Tổng quan về luận án

Bối cảnh khoa học hiện tại đang chứng kiến sự tăng tốc của Cách mạng công nghiệp 4.0, kéo theo sự ra đời và phổ biến của các thiết bị và hệ thống phi tuyến phức tạp, đòi hỏi các giải thuật điều khiển ngày càng linh hoạt và thông minh hơn. Mặc dù các bộ điều khiển PID truyền thống vẫn giữ vai trò chủ đạo trong công nghiệp, khả năng đáp ứng của chúng đối với các hệ phi tuyến phức tạp đã trở nên hạn chế, đặc biệt trong việc hiệu chỉnh tham số trực tuyến. Nhu cầu cấp thiết đặt ra là phải phát triển các giải thuật có khả năng tự động cập nhật tham số hoặc bù tín hiệu điều khiển một cách thông minh và linh hoạt. Công trình này được đặt trong bối cảnh đó, nhằm tận dụng những tiến bộ của trí tuệ nhân tạo, đặc biệt là mạng nơ-ron nhân tạo và mạng nơ-ron mờ hồi quy (Recurrent Fuzzy Neural Networks - RFNN), để giải quyết các thách thức điều khiển hệ phi tuyến.

Một research gap cụ thể mà công trình này nhắm tới là khả năng hiệu chỉnh tham số tối ưu của bộ điều khiển một cách trực tuyến, đặc biệt khi hệ thống chịu tác động của nhiễu hoặc các yếu tố bất định. Như luận án đã nêu rõ, "Một vấn đề lớn đặt ra là có thể hiệu chỉnh tham số tối ưu của bộ điều khiển một cách trực tuyến hay không?". Các kỹ thuật điều khiển thích nghi dựa trên RFNN, dù đã chứng minh hiệu quả, vẫn tồn tại hạn chế cơ bản là "phụ thuộc vào việc lựa chọn bộ tham số ban đầu của mạng. Việc lựa chọn bộ tham số ban đầu không phù hợp sẽ gây ra tốc độ hội tụ chậm của giải thuật, làm cho đáp ứng quá độ của đối tượng bị kéo dài". Công trình này giải quyết vấn đề này bằng cách kết hợp ưu điểm của điều khiển PID (tính ổn định cao) với khả năng thích nghi và hiệu chỉnh trực tuyến của RFNN, thông qua một giải thuật điều khiển giám sát tiên tiến.

Các research questions chính được giải quyết trong luận án bao gồm:

  1. Có thể hiệu chỉnh tham số tối ưu của bộ điều khiển một cách trực tuyến cho hệ phi tuyến hay không?
  2. Mạng nơ-ron mờ hồi quy có thể được sử dụng để hiệu chỉnh bù một cách hiệu quả cho bộ điều khiển PID truyền thống trên một đối tượng phi tuyến cho trước hay không?

Các hypotheses của luận án xoay quanh khả năng của giải thuật điều khiển giám sát kết hợp RFNN-PID để cải thiện đáng kể chất lượng điều khiển (tốc độ hội tụ, sai số bám, độ vọt lố) và tính bền vững cho các hệ phi tuyến so với các phương pháp điều khiển hiện có, đồng thời cung cấp khả năng điều chỉnh tham số trực tuyến.

Theoretical framework của luận án được xây dựng dựa trên sự tích hợp của Lý thuyết Điều khiển Thích nghi (Adaptive Control Theory), Lý thuyết Logic Mờ (Fuzzy Logic Theory) của L. Zadeh [8], và Lý thuyết Mạng Nơ-ron Nhân tạo (Artificial Neural Network Theory), đặc biệt là các mô hình mạng nơ-ron hồi quy. Ngoài ra, Giải thuật Di truyền (Genetic Algorithm), dựa trên thuyết tiến hóa tự nhiên của Darwin [5] và được J. Holland giới thiệu, cũng được sử dụng để tối ưu hóa ban đầu các tham số PID, làm nền tảng so sánh.

Đóng góp đột phá của công trình này là việc phát triển và kiểm chứng giải thuật điều khiển giám sát RFNN-PID, trong đó bộ điều khiển PID cung cấp năng lượng chủ đạo và RFNN thực hiện hiệu chỉnh bù trực tuyến. Kết quả mô phỏng trên MATLAB/Simulink và thực nghiệm trên robot Delta 3-DOF cùng hệ ổn định lưu lượng chất lỏng RT020 đã chứng minh hiệu quả vượt trội: giảm thời gian xác lập của hệ RT020 từ khoảng 12 giây xuống còn khoảng 8±0.5 giây và đạt sai số bám quỹ đạo cho robot Delta trong khoảng [−1.5mm, 1.5mm]. Điều này thể hiện một bước tiến quan trọng trong việc thiết kế bộ điều khiển thông minh và linh hoạt cho hệ phi tuyến, đặc biệt là các hệ MIMO phức tạp.

Scope nghiên cứu tập trung vào hệ thống phi tuyến MIMO (robot Delta 3-DOF) và hệ SISO (hệ ổn định lưu lượng chất lỏng RT020), với các thử nghiệm mô phỏng và thực nghiệm được tiến hành chi tiết. Significance của luận án không chỉ nằm ở việc giải quyết một vấn đề kỹ thuật cấp bách mà còn mở ra những hướng đi mới trong việc ứng dụng trí tuệ nhân tạo vào điều khiển công nghiệp, nâng cao hiệu suất và độ tin cậy của các hệ thống tự động hóa.

Literature Review và Positioning

Công trình nghiên cứu về điều khiển hệ phi tuyến đã trải qua nhiều giai đoạn phát triển, từ các phương pháp tuyến tính hóa hồi tiếp, điều khiển trượt, đến các kỹ thuật điều khiển thích nghi, điều khiển mờ (Fuzzy Control), và điều khiển dựa trên mạng nơ-ron nhân tạo. Luận án này tổng hợp các dòng nghiên cứu chính, đặc biệt chú trọng vào điều khiển mờ FUZZY-PID, giải thuật di truyền GA-PID và mạng nơ-ron mờ hồi quy (RFNN).

Một synthesis của major streams cho thấy rằng, bộ điều khiển PID thích nghi mạng nơ-ron [22], PID thích nghi dùng mạng nơ-ron RBF [23], nhận dạng và điều khiển sử dụng mạng nơ-ron mờ hồi quy [24], và bộ điều khiển PID thích nghi nơ-ron sử dụng mạng nơ-ron mờ hồi quy [25] đã đạt được các kết quả mô phỏng khả quan, loại bỏ hiện tượng chattering, cải thiện tính bền vững và đạt độ hội tụ nhanh hơn. Tuy nhiên, các công bố cho thấy những nghiên cứu này chủ yếu thông qua mô phỏng trên máy tính, và việc áp dụng trong thực tế vẫn còn nhiều thách thức.

Contradictions và debates nổi bật là sự cân bằng giữa tính hiệu quả và tính ổn định. Mặc dù các phương pháp điều khiển thông minh như FUZZY-PID [11], [12], [13] và GA-PID [14], [15], [16], [17], [18], [19] đã cho thấy sai số quỹ đạo hội tụ nhanh và ổn định tiệm cận toàn cục trong mô phỏng, chúng lại không duy trì hiệu suất bám tốt khi "thay đổi khối lượng của tải và tác động của nhiễu lên cả hệ thống phi tuyến vòng kín" [20], [21]. Đây là một hạn chế lớn khi áp dụng vào các hệ thống thực tế có tính bất định cao.

Positioning của luận án trong literature là giải quyết trực tiếp khoảng trống về khả năng hiệu chỉnh tham số bộ điều khiển trực tuyến và thích nghi hiệu quả trong điều kiện thực tế cho hệ phi tuyến. Khoảng trống này được xác định rõ khi các giải thuật như GA chỉ có thể tìm được bộ nghiệm tối ưu để cài đặt cho bộ điều khiển tại thời điểm ban đầu, và nếu thông số robot hay nhiễu thay đổi, "phương pháp này bắt buộc phải tìm lại bộ nghiệm tối ưu mới bằng cách chạy lại giải thuật", một quá trình chậm và không phù hợp với điều khiển robot thời gian thực. Hơn nữa, sự phụ thuộc vào lựa chọn tham số ban đầu của mạng RFNN cũng là một điểm yếu mà luận án tìm cách khắc phục.

Luận án này advances field bằng cách đề xuất một giải thuật điều khiển giám sát (Supervisory Control) kết hợp bộ điều khiển PID truyền thống với bộ điều khiển mạng nơ-ron mờ hồi quy (RFNNC) và bộ nhận dạng mạng nơ-ron mờ hồi quy (RFNNI) để cung cấp tín hiệu điều khiển bù một cách trực tuyến. Nhờ sự kết hợp này, tham số của bộ điều khiển PID không cần thiết phải cài đặt lại khi đối tượng hay môi trường điều khiển thay đổi, giúp hệ thống trở nên linh hoạt và bền vững hơn.

So sánh với ít nhất 2 international studies, công trình của Reza Jafari và Rached Dhaouadi (2011) [25] đã sử dụng mạng nơ-ron hồi quy (RNN) để nhận dạng và điều khiển hệ phi tuyến bằng cách ước lượng thông tin Jacobian, từ đó cập nhật trọng số cho mạng nơ-ron PID. Kết quả của họ cho thấy việc cập nhật thông tin Jacobian giúp đáp ứng điều khiển tốt hơn đáng kể. Tuy nhiên, luận án này mở rộng phương pháp đó bằng cách tích hợp RFNN (một dạng tiên tiến hơn của RNN với khả năng suy diễn mờ) vào một cấu trúc điều khiển giám sát, tập trung vào việc bù trực tuyến cho PID, tạo ra một kiến trúc mạnh mẽ và giải quyết được vấn đề phụ thuộc vào tham số ban đầu của RFNN. Các nghiên cứu khác như [43], [44] cũng đã đạt được thành công nhất định trong việc kết hợp mạng nơ-ron hồi quy với suy diễn mờ, nhưng luận án này đi xa hơn bằng cách cung cấp một khung giải thuật điều khiển giám sát hoàn chỉnh, từ nhận dạng đến điều khiển bù, và kiểm chứng trên cả mô hình mô phỏng lẫn thực nghiệm phức tạp như robot Delta và hệ RT020.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này extend và challenge các lý thuyết điều khiển thích nghi truyền thống và lý thuyết mạng nơ-ron mờ bằng cách tích hợp chúng vào một cấu trúc điều khiển giám sát mới. Cụ thể, nó mở rộng lý thuyết điều khiển PID (pioneered by Nicolas Minorsky và nhiều nhà khoa học sau này) bằng cách cho phép các tham số của nó được tự động điều chỉnh hoặc bù đắp trực tuyến thông qua cơ chế thích nghi của mạng nơ-ron mờ hồi quy. Đối với lý thuyết mạng nơ-ron mờ (được phát triển từ logic mờ của L. Zadeh và mạng nơ-ron của McCulloch và Pitts, Rosenblatt), luận án giải quyết hạn chế cơ bản là "phụ thuộc vào việc lựa chọn bộ tham số ban đầu của mạng" và "tốc độ hội tụ chậm của giải thuật" bằng cách sử dụng RFNN chủ yếu cho vai trò bù trực tuyến và nhận dạng, thay vì là bộ điều khiển chính độc lập.

Conceptual framework của luận án tập trung vào một hệ thống điều khiển vòng kín với ba thành phần chính: bộ điều khiển PID chủ đạo, bộ điều khiển mạng nơ-ron mờ hồi quy (RFNNC) đóng vai trò bù, và bộ nhận dạng mạng nơ-ron mờ hồi quy (RFNNI) làm nhiệm vụ nhận dạng không tham số mô hình đối tượng và cung cấp thông tin phản hồi. Các mối quan hệ bao gồm: RFNNI quan sát sai số đầu ra của hệ phi tuyến, cung cấp thông tin Jacobian ước lượng được cho RFNNC để cập nhật trực tuyến các trọng số, từ đó tạo ra tín hiệu bù cho bộ điều khiển PID.

Theoretical model được đề xuất thông qua các propositions/hypotheses sau:

  1. Proposition 1: Việc kết hợp bộ điều khiển PID truyền thống với một RFNNC để bù trực tuyến sẽ cải thiện đáng kể tính bền vững và khả năng bám quỹ đạo của hệ thống điều khiển phi tuyến so với chỉ sử dụng PID hoặc RFNN đơn lẻ.
  2. Proposition 2: Sử dụng RFNNI để nhận dạng trực tuyến hệ phi tuyến và cung cấp thông tin phản hồi sẽ tối ưu hóa việc cập nhật trọng số của RFNNC, khắc phục vấn đề phụ thuộc vào tham số ban đầu của mạng.
  3. Proposition 3: Giải thuật điều khiển giám sát RFNN-PID có thể đạt được sai số bám quỹ đạo thấp và độ vọt lố không đáng kể cho cả hệ MIMO (robot Delta) và hệ SISO (RT020) trong điều kiện tải trọng thay đổi và nhiễu.

Luận án không đề xuất một paradigm shift theo nghĩa rộng nhưng đẩy mạnh sự phát triển của paradigm điều khiển thông minh tích hợp. Nó cung cấp evidence từ các findings rằng việc tích hợp một cách chiến lược các ưu điểm của điều khiển kinh điển (PID) và điều khiển thông minh (RFNN) có thể vượt qua những hạn chế của từng phương pháp riêng lẻ, dẫn đến một hệ thống điều khiển mạnh mẽ và linh hoạt hơn cho các hệ phi tuyến phức tạp. Điều này cho thấy một sự chuyển dịch từ các giải pháp đơn lẻ sang các kiến trúc lai (hybrid architectures) nhằm tối ưu hóa hiệu suất điều khiển trong các ứng dụng công nghiệp và robot học.

Khung phân tích độc đáo

Luận án tích hợp các lý thuyết chính từ Lý thuyết Điều khiển PID, Lý thuyết Mạng Nơ-ron Mờ Hồi quy (RFNN), và Lý thuyết Điều khiển Thích nghi để tạo ra một khung phân tích độc đáo cho hệ phi tuyến. Cụ thể, ba lý thuyết này được hợp nhất để tạo ra một hệ thống điều khiển mạnh mẽ.

Novel analytical approach nằm ở cấu trúc điều khiển giám sát (Supervisory Control) kết hợp RFNN-PID. Thay vì chỉ sử dụng RFNN để điều khiển trực tiếp, luận án sử dụng bộ điều khiển PID để "mang năng lượng chủ đạo" và bộ điều khiển RFNN "để hiệu chỉnh bù một cách trực tuyến cho đối tượng". Sự phân chia vai trò này được justification bởi tính ổn định đã được kiểm chứng của PID và khả năng thích nghi mạnh mẽ của RFNN. Việc này giải quyết vấn đề hiệu suất của điều khiển PID khi thông số đối tượng thay đổi và vấn đề hội tụ chậm của RFNN khi tham số ban đầu không phù hợp.

Conceptual contributions bao gồm các định nghĩa rõ ràng về vai trò của:

  • Bộ điều khiển PID thích nghi nơ-ron đơn (SNA-PID): Một phương pháp điều khiển PID mà các tham số Kp, Ki, Kd được điều chỉnh bởi một mạng nơ-ron đơn.
  • Bộ nhận dạng mạng nơ-ron mờ hồi quy (RFNNI): Một mạng nơ-ron mờ hồi quy được huấn luyện trực tuyến bằng giải thuật Gradient Descent để ước lượng thông tin Jacobian của đối tượng phi tuyến, cung cấp thông tin phản hồi cho việc điều chỉnh bộ điều khiển.
  • Bộ điều khiển mạng nơ-ron mờ hồi quy (RFNNC): Một mạng nơ-ron mờ hồi quy có nhiệm vụ tạo ra tín hiệu bù trực tuyến để cải thiện chất lượng điều khiển của bộ PID chính, đặc biệt khi hệ thống đối mặt với nhiễu và thay đổi thông số.

Boundary conditions được xác định rõ ràng: giải thuật đề xuất phù hợp với "các đối tượng không yêu cầu thời gian trễ quá nghiêm ngặt", do giải thuật này cần thời gian để cập nhật trọng số của mạng nơ-ron trực tuyến. Điều này thừa nhận một giới hạn trong ứng dụng của phương pháp, mặc dù nó vẫn rất hiệu quả cho một phạm vi rộng các hệ thống phi tuyến trong công nghiệp và robot học.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án này tuân theo một triết lý nghiên cứu thực nghiệm và định lượng mạnh mẽ, với sự nhấn mạnh vào việc kiểm chứng và xác thực. Research philosophy chủ yếu là Positivism/Post-Positivism, tìm kiếm các quy luật tổng quát và khả năng dự đoán thông qua mô hình hóa toán học, mô phỏng và thực nghiệm có kiểm soát.

Luận án áp dụng Mixed methods một cách hiệu quả, kết hợp mô phỏng định lượng chi tiết trên MATLAB/Simulink với thực nghiệm trên các mô hình vật lý. Sự kết hợp này được rationale hóa bởi nhu cầu không chỉ chứng minh tính đúng đắn về mặt lý thuyết của các giải thuật thông qua mô phỏng mà còn xác thực khả năng ứng dụng và hiệu suất trong môi trường thực tế với các ràng buộc và bất định.

Multi-level design được thể hiện qua việc nghiên cứu trên hai levels khác nhau:

  1. Level 1: Hệ thống phi tuyến MIMO: Robot Delta 3 bậc tự do (3-DOF), một đối tượng phức tạp với nhiều ngõ vào, nhiều ngõ ra và động lực học phi tuyến.
  2. Level 2: Hệ thống phi tuyến SISO: Hệ ổn định lưu lượng chất lỏng RT020 của hãng Gunt-Hamburg, một đối tượng công nghiệp đơn giản hơn nhưng vẫn thể hiện tính phi tuyến và cần điều khiển chính xác.

Sample size cho các đối tượng nghiên cứu được định nghĩa cụ thể: "robot Delta 3 bậc tự do (3-DOF)" và "hệ ổn định lưu lượng chất lỏng RT020". Selection criteria cho các đối tượng này dựa trên tính đại diện của chúng cho các hệ phi tuyến phức tạp trong công nghiệp và robot học, khả năng mô hình hóa và kiểm chứng thực nghiệm.

Quy trình nghiên cứu rigorous

Sampling strategy trong luận án được mô tả thông qua việc lựa chọn và thiết kế các đối tượng thực nghiệm. Đối với robot Delta, việc thiết kế và gia công ba phiên bản robot (phiên bản 3 được sử dụng cho thực nghiệm cuối cùng) thể hiện một quá trình lặp đi lặp lại để tối ưu hóa mô hình cơ khí. Inclusion criteria bao gồm các hệ thống phi tuyến có động lực học phức tạp, yêu cầu điều khiển bám quỹ đạo hoặc ổn định. Exclusion criteria có thể ngầm hiểu là các hệ thống tuyến tính đơn giản hoặc các hệ thống yêu cầu thời gian trễ cực thấp (như đã nêu trong "boundary conditions").

Data collection protocols bao gồm việc ghi nhận đáp ứng của các góc khớp (theta) và vị trí đầu mút (x, y, z) của robot Delta, cùng với tín hiệu lưu lượng và tín hiệu điều khiển của hệ RT020. Các instruments được mô tả chi tiết: vi điều khiển DSP C2000 TMS320F28379D của Texas Instrument đóng vai trò trung tâm trong việc truyền thông tín hiệu điều khiển và cảm biến góc khớp của robot, thông qua card giao tiếp và giao thức truyền nhận dữ liệu UART.

Triangulation được áp dụng thông qua:

  • Method triangulation: So sánh kết quả của nhiều bộ điều khiển khác nhau (PID truyền thống, FUZZY-PID, GA-PID, SNA-PID, RFNN-PID) trên cùng một đối tượng.
  • Data triangulation: Kiểm chứng kết quả mô phỏng trên MATLAB/Simulink bằng thực nghiệm trên mô hình vật lý robot Delta và hệ RT020.
  • Theoretical triangulation: Đánh giá các giải thuật dựa trên nhiều tiêu chí chất lượng điều khiển khác nhau (sai số bám, độ vọt lố, thời gian xác lập).

Validity và reliability được chú trọng. Construct validity được đảm bảo thông qua việc xây dựng mô hình toán học chi tiết cho robot Delta dựa trên các nguyên lý vật lý (Lagrange dạng nhân tử) và được kiểm chứng bằng mô phỏng. Internal validity được duy trì bằng cách so sánh các giải thuật trên cùng một đối tượng và trong cùng điều kiện. External validity được thể hiện qua việc áp dụng giải thuật trên hai loại hệ phi tuyến khác nhau (MIMO robot và SISO lưu lượng chất lỏng), cho thấy khả năng tổng quát hóa. Reliability của các kết quả thực nghiệm được ngầm hiểu thông qua việc lặp lại các thử nghiệm và ghi nhận dữ liệu nhất quán. Mặc dù không có giá trị α (alpha values) cụ thể được báo cáo trực tiếp trong phần tóm tắt, quy trình nghiêm ngặt và việc sử dụng các thiết bị đo lường tiêu chuẩn gợi ý sự chú trọng đến độ tin cậy.

Data và phân tích

Sample characteristics của các hệ thống được sử dụng trong luận án bao gồm:

  • Robot Delta 3-DOF: Một hệ thống cơ khí song song với 3 bậc tự do, cấu tạo gồm bàn máy cố định (A), bàn máy động (B), ba khâu chủ động (A1B1, A2B2, A3B3) và ba khâu bị động (B1D1, B2D2, B3D3). Khối lượng và kích thước chi tiết được trình bày trong Bảng 1.2 (ví dụ: khối lượng tay trên m1=0.38kg, khối lượng tay dưới m2=0.38kg, chiều dài chân L1=400mm, L2=200mm). Các thông số này là cơ sở để xây dựng mô hình động lực học chuyển động.
  • Hệ ổn định lưu lượng chất lỏng RT020: Thiết bị công nghiệp của hãng Gunt-Hamburg, đại diện cho hệ SISO phi tuyến.

Advanced techniques được sử dụng trong phân tích dữ liệu và thiết kế điều khiển.

  • Mô phỏng: MATLAB/Simulink là phần mềm chính được sử dụng để xây dựng mô hình động lực học của robot Delta 3-DOF, thiết kế các bộ điều khiển (FUZZY-PID, GA-PID, SNA-PID, RFNN-PID), và kiểm chứng hiệu suất điều khiển. Các khối chức năng như ePWM (enhanced Pulse Width Modulator) và eQEP (enhanced Quadrature Encoder) được cấu hình chi tiết trong môi trường Simulink để giao tiếp với phần cứng.
  • Tối ưu hóa: Giải thuật di truyền (GA) được áp dụng để tìm kiếm các tham số tối ưu cho bộ điều khiển PID (ví dụ, các tham số trong Bảng 1.5).
  • Học máy/Nhận dạng: Mạng nơ-ron mờ hồi quy (RFNN) được sử dụng để nhận dạng hệ thống (RFNNI) và điều khiển bù (RFNNC). Giải thuật Gradient Descent [31], [32], [34] được dùng để huấn luyện trực tuyến mạng, cập nhật trọng số và ước lượng thông tin Jacobian.

Robustness checks được thực hiện bằng cách thay đổi tải trọng của robot Delta (ví dụ: tăng thêm 0.5 kg hoặc 1.5 kg) và tác động nhiễu vào hệ thống để đánh giá khả năng duy trì chất lượng điều khiển của các giải thuật. Kết quả mô phỏng trên quỹ đạo đường tròn, đường số 8, đường Astroid, và đường Hypocycloid cho robot Delta, cùng với các kịch bản khác nhau trên hệ RT020, cung cấp các alternative specifications để kiểm tra tính bền vững của giải thuật đề xuất.

Effect sizes và confidence intervals được báo cáo thông qua các chỉ tiêu chất lượng điều khiển như sai số bám quỹ đạo (ví dụ, "sai số nằm trong khoảng [−1.5mm, 1.5mm]" cho robot Delta), độ vọt lố (độ vọt lố "không đáng kể" cho RT020), và thời gian xác lập (giảm từ "khoảng 12 (s) xuống còn khoảng 8±0.5 (s)" cho RT020). Mặc dù p-values cụ thể không được trích dẫn trực tiếp trong phần tóm tắt, việc so sánh định lượng các chỉ tiêu chất lượng giữa các bộ điều khiển khác nhau (Bảng 1.4, 1.6, 1.8, 1.9, 2.2) cung cấp bằng chứng thống kê về hiệu quả của giải thuật đề xuất.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đưa ra 4-5 phát hiện đột phá với bằng chứng cụ thể từ dữ liệu:

  1. Hiệu quả vượt trội của Điều khiển Giám sát RFNN-PID: Giải thuật điều khiển giám sát RFNN-PID đã chứng minh khả năng bám quỹ đạo vượt trội cho robot Delta 3-DOF so với FUZZY-PID, GA-PID, và SNA-PID. Cụ thể, trong các thử nghiệm bám quỹ đạo đường tròn và đường số 8, "quỹ đạo thực của robot Delta 3-DOF vẫn bám tốt theo 2 quỹ đạo tham chiếu đường tròn và đường số 8, với sai số nằm trong khoảng [−1.5mm, 1.5mm]". Đây là bằng chứng rõ ràng về khả năng kiểm soát chính xác của giải thuật đề xuất.
  2. Khả năng thích nghi và bền vững dưới nhiễu/tải trọng thay đổi: Khác với FUZZY-PID và GA-PID bị suy giảm hiệu suất khi tải trọng robot thay đổi (ví dụ, tăng thêm 1.5 kg), giải thuật RFNN-PID duy trì chất lượng điều khiển ổn định, cung cấp "tín hiệu điều khiển bù" một cách trực tuyến. Điều này giải quyết trực tiếp hạn chế được nêu trong tài liệu [20], [21].
  3. Cải thiện đáng kể thời gian xác lập cho hệ SISO phi tuyến: Trên hệ ổn định lưu lượng chất lỏng RT020, bộ điều khiển RFNN-PID đã giảm thời gian xác lập của đối tượng từ khoảng 12 (s) xuống còn khoảng 8±0.5 (s) và "độ vọt lố không đáng kể". Phát hiện này chứng tỏ tính ứng dụng rộng rãi và hiệu quả của giải thuật không chỉ trên hệ MIMO phức tạp mà còn trên hệ SISO công nghiệp.
  4. Khắc phục vấn đề phụ thuộc tham số ban đầu của RFNN: Bằng cách sử dụng bộ nhận dạng RFNNI để cập nhật và điều chỉnh các thông số đầu vào tối ưu, luận án đã thành công trong việc giải quyết vấn đề "tồn tại một hạn chế cơ bản là phụ thuộc vào việc lựa chọn bộ tham số ban đầu của mạng" của RFNN, dẫn đến tốc độ hội tụ chậm.
  5. New phenomena về khả năng tích hợp: Công trình chứng minh rằng một kiến trúc điều khiển lai, tích hợp PID cổ điển và RFNN thông minh theo mô hình giám sát, có thể đạt được hiệu suất mà từng thành phần riêng lẻ khó có thể đạt được. Điều này mở ra cách tiếp cận mới trong thiết kế bộ điều khiển cho các hệ thống phức tạp, cho phép PID mang năng lượng chủ đạo trong khi RFNN tinh chỉnh và bù đắp các bất định.

Implications đa chiều

Theoretical advances bao gồm đóng góp vào Lý thuyết Điều khiển Thích nghi và Lý thuyết Mạng Nơ-ron Mờ Hồi quy. Luận án mở rộng Lý thuyết Điều khiển Thích nghi bằng cách cung cấp một mô hình thích nghi trực tuyến mới, nơi RFNN hoạt động như một bộ bù thay vì là bộ điều khiển chính, giải quyết các thách thức về sự phụ thuộc tham số ban đầu. Nó cũng làm sâu sắc thêm Lý thuyết Mạng Nơ-ron Mờ bằng cách chứng minh hiệu quả của RFNNI trong việc ước lượng thông tin Jacobian và phản hồi để tự điều chỉnh.

Methodological innovations có thể áp dụng cho các bối cảnh khác bao gồm: việc tích hợp MATLAB/Simulink với phần cứng DSP C2000 qua giao thức UART cho điều khiển thời gian thực; quy trình mô hình hóa động lực học chi tiết cho robot song song phức tạp (Delta 3-DOF) có khớp Cardan và khớp cầu; và chiến lược kiểm chứng giải thuật trên cả hệ MIMO và SISO. Những phương pháp này có thể được nhân rộng để nghiên cứu và phát triển các hệ thống điều khiển cho các loại robot hoặc quy trình công nghiệp khác.

Practical applications với các khuyến nghị cụ thể bao gồm:

  • Robot công nghiệp: Triển khai giải thuật RFNN-PID trong các robot gắp-thả, đóng gói hoặc các ứng dụng yêu cầu độ chính xác và tốc độ cao, nơi các nhiễu và thay đổi tải trọng là phổ biến. Điều này có thể giúp giảm sai số bám quỹ đạo và tăng năng suất.
  • Kiểm soát quy trình công nghiệp: Ứng dụng trong các hệ thống ổn định lưu lượng, nhiệt độ, áp suất hoặc nồng độ, nơi yêu cầu thời gian xác lập nhanh và độ vọt lố thấp, như đã được chứng minh với hệ RT020.
  • Hệ thống tự động hóa: Cung cấp một giải pháp điều khiển linh hoạt hơn cho các thiết bị tự động có tính phi tuyến, giảm thiểu nhu cầu hiệu chỉnh thủ công.

Policy recommendations có thể bao gồm việc khuyến khích đầu tư vào nghiên cứu và phát triển các giải thuật điều khiển thông minh tích hợp trong các ngành công nghiệp chủ chốt để nâng cao năng lực cạnh tranh quốc gia trong bối cảnh Công nghiệp 4.0. Chính phủ có thể xem xét các chính sách hỗ trợ việc chuyển giao công nghệ từ nghiên cứu học thuật sang ứng dụng thực tiễn trong các nhà máy sản xuất.

Generalizability conditions được quy định rõ ràng: giải thuật đề xuất phù hợp với "các đối tượng không yêu cầu thời gian trễ quá nghiêm ngặt", do yêu cầu cập nhật trọng số mạng nơ-ron trực tuyến. Điều này gợi ý rằng các ứng dụng trong các hệ thống siêu nhanh hoặc an toàn tới hạn có thể cần các biến thể tối ưu hơn hoặc các phương pháp khác.

Limitations và Future Research

Luận án thẳng thắn thừa nhận 3-4 limitations cụ thể:

  1. Hạn chế về cơ khí chính xác và độ cứng vững của mô hình robot Delta chế tạo: "đầu mút của robot vẫn bị rung nhẹ khi chạy trên quỹ đạo đặt, mặc dù các góc khớp vẫn cho tín hiệu đúng". Điều này ảnh hưởng đến khả năng bám quỹ đạo lý tưởng và là một thách thức lớn trong thực nghiệm.
  2. Ràng buộc về thời gian và kinh phí: "Do không có đủ thời gian và kinh phí để chế tạo lại mô hình robot", dẫn đến việc phải chuyển sang thực nghiệm trên hệ RT020, mặc dù kết quả vẫn rất khả quan. Điều này hạn chế khả năng kiểm chứng hoàn hảo giải thuật trên đối tượng robot Delta đã cải tiến.
  3. Yêu cầu về thời gian trễ: "giải thuật này cần cập nhật trọng số của mạng nơ-ron online nên cần thời gian để cập nhật", khiến nó "không yêu cầu thời gian trễ quá nghiêm ngặt". Điều này là một giới hạn cho các ứng dụng cực kỳ nhạy cảm về thời gian thực.
  4. Tối ưu hóa cấu trúc mạng nơ-ron mờ hồi quy: Việc "lựa chọn phù hợp số nơ-ron, tâm, ngưỡng và trọng số kết nối" vẫn là một thách thức, và "Thông số này thường được lựa chọn bằng phương pháp thử và sai [30]". Mặc dù luận án đã cải thiện quá trình này bằng RFNNI, việc tối ưu hóa cấu trúc mạng vẫn có thể được cải tiến.

Boundary conditions về context/sample/time được xác định. Context nghiên cứu giới hạn trong phòng thí nghiệm và các hệ thống phi tuyến có sẵn (robot Delta, RT020). Sample size cụ thể là 1 robot Delta và 1 hệ RT020. Timeframe của nghiên cứu là trong quá trình thực hiện luận án (kết thúc tháng 3/2024), điều này ngụ ý các phiên bản mô hình robot hoặc giải thuật có thể tiếp tục được phát triển sau đó.

Future research agenda với 4-5 hướng cụ thể bao gồm:

  1. Cải tiến phần cứng robot Delta: "giải thuật điều khiển đề xuất sẽ được tiếp tục kiểm nghiệm trên robot Delta sau khi nhóm nghiên cứu cải tiến lại phần cánh tay và bộ khung của robot".
  2. Tối ưu hóa cấu trúc và giải thuật huấn luyện RFNN: Phát triển các phương pháp tự động xác định cấu trúc mạng nơ-ron mờ hồi quy và cải tiến giải thuật huấn luyện (ví dụ, ngoài Gradient Descent) để đạt hiệu suất tối ưu hơn và nhanh hơn, giảm sự phụ thuộc vào phương pháp thử sai.
  3. Điều khiển hệ phi tuyến với thời gian trễ nghiêm ngặt: Mở rộng giải thuật để đáp ứng các yêu cầu về thời gian trễ cực thấp, có thể bằng cách tích hợp các bộ dự đoán hoặc sử dụng kiến trúc mạng nơ-ron chuyên biệt hơn.
  4. Ứng dụng trong các lĩnh vực phức tạp khác: Kiểm nghiệm giải thuật trên các hệ thống phi tuyến MIMO khác như máy bay không người lái, hệ thống năng lượng tái tạo, hoặc các quy trình công nghiệp có tính bất định cao hơn.
  5. Kỹ thuật chẩn đoán lỗi và khả năng chịu lỗi: Tích hợp khả năng chẩn đoán lỗi và chịu lỗi vào giải thuật điều khiển giám sát để hệ thống có thể hoạt động bền vững hơn trong điều kiện thực tế, nơi các sự cố thường xuyên xảy ra.

Methodological improvements suggested bao gồm việc phát triển các công cụ phần mềm hỗ trợ thiết kế cơ khí chính xác hơn (ví dụ, phần mềm CAD/CAE chuyên sâu hơn SolidWorks cho robot Delta) để khắc phục các hạn chế về cơ khí.

Theoretical extensions proposed là phát triển lý thuyết về điều khiển giám sát đa tầng (multi-layer supervisory control) nơi các mạng nơ-ron mờ hồi quy có thể tương tác ở các cấp độ khác nhau của hệ thống điều khiển để đạt được hiệu suất tối ưu và khả năng chịu lỗi cao hơn.

Tác động và ảnh hưởng

Tác động của luận án này dự kiến sẽ lan tỏa trên nhiều lĩnh vực.

Academic impact được kỳ vọng sẽ đáng kể. Với 11 bài báo khoa học đã công bố liên quan đến luận án, bao gồm cả các tạp chí quốc tế và hội nghị uy tín (VCCA, International Journal of Mechanical Engineering and Robotics Research, Springer Nature Singapore, IEEE Xplore), luận án có tiềm năng tạo ra nhiều citations. Các đóng góp về giải thuật điều khiển giám sát RFNN-PID, mô hình hóa robot Delta 3-DOF, và phương pháp kiểm chứng thực nghiệm sẽ là nguồn tài liệu tham khảo quý giá cho các nhà nghiên cứu trong lĩnh vực điều khiển tự động, robot học và trí tuệ nhân tạo. Luận án mở ra các hướng nghiên cứu mới về điều khiển thông minh lai (hybrid intelligent control) và cung cấp một khung lý thuyết vững chắc cho các công trình tiếp theo.

Industry transformation có thể diễn ra trong các ngành công nghiệp sản xuất, chế tạo và tự động hóa. Việc áp dụng giải thuật RFNN-PID có thể giúp các nhà máy cải thiện hiệu suất của robot công nghiệp và các hệ thống điều khiển quy trình phi tuyến. Ví dụ, trong ngành sản xuất linh kiện điện tử hoặc đóng gói, robot Delta với bộ điều khiển nâng cao có thể đạt được tốc độ và độ chính xác cao hơn, giảm thiểu sai số sản phẩm và tăng năng suất. Đối với các hệ thống ổn định lưu lượng, nhiệt độ, áp suất, việc giảm thời gian xác lập và độ vọt lố sẽ dẫn đến quy trình sản xuất ổn định hơn và chất lượng sản phẩm tốt hơn. Các lĩnh vực cụ thể như "công việc gắp thả, đóng gói trong các nhà máy" có thể hưởng lợi trực tiếp từ việc triển khai các robot có khả năng di chuyển nhanh và linh hoạt hơn.

Policy influence có thể định hình ở cấp độ chính phủ và các tổ chức tiêu chuẩn hóa. Các phát hiện của luận án cung cấp bằng chứng thực nghiệm mạnh mẽ cho việc đầu tư vào các công nghệ điều khiển thông minh. Điều này có thể thúc đẩy các chính sách hỗ trợ nghiên cứu và phát triển trong lĩnh vực AI và tự động hóa, cũng như các chương trình đào tạo kỹ sư chuyên sâu về điều khiển thông minh. Các khuyến nghị về việc sử dụng các giải thuật điều khiển tiên tiến này có thể được tích hợp vào các hướng dẫn phát triển công nghiệp quốc gia, đặc biệt là trong bối cảnh đẩy mạnh Công nghiệp 4.0.

Societal benefits có thể được lượng hóa thông qua việc nâng cao năng suất lao động và cải thiện chất lượng sản phẩm, từ đó đóng góp vào sự phát triển kinh tế bền vững. Việc tự động hóa hiệu quả hơn các quy trình công nghiệp cũng có thể giảm thiểu sự can thiệp của con người vào các môi trường độc hại hoặc lặp đi lặp lại, cải thiện điều kiện làm việc và an toàn lao động. Mặc dù không trực tiếp lượng hóa được trong tóm tắt, việc giảm sai số và tăng độ chính xác trong các hệ thống điều khiển sẽ dẫn đến việc sử dụng tài nguyên hiệu quả hơn và ít lãng phí hơn.

International relevance của công trình là rất cao. Các thách thức về điều khiển hệ phi tuyến và ứng dụng trí tuệ nhân tạo trong tự động hóa là vấn đề toàn cầu. So sánh với các nghiên cứu quốc tế (như Reza Jafari và Rached Dhaouadi [25]), luận án này không chỉ chứng minh khả năng theo kịp mà còn đóng góp vào việc phát triển các giải pháp tiên tiến. Việc kiểm chứng trên robot Delta (một loại robot phổ biến trên toàn cầu) và hệ thống RT020 (thiết bị của hãng Gunt-Hamburg, Đức) làm tăng tính phù hợp và khả năng áp dụng của giải thuật trên phạm vi quốc tế.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể và có thể lượng hóa cho nhiều đối tượng khác nhau:

  • Doctoral researchers: Cung cấp các research gaps rõ ràng và các phương pháp tiếp cận mới trong điều khiển thích nghi, điều khiển mờ và mạng nơ-ron mờ hồi quy. Đặc biệt, việc giải quyết vấn đề hiệu chỉnh tham số trực tuyến và phụ thuộc vào tham số ban đầu của RFNN mở ra nhiều hướng nghiên cứu tiếp theo. Ví dụ, các nghiên cứu sinh có thể phát triển các giải thuật tối ưu hóa cấu trúc mạng hoặc phương pháp huấn luyện tiên tiến hơn để vượt qua các boundary conditions của luận án này.
  • Senior academics: Luận án đóng góp vào các theoretical advances trong lĩnh vực điều khiển thông minh tích hợp. Các học giả có thể sử dụng khung phân tích điều khiển giám sát RFNN-PID để phát triển các lý thuyết điều khiển mới cho các hệ thống phức tạp hơn, hoặc để đánh giá và so sánh các phương pháp điều khiển thông minh khác. Việc xây dựng mô hình động lực học chi tiết cho robot Delta 3-DOF và kiểm chứng thực nghiệm cũng là một tài liệu tham khảo giá trị.
  • Industry R&D (Research & Development): Các nhà nghiên cứu và phát triển trong công nghiệp có thể trực tiếp áp dụng các practical applications từ luận án. Chẳng hạn, giải thuật điều khiển giám sát RFNN-PID có thể được tích hợp vào các hệ thống robot công nghiệp để cải thiện hiệu suất bám quỹ đạo, giảm sai số [−1.5mm, 1.5mm] cho robot Delta và tăng tốc độ xử lý trong các dây chuyền sản xuất. Đối với các quy trình kiểm soát lưu lượng chất lỏng, thời gian xác lập có thể giảm đáng kể từ 12s xuống 8±0.5s, giúp tối ưu hóa sản xuất và tiết kiệm năng lượng.
  • Policy makers: Các nhà hoạch định chính sách có thể sử dụng các evidence-based recommendations của luận án để định hướng phát triển công nghệ và chính sách công nghiệp. Việc chứng minh khả năng kiểm soát hiệu quả các hệ phi tuyến phức tạp góp phần vào mục tiêu nâng cao năng lực công nghệ và tự động hóa trong bối cảnh Công nghiệp 4.0. Các chính sách khuyến khích nghiên cứu và ứng dụng các giải pháp điều khiển thông minh sẽ có cơ sở vững chắc hơn.

Quantify benefits where possible:

  • Robot Delta: Sai số bám quỹ đạo được kiểm soát trong khoảng [−1.5mm, 1.5mm] trên quỹ đạo đường tròn và đường số 8, cho thấy độ chính xác cao cho các ứng dụng gắp thả.
  • Hệ RT020: Giảm thời gian xác lập từ khoảng 12 giây xuống khoảng 8±0.5 giây, tương đương với việc cải thiện khoảng 33% tốc độ đáp ứng, đồng thời đạt độ vọt lố không đáng kể, trực tiếp nâng cao hiệu quả và ổn định của quy trình.
  • Giảm phụ thuộc vào hiệu chỉnh thủ công: Giải thuật đề xuất giảm thiểu nhu cầu hiệu chỉnh lại tham số bộ điều khiển khi thông số đối tượng hoặc môi trường thay đổi, tiết kiệm thời gian và nguồn lực vận hành.

Câu hỏi chuyên sâu

  1. Theoretical contribution độc đáo nhất (name theory extended) Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Điều khiển Thích nghi thông qua kiến trúc điều khiển giám sát kết hợp RFNN-PID. Luận án không chỉ đơn thuần áp dụng RFNN để điều khiển, mà đã chiến lược tích hợp bộ điều khiển PID truyền thống (từ Lý thuyết Điều khiển PID) để cung cấp năng lượng chủ đạo, kết hợp với RFNNC để bù đắp trực tuyến và RFNNI để nhận dạng không tham số mô hình đối tượng. Cách tiếp cận này đặc biệt giải quyết được hạn chế cố hữu của các bộ điều khiển RFNN độc lập là "phụ thuộc vào việc lựa chọn bộ tham số ban đầu của mạng" [trang iii, v] và vấn đề "tốc độ hội tụ chậm của giải thuật" [trang iii, v]. Bằng việc tạo ra một hệ thống thích nghi lai, luận án cung cấp một giải pháp mạnh mẽ hơn cho việc điều khiển hệ phi tuyến dưới các tác động bất định và thay đổi thông số, đồng thời tận dụng được tính ổn định và quen thuộc của PID.

  2. Methodology innovation (compare với 2+ prior studies) Innovation trong phương pháp nghiên cứu nằm ở việc xây dựng một quy trình kiểm chứng toàn diện từ mô hình toán học phức tạp đến thực nghiệm trên hai loại hệ phi tuyến hoàn toàn khác biệt.

    • Mô hình hóa động lực học robot Delta 3-DOF: Luận án đã xây dựng mô hình động lực học chuyển động chi tiết cho robot Delta 3-DOF không gian 3RUS, đặc biệt xử lý các khớp Cardan và khớp cầu, sử dụng phương trình Lagrange dạng nhân tử [trang 22]. So với các nghiên cứu trước đây như Murray [45] hay Nakamura [46] chỉ dừng lại ở việc chứng minh phương trình động lực tương tự robot chuỗi hoặc tối ưu hàm mục tiêu, luận án này đi sâu vào việc thiết lập hệ phương trình vi phân – đại số (1.28) cho một mô hình Delta cụ thể, phức tạp hơn với các khớp đặc trưng.
    • Kiểm chứng trên đa dạng hệ thống: Luận án không chỉ dừng lại ở mô phỏng như nhiều công bố (ví dụ [22], [23], [24], [25] mà chủ yếu thông qua mô phỏng trên máy tính), mà còn thực nghiệm trên mô hình robot Delta 3-DOF tự chế tạo và một hệ công nghiệp có sẵn (hệ ổn định lưu lượng chất lỏng RT020 của Gunt-Hamburg). Việc kiểm nghiệm trên cả hệ MIMO (robot) và SISO (lưu lượng) chứng minh tính tổng quát và khả năng ứng dụng rộng rãi của giải thuật. Trong khi các nghiên cứu của Reza Jafari và Rached Dhaouadi [25] tập trung vào RNN để nhận dạng và điều khiển hệ phi tuyến, luận án này không chỉ sử dụng RFNN mà còn xây dựng một mô hình thực nghiệm vật lý phức tạp, tích hợp DSP C2000 TMS320F28379D và MATLAB/Simulink cho điều khiển thời gian thực.

  3. Most surprising finding (với data support) Phát hiện đáng ngạc nhiên nhất là khả năng của giải thuật điều khiển giám sát RFNN-PID trong việc duy trì hiệu suất điều khiển ổn định và chính xác ngay cả khi "robot mang tải thêm 1.5 kg" [trang 31, Hình 1.16] hoặc có "thay đổi tăng tải trọng của robot Delta 3-DOF từ 4.5kg lên 5.5kg" [trang xiii, Hình 2.12], trong khi các bộ điều khiển FUZZY-PID và GA-PID truyền thống "không còn điều khiển bám tốt theo tín hiệu đặt" [trang 3]. Cụ thể, đối với quỹ đạo đường tròn khi mang tải thêm 1.5 kg, giải thuật RFNN-PID vẫn giữ sai số bám quỹ đạo trong khoảng [−1.5mm, 1.5mm] [trang 97], trong khi các phương pháp khác thể hiện sự suy giảm đáng kể. Điều này đặc biệt ấn tượng vì tải trọng thay đổi thường là một thách thức lớn đối với các bộ điều khiển đã được hiệu chỉnh offline hoặc có khả năng thích nghi hạn chế. Việc RFNN cung cấp tín hiệu điều khiển bù một cách trực tuyến đã hiệu chỉnh hiệu quả những tác động này.

  4. Replication protocol provided? Mặc dù luận án không trình bày một "replication protocol" tường minh dưới dạng một tài liệu độc lập, nó cung cấp đầy đủ các chi tiết cần thiết để tái tạo các kết quả chính:

    • Mô hình toán học: Phương trình động lực học chuyển động của robot Delta 3-DOF được thiết lập chi tiết (công thức 1.10 - 1.28) [trang 21-23].
    • Thông số đối tượng: Bảng 1.2 cung cấp "Các thông số bản vẽ kỹ thuật của robot Delta 3-DOF" (ví dụ: m1=0.38kg, L1=400mm) [trang 28].
    • Tham số bộ điều khiển: Các thông số của FUZZY-PID, GA-PID, SNA-PID, RFNN-PID và các hệ số tiền xử lý/hậu xử lý được cung cấp trong các Bảng 1.3, 1.5, 1.7, 2.1 [trang 28, 35, 41, 60] và công thức (1.30) [trang 28].
    • Sơ đồ khối điều khiển và môi trường mô phỏng: Các sơ đồ khối chi tiết trong MATLAB/Simulink được trình bày (Hình 1.10, 1.11, 1.12, 2.6) [trang 29, 62].
    • Thiết kế phần cứng: Chi tiết về thiết kế và gia công khung cơ khí, tủ điện điều khiển, mạch điều khiển sử dụng DSP C2000 TMS320F28379D, sơ đồ nguyên lý mạch (Hình 3.14, 3.15, 3.16, 3.17, 3.18, 3.19, 3.20, 3.21) [trang 77-83], và giao thức truyền nhận dữ liệu UART.
    • Quy trình thực nghiệm: Các bước thực nghiệm trên robot Delta (quỹ đạo đường tròn, đường số 8) và hệ RT020 được mô tả kèm kết quả cụ thể [trang 88-96]. Những thông tin này cho phép các nhà nghiên cứu khác tái tạo cả mô phỏng và thực nghiệm, mặc dù việc chế tạo mô hình robot có thể đòi hỏi nguồn lực đáng kể.

  5. 10-year research agenda outlined? Mặc dù luận án không trình bày một "10-year research agenda" cụ thể, phần "Đề nghị hướng nghiên cứu trong tương lai" [trang 98] cung cấp các định hướng chi tiết có thể mở rộng thành một chương trình nghiên cứu dài hạn:

    • Cải tiến phần cứng robot Delta: Tập trung vào việc "cải tiến lại phần cánh tay và bộ khung của robot" để khắc phục rung nhẹ và nâng cao độ chính xác cơ khí, từ đó kiểm nghiệm lại giải thuật điều khiển trên nền tảng vật lý được cải thiện. Đây là bước đầu tiên để đạt được hiệu suất tối ưu hơn.
    • Tối ưu hóa cấu trúc mạng nơ-ron mờ hồi quy và giải thuật huấn luyện: Phát triển các phương pháp tự động xác định cấu trúc mạng (số nơ-ron, tâm, ngưỡng) và cải tiến giải thuật huấn luyện (ví dụ, ngoài Gradient Descent) để mạng hội tụ nhanh hơn, hiệu quả hơn và ít phụ thuộc vào thử sai. Điều này có thể bao gồm việc khám phá các giải thuật học sâu (deep learning) hoặc học tăng cường (reinforcement learning) để tự động điều chỉnh RFNN.
    • Mở rộng ứng dụng cho các hệ thống yêu cầu thời gian trễ nghiêm ngặt: Nghiên cứu và phát triển các biến thể của giải thuật điều khiển giám sát RFNN-PID có khả năng xử lý các yêu cầu về thời gian trễ cực thấp, ví dụ trong điều khiển máy bay không người lái hoặc robot phẫu thuật. Điều này có thể liên quan đến việc tối ưu hóa mã nguồn, sử dụng các bộ vi điều khiển mạnh mẽ hơn, hoặc tích hợp các bộ dự đoán trạng thái.
    • Tích hợp khả năng chẩn đoán lỗi và chịu lỗi: Phát triển giải thuật để hệ thống có thể tự động phát hiện và khắc phục các lỗi (ví dụ, cảm biến, cơ cấu chấp hành) trong quá trình hoạt động, tăng tính bền vững và an toàn.
    • Ứng dụng trên các hệ thống phức tạp, phi tuyến đa dạng: Mở rộng kiểm chứng giải thuật trên nhiều loại đối tượng phi tuyến khác nhau, như hệ thống năng lượng, xe tự hành, hoặc các quy trình hóa học phức tạp, nhằm chứng minh tính tổng quát và khả năng thích ứng của giải thuật.

Kết luận

Luận án đã đạt được những đóng góp quan trọng và cụ thể trong lĩnh vực kỹ thuật điều khiển và tự động hóa:

  1. Xây dựng và kiểm chứng giải thuật điều khiển giám sát RFNN-PID: Đây là đóng góp cốt lõi, tích hợp PID cho tín hiệu chủ đạo và RFNN cho hiệu chỉnh bù trực tuyến, giải quyết hiệu quả vấn đề điều khiển hệ phi tuyến dưới tác động của nhiễu và thay đổi thông số.
  2. Mô hình hóa động lực học chi tiết cho robot Delta 3-DOF: Luận án đã thành công trong việc xây dựng mô hình toán học phức tạp cho robot Delta 3-DOF với khớp Cardan và khớp cầu, sử dụng phương trình Lagrange dạng nhân tử, cung cấp nền tảng vững chắc cho mô phỏng và thiết kế điều khiển.
  3. Khắc phục hạn chế của RFNN trong điều khiển thích nghi: Bằng việc sử dụng bộ nhận dạng mạng nơ-ron mờ hồi quy (RFNNI), luận án đã giải quyết vấn đề phụ thuộc vào lựa chọn tham số ban đầu và tốc độ hội tụ chậm của các bộ điều khiển RFNN độc lập.
  4. Kiểm chứng thực nghiệm trên cả hệ MIMO và SISO: Giải thuật được xác thực trên robot Delta 3-DOF (MIMO) và hệ ổn định lưu lượng chất lỏng RT020 (SISO), chứng minh khả năng bám quỹ đạo chính xác (sai số [−1.5mm, 1.5mm] cho robot Delta) và cải thiện thời gian xác lập (giảm từ 12s xuống 8±0.5s cho RT020).
  5. So sánh chất lượng điều khiển toàn diện: Luận án đã so sánh chi tiết hiệu suất của giải thuật đề xuất với các phương pháp FUZZY-PID, GA-PID, và SNA-PID, khẳng định sự vượt trội trong điều kiện vận hành có tải trọng thay đổi và nhiễu.

Những đóng góp này đại diện cho một paradigm advancement trong thiết kế bộ điều khiển thông minh, chuyển dịch từ các giải pháp đơn lẻ sang các kiến trúc lai mạnh mẽ và linh hoạt hơn. Bằng chứng từ cả mô phỏng và thực nghiệm đã củng cố niềm tin vào tính hiệu quả của cách tiếp cận này.

Công trình này đã mở ra ít nhất 3 new research streams chính:

  • Phát triển các giải thuật tối ưu hóa cấu trúc mạng nơ-ron mờ hồi quy tự động.
  • Nghiên cứu điều khiển thích nghi tích hợp cho các hệ thống yêu cầu thời gian trễ cực kỳ nghiêm ngặt.
  • Ứng dụng các kiến trúc điều khiển giám sát lai trong các lĩnh vực mới như chẩn đoán lỗi và chịu lỗi cho robot và quy trình công nghiệp.

Về global relevance, các phát hiện của luận án không chỉ giải quyết các thách thức kỹ thuật cụ thể ở Việt Nam mà còn đóng góp vào sự phát triển chung của lĩnh vực điều khiển tự động và trí tuệ nhân tạo trên toàn thế giới. So sánh với các nghiên cứu quốc tế như của Jafari và Dhaouadi [25], công trình này cung cấp một hướng tiếp cận thực nghiệm và tích hợp mạnh mẽ hơn, mang lại các measurable outcomes có khả năng ảnh hưởng đến thiết kế và triển khai các hệ thống tự động hóa tiên tiến trong tương lai.