chuyển động bằng bánh xe hoặc chân cơ khí. Mặc dù đạt hiệu suất vận hành cao trên mặt phẳng đồng nhất, các cơ cấu này gặp trở ngại nghiêm trọng khi tiếp cận các địa hình gồ ghề, sạt lở hoặc các đường ống quanh co. Để giải quyết thách thức trên, robot rắn nổi lên như một hướng tiếp cận đột phá nhờ khả năng thích nghi địa hình vượt trội và khả năng vượt qua không gian chật hẹp linh hoạt.

Tuy nhiên, robot rắn là một hệ thống cơ điện tử phi tuyến bậc cao, đa biến và chịu sự ràng buộc cơ học phức tạp với 8 bậc tự do trong mặt phẳng chuyển động đối với cấu trúc 6 phân đoạn. Phương trình động lực học của robot biến thiên liên tục theo ma sát mặt sàn và quán tính từng khớp nối. Khi môi trường thay đổi đột ngột, các bộ điều khiển kinh điển như bộ điều khiển Tỉ lệ - Tích phân - Vi phân (PID) thuần túy bộc lộ rõ sự bất cập: độ vọt lố tăng cao trên 22% và thời gian đáp ứng kéo dài do thông số cố định không thể tự thích nghi.

Luận văn thạc sĩ kỹ thuật của tác giả Nguyễn Kim Suyên, thực hiện tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh và hoàn thành vào tháng 3 năm 2014, tập trung giải quyết bài toán cốt lõi: Thiết kế và tích hợp bộ điều khiển thích nghi kết hợp mạng nơ-ron hàm cơ sở bán kính và PID (gọi tắt là RBFNN-PID) cho robot rắn di chuyển trong mặt phẳng 2 chiều. Nghiên cứu hướng đến việc kết hợp tính ổn định vững chắc của PID với tốc độ xấp xỉ phi tuyến tức thời của mạng RBF. Kết quả nghiên cứu chứng minh bộ điều khiển RBFNN-PID giúp giảm sai số bám quỹ đạo hơn 35%, rút ngắn thời gian xác lập dưới 0,75 giây và duy trì trạng thái ổn định kể cả khi thông số ma sát môi trường biến động từ 5 đến 15 lần.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng vững chắc của ba khung lý thuyết chuyên ngành tự động hóa và cơ học robot:

  1. Lý thuyết động lực học và mô hình hóa lực ma sát nhớt: Chuyển động của robot rắn gồm $n$ đoạn liên kết qua $n-1$ khớp được mô tả thông qua định luật II Newton. Lực ma sát nhớt tiếp xúc giữa các phân đoạn và mặt sàn được phân ly thành thành phần tiếp tuyến với hệ số $c_t$ và thành phần pháp tuyến với hệ số $c_n$. Sự chênh lệch tỷ số ma sát giữa phương pháp tuyến và tiếp tuyến đóng vai trò động lực chính đẩy thân robot tiến về phía trước.

  2. Lý thuyết đường cong Serpenoid của Shigeo Hirose: Dáng điệu trườn sinh học của loài rắn được toán học hóa thành chuỗi dao động góc tương đối giữa các khớp theo hàm sin tuần hoàn: $\phi_i(t) = \alpha \sin(\omega t + (i - 1)\beta) + \gamma$. Trong đó, $\alpha$ đại diện cho biên độ góc uốn lượn, $\beta$ là góc lệch pha không gian giữa các đốt, $\omega$ là tần số góc điều khiển tốc độ lan truyền sóng thân, và $\gamma$ là thông số điều chỉnh hướng bẻ lái.

  3. Mạng nơ-ron hàm cơ sở bán kính (RBFNN): Cấu trúc mạng RBF gồm 3 lớp (lớp vào, lớp ẩn với hàm kích hoạt Gaussian cục bộ, và lớp ra tuyến tính). Điểm đặc biệt của RBF là khả năng xấp xỉ hàm phi tuyến toàn cục mà không vướng phải cực trị địa phương như mạng truyền thẳng lan truyền ngược (BPNN). Mạng RBF đóng vai trò nhận diện sai số động lực học trực tuyến để cập nhật tức thời bộ ba hệ số $K_p, K_i, K_d$ cho bộ điều khiển PID cục bộ và bộ điều khiển hướng, vận tốc vòng ngoài.

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa giải tích toán học, mô phỏng số học và kiểm chứng thực nghiệm phần cứng:

  • Thiết lập thông số mô hình và cỡ mẫu phân tích: Mô hình robot rắn chuẩn được xác lập với cỡ mẫu gồm 6 phân đoạn ($n = 6$) và 5 khớp chủ động, tổng chiều dài thân robot là 2 mét (mỗi đoạn dài $2l_i = 0,33\text{ m}$), khối lượng mỗi phân đoạn $m_i = 0,3\text{ kg}$, hệ số ma sát tiếp tuyến ban đầu $c_t = 0,1$ và hệ số ma sát pháp tuyến $c_n = 10$. Khoảng thời gian lấy mẫu mô phỏng được cố định ở chu kỳ $T_s = 0,01$ giây.
  • Lý do lựa chọn phương pháp phân tích: Cấu hình 6 phân đoạn được lựa chọn nhằm tối ưu hóa giữa việc tái hiện chính xác đường cong Serpenoid sinh học (đòi hỏi tối thiểu 4 đến 6 đốt để hình thành ít nhất một nửa bước sóng uốn) và hạn chế tải tính toán thời gian thực của vi điều khiển nhúng.
  • Môi trường phân tích và thực nghiệm: Tác giả lập trình mô phỏng toàn diện trên phần mềm MATLAB/Simulink để đối chuẩn các kịch bản quá độ; sau đó gia công cơ khí hoàn chỉnh khung thân và gắn 5 động cơ servo thông minh Dynamixel AX-12A giao tiếp vi điều khiển trung tâm để đo đạc thực địa.
  • Tiến trình thực hiện: Toàn bộ nghiên cứu hoàn thành trong 8 tháng, chia thành 4 giai đoạn cụ thể: 2 tháng xây dựng mô hình toán động lực học; 2 tháng thiết kế thuật toán RBFNN-PID; 2 tháng kiểm thử mô phỏng đa kịch bản trên MATLAB; và 2 tháng chế tạo phần cứng, hiệu chỉnh card giao tiếp mạch in.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng so sánh giữa bộ điều khiển RBFNN-PID và bộ điều khiển PID kinh điển mang lại 3 phát hiện then chốt:

  1. Hiệu năng bám vận tốc và hướng chuẩn xác vượt trội: Ở điều kiện chuẩn với vận tốc đặt $v^* = 1\text{ m/s}$ và góc hướng $\theta^* = 0\text{ rad}$ (chuyển động thẳng) và $\theta^* = \pi/4\text{ rad}$ (chuyển động quay vòng), bộ điều khiển RBFNN-PID đạt thời gian xác lập chỉ 0,72 giây, nhanh hơn 50,3% so với mức 1,45 giây của bộ điều khiển PID thuần túy. Sai số xác lập trung bình phương của RBFNN-PID giảm tới 42% so với PID thông thường.

  2. Khả năng triệt tiêu độ vọt lố khi thay đổi ma sát môi trường: Khi thay đổi hệ số ma sát tiếp tuyến $c_t$ từ 0,1 lên 1,0 và hệ số ma sát pháp tuyến $c_n$ từ 5 lên 15, bộ điều khiển PID truyền thống xuất hiện dao động lớn với độ vọt lố lên tới 22,4%, góc bám hướng bị lệch kéo dài. Trong khi đó, RBFNN-PID tự động thích ứng trọng số các nơ-ron, duy trì độ vọt lố dưới 4,8% và đưa robot về quỹ đạo mong muốn chỉ sau 0,85 giây.

  3. Tính bền vững trước sự biến động kết cấu cơ khí: Khi thay đổi chiều dài phân đoạn $l$ từ 1 mét lên 2 mét và khối lượng $m$ tăng từ $0,3\text{ kg}$ lên $2,0\text{ kg}$ (tăng hơn 660% tải trọng động), RBFNN-PID vẫn duy trì sai số bám vận tốc dưới 3,8%, trong khi PID thông thường mất ổn định vận tốc với biên độ sai lệch lên tới 28,6%.

Thảo luận kết quả

Các phát hiện thực nghiệm chỉ ra rằng bản chất phi tuyến của robot rắn xuất phát từ mô-men ma sát phân bố và tương tác chéo giữa các khớp quay dọc thân. Bộ điều khiển PID truyền thống vốn dựa trên các thông số cố định nên không thể bù trừ quán tính khi vận tốc góc thay đổi đột ngột. Sự can thiệp của mạng RBF với hàm kích hoạt Gaussian đã tự động hiệu chỉnh trực tuyến các tham số $K_p, K_i, K_d$ dựa trên hàm mục tiêu tối thiểu hóa sai số năng lượng, giúp hệ thống luôn hội tụ về cực trị toàn cục.

Trên các biểu đồ đáp ứng động lực học thu được từ MATLAB, quỹ đạo di chuyển trong không gian tọa độ 2 chiều thể hiện rõ:

  • Khi góc lệch $\gamma = 0^\circ$, biểu đồ bám vị trí trọng tâm của robot rắn bám sát trục tọa độ theo đường thẳng tắp với gợn sóng biên độ cực tiểu chỉ $\pm 0,02\text{ m}$.
  • Khi $\gamma = 10^\circ$, biểu đồ quỹ đạo mô tả một đường cong tròn hoàn hảo có bán kính xác định, phản ánh chính xác quy luật động học sinh học.

Bảng số liệu tổng hợp quá trình chuyển tiếp xác nhận RBFNN-PID triệt tiêu hoàn toàn hiện tượng trượt ngang ngoài ý muốn. So sánh với các nghiên cứu trước đây sử dụng mạng nơ-ron lan truyền ngược (BPNN-PID), thuật toán RBFNN loại bỏ hoàn toàn nguy cơ kẹt điểm cực tiểu cục bộ và rút ngắn số chu kỳ học thích nghi từ 45 chu kỳ xuống dưới 3 chu kỳ lặp.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và mở rộng khả năng ứng dụng thực tiễn của robot rắn điều khiển thích nghi, nghiên cứu đưa ra 4 giải pháp cụ thể:

  1. Nâng cấp thuật toán điều khiển thích nghi bám quỹ đạo 3 chiều: Tích hợp các hàm cơ sở bán kính đa biến mở rộng để kiểm soát đồng thời chuyển động cuộn xoắn và leo trèo trong không gian 3D. Target metric: Giảm sai số bám quỹ đạo không gian xuống dưới 2,5% trên địa hình dốc nghiêng $30^\circ$. Timeline: 6 tháng. Chủ thể thực hiện: Nhóm nghiên cứu sinh chuyên ngành Kỹ thuật Điều khiển và Tự động hóa.

  2. Tối ưu hóa thiết kế cơ khí và tích hợp cảm biến tiếp xúc: Thiết kế lại vỏ bọc hợp kim nhôm siêu nhẹ chống nước đạt chuẩn IP67 và trang bị cảm biến áp lực màng mỏng dọc các đốt để đo chính xác lực ma sát tức thời $c_t, c_n$. Target metric: Tăng mô-men xoắn chịu tải lên 25 N.cm và bảo vệ an toàn mạch điện ở độ sâu 1 mét dưới nước. Timeline: 9 tháng. Chủ thể thực hiện: Kỹ sư cơ điện tử và thiết kế phần cứng robot.

  3. Mở rộng phạm vi thử nghiệm trên các bề mặt địa hình thực địa phức tạp: Triển khai thử nghiệm robot thực tế trên nền cát lún, sỏi đá, bùn lầy và bên trong các đường ống cống ngầm nhân tạo. Target metric: Tốc độ bò trườn đạt tối thiểu 0,35 m/s với mức tiêu hao năng lượng pin giảm 20%. Timeline: 12 tháng. Chủ thể thực hiện: Phòng thí nghiệm Robotics và Hệ thống Thông minh.

  4. Nhúng thuật toán AI biên trên phần cứng vi xử lý tốc độ cao: Chuyển giao mã nguồn thuật toán RBFNN từ môi trường máy tính sang chip xử lý tín hiệu số DSP hoặc vi xử lý ARM Cortex-M7 chuyên dụng. Target metric: Tần số lấy mẫu vòng lặp điều khiển đạt 1000 Hz với độ trễ xử lý dưới 1 mili-giây. Timeline: 18 tháng. Chủ thể thực hiện: Chuyên gia hệ thống nhúng và xử lý tín hiệu.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị học thuật và ứng dụng thực tiễn sâu sắc cho 4 nhóm đối tượng chính:

  1. Kỹ sư R&D ngành Điều khiển và Tự động hóa: Khai thác mô hình kết hợp RBFNN-PID để ứng dụng trực tiếp vào các đối tượng phi tuyến phức tạp khác như tay máy robot đa bậc tự do, hệ thống con lắc ngược hoặc thiết bị bay không người lái.

  2. Học viên cao học và nghiên cứu sinh ngành Cơ điện tử - Robotics: Nắm vững phương pháp giải tích động lực học phân ly và thuật toán rời rạc hóa đường cong Serpenoid của Hirose, làm tài liệu tham khảo chuẩn mực để xây dựng mô phỏng trên MATLAB/Simulink.

  3. Giảng viên và nhà nghiên cứu tại các trường đại học kỹ thuật: Sử dụng toàn bộ bản vẽ thiết kế cơ khí khớp nối và sơ đồ mạch in card giao tiếp động cơ Dynamixel AX-12A trong luận văn để chế tạo giáo cụ trực quan cho các môn học Robotics nâng cao.

  4. Các đơn vị phát triển thiết bị cứu hộ, cứu nạn và trinh sát công nghiệp: Tiếp cận giải pháp chế tạo robot dạng rắn có khả năng luồn lách qua các khe nứt sụp đổ công trình hoặc đường ống dẫn dầu khí để khảo sát trực quan và thu thập dữ liệu an toàn.

Câu hỏi thường gặp

Tại sao mạng nơ-ron RBF lại vượt trội hơn mạng nơ-ron BP khi điều khiển robot rắn?
Mạng RBF sử dụng các hàm kích hoạt Gaussian cục bộ tại lớp ẩn, cho phép xấp xỉ hàm phi tuyến theo thời gian thực với tốc độ hội tụ cực nhanh. Khác với mạng BP thường bị kẹt ở điểm cực tiểu địa phương và có độ trễ lớn, mạng RBF luôn đảm bảo hội tụ về cực trị toàn cục của sai số, giúp hệ số PID được cập nhật chỉ sau 0,01 giây.

Đường cong Serpenoid đóng vai trò quyết định gì trong dáng đi của robot rắn?
Đường cong Serpenoid mô phỏng toán học chính xác dáng trườn tự nhiên của loài rắn thực tế. Bằng cách thay đổi các tham số $\alpha, \beta, \omega, \gamma$, thuật toán tạo ra sóng dao động uốn lượn liên tục dọc thân robot. Sự tương tác giữa sóng uốn này và lực ma sát nhớt không đối xứng của mặt sàn sẽ chuyển hóa mô-men xoắn ở các khớp thành lực đẩy tịnh tiến tiến về phía trước.

Bộ điều khiển RBFNN-PID phản ứng như thế nào khi ma sát mặt sàn thay đổi đột ngột?
Khi hệ số ma sát pháp tuyến $c_n$ hoặc tiếp tuyến $c_t$ thay đổi từ 5 đến 15 lần, sai số vị trí lập tức kích hoạt mạng nơ-ron RBF. Mạng sẽ tự động điều chỉnh bộ ba tham số $K_p, K_i, K_d$ để bù đắp lực cản môi trường, giữ độ vọt lố luôn dưới 5% và ổn định lại vận tốc robot trong vòng chưa đầy 0,85 giây.

Cấu hình phần cứng thực nghiệm của mô hình robot rắn trong luận văn gồm những gì?
Mô hình thực nghiệm được chế tạo với khung nhôm định hình kết nối các phân đoạn cơ khí, sử dụng hệ thống động cơ servo kỹ thuật số Dynamixel AX-12A có mô-men xoắn cao và tích hợp phản hồi góc quay chính xác. Toàn bộ hệ thống giao tiếp với máy tính điều khiển qua mạch in chuyển đổi tín hiệu chuyên dụng theo chuẩn truyền thông UART bán song công.

Luận văn đã kiểm chứng thuật toán trên những kịch bản vận hành cụ thể nào?
Tác giả đã kiểm chứng thuật toán qua 4 kịch bản mô phỏng khắt khe trên phần mềm MATLAB: kịch bản thông số ban đầu chuẩn, kịch bản thay đổi ma sát môi trường tiếp xúc, kịch bản thay đổi khối lượng và chiều dài cơ học của robot, và kịch bản thay đổi giá trị vận tốc đặt từ $0,5\text{ m/s}$ đến $2\text{ m/s}$. Sau đó, mô hình thực nghiệm đã chạy thử nghiệm thành công trên mặt phẳng thực tế.

Kết luận

  • Xây dựng thành công mô hình toán học động lực học hoàn chỉnh cho robot rắn 6 phân đoạn với 8 bậc tự do di chuyển trong mặt phẳng hai chiều dựa trên ma sát nhớt.
  • Thiết kế xuất sắc bộ điều khiển thích nghi RBFNN-PID, kết hợp hài hòa tính ổn định của giải thuật PID với khả năng tự học xấp xỉ phi tuyến tức thời của mạng nơ-ron RBF.
  • Chứng minh tính ưu việt qua mô phỏng MATLAB: Giảm thời gian xác lập xuống 0,72 giây, giảm hơn 42% sai số bám quỹ đạo và duy trì độ vọt lố dưới 5% trước mọi biến động ma sát.
  • Chế tạo và vận hành thành công mô hình phần cứng robot rắn thực tế sử dụng động cơ thông minh Dynamixel AX-12A, kiểm chứng chính xác các giả thiết lý thuyết đã đề ra.
  • Đóng góp một hướng nghiên cứu nền tảng và mở ra tiềm năng ứng dụng to lớn trong công tác đào tạo học thuật, chế tạo robot trinh sát cứu nạn và tay máy linh hoạt đa khớp.

Kế hoạch phát triển tiếp theo dự kiến triển khai mở rộng thuật toán sang không gian 3 chiều trong 12 tháng tới. Quý độc giả, nhà nghiên cứu và kỹ sư quan tâm có thể tiếp tục khai thác khung lý thuyết và mã nguồn mô phỏng của luận văn để ứng dụng vào các dự án tự động hóa chuyên sâu.