Luận Văn Thạc Sĩ: Ứng Dụng Phương Pháp Lọc Kalman Hiệu Chỉnh Bài Toán Vật Thể Chuyển Động Dưới Nước

Luận văn thạc sĩ VNU UET nghiên cứu ứng dụng phương pháp lọc Kalman trong bài toán vật thể chuyển động dưới nước, thuộc lĩnh vực cơ khí.

• Tác giả: Nguyễn Văn Tùng
• Người hướng dẫn: Ts. Nguyễn Tất Thắng
• Trường học: Trường Đại Học Công Nghệ - ĐHQG Hà Nội
• Chuyên ngành: Cơ Kỹ Thuật
• Đề tài: Ứng Dụng Phương Pháp Lọc Kalman Hiệu Chỉnh Bài Toán Vật Thể Chuyển Động Dưới Nước
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2018
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN CHUYỂN ĐỘNG TRONG MÔI TRƯỜNG NƯỚC CỦA VẬT THỂ DẠNG MẢNH
• 1.1. Đặc điểm chuyển động vật thể dạng mảnh khi có hiệu ứng khoang rỗng
• 1.2. Nguồn gốc, bản chất của hiệu ứng khoang rỗng
• 1.3. Hiệu ứng khoang rỗng của vật thể dạng mảnh di chuyển trong nước
• 1.4. Trạng chuyển động của vật thể dạng mảnh trong khoang rỗng
• 1.5. Tình hình nghiên cứu về chuyển động trong nước của vật thể dạng mảnh
• 1.6. Các nghiên cứu điển hình về chuyển động trong nước của vật thể với hiệu ứng khoang rỗng của các tác giả ngoài nước
• 1.7. Các nghiên cứu điển hình về chuyển động trong nước của vật thể với hiệu ứng khoang rỗng của các tác giả trong nước
• 2. CHƯƠNG 2: MÔ HÌNH MÔ TẢ CHUYỂN ĐỘNG CỦA VẬT THỂ TRONG MÔI TRƯỜNG NƯỚC KHI CÓ KHOANG RỖNG XUẤT HIỆN
• 2.1. Mô hình động lực học vật thể chuyển động trong khoang rỗng
• 2.2. Mô hình động lực học dòng chảy (nước) xung quanh vật thể
• 2.3. Mô hình dòng hỗn hợp (Mixture model)
• 2.4. Mô hình dòng chảy rối Realizable k – ε
• 2.5. Mô hình khoang rỗng (Cavitation model)
• 3. CHƯƠNG 3: ỨNG DỤNG PHƯƠNG PHÁP LỌC KALMAN VÀO BÀI TOÁN VẬT THỂ CHUYỂN ĐỘNG DƯỚI NƯỚC CÓ SỰ XUẤT HIỆN KHOANG RỖNG
• 3.1. Giới thiệu về phương pháp lọc Kalman
• 3.2. Phương pháp lọc Kalman cổ điển
• 3.3. Phương pháp lọc Kalman phi tuyến
• 3.4. Kết hợp bộ lọc Kalman SEIK với ANSYS Fluent
• 3.5. Mô hình mô phỏng trên ANSYS Fluent
• 3.6. Xây dựng lại tính toán
• 3.7. Thiết lập trên ANSYS Fluent
• 4. CHƯƠNG 4: KẾT QUẢ TÍNH TOÁN VỚI MÔ HÌNH SỐ KẾT HỢP
• 4.1. Vận tốc chuyển động trong khoang rỗng của vật thể
• 4.2. So sánh với giá trị tham khảo giả định
• 4.3. So sánh với thực đo liên tục
• 4.4. So sánh với thực đo gián đoạn
• 4.5. Kết quả mô phỏng sự hình thành khoang rỗng bao quanh vật thể
• TÀI LIỆU THAM KHẢO
• DANH MỤC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN VĂN
• DANH SÁCH CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
• DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ

Tóm tắt

I. Tổng quan về ứng dụng phương pháp lọc Kalman trong nghiên cứu vật thể chuyển động dưới nước

Phương pháp lọc Kalman đã trở thành một công cụ quan trọng trong việc theo dõi và phân tích chuyển động của các vật thể dưới nước. Đặc biệt, trong bối cảnh nghiên cứu vật thể chuyển động dưới nước, phương pháp này giúp cải thiện độ chính xác của các mô hình mô phỏng. Việc áp dụng lọc Kalman cho phép các nhà nghiên cứu điều chỉnh các thông số mô hình dựa trên dữ liệu thực tế, từ đó nâng cao độ tin cậy của các kết quả nghiên cứu.

1.1. Lịch sử phát triển và nguyên lý hoạt động của phương pháp lọc Kalman

Phương pháp lọc Kalman được phát triển vào những năm 1960 bởi R. Kalman. Nguyên lý hoạt động của nó dựa trên việc sử dụng các mô hình toán học để dự đoán trạng thái của một hệ thống, sau đó điều chỉnh dự đoán này dựa trên các quan sát thực tế. Điều này giúp giảm thiểu sai số trong quá trình theo dõi chuyển động của vật thể dưới nước.

1.2. Tại sao lọc Kalman lại quan trọng trong nghiên cứu vật thể dưới nước

Lọc Kalman giúp cải thiện độ chính xác trong việc theo dõi chuyển động của vật thể dưới nước, đặc biệt là trong các điều kiện phức tạp như dòng chảy nhiều pha. Phương pháp này cho phép các nhà nghiên cứu điều chỉnh mô hình dựa trên dữ liệu thực tế, từ đó nâng cao độ tin cậy của các kết quả nghiên cứu.

II. Vấn đề và thách thức trong nghiên cứu vật thể chuyển động dưới nước

Nghiên cứu vật thể chuyển động dưới nước gặp nhiều thách thức, đặc biệt là trong việc mô phỏng các hiệu ứng như khoang rỗng. Hiện tượng này có thể làm giảm độ chính xác của các mô hình tính toán. Các yếu tố như tốc độ dòng chảy, hình dạng vật thể và điều kiện môi trường đều ảnh hưởng đến kết quả nghiên cứu.

2.1. Hiện tượng khoang rỗng và ảnh hưởng của nó đến chuyển động vật thể

Hiện tượng khoang rỗng xảy ra khi áp suất tại mũi vật thể giảm xuống dưới áp suất hơi ảo, dẫn đến sự hình thành các bọt khí. Điều này có thể làm giảm lực cản và ảnh hưởng đến quỹ đạo chuyển động của vật thể.

2.2. Các yếu tố ảnh hưởng đến độ chính xác trong mô phỏng

Các yếu tố như tốc độ dòng chảy, hình dạng vật thể và điều kiện môi trường đều có thể ảnh hưởng đến độ chính xác của các mô hình mô phỏng. Việc không tính toán chính xác các yếu tố này có thể dẫn đến sai số lớn trong kết quả nghiên cứu.

III. Phương pháp lọc Kalman cổ điển và ứng dụng trong mô hình hóa chuyển động

Phương pháp lọc Kalman cổ điển là một trong những phương pháp hiệu quả nhất trong việc theo dõi và dự đoán trạng thái của hệ thống. Trong nghiên cứu vật thể chuyển động dưới nước, phương pháp này giúp cải thiện độ chính xác của các mô hình mô phỏng bằng cách kết hợp dữ liệu thực tế với các dự đoán toán học.

3.1. Cấu trúc và nguyên lý hoạt động của bộ lọc Kalman

Bộ lọc Kalman bao gồm hai bước chính: dự đoán và cập nhật. Trong bước dự đoán, trạng thái của hệ thống được ước lượng dựa trên mô hình toán học. Trong bước cập nhật, ước lượng này được điều chỉnh dựa trên dữ liệu quan sát thực tế.

3.2. Kết hợp bộ lọc Kalman với mô hình CFD

Việc kết hợp bộ lọc Kalman với mô hình CFD (Computational Fluid Dynamics) giúp cải thiện độ chính xác trong việc mô phỏng chuyển động của vật thể dưới nước. Phương pháp này cho phép điều chỉnh các thông số mô hình dựa trên dữ liệu thực tế, từ đó nâng cao độ tin cậy của các kết quả nghiên cứu.

IV. Ứng dụng thực tiễn của phương pháp lọc Kalman trong nghiên cứu vật thể dưới nước

Phương pháp lọc Kalman đã được áp dụng thành công trong nhiều nghiên cứu về vật thể chuyển động dưới nước. Các ứng dụng này không chỉ giúp cải thiện độ chính xác của các mô hình mô phỏng mà còn mở ra nhiều hướng nghiên cứu mới trong lĩnh vực này.

4.1. Ứng dụng trong robot dưới nước

Phương pháp lọc Kalman được sử dụng để theo dõi và điều khiển các robot dưới nước, giúp cải thiện khả năng định vị và điều hướng của chúng trong môi trường phức tạp.

4.2. Nghiên cứu dòng chảy và ô nhiễm nước

Lọc Kalman cũng được áp dụng trong nghiên cứu dòng chảy và ô nhiễm nước, giúp cải thiện độ chính xác trong việc dự đoán sự lan truyền của ô nhiễm trong môi trường nước.

V. Kết luận và tương lai của nghiên cứu vật thể chuyển động dưới nước

Nghiên cứu vật thể chuyển động dưới nước với sự hỗ trợ của phương pháp lọc Kalman đã mở ra nhiều cơ hội mới cho các nhà nghiên cứu. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều tiến bộ nhờ vào sự phát triển của công nghệ và các phương pháp tính toán hiện đại.

5.1. Triển vọng nghiên cứu trong tương lai

Với sự phát triển của công nghệ, các phương pháp mới sẽ được áp dụng để cải thiện độ chính xác trong nghiên cứu vật thể chuyển động dưới nước. Điều này sẽ mở ra nhiều cơ hội mới cho các nghiên cứu trong lĩnh vực này.

5.2. Tầm quan trọng của việc kết hợp công nghệ mới

Việc kết hợp các công nghệ mới như trí tuệ nhân tạo và học máy với phương pháp lọc Kalman sẽ giúp nâng cao khả năng phân tích và dự đoán trong nghiên cứu vật thể chuyển động dưới nước.

Nội dung chính

Tổng quan nghiên cứu

Trong cơ học chất lỏng hiện đại, bài toán phương tiện và vật thể dạng mảnh di chuyển dưới nước với vận tốc cao từ 50 m/s đến hơn 300 m/s luôn là một thách thức kỹ thuật phức tạp do sự xuất hiện của dòng chảy đa pha và hiện tượng siêu khoang (supercavitation). Khi số khoang rỗng giảm xuống dưới ngưỡng giới hạn khoảng 0.1, áp suất tại đầu mũi giảm sâu dưới áp suất bão hòa 2338 Pa (ở 20 độ C), hình thành một túi khí hơi bao bọc toàn bộ thân vật thể. Lớp khoang rỗng này làm giảm mật độ tiếp xúc từ khối lượng riêng của nước khoảng 998.2 kg/m³ xuống mật độ hơi khoảng 0.02558 kg/m³, qua đó triệt tiêu hơn 90% lực cản ma sát bề mặt.

Tuy nhiên, việc tính toán động lực học chuyển động thực tế gặp nhiều sai số do các tương tác va chạm giữa đuôi vật thể và thành khoang rỗng mang tính phi tuyến cao. Luận văn thạc sĩ cơ kỹ thuật của tác giả Nguyễn Văn Tùng, thực hiện tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội dưới sự hướng dẫn của TS. Nguyễn Tất Thắng, tập trung giải quyết bài toán cốt lõi: Ứng dụng phương pháp lọc Kalman phi tuyến tiến hóa đơn (SEIK) kết hợp mô phỏng thủy khí động lực học (CFD) để hiệu chỉnh vận tốc chuyển động và mô tả chính xác quá trình hình thành siêu khoang.

Phạm vi nghiên cứu tập trung vào mô hình vật thể hình học dạng mảnh đối xứng trục có đường kính thân 5.6 mm, chiều dài 72.8 mm, vận tốc ban đầu 271.263 m/s ở độ sâu 1.0 m, được kiểm chứng đối soát với tập dữ liệu gồm 97 giá trị thực đo từ đề tài cấp Viện Hàn lâm Khoa học và Công nghệ Việt Nam nghiệm thu năm 2017. Kết quả nghiên cứu mang ý nghĩa thực tiễn to lớn khi giúp giảm sai số tính toán vận tốc xuống dưới 0.02% đối với trường hợp thực đo liên tục và duy trì sai số dưới 1.0% khi thực đo gián đoạn, mở ra hướng ứng dụng tin cậy cho thiết kế khí tài dưới nước và phương tiện tự hành siêu tốc mà không cần tiêu tốn hàng trăm triệu đồng cho mỗi đợt thử nghiệm bắn thực tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự liên kết chặt chẽ giữa động lực học vật rắn chuyển động trong chất lỏng và lý thuyết đồng hóa dữ liệu hiện đại:

• Lý thuyết tạo khoang rỗng và động lực học dòng đa pha: Dựa trên phương trình Bernoulli mở rộng và phương trình Rayleigh – Plesset mô tả động lực học bọt khí. Mô hình dòng hỗn hợp (Mixture Model) giải hệ phương trình liên tục và phương trình Navier – Stokes trung bình Reynolds (RANS) cho pha lỏng và pha hơi. Mô hình rối Realizable k – epsilon được tích hợp để giải quyết hiện tượng xoáy cuộn mạnh, kết hợp cùng mô hình chuyển pha Schnerr – Sauer với mật độ bọt khí mặc định là 10 lũy thừa 13 hạt/m³ để tính toán tốc độ bốc hơi và ngưng tụ chất lỏng.
• Mô hình động lực học vật thể mảnh hai giai đoạn của Salil S. Kulkarni: Vật thể chuyển động trong khoang rỗng elip được mô tả qua hai giai đoạn chuyển động riêng biệt. Giai đoạn 1 là chuyển động tự do không tiếp xúc thành khoang. Giai đoạn 2 xuất hiện tương tác va đập và trượt của đuôi vật thể vào biên khoang rỗng dựa trên lý thuyết va chạm của Milwitzky.
• Lý thuyết lọc Kalman phi tuyến tiến hóa đơn (SEIK): Phương pháp do nhóm tác giả Phạm Đình Tuấn phát triển, kế thừa ưu điểm của lọc Kalman mở rộng (EKF) nhưng vượt trội ở khả năng bỏ qua việc tính ma trận đạo hàm riêng Jacobian phức tạp. Bộ lọc SEIK sử dụng kỹ thuật khai triển trực giao kinh nghiệm (EOFs) để giảm bậc ma trận hiệp phương sai xuống cấp r = 2, giúp triệt tiêu nhiễu phi tuyến và tối ưu hóa tài nguyên tính toán.

Phương pháp nghiên cứu

• Nguồn dữ liệu và chọn mẫu: Nguồn dữ liệu kiểm chứng gồm 97 điểm đo vận tốc thực nghiệm liên tục thu được qua hệ thống ghi hình quang học tốc độ cao và cảm biến đo đạc từ đề tài cấp Viện Hàn lâm KH&CN Việt Nam năm 2017 với khung thời gian quan sát T' = 0.0017 giây.
• Phương pháp chọn mẫu và xây dựng lưới: Lưới tính toán 2D nửa đối xứng trục được thiết kế trên phần mềm ANSYS ICEM CFD với 74100 ô lưới tứ giác và 74863 nút lưới, bao phủ miền tính toán kích thước 1066 x 320 mm. Kích thước bước thời gian được cố định ở mức 2 microgiây (2e-6 s) qua 1000 bước tính toán liên tiếp.
• Lý do lựa chọn phương pháp phân tích: Việc kết hợp phần mềm thương mại ANSYS Fluent với chương trình lọc Kalman viết bằng ngôn ngữ C thông qua cơ chế hàm người dùng định nghĩa (UDF Connect.c) cho phép tận dụng khả năng giải trường áp suất - vận tốc của CFD và khả năng hiệu chỉnh trạng thái tức thời của bộ lọc thống kê. Hệ thống quản lý bộ nhớ (MMS) đóng vai trò cầu nối truyền nhận vector trạng thái 10 chiều gồm vận tốc, vị trí, góc xoay và vận tốc góc tại từng bước lặp, giúp mô hình đạt độ ổn định số học tối ưu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Mô hình số kết hợp SEIK – Fluent đã đem lại các kết quả định lượng vượt trội khi so sánh giữa phương án có hiệu chỉnh và không có hiệu chỉnh:

• Độ chính xác vượt trội khi so với nghiệm tham khảo giải tích: Khi so sánh với nghiệm số giải tích thuần túy của hệ phương trình Kulkarni, mô hình không hiệu chỉnh có sai số ban đầu 0.1% và tăng dần theo thời gian. Ngược lại, mô hình có hiệu chỉnh Kalman SEIK nhanh chóng kéo sai số từ 0.1% xuống xấp xỉ 0% chỉ sau 10 bước tính đầu tiên (tương đương 0.00002 s) và duy trì sai số ổn định dưới 0.02% trong suốt 1000 bước tính.
• Bám sát đường cong suy giảm vận tốc thực đo liên tục: Với 97 điểm thực đo trong 0.0017 giây, mô hình hiệu chỉnh đã tái hiện chính xác xu hướng giảm tốc của vật thể từ 271.263 m/s xuống các ngưỡng vận tốc kế tiếp. Sai số giữa tính toán mô phỏng và thực nghiệm liên tục gần như triệt tiêu hoàn toàn về 0%.
• Khả năng tự hiệu chỉnh ấn tượng với dữ liệu gián đoạn: Trong thử nghiệm cắt giảm dữ liệu (chỉ giữ lại các điểm đo cách quãng), tại các bước thời gian không có tín hiệu đo, mô hình vẫn duy trì quỹ đạo suy diễn chính xác với sai số tổng thể luôn được kiểm soát dưới 1.0%, tốt hơn hơn 80% so với mô hình CFD thuần túy.
• Mô phỏng chân thực động thái phát triển của siêu khoang: Quá trình hình thành khoang rỗng từ thời điểm t = 0.0001 s, 0.0005 s, 0.0010 s, 0.0015 s đến 0.0020 s cho thấy khoang hơi elip phát triển mở rộng bọc kín chiều dài 72.8 mm của thân vật thể, hoàn toàn tương thích về mặt định tính và kích thước hình học với ảnh chụp thực nghiệm quang học.

Thảo luận kết quả

Nguyên nhân cốt lõi giúp mô hình đạt độ chuẩn xác cao nằm ở cơ chế tương tác hai chiều giữa trường thủy động và thuật toán lọc. Khi vật thể di chuyển ở vận tốc ban đầu trên 270 m/s, đĩa đầu mũi đường kính 2 mm tạo ra vùng tụt áp cực lớn, kích hoạt quá trình chuyển đổi pha lỏng - hơi tức thì. Lực cản tác động lên đĩa mũi tuân theo hệ số cản cx = 0.82(1 + sigma). Thuật toán SEIK đã cập nhật liên tục số khoang rỗng sigma từ kết quả áp suất của ANSYS Fluent, sau đó hiệu chỉnh tức thời vector vận tốc trước khi gán lại vào điều kiện biên của bước tính kế tiếp.

Trong thực tế công bố học thuật, các dữ liệu này có thể được trình bày trực quan thông qua đồ thị biến thiên vận tốc U(t) theo thời gian đối chiếu song song giữa ba đường cong (thực đo, có hiệu chỉnh, không hiệu chỉnh), kết hợp cùng bảng so sánh chỉ số sai số toàn phương trung bình (RMSE) và các biểu đồ đường đồng mức (contours) thể hiện tỷ phần thể tích pha hơi (vapor volume fraction) tại các mặt cắt 2D nửa đối xứng. So với các công trình quốc tế sử dụng bộ lọc EKF truyền thống, phương pháp SEIK giảm thiểu hiện tượng phân kỳ số học khi xảy ra hiện tượng va chạm đuôi (tail-slap) ở dải vận tốc 50 đến 300 m/s.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được từ luận văn, 4 giải pháp công nghệ và phương hướng mở rộng được đề xuất như sau:

• Mở rộng thuật toán SEIK sang không gian 3 chiều (3D): Nâng cấp hệ phương trình động lực học từ mô hình 2D phẳng lên không gian 6 bậc tự do (6-DOF) nhằm kiểm soát góc tấn và chuyển động lắc ngang, đặt mục tiêu giữ sai số quỹ đạo 3D dưới 0.5% trong vòng 12 tháng, do các nhóm nghiên cứu cơ học tính toán tại các viện chuyên ngành chủ trì.
• Tối ưu hóa và song song hóa mã nguồn UDF: Tái cấu trúc chương trình Connect.c để tương thích hoàn toàn với nền tảng tính toán song song đa lõi GPU/CPU, giảm thời gian giải thuật xuống dưới 1.0 microgiây trên mỗi bước lặp, nâng tốc độ xử lý tổng thể lên 300% trong thời gian 6 tháng, thực hiện bởi các kỹ sư phát triển phần mềm mô phỏng.
• Tích hợp cảm biến vi cơ điện tử (MEMS) đa kênh trong thử nghiệm thực tế: Triển khai các đợt bắn thử nghiệm trang bị cảm biến gia tốc và áp suất thu nhỏ có tần số lấy mẫu trên 50 kHz, thu thập tối thiểu 200 điểm dữ liệu áp suất thành khoang trong lộ trình 18 tháng, do các phòng thí nghiệm thủy khí động lực học quân sự đảm nhiệm.
• Ứng dụng đồng hóa dữ liệu vào thiết kế tối ưu hình học cavitator: Khai thác quy trình số kết hợp để tối ưu hóa góc vát và đường kính đĩa tạo khoang rỗng cho các phương tiện ngầm tự hành, hướng đến mục tiêu giảm thêm 15% lực cản thủy động tổng thể trong giai đoạn 24 tháng tới, do các kỹ sư thiết kế khí tài thủy hải quân thực hiện.

Đối tượng nên tham khảo luận văn

Công trình luận văn là tài liệu chuyên khảo giá trị cao, đặc biệt hữu ích cho 4 nhóm đối tượng sau:

• Kỹ sư và nhà nghiên cứu Thủy khí động lực học (CFD): Nắm vững quy trình thiết lập bài toán dòng đa pha, mô hình bốc hơi Schnerr – Sauer, mô hình dòng rối Realizable k – epsilon và kỹ thuật kết nối mã nguồn ngoài UDF vào bộ giải thương mại ANSYS Fluent.
• Chuyên gia Cơ học tính toán và Tự động hóa: Học hỏi phương pháp ứng dụng bộ lọc Kalman phi tuyến tiến hóa đơn (SEIK), kỹ thuật giảm bậc ma trận bằng hàm trực giao kinh nghiệm (EOFs) để xử lý dữ liệu đo có độ nhiễu cao.
• Kỹ sư Thiết kế Khí tài và Phương tiện ngầm (UUV, Ngư lôi siêu khoang): Tham khảo mô hình động lực học va chạm đuôi hai giai đoạn để phân tích độ ổn định chuyển động của đạn bắn ngầm đa năng và phương tiện di chuyển siêu tốc dưới nước ở dải tốc độ 50 – 300 m/s.
• Học viên cao học và Nghiên cứu sinh ngành Kỹ thuật cơ khí, Cơ kỹ thuật: Khai thác khung phương pháp luận kết hợp giữa mô phỏng giải tích, số học và dữ liệu thực nghiệm để áp dụng cho các đề tài nghiên cứu đồng hóa dữ liệu chất lượng cao.

Câu hỏi thường gặp

Hiện tượng siêu khoang giúp phương tiện dưới nước tăng tốc độ như thế nào?

Khi vật thể di chuyển với tốc độ trên 50 m/s, áp suất tại đầu mũi giảm sâu dưới áp suất hơi bão hòa 2338 Pa, tạo ra một bọc khí hơi bao trọn thân vật thể. Môi trường tiếp xúc chuyển từ nước sang hơi nước, làm giảm mật độ tiếp xúc gần 1000 lần và triệt tiêu hơn 90% lực cản ma sát nhớt.

Vì sao bộ lọc Kalman SEIK vượt trội hơn bộ lọc Kalman cổ điển trong nghiên cứu này?

Bộ lọc Kalman cổ điển chỉ giải quyết tốt bài toán tuyến tính. Chuyển động siêu khoang có tính phi tuyến cực mạnh do va chạm đuôi. Thuật toán SEIK sử dụng kỹ thuật nội suy và giảm bậc ma trận hiệp phương sai xuống bậc r = 2, loại bỏ hoàn toàn việc tính ma trận đạo hàm Jacobian, giúp thuật toán ổn định và tiết kiệm tài nguyên.

Cơ chế kết nối giữa ANSYS Fluent và chương trình lọc Kalman diễn ra ra sao?

Kết nối được thực hiện qua thư viện UDF Connect.c viết bằng ngôn ngữ C. Hàm Kalman_connect đọc dữ liệu từ bộ nhớ MMS để hiệu chỉnh vận tốc, hàm Set_BCs gán vận tốc làm điều kiện biên, và hàm Write_data trích xuất trường áp suất từ Fluent để tính số khoang rỗng sigma cho bước lặp kế tiếp.

Dữ liệu thực nghiệm gián đoạn có làm suy giảm độ chính xác của mô hình không?

Không đáng kể. Nhờ khả năng dự báo trạng thái tiên nghiệm dựa trên hệ phương trình vi phân động lực học kết hợp hiệu chỉnh hậu nghiệm tức thời tại các điểm có dữ liệu, mô hình có hiệu chỉnh vẫn duy trì sai số dưới 1.0% xuyên suốt dải thời gian 0.0017 giây.

Mô hình số kết hợp này có thể áp dụng cho các loại hình dạng mũi khác không?

Hoàn toàn có thể. Mô hình có tính tổng quát cao, dễ dàng thay đổi các thông số hình học như đầu nón, đầu bán cầu hay đĩa phẳng bằng cách hiệu chỉnh hệ số cản đầu mũi cx0 và diện tích tiết diện Ac trong tệp mã nguồn UDF ban đầu.

Kết luận

• Luận văn đã xây dựng thành công mô hình số kết hợp giữa phần mềm mô phỏng thủy khí CFD ANSYS Fluent và bộ lọc Kalman phi tuyến SEIK thông qua ngôn ngữ lập trình C.
• Giải quyết triệt để bài toán đồng hóa dữ liệu cho vật thể dạng mảnh chuyển động dưới nước có hiện tượng siêu khoang ở vận tốc cao trên 270 m/s.
• Giảm thiểu sai số tính toán vận tốc xuống mức ấn tượng dưới 0.02% đối với thực đo liên tục và dưới 1.0% đối với thực đo gián đoạn trên tập mẫu 97 điểm dữ liệu.
• Đóng góp giải pháp công nghệ then chốt giúp tối ưu hóa chi phí nghiên cứu thử nghiệm thực địa và nâng cao độ tin cậy trong mô phỏng khí tài ngầm.
• Lộ trình phát triển tiếp theo tập trung vào việc mở rộng không gian tính toán 3D 6 bậc tự do và song song hóa mã nguồn UDF trên kiến trúc máy tính hiệu năng cao trong 12 đến 24 tháng tới; các nhà nghiên cứu và kỹ sư cơ kỹ thuật quan tâm có thể ứng dụng ngay khung phương pháp này vào các bài toán tương tác chất lưu – kết cấu phức tạp.