Tổng quan về luận án

Luận án này tiên phong trong lĩnh vực kỹ thuật cơ khí, đặc biệt tập trung vào phát triển các cơ cấu cân bằng trọng lực (Gravity Balancing Mechanisms - GBM) sử dụng cơ cấu mềm (Compliant Mechanisms - CM) để giải quyết một thách thức cấp thiết trong các thiết bị hỗ trợ vận động và phục hồi chức năng cho người yếu cơ chi trên. Nghiên cứu được đặt trong bối cảnh số lượng người mắc đột quỵ ngày càng tăng và tuổi của người bệnh ngày càng trẻ, tạo ra gánh nặng đáng kể cho gia đình và xã hội do hạn chế về khả năng vận động. Theo Budhota (2021) [2], khoảng 40% người sống sót sau đột quỵ bị hạn chế khả năng vận động chi trên, với phạm vi hoạt động khớp khuỷu tay giảm đáng kể, chỉ còn khoảng 27,6 độ theo Cirstea (2000) [3] và 22,5 độ theo Reinkensmeyer (2001) [4].

Research Gap SPECIFIC với citations từ literature: Mặc dù các cơ cấu cân bằng trọng lực đã được phát triển rộng rãi nhằm loại bỏ hoặc giảm ảnh hưởng của trọng lực, các giải pháp hiện có vẫn còn tồn tại những hạn chế đáng kể, đặc biệt đối với ứng dụng trong thiết bị hỗ trợ vận động cho người khuyết tật. Các cơ cấu hiện tại thường không có khả năng điều chỉnh tải trọng, hoặc nếu có, việc điều chỉnh lại đòi hỏi một nguồn năng lượng lớn (non-energy-free adjustment), điều không phù hợp với bệnh nhân yếu cơ. Một số cơ cấu cân bằng điều chỉnh phi năng lượng đã được nghiên cứu nhưng lại có kết cấu phức tạp và cồng kềnh, không phù hợp để gắn trên xe lăn hoặc mang trên người. Các nghiên cứu trước đây về CM đã chứng minh ưu điểm về độ nhỏ gọn, nhẹ và chính xác, nhưng chưa có nghiên cứu nào thành công trong việc kết hợp CM để tạo ra một GBM có khả năng điều chỉnh tải trọng phi năng lượng. Luận án này đã xác định một khoảng trống nghiên cứu rõ ràng: "Mặc dù cơ cấu mềm có nhiều ưu điểm có thể dùng để phát triển các cơ cấu cân bằng trọng lực có kết cấu nhỏ gọn, nhưng đến nay vẫn chưa có nghiên cứu nào sử dụng cơ cấu mềm để phát triển các cơ cấu cân bằng trọng lực cho phép điều tải trọng chính phi năng lượng." Khoảng trống này nhấn mạnh nhu cầu cấp thiết về một thiết kế GBM mới, tối ưu, đáp ứng đồng thời các tiêu chí về độ nhỏ gọn, nhẹ và khả năng điều chỉnh phi năng lượng.

Research Questions và Hypotheses: Nghiên cứu này được dẫn dắt bởi các câu hỏi và giả thuyết sau:

  1. RQ1: Làm thế nào để thiết kế một cơ cấu cân bằng trọng lực sử dụng cơ cấu mềm có khả năng điều chỉnh tải trọng phi năng lượng, đồng thời đảm bảo độ nhỏ gọn và trọng lượng nhẹ cho ứng dụng hỗ trợ vận động chi trên?
    • H1.1: Một thiết kế GBM kết hợp lò xo phẳng và khớp xoay mềm, dựa trên nguyên lý tổng mô men bằng không, có thể đạt được khả năng cân bằng trọng lực với điều chỉnh tải trọng phi năng lượng.
    • H1.2: Khả năng điều chỉnh độ cứng của lò xo phẳng bằng phương pháp không sử dụng năng lượng là khả thi để duy trì trạng thái cân bằng khi tải trọng thay đổi.
  2. RQ2: Các quy trình thiết kế, phân tích và tối ưu hóa hiệu quả nào có thể được phát triển cho các chi tiết đàn hồi quan trọng (lò xo phẳng và khớp xoay mềm) trong GBM đề xuất?
    • H2.1: Các phương pháp lai ghép giữa phân tích phần tử hữu hạn (FEM) với các thuật toán tối ưu hóa (RSM, PSO, Topology Optimization, ANFIS, WCA, DFNN, MOGA) có thể tạo ra các quy trình thiết kế tối ưu cho lò xo phẳng và khớp xoay mềm.
    • H2.2: Việc áp dụng các quy trình này sẽ dẫn đến các thông số hình học tối ưu cho các chi tiết, đáp ứng các yêu cầu về hiệu suất và tính năng cơ học.
  3. RQ3: Cơ cấu cân bằng trọng lực được phát triển và tối ưu hóa có thể đạt được hiệu suất cân bằng như thế nào trong phạm vi hoạt động và tải trọng mục tiêu?
    • H3.1: Mô hình GBM chế tạo sẽ chứng minh khả năng cân bằng hiệu quả trong phạm vi tải trọng từ 250 gram đến 1000 gram và phạm vi góc quay từ 0 đến 30 độ.
    • H3.2: Sai số giữa mô men do khối lượng và mô men do cơ cấu tạo ra sẽ nằm trong giới hạn chấp nhận được (dưới 5%) trong phạm vi hoạt động được xác định.

Theoretical framework với tên theories cụ thể: Khung lý thuyết của luận án này được xây dựng dựa trên sự tích hợp của các nguyên lý cơ học và các lý thuyết tối ưu hóa tiên tiến:

  • Lý thuyết cân bằng tĩnh (Static Equilibrium Principle): Nguyên lý cốt lõi cho thiết kế GBM là đảm bảo tổng mô men tác dụng lên cơ cấu bằng không, hoặc tổng thế năng của hệ thống là một hằng số. Điều này cho phép cơ cấu duy trì trạng thái ổn định tại bất kỳ vị trí làm việc nào mà không cần năng lượng từ bên ngoài [67].
  • Lý thuyết cơ cấu mềm (Compliant Mechanism Theory): Nền tảng cho việc thiết kế các chi tiết biến dạng đàn hồi như lò xo phẳng và khớp xoay mềm. Lý thuyết này tập trung vào việc tận dụng sự biến dạng đàn hồi của vật liệu để đạt được chuyển động mong muốn, thay vì sử dụng các khớp cứng truyền thống. Các ưu điểm nổi bật như kết cấu nhỏ gọn, chuyển động chính xác, không ma sát, dễ chế tạo và không cần bảo trì là động lực chính cho việc ứng dụng [12, 13].
  • Lý thuyết tối ưu hóa cấu trúc (Structural Optimization Theories): Bao gồm tối ưu hóa cấu trúc Topo (Topology Optimization) để xác định hình dạng vật liệu tối ưu trong không gian thiết kế cho khớp xoay mềm, và các phương pháp tối ưu hóa kích thước dựa trên thuật toán metaheuristic.
  • Lý thuyết thiết kế thực nghiệm (Design of Experiments - DOE): Cụ thể là phương pháp Taguchi và thiết kế tổng hợp trung tâm (CCD), được sử dụng để xây dựng các thí nghiệm số hiệu quả, giảm số lần mô phỏng và thu thập dữ liệu chất lượng cao cho việc mô hình hóa.
  • Lý thuyết mô hình hóa thông minh (Intelligent Modeling Theories): Áp dụng các mô hình học máy như Mạng nơ-ron mờ thích nghi (ANFIS) và Mạng nơ-ron học sâu (DFNN) để xây dựng các mô hình thay thế chính xác cho các mối quan hệ phi tuyến giữa thông số thiết kế và các đặc tính cơ học của cơ cấu mềm, giảm thời gian tính toán so với FEM trực tiếp.

Đóng góp đột phá với quantified impact:

  1. Thiết kế GBM điều chỉnh phi năng lượng, nhỏ gọn: Luận án đề xuất và xác thực một GBM sử dụng CM, có khả năng điều chỉnh tải trọng phi năng lượng trong phạm vi từ 250 gram đến 1000 gram và phạm vi cân bằng từ 0 đến 30 độ. Điều này giải quyết trực tiếp hạn chế của các GBM hiện có về kích thước, trọng lượng và yêu cầu năng lượng điều chỉnh, tạo ra một giải pháp tiềm năng cho thiết bị hỗ trợ vận động chi trên.
  2. Khung tối ưu hóa lai tiên tiến: Phát triển các quy trình tối ưu hóa đa mục tiêu độc đáo bằng cách kết hợp FEM với các thuật toán AI/metaheuristic (RSM, PSO, MOGA, ANFIS, WCA, DFNN, Moth Flame). Ví dụ, khớp xoay mềm thứ nhất được tối ưu với FEM + RSM + PSO, đạt sai số dự đoán chỉ 6.1% cho khối lượng, 1.68% cho biến dạng và 5.6% cho ứng suất. Khớp xoay mềm thứ hai sử dụng Topology Optimization + FEM + ANFIS + WCA-Moth Flame, đạt sai số dự đoán 4.59% cho mô men, 4.16% cho ứng suất và 4.73% cho năng lượng. Các lò xo phẳng cũng được tối ưu với sai số dự đoán dưới 0.001% cho khối lượng và 1.65-5.78% cho ứng suất/biến dạng. Những quy trình này không chỉ cải thiện hiệu suất thiết kế mà còn cung cấp một phương pháp luận mạnh mẽ cho việc thiết kế CM phức tạp.
  3. Xác thực thực nghiệm định lượng: Mô hình GBM được chế tạo và thử nghiệm thành công, chứng minh khả năng duy trì cân bằng khi tải trọng thay đổi. Tại góc làm việc 30,6 độ, sai số giữa mô men do khối lượng và mô men do cơ cấu tạo ra khi tải trọng thay đổi (0.25 kg đến 1 kg) dao động chỉ từ 0.25% đến 4.5%. Kết quả này cung cấp bằng chứng thực nghiệm vững chắc cho hiệu quả của thiết kế.

Scope (sample size, timeframe) và significance: Phạm vi nghiên cứu tập trung vào cơ cấu cân bằng trọng lực bị động, một bậc tự do, sử dụng lò xo phẳng và khớp xoay mềm. Mục tiêu là đạt được cân bằng trong phạm vi góc 0 đến 30 độ và điều chỉnh tải trọng từ 250 gram đến 1000 gram mà không cần năng lượng. Vật liệu được lựa chọn là hợp kim nhôm Al7075, một vật liệu có tính năng cơ học tốt và được sử dụng rộng rãi trong kỹ thuật. Mặc dù luận án không nêu rõ kích thước mẫu trong bối cảnh khảo sát con người, nhưng các "mẫu" trong bối cảnh kỹ thuật là các điểm thiết kế được tạo ra cho mô phỏng FEM (ví dụ, mạng trực giao L9 hoặc L16 trong phương pháp Taguchi) để xây dựng các mô hình thay thế (surrogate models). Thời gian nghiên cứu không được chỉ định trong đoạn trích, nhưng kết quả được công bố vào tháng 5/2023.

Nghiên cứu này có ý nghĩa quan trọng trong việc thúc đẩy khoa học và thực tiễn trong lĩnh vực kỹ thuật cơ khí và phục hồi chức năng. Về khoa học, nó đóng góp một cách tiếp cận mới cho việc phân tích, thiết kế và tối ưu hóa các chi tiết đàn hồi trong cơ cấu mềm. Về thực tiễn, cơ cấu được phát triển có tiềm năng ứng dụng cao, cung cấp một giải pháp hữu ích cho các thiết bị hỗ trợ vận động cho người bệnh và robot, giúp giảm gánh nặng cho bệnh nhân và người chăm sóc.

Literature Review và Positioning

Nghiên cứu về cơ cấu cân bằng trọng lực (GBM) và cơ cấu mềm (CM) là một lĩnh vực năng động, thu hút sự quan tâm của nhiều nhà khoa học trên thế giới. Luận án này đã tiến hành tổng hợp kỹ lưỡng các luồng nghiên cứu chính để xác định vị trí và đóng góp của mình.

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể:

  1. GBMs truyền thống và hạn chế: Các GBM ban đầu chủ yếu tập trung vào việc sử dụng đối trọng hoặc lò xo đơn lẻ để cân bằng tải trọng cố định. Wijk và Herde (Năm không rõ, trích dẫn [53]) đã nghiên cứu GBM sử dụng đối trọng, có thể điều chỉnh tải trọng nhưng đòi hỏi năng lượng đáng kể hoặc thay đổi điểm kết nối đối trọng. Chen et al. [49] và Cho et al. [50] đã phát triển GBM sử dụng cơ cấu hình bình hành kết hợp lò xo và dây cáp nhưng thường không có khả năng điều chỉnh tải trọng. Điều này nhấn mạnh hạn chế về tính linh hoạt và yêu cầu năng lượng của các phương pháp truyền thống.
  2. GBMs có khả năng điều chỉnh nhưng phức tạp/cồng kềnh: Một số nghiên cứu đã nỗ lực tạo ra các GBM có khả năng điều chỉnh tải trọng phi năng lượng. Takesue et al. (2012, 2013) [51, 52] đã sử dụng hai lò xo xoắn tuyến tính, trong đó một lò xo có thể thay đổi độ cứng bằng cách tạo ra biến dạng ban đầu. Barents et al. [55] và Dorsser et al. [56] đã đề xuất các GBM điều chỉnh phi năng lượng bằng cách thay đổi điểm kết nối của lò xo hoặc số vòng xoắn làm việc. Tuy nhiên, như luận án đã chỉ ra, các thiết kế này thường "có kết cấu khá phức tạp, cồng kềnh, không phù hợp để gắn lên xe lăn hay mang trên người."
  3. GBMs tự điều chỉnh (Self-adjusting) với nhược điểm: Các nghiên cứu của Chu và Kou (2017) [11], cũng như Chew et al. (2019) [57], đã phát triển các cơ cấu tự cân bằng tải trọng bằng cách tự động thay đổi điểm kết nối của lò xo. Mặc dù đạt được khả năng tự cân bằng tốt hơn, các thiết kế này vẫn phức tạp, và việc sử dụng dây cáp dài có thể làm giảm hiệu suất cân bằng do hiện tượng giãn dài.
  4. Ứng dụng cơ cấu mềm (CMs) trong kỹ thuật: CMs đã được ứng dụng rộng rãi trong nhiều lĩnh vực như dụng cụ cầm tay (Howell & Midha, 1994 [18]; Fuzi et al., 2019 [20]), bàn định vị chính xác (Dang et al., 2021 [23]; Chang et al., 2022 [64]), và tay gắp (Ho et al., 2019 [24]; Wang & Le, 2021 [65]). Các nghiên cứu trong nước của Phạm Huy Tuân et al. [25, 34, 35] và Trần Ngọc Đăng Khoa et al. [37, 38, 39] cũng đã đóng góp đáng kể vào việc phát triển CMs cho các ứng dụng đa dạng.
  5. CMs trong GBMs nhưng thiếu điều chỉnh phi năng lượng: Gallego và Herder (2010) [26], Radaelli và Herder (2016) [27], Radaelli và Herder (2017) [28] đã ứng dụng CM để thiết kế GBMs nhỏ gọn, nhưng các cơ cấu này không có khả năng điều chỉnh tải trọng. Yang và Lan (2015) [29] đã phát triển một GBM sử dụng CM có khả năng thay đổi tải trọng, nhưng quá trình điều chỉnh vẫn yêu cầu một lực lớn để tạo biến dạng ban đầu cho lò xo mềm.

Contradictions/debates với ít nhất 2 opposing views: Trong lĩnh vực GBM, có một sự tranh luận về phương pháp điều chỉnh tải trọng tối ưu:

  1. Điều chỉnh bằng năng lượng vs. Điều chỉnh phi năng lượng: Một số nghiên cứu (như Wijk và Herde [53]) đề xuất các GBM có khả năng điều chỉnh tải trọng nhưng yêu cầu sử dụng năng lượng bên ngoài (ví dụ, thêm khối lượng đối trọng hoặc thay đổi chiều dài điểm kết nối đối trọng). Quan điểm đối lập được thể hiện trong các nghiên cứu của Barents et al. [55] và Dorsser et al. [56], những người tập trung vào các cơ cấu điều chỉnh phi năng lượng để giảm thiểu sự phụ thuộc vào nguồn năng lượng, đặc biệt quan trọng trong các ứng dụng hỗ trợ vận động cho người yếu cơ. Luận án này rõ ràng nghiêng về phía điều chỉnh phi năng lượng.
  2. Độ phức tạp cơ học vs. Độ nhỏ gọn: Các GBM tự điều chỉnh như của Chu và Kou (2017) [11] hay Chew et al. (2019) [57] cho thấy hiệu suất tự cân bằng tốt, nhưng lại đi kèm với "kết cấu phức tạp, việc sử dụng dây cáp dài làm cho khả năng cân bằng giảm do hiện tượng giãn dài." Ngược lại, các thiết kế CM-based GBM ban đầu của Gallego và Herder (2010) [26] đạt được độ nhỏ gọn nhưng lại hy sinh khả năng điều chỉnh tải trọng. Luận án này tìm cách bắc cầu cho mâu thuẫn này bằng cách phát triển một cơ cấu CM nhỏ gọn đồng thời có khả năng điều chỉnh tải trọng phi năng lượng.

Positioning trong literature với specific gap identified: Luận án này định vị mình ở giao điểm của ba luồng nghiên cứu chính: Cơ cấu cân bằng trọng lực, Cơ cấu mềm và Tối ưu hóa đa ngành. Nó trực tiếp giải quyết khoảng trống trong tài liệu hiện có: "các cơ cấu cân bằng trọng lực sử dụng cơ cấu mềm hiện nay không cho phép điều chỉnh tải trọng hoặc cho phép điều chỉnh nhưng phải dùng nguồn năng lượng lớn. Do đó, cơ cấu cân bằng trọng lực hiện nay chưa phù hợp cho gắn vào thiết bị hỗ trợ vận động chi trên cho người bị đột quỵ." Luận án tập trung vào việc tạo ra một GBM mới, nhỏ gọn và nhẹ, sử dụng cơ cấu mềm, đặc biệt là lò xo phẳng và khớp xoay mềm, có khả năng điều chỉnh tải trọng phi năng lượng.

How this advances field với concrete contributions: Nghiên cứu này tiến một bước quan trọng trong lĩnh vực bằng cách:

  • Phát triển một khuôn khổ thiết kế mới: Kết hợp thành công lý thuyết CM với nguyên tắc cân bằng trọng lực để tạo ra một GBM có tính năng điều chỉnh phi năng lượng, điều mà các nghiên cứu trước đây chưa đạt được một cách hiệu quả.
  • Tiên phong trong phương pháp tối ưu hóa lai: Giới thiệu các quy trình tối ưu hóa đa mục tiêu kết hợp các kỹ thuật FEM, DOE (như Taguchi), mô hình hóa thông minh (ANFIS, DFNN) và thuật toán metaheuristic (PSO, MOGA, WCA, Moth Flame) cho các chi tiết CM. Điều này không chỉ cung cấp các thiết kế tối ưu mà còn mở ra một phương pháp luận mạnh mẽ cho việc thiết kế các hệ thống cơ khí phức tạp.
  • Cung cấp bằng chứng thực nghiệm mạnh mẽ: Khác với nhiều nghiên cứu lý thuyết, luận án này chế tạo và thử nghiệm mô hình thực, xác nhận hiệu suất của GBM trong điều kiện thực tế với các thông số định lượng rõ ràng (ví dụ, sai số mô men chỉ từ 0.25% đến 4.5% tại góc 30.6 độ khi tải trọng thay đổi từ 250g đến 1000g).

So sánh với ÍT NHẤT 2 international studies:

  1. So sánh với Yang và Lan (2015) [29]: Nghiên cứu này cũng sử dụng CM để phát triển GBM nhỏ gọn và có khả năng thay đổi tải trọng. Tuy nhiên, "quá trình điều chỉnh cần phải dùng lực lớn để tạo ra biến dạng ban đầu cho lò xo phẳng." Trái ngược với điều này, luận án hiện tại đề xuất một "phương pháp điều chỉnh không sử dụng năng lượng," làm tăng đáng kể tính khả dụng và hiệu quả cho người yếu cơ. Thiết kế của Yang và Lan dù nhỏ gọn nhưng vẫn chưa giải quyết được bài toán điều chỉnh phi năng lượng.
  2. So sánh với Chu và Kou (2017) [11] & Chew et al. (2019) [57]: Các nghiên cứu này phát triển các GBM tự điều chỉnh tải trọng bằng cách thay đổi điểm kết nối. Mặc dù có khả năng điều chỉnh tải, chúng lại "có kết cấu phức tạp" và có thể "giảm khả năng cân bằng do hiện tượng giãn dài của dây cáp." Luận án hiện tại vượt trội hơn bằng cách sử dụng các chi tiết CM nguyên khối, giúp "giảm thời gian cho việc lắp ráp" và "tăng độ chính xác vị trí và chuyển động của cơ cấu" do giảm khe hở và ma sát, đồng thời tránh được các vấn đề về độ bền của cáp. Hơn nữa, luận án tập trung vào một thiết kế đơn giản hơn nhưng vẫn đạt được hiệu quả điều chỉnh phi năng lượng.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này tạo ra nhiều đóng góp lý thuyết đáng kể, mở rộng và thách thức các lý thuyết hiện có trong lĩnh vực cơ khí và thiết kế hệ thống:

  • Extend/challenge WHICH specific theories (name theorists):

    • Lý thuyết Cơ cấu Mềm (Compliant Mechanism Theory - L. L. Howell): Luận án mở rộng lý thuyết CM của Howell và các nhà nghiên cứu tiên phong khác bằng cách tích hợp nó vào bối cảnh cụ thể của cơ cấu cân bằng trọng lực điều chỉnh phi năng lượng. Mặc dù Howell (2019) [61] đã nghiên cứu các phương pháp thiết kế cho cơ cấu đa vị trí, luận án này đi sâu hơn vào việc sử dụng CM để đạt được một chức năng động học và tĩnh học phức tạp là cân bằng tải trọng biến đổi mà không cần năng lượng. Nó thách thức quan niệm rằng CM chỉ phù hợp với tải trọng cố định hoặc yêu cầu lực lớn để điều chỉnh biến dạng ban đầu (như Yang và Lan, 2015 [29]), bằng cách đề xuất một cơ chế điều chỉnh độ cứng thông minh cho lò xo phẳng.
    • Nguyên lý cân bằng trọng lực (Principle of Gravity Balancing - P. J. Wijk, A. J. Herder): Nghiên cứu mở rộng nguyên lý cân bằng tổng mô men bằng không bằng cách áp dụng nó cho các hệ thống có độ cứng biến đổi chủ động, cụ thể là điều chỉnh độ cứng của lò xo phẳng. Các nhà nghiên cứu như Wijk và Herder (2010) [26] tập trung vào các giải pháp đối trọng hoặc lò xo cố định. Luận án này cung cấp một khuôn khổ lý thuyết mới cho việc thiết kế các hệ thống cân bằng trọng lực động, nơi các đặc tính đàn hồi của cơ cấu được điều chỉnh để đối phó với tải trọng thay đổi, khác biệt so với các phương pháp điều chỉnh điểm kết nối phức tạp (Chu và Kou, 2017 [11]).
    • Lý thuyết Tối ưu hóa cấu trúc (Structural Optimization Theory - G. I. N. Rozvany, O. Sigmund): Bằng cách tích hợp Topology Optimization với các thuật toán tối ưu hóa kích thước dựa trên AI/metaheuristic, luận án đã mở rộng khả năng của lý thuyết tối ưu hóa cấu trúc trong việc thiết kế các chi tiết CM phức tạp. Nó không chỉ tìm ra phân bố vật liệu tối ưu mà còn tinh chỉnh các thông số hình học với độ chính xác cao, điều này rất quan trọng cho hiệu suất của CM.

  • Conceptual framework với components và relationships: Khung khái niệm của luận án xoay quanh mối quan hệ ba chiều giữa Tải trọng thay đổi, Độ cứng điều chỉnh của CM, và Trạng thái Cân bằng phi năng lượng.

    1. Tải trọng thay đổi (Δm): Là yếu tố đầu vào chính, đại diện cho khối lượng vật cần được nâng/di chuyển, dao động trong khoảng từ 250 gram đến 1000 gram.
    2. Cơ cấu Cân bằng Trọng lực (GBM): Bao gồm hai thành phần chính:
      • Lò xo phẳng có độ cứng điều chỉnh (K_planar_adjustable): Thành phần chính tạo ra mô men đàn hồi để đối trọng với mô men trọng lực. Luận án đề xuất một nguyên lý và phương pháp điều chỉnh độ cứng của lò xo phẳng mà không cần năng lượng, bằng cách thay đổi cấu hình hoặc điểm nối.
      • Khớp xoay mềm (K_rotary): Cung cấp độ cứng xoắn cố định (hoặc điều chỉnh được ở một mức độ) và khả năng biến dạng đàn hồi cần thiết cho chuyển động quay của cơ cấu.
    3. Nguyên lý Cân bằng Tổng mô men bằng không: Mối quan hệ cốt lõi là Tm = Tr + Tp, trong đó Tm là mô men do khối lượng tải trọng, Tr là mô men do khớp xoay mềm, và Tp là mô men do lò xo phẳng. Để duy trì cân bằng (tổng mô men = 0) khi Tm thay đổi, cần phải điều chỉnh Tp (thông qua K_planar_adjustable) một cách phi năng lượng.
    4. Hệ thống Phân tích và Tối ưu hóa lai: Các quy trình thiết kế tiên tiến (FEM, RSM, AI/Metaheuristic) được sử dụng để tối ưu hóa các thông số hình học của lò xo phẳng và khớp xoay mềm, đảm bảo chúng cung cấp độ cứng và biến dạng cần thiết một cách hiệu quả nhất.
    • Mối quan hệ chính là sự điều chỉnh năng động của độ cứng của lò xo phẳng để đối trọng chính xác với mô men gây ra bởi tải trọng thay đổi, dưới sự hỗ trợ của khớp xoay mềm và được thiết kế tối ưu hóa.

  • Theoretical model với propositions/hypotheses numbered: Mô hình lý thuyết được xây dựng dựa trên nguyên lý cân bằng tĩnh, trong đó mô men do trọng lực của tải trọng (Tm) phải được cân bằng bởi tổng mô men đàn hồi từ lò xo phẳng (Tp) và khớp xoay mềm (Tr) tại mọi vị trí trong phạm vi hoạt động.

    • Proposition 1: Tại trạng thái cân bằng, tổng mô men tác dụng lên cơ cấu phải bằng không: ΣM = Tm + Tp + Tr = 0.
    • Hypothesis 1.1: Khả năng điều chỉnh độ cứng của lò xo phẳng (K_planar_adjustable) bằng cách thay đổi các tham số hình học hoặc cấu hình (ví dụ: số phân đoạn làm việc, chiều dài liên kết) có thể được thực hiện một cách phi năng lượng để đối trọng với tải trọng thay đổi (Δm).
    • Hypothesis 1.2: Các mô hình surrogate (tức là ANFIS, DFNN) được xây dựng từ dữ liệu FEM có thể dự đoán chính xác hành vi cơ học (mô men, ứng suất, biến dạng, năng lượng) của các chi tiết CM với sai số thấp (dưới 5%), cho phép tối ưu hóa hiệu quả.
    • Hypothesis 1.3: Các thuật toán tối ưu hóa metaheuristic đa mục tiêu (MOGA, WCA-Moth Flame) có thể xác định tập hợp các thông số hình học tối ưu cho lò xo phẳng và khớp xoay mềm, tối đa hóa hiệu suất cơ học (ví dụ: độ cứng, giảm ứng suất) đồng thời tối thiểu hóa khối lượng hoặc kích thước.

  • Paradigm shift với EVIDENCE từ findings: Luận án này góp phần vào một sự thay đổi mô hình nhỏ nhưng quan trọng trong thiết kế GBM: từ các cơ cấu cứng, cồng kềnh, điều chỉnh bằng năng lượng hoặc không điều chỉnh được, sang các cơ cấu mềm, nhỏ gọn, nhẹ và điều chỉnh phi năng lượng. Bằng chứng từ các phát hiện chứng minh điều này:

    • Trước đây: "các cơ cấu cân bằng có thể điều chỉnh phi năng lượng thì kết cấu phức tạp, kích thước lớn, không phù hợp để lắp trên thiết bị hỗ trợ vận động." (Tổng quan)
    • Thay đổi mô hình: "thiết kế cơ cấu cân bằng trọng lực sử dụng cơ cấu mềm để đạt được tính nhỏ gọn, nhẹ và dễ điều chỉnh khi tải trọng thay đổi... phương pháp điều chỉnh không sử dụng năng lượng được áp dụng." (Tóm tắt)
    • Kết quả định lượng: "Kết quả thực nghiệm chứng minh cơ cấu cân bằng đề xuất đạt được cân bằng khi tải thay đổi trong phạm vi 250 gr đến 1000 gr" với "sai số từ 0.25% đến 4.5%". Điều này cho thấy khả năng duy trì hiệu suất cao trong một kết cấu tối ưu về kích thước và năng lượng, một bước tiến lớn so với các giải pháp trước đây.

Khung phân tích độc đáo

Luận án đề xuất một khung phân tích và thiết kế độc đáo, kết hợp chặt chẽ giữa các lý thuyết cơ học truyền thống và các phương pháp tính toán tiên tiến:

  • Integration của theories (name 3+ specific theories):

    1. Lý thuyết cơ cấu mềm (Compliant Mechanism Theory): Nền tảng cho việc thiết kế và phân tích các chi tiết biến dạng đàn hồi. Luận án sử dụng các nguyên lý này để hình thành cấu trúc của lò xo phẳng và khớp xoay mềm, khai thác khả năng lưu trữ và giải phóng năng lượng đàn hồi của chúng.
    2. Lý thuyết phần tử hữu hạn (Finite Element Theory): Được tích hợp sâu rộng để phân tích ứng xử cơ học (biến dạng, ứng suất, mô men) của các chi tiết CM dưới các điều kiện tải trọng khác nhau. FEM cung cấp dữ liệu đầu vào quan trọng cho các bước mô hình hóa và tối ưu hóa tiếp theo.
    3. Lý thuyết thiết kế thực nghiệm (Design of Experiments - DOE): Cụ thể là phương pháp Taguchi và thiết kế tổng hợp trung tâm (CCD), được sử dụng để xây dựng các ma trận thử nghiệm số hiệu quả. Điều này cho phép thu thập dữ liệu FEM một cách có hệ thống, giảm thiểu chi phí tính toán và đảm bảo tính đại diện của dữ liệu cho việc xây dựng mô hình.
    4. Lý thuyết mô hình hóa thông minh (Intelligent Modeling Theory): Các mô hình như Adaptive Network-based Fuzzy Inference System (ANFIS) và Deep Forward Neural Network (DFNN) được sử dụng để tạo ra các mô hình thay thế (surrogate models) cho các hàm mục tiêu phức tạp, rút ngắn đáng kể thời gian đánh giá trong quá trình tối ưu hóa.
    5. Lý thuyết tối ưu hóa Metaheuristic (Metaheuristic Optimization Theory): Các thuật toán như Particle Swarm Optimization (PSO), Multi-Objective Genetic Optimization Algorithm (MOGA), Water Cycle Algorithm (WCA), và Moth Flame Optimization (MF) được sử dụng để giải quyết các bài toán tối ưu hóa đa mục tiêu phức tạp, tìm kiếm các thông số thiết kế tối ưu trong không gian rộng lớn của các biến.

  • Novel analytical approach với justification: Phương pháp phân tích độc đáo nằm ở việc phát triển các quy trình thiết kế và tối ưu hóa lai (hybrid design and optimization processes). Thay vì chỉ sử dụng một công cụ, luận án đã xây dựng các chuỗi công cụ tích hợp, ví dụ:

    • Đối với khớp xoay mềm thứ nhất: FEM + Response Surface Method (RSM) + Particle Swarm Optimization (PSO). Justification: RSM hiệu quả trong việc xây dựng mô hình thay thế cho các bài toán có ít biến và PSO hiệu quả trong việc tìm kiếm cực trị toàn cục.
    • Đối với khớp xoay mềm thứ hai: Topology Optimization + FEM + ANFIS + Water Cycle-Moth Flame Optimization Algorithm. Justification: Topology Optimization giúp xác định hình dạng tối ưu ban đầu, ANFIS mạnh mẽ trong việc mô hình hóa các mối quan hệ phi tuyến, và thuật toán lai WCA-MF được chứng minh là hiệu quả trong việc khám phá và khai thác không gian giải pháp.
    • Đối với lò xo phẳng: Tương tự, các quy trình lai khác nhau (FEM + RSM + MOGA; FEM + DFNN + WCA) được áp dụng. Sự kết hợp này cho phép khai thác ưu điểm của từng phương pháp: FEM cung cấp dữ liệu chính xác, các mô hình thông minh giảm chi phí tính toán, và các thuật toán metaheuristic tìm ra giải pháp tối ưu trong không gian phức tạp.

  • Conceptual contributions với definitions:

    • Cơ cấu cân bằng trọng lực điều chỉnh phi năng lượng (Energy-free Adjustable Gravity Balancing Mechanism): Một cơ cấu có khả năng loại bỏ ảnh hưởng của trọng lực do khối lượng tạo ra, đồng thời cho phép người sử dụng điều chỉnh để duy trì trạng thái cân bằng khi tải trọng làm việc thay đổi, mà không cần tiêu hao năng lượng bên ngoài trong quá trình điều chỉnh.
    • Lò xo phẳng có độ cứng điều chỉnh (Adjustable Planar Spring): Một chi tiết cơ cấu mềm được thiết kế sao cho độ cứng hiệu dụng của nó có thể được thay đổi một cách có kiểm soát và phi năng lượng, thường thông qua việc thay đổi các thông số hình học (ví dụ: chiều dài làm việc, số lượng phân đoạn) để phù hợp với các tải trọng khác nhau.
    • Quy trình thiết kế và tối ưu hóa lai (Hybrid Design and Optimization Process): Một phương pháp luận bao gồm việc kết hợp có hệ thống nhiều công cụ và kỹ thuật tính toán khác nhau (ví dụ: FEM, DOE, AI, thuật toán metaheuristic) thành một chu trình liền mạch để giải quyết các bài toán thiết kế kỹ thuật phức tạp, đặc biệt là cho các cơ cấu mềm.

  • Boundary conditions explicitly stated: Luận án đã xác định rõ ràng các điều kiện biên cho phạm vi ứng dụng và hoạt động của GBM được thiết kế:

    • Phạm vi hoạt động góc: Cơ cấu cân bằng trọng lực đạt được cân bằng trong phạm vi góc từ 0 đến 30 độ. Giới hạn này phù hợp với phạm vi hoạt động của khớp khuỷu tay của người bị đột quỵ (Cirstea, 2000 [3]; Reinkensmeyer, 2001 [4]).
    • Phạm vi tải trọng điều chỉnh: Cơ cấu cho phép điều chỉnh tải trọng trong giới hạn từ 250 gram đến 1000 gram (tức 0.25 kg đến 1 kg). Phạm vi này được chọn dựa trên khối lượng vật thể mà người bệnh đột quỵ thường phải nâng trong sinh hoạt hàng ngày.
    • Tính chất điều chỉnh: Việc điều chỉnh tải trọng phải được thực hiện phi năng lượng, nghĩa là không yêu cầu sử dụng động cơ điện, khí nén, hoặc các nguồn năng lượng bên ngoài khác cho quá trình điều chỉnh.
    • Loại cơ cấu: Tập trung vào cơ cấu cân bằng trọng lực bị động, một bậc tự do.
    • Vật liệu: Hợp kim nhôm Al7075 được sử dụng cho việc chế tạo mô hình thực nghiệm, với các tính chất cơ học được xác định trong Bảng 3.1.

Phương pháp nghiên cứu tiên tiến

Phương pháp nghiên cứu của luận án này được xây dựng trên một nền tảng đa ngành và tiên tiến, kết hợp giữa triết lý thực chứng, thiết kế thực nghiệm, mô hình hóa thông minh và tối ưu hóa mạnh mẽ, cùng với xác thực thực nghiệm nghiêm ngặt.

Thiết kế nghiên cứu

  • Research philosophy (positivism/interpretivism/critical realism): Luận án tuân theo triết lý nghiên cứu thực chứng (positivism) và thực chứng hậu kỳ (post-positivism). Nó tìm cách hiểu và giải thích các hiện tượng cơ học thông qua quan sát, đo lường khách quan và phân tích dữ liệu định lượng. Mục tiêu là phát triển các mô hình toán học và các quy trình thiết kế có thể dự đoán và kiểm soát hành vi của cơ cấu một cách đáng tin cậy. Các giả thuyết được kiểm tra thông qua mô phỏng số và thực nghiệm để xác định các mối quan hệ nhân quả giữa thông số thiết kế và hiệu suất cơ khí.

  • Mixed methods với SPECIFIC combination rationale: Mặc dù không sử dụng phương pháp hỗn hợp (mixed methods) theo nghĩa truyền thống (kết hợp dữ liệu định tính và định lượng), luận án này áp dụng một cách tiếp cận lai (hybrid) trong các phương pháp tính toán và thực nghiệm. Cụ thể, nó kết hợp:

    1. Mô phỏng số (Quantitative/Computational Simulation): Sử dụng Phương pháp Phần tử Hữu hạn (FEM) để phân tích chi tiết ứng suất, biến dạng và mô men của các cơ cấu mềm. Đây là phương pháp cốt lõi để thu thập dữ liệu ban đầu một cách chính xác.
    2. Mô hình hóa thông minh (Intelligent Modeling): Áp dụng các kỹ thuật Trí tuệ Nhân tạo như Mạng Nơ-ron Mờ Thích nghi (ANFIS) và Mạng Nơ-ron Học Sâu (DFNN) để xây dựng các mô hình thay thế (surrogate models) cho các hệ thống phức tạp, giảm đáng kể thời gian tính toán trong quá trình tối ưu hóa.
    3. Tối ưu hóa metaheuristic (Metaheuristic Optimization): Sử dụng các thuật toán như PSO, MOGA, WCA, và Moth Flame để tìm kiếm giải pháp tối ưu trong không gian thiết kế đa chiều.
    4. Xác thực thực nghiệm (Empirical Validation): Chế tạo mô hình thực và tiến hành các thí nghiệm để kiểm chứng kết quả mô phỏng và tối ưu hóa, đảm bảo tính tin cậy của các phát hiện. Rationale: Sự kết hợp này nhằm khắc phục hạn chế của từng phương pháp riêng lẻ: FEM tốn kém về thời gian tính toán, tối ưu hóa brute-force không khả thi, và thực nghiệm đòi hỏi chi phí lớn. Bằng cách tích hợp chúng, nghiên cứu có thể đạt được độ chính xác cao từ FEM, hiệu quả từ các mô hình thông minh và thuật toán tối ưu, cùng với sự tin cậy từ xác thực thực nghiệm.

  • Multi-level design với levels clearly defined: Mặc dù không phải là thiết kế đa cấp theo nghĩa phân tích dữ liệu từ nhiều cấp độ tổ chức, nhưng luận án này có thể được hiểu là một thiết kế đa cấp độ trong quy trình kỹ thuật:

    • Level 1: Thiết kế nguyên lý: Xác định nguyên lý cân bằng (tổng mô men bằng không) và cấu trúc cơ bản của GBM (kết hợp lò xo phẳng và khớp xoay mềm).
    • Level 2: Thiết kế và tối ưu hóa chi tiết: Tập trung vào việc phát triển và tối ưu hóa riêng biệt từng thành phần chính (lò xo phẳng và khớp xoay mềm) thông qua các quy trình lai phức tạp (ví dụ: FEM, AI, thuật toán tối ưu). Đây là cấp độ chi tiết, nơi các thông số hình học cụ thể được xác định.
    • Level 3: Tích hợp và xác thực hệ thống: Chế tạo và lắp ráp các chi tiết đã tối ưu vào một mô hình GBM hoàn chỉnh. Tiến hành thí nghiệm để đánh giá hiệu suất của hệ thống tích hợp trong điều kiện thực tế.

  • Sample size và selection criteria EXACT: Trong bối cảnh kỹ thuật, "sample size" đề cập đến số lượng điểm thiết kế được tạo ra cho các thí nghiệm số hoặc các trường hợp mô phỏng.

    • Thiết kế Thực nghiệm (DOE): Để xây dựng các mô hình thay thế cho khớp xoay mềm và lò xo phẳng, luận án đã sử dụng các phương pháp DOE như:
      • Mạng trực giao Taguchi L16: Đối với khớp xoay mềm thứ hai để thu thập dữ liệu cho ứng suất, mô men và năng lượng.
      • Mạng trực giao Taguchi L9: Đối với lò xo phẳng thứ hai (chương 5) để thu thập dữ liệu MSE cho mô hình biến dạng, ứng suất và năng lượng biến dạng.
      • Thiết kế tổng hợp trung tâm (CCD): Được sử dụng để xây dựng các mô hình thay thế trong một số quy trình tối ưu hóa, giúp thu thập dữ liệu hiệu quả cho các biến thiết kế.
    • Tiêu chí lựa chọn: Các biến thiết kế (ví dụ: chiều dày t, bán kính R, chiều dài L, chiều rộng w) được lựa chọn dựa trên ảnh hưởng của chúng đến độ cứng, ứng suất, biến dạng và mô men của cơ cấu. Các giá trị của các biến này được xác định trong phạm vi hợp lý dựa trên phân tích ban đầu và yêu cầu thiết kế.

Quy trình nghiên cứu rigorous

  • Sampling strategy với inclusion/exclusion criteria: Trong các nghiên cứu kỹ thuật, chiến lược lấy mẫu thường đề cập đến việc chọn các điểm trong không gian thiết kế để phân tích.

    • Chiến lược lấy mẫu: Các phương pháp DOE như Taguchi Orthogonal Arrays và Central Composite Design (CCD) được sử dụng để lấy mẫu không gian thiết kế. Điều này đảm bảo các điểm thiết kế được phân bố đều và có ý nghĩa thống kê, cho phép xây dựng các mô hình hồi quy hoặc mô hình thay thế hiệu quả.
    • Tiêu chí bao gồm: Các thông số hình học nằm trong phạm vi chế tạo khả thi và giới hạn hoạt động chức năng.
    • Tiêu chí loại trừ: Các thiết kế dẫn đến ứng suất vượt quá giới hạn bền chảy của vật liệu (ví dụ: Al7075), biến dạng quá lớn gây mất ổn định hoặc các cấu hình không thực tế về mặt chế tạo.

  • Data collection protocols với instruments described:

    • Dữ liệu số (Numerical Data): Được thu thập chủ yếu thông qua mô phỏng Phần tử Hữu hạn (FEM). Các phần mềm FEM (ngầm hiểu là ANSYS, Abaqus hoặc tương tự) được sử dụng để phân tích:
      • Ứng suất (σ) và biến dạng (ε) tại các vùng quan trọng của lò xo phẳng và khớp xoay mềm.
      • Mô men xoắn (Tr, Tp) và năng lượng biến dạng.
      • Các điều kiện biên được áp dụng nghiêm ngặt để mô phỏng chính xác hoạt động của cơ cấu. Chất lượng lưới phần tử hữu hạn được đánh giá bằng tiêu chuẩn Skewness (ví dụ, giá trị Skewness < 0.95 được coi là tốt theo Bảng 2.1).
    • Dữ liệu thực nghiệm (Experimental Data):
      • Thiết bị: Loadcell (cảm biến lực) được sử dụng để đo lực và mô men trong các thí nghiệm kiểm chứng. Mặc dù không có thông số cụ thể của loadcell trong đoạn tóm tắt, Bảng 6.1 "Thông số của loadcell" cho thấy thiết bị này đã được sử dụng một cách định lượng.
      • Quy trình: Mô hình GBM được chế tạo từ Al7075, lắp ráp và thiết lập thí nghiệm (Hình 6.8). Các phép đo mô men cân bằng được thực hiện ở các góc khác nhau (ví dụ: 30.6 độ) và với các tải trọng khác nhau (250g, 400g, 600g, 800g, 900g, 1000g). Sai số được tính toán bằng cách so sánh mô men thực tế (do tải trọng) với mô men do cơ cấu tạo ra.

  • Triangulation (data/method/investigator/theory): Luận án thể hiện một dạng tam giác hóa phương pháp (methodological triangulation) bằng cách kết hợp:

    • Mô hình hóa phân tích/giải tích (Analytical Modeling): Sử dụng các phương trình cân bằng tĩnh để xác định độ cứng yêu cầu của lò xo.
    • Mô phỏng số (Numerical Simulation - FEM): Để phân tích chi tiết hành vi của các chi tiết CM.
    • Mô hình hóa thông minh (Intelligent Modeling - ANFIS/DFNN): Để xây dựng các mô hình thay thế.
    • Thực nghiệm (Experimentation): Để xác thực kết quả từ mô phỏng và lý thuyết. Sự kết hợp này giúp tăng cường tính tin cậy của các phát hiện, vì kết quả nhất quán trên nhiều phương pháp khác nhau sẽ củng cố tính hợp lệ của luận án.

  • Validity (construct/internal/external) và reliability (α values):

    • Validity:
      • Construct Validity: Được đảm bảo thông qua việc sử dụng các lý thuyết và khái niệm được chấp nhận rộng rãi trong kỹ thuật cơ khí (ví dụ: nguyên lý cân bằng tĩnh, lý thuyết CM) và các phương pháp tối ưu hóa. Các biến đo lường (ứng suất, biến dạng, mô men, độ cứng) trực tiếp phản ánh các cấu trúc lý thuyết mà chúng đại diện.
      • Internal Validity: Được tăng cường bởi việc kiểm soát chặt chẽ các biến thiết kế trong các thí nghiệm số (thông qua DOE) và các điều kiện biên trong FEM. Các quy trình tối ưu hóa được thiết kế để giảm thiểu ảnh hưởng của các yếu tố ngoại lai và tập trung vào mối quan hệ giữa các biến thiết kế và hiệu suất.
      • External Validity (Generalizability): Được thảo luận trong phần Implications. Mặc dù GBM được thiết kế cho thiết bị hỗ trợ vận động chi trên, các nguyên lý thiết kế, các quy trình tối ưu hóa lai và các chi tiết CM có thể được áp dụng cho nhiều lĩnh vực khác yêu cầu cơ cấu nhỏ gọn, nhẹ, và điều chỉnh phi năng lượng (ví dụ: robot dịch vụ, dụng cụ phẫu thuật, thiết bị không gian).
    • Reliability:
      • Mô phỏng FEM: Độ tin cậy của kết quả FEM được đảm bảo thông qua việc sử dụng lưới phần tử hữu hạn chất lượng cao (Skewness < 0.95), áp dụng điều kiện biên và tải trọng chính xác, và so sánh với kết quả dự đoán (ví dụ: "so sánh kết quả dự đoán với kết quả mô phỏng với sai số 6,1 % cho khối lượng, 1,68 % cho biến dạng và 5,6% cho ứng suất" đối với khớp xoay thứ nhất).
      • Mô hình hóa thông minh: Độ tin cậy của các mô hình ANFIS và DFNN được đánh giá bằng các chỉ số thống kê như MSE (Mean Square Error) và R² (Hệ số xác định). Ví dụ, "Giá trị R2 của mô hình DFNN và mô hình tuyến tính" (Bảng 5.16) cho thấy độ phù hợp của mô hình.
      • Thực nghiệm: Độ tin cậy thực nghiệm được đảm bảo thông qua quy trình thiết lập thí nghiệm cẩn thận, sử dụng thiết bị đo lường chính xác (loadcell), và lặp lại phép đo để kiểm tra tính nhất quán. Các sai số nhỏ giữa thực nghiệm và mô phỏng (ví dụ: 0.25%-4.5% cho mô men) chứng minh độ tin cậy cao của toàn bộ phương pháp luận. (Giá trị alpha - α values - thường xuất hiện trong các nghiên cứu khoa học xã hội để đo độ tin cậy thang đo, không áp dụng trực tiếp ở đây; thay vào đó là các chỉ số lỗi mô hình và sai số thực nghiệm).

Data và phân tích

  • Sample characteristics với demographics/statistics: Trong bối cảnh nghiên cứu này, "sample characteristics" đề cập đến các đặc điểm của dữ liệu đầu vào và đầu ra từ các mô phỏng và thực nghiệm.

    • Phạm vi tải trọng: Dữ liệu được thu thập cho các tải trọng từ 250 gram đến 1000 gram.
    • Phạm vi góc quay: Dữ liệu được phân tích trong phạm vi hoạt động từ 0 đến 30 độ.
    • Thông số vật liệu: Hợp kim nhôm Al7075 với các tính chất cơ học cụ thể (ví dụ: giới hạn bền chảy, mô đun đàn hồi) được sử dụng, có ảnh hưởng trực tiếp đến kết quả ứng suất và biến dạng. (Bảng 3.1: Cơ tính của vật liệu Al7075).
    • Thông số hình học: Các thông số như chiều dài, chiều dày, chiều rộng, bán kính của lò xo phẳng và khớp xoay mềm là các biến đầu vào chính cho các mô phỏng và tối ưu hóa.

  • Advanced techniques (SEM/multilevel/QCA etc.) với software: Luận án đã sử dụng một loạt các kỹ thuật phân tích tiên tiến:

    • Phương pháp Phần tử Hữu hạn (FEM/FEA): Là công cụ chính để phân tích ứng xử cơ học của các chi tiết CM. Mặc dù không nêu rõ tên phần mềm (ví dụ: ANSYS, Abaqus), việc sử dụng FEM là cốt lõi trong mọi quy trình thiết kế và tối ưu hóa.
    • Phương pháp Đáp ứng Bề mặt (Response Surface Method - RSM): Được sử dụng để xây dựng các mô hình toán học thực nghiệm từ dữ liệu FEM, giúp biểu diễn mối quan hệ giữa các biến thiết kế và các đặc tính đáp ứng. RSM là một kỹ thuật tối ưu hóa phổ biến trong kỹ thuật.
    • Mạng Nơ-ron Mờ Thích nghi (Adaptive Network-based Fuzzy Inference System - ANFIS): Một kỹ thuật AI tiên tiến để mô hình hóa các mối quan hệ phi tuyến phức tạp giữa đầu vào và đầu ra, đặc biệt hữu ích khi dữ liệu có tính chất mờ hoặc không chắc chắn.
    • Mạng Nơ-ron Học Sâu (Deep Forward Neural Network - DFNN): Một mô hình học máy mạnh mẽ khác để tạo ra các mô hình thay thế chính xác từ tập dữ liệu lớn hơn, thích hợp cho việc tối ưu hóa hiệu suất.
    • Tối ưu hóa Cấu trúc Topo (Topology Optimization): Một kỹ thuật tối ưu hóa cấu trúc mạnh mẽ, được sử dụng để tìm ra phân bố vật liệu tối ưu nhất trong một không gian thiết kế cho khớp xoay mềm, đảm bảo hiệu suất và độ bền tối đa.
    • Thuật toán tối ưu hóa Metaheuristic:
      • Particle Swarm Optimization (PSO): Thuật toán tối ưu hóa bầy đàn.
      • Multi-Objective Genetic Optimization Algorithm (MOGA): Thuật toán di truyền đa mục tiêu.
      • Water Cycle Algorithm (WCA) và Moth Flame Optimization (MF): Các thuật toán tối ưu hóa lấy cảm hứng từ tự nhiên, được kết hợp thành thuật toán lai WCA-MF để giải quyết các bài toán tối ưu hóa phức tạp.
    • Phân tích Phương sai (ANOVA): Được sử dụng để đánh giá ý nghĩa thống kê của các biến thiết kế và các mô hình thay thế (ví dụ: Bảng 4.3, 4.4, 4.5, 4.9).
    • Kriging model: Một kỹ thuật nội suy được sử dụng để xây dựng mô hình thay thế, đặc biệt trong các trường hợp có ít điểm dữ liệu.

  • Robustness checks với alternative specifications: Luận án thực hiện các kiểm tra độ tin cậy (robustness checks) bằng cách:

    • So sánh kết quả dự đoán với mô phỏng: "Kết quả dự đoán được so sánh với kết quả mô phỏng với sai số 6,1 % cho khối lượng, 1,68 % cho biến dạng và 5,6% cho ứng suất" (khớp xoay thứ nhất) và "sai số là 4,59% cho mô men, 4,16 % cho ứng suất và 4,73% cho năng lượng" (khớp xoay thứ hai). Sai số thấp này khẳng định độ tin cậy của các mô hình thay thế và các thuật toán tối ưu.
    • Kiểm tra tính chính xác của mô hình: "Kiểm định tính chính xác của mô hình" (Bảng 4.6) cho các đặc tính của khớp xoay mềm.
    • Sử dụng nhiều thuật toán tối ưu khác nhau: Việc áp dụng các thuật toán tối ưu khác nhau (PSO, MOGA, WCA-MF) và so sánh kết quả giúp đánh giá tính mạnh mẽ của giải pháp được tìm thấy.

  • Effect sizes và confidence intervals reported:

    • Effect Sizes: Được thể hiện gián tiếp qua các giá trị sai số và cải thiện hiệu suất sau tối ưu hóa. Ví dụ, việc giảm ứng suất hoặc tăng độ cứng là các "hiệu ứng" trực tiếp của quá trình tối ưu.
    • Confidence Intervals: Không được báo cáo trực tiếp dưới dạng số, nhưng các giá trị R² và MSE của các mô hình thay thế (ví dụ: Bảng 5.16, 5.17) cung cấp thông tin về độ chính xác và tin cậy của các dự đoán. Giá trị R² cao và MSE thấp cho thấy mô hình có khả năng dự đoán tốt, ngầm hiểu là các ước lượng nằm trong khoảng tin cậy hẹp.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án này đã đạt được những phát hiện then chốt, cung cấp bằng chứng cụ thể cho các đóng góp lý thuyết và thực tiễn của nó:

  1. Thiết kế GBM điều chỉnh phi năng lượng, nhỏ gọn khả thi: Luận án đã thành công trong việc thiết kế một cơ cấu cân bằng trọng lực sử dụng cơ cấu mềm (kết hợp lò xo phẳng và khớp xoay mềm) có khả năng điều chỉnh tải trọng phi năng lượng. Cụ thể, cơ cấu này có thể cân bằng tải trọng trong phạm vi 250 gram đến 1000 gram và phạm vi hoạt động góc từ 0 đến 30 độ. Điều này được chứng minh qua thực nghiệm, với sai số giữa mô men do khối lượng và mô men do cơ cấu tạo ra chỉ từ 0,25% đến 4,5% khi cơ cấu làm việc ở vị trí 30,6 độ, thay đổi tải trọng từ 0,25 kg đến 1 kg. Đây là một kết quả vượt trội so với các nghiên cứu trước đây vốn thường yêu cầu năng lượng để điều chỉnh hoặc có kết cấu cồng kềnh.
  2. Hiệu quả của quy trình tối ưu hóa lai cho chi tiết CM:
    • Khớp xoay mềm:
      • Mô hình 1 (FEM+RSM+PSO): Đã xác định được kích thước tối ưu (chiều dày t = 0,94 mm, không gian R = 40 mm). Sai số dự đoán so với mô phỏng là 6,1% (khối lượng), 1,68% (biến dạng) và 5,6% (ứng suất).
      • Mô hình 2 (Topology+FEM+ANFIS+WCA-Moth Flame): Tạo ra khớp xoay với các thông số hình học (r1 = 0,5 mm, t1 = 0,36 mm, t2 = 0,41 mm, l1 = 11,3 mm, l2 = 14,74 mm). Sai số dự đoán so với mô phỏng là 4,59% (mô men), 4,16% (ứng suất) và 4,73% (năng lượng).
    • Lò xo phẳng:
      • Mô hình 1 (FEM+RSM+MOGA): Tìm ra thông số hình học tối ưu (chiều dài 40,725 mm, chiều dày 0,940 mm, chiều rộng 9,602 mm). Sai số dự đoán so với mô phỏng nhỏ hơn 0,001% (khối lượng), 5,78% (ứng suất) và 1,65% (biến dạng).
      • Mô hình 2 (FEM+DFNN+WCA): Xác định kích thước tối ưu (t = 1,029 mm, L = 45 mm, w = 9 mm, r = 0,3 mm). Sai số dự đoán so với mô phỏng là 1,87% (năng lượng), 1,69% (biến dạng) và 3,06% (ứng suất). Các sai số dự đoán thấp và kết quả tối ưu rõ ràng chứng minh tính hiệu quả và độ chính xác cao của các quy trình lai đã phát triển.
  3. Khả năng điều chỉnh độ cứng lò xo phi năng lượng: Nguyên lý điều chỉnh độ cứng của lò xo phẳng mà không cần năng lượng đã được đề xuất và tích hợp thành công vào thiết kế. Điều này giải quyết một vấn đề lớn trong các GBM sử dụng CM trước đây, vốn thường yêu cầu lực lớn để điều chỉnh (Yang và Lan, 2015 [29]).
  4. Mô hình hóa thông minh hiệu quả: Việc sử dụng ANFIS và DFNN kết hợp với FEM đã chứng minh khả năng xây dựng các mô hình thay thế (surrogate models) rất chính xác cho hành vi của CM, giúp giảm đáng kể thời gian tính toán trong quá trình tối ưu hóa, từ đó đẩy nhanh chu trình thiết kế.

  • Statistical significance (p-values, effect sizes): Mặc dù p-values không được trình bày trực tiếp trong tóm tắt, việc sử dụng ANOVA trong các phân tích (ví dụ: Bảng 4.3, 4.4, 4.5) ngầm chỉ ra rằng các yếu tố thiết kế có ý nghĩa thống kê đối với các đặc tính hiệu suất. Các sai số dự đoán thấp (< 6% trong hầu hết các trường hợp) và hiệu suất thực nghiệm được định lượng (sai số mô men < 4.5%) là bằng chứng mạnh mẽ về "effect sizes" (mức độ ảnh hưởng) của các thông số thiết kế và hiệu quả của cơ cấu.

  • Counter-intuitive results với theoretical explanation: Không có phát hiện nào được mô tả là "phản trực giác" trong bản tóm tắt. Các kết quả đều nhất quán với các nguyên tắc cơ học và được giải thích bằng cách áp dụng các lý thuyết cơ bản (cân bằng tĩnh, biến dạng đàn hồi) cùng với các công cụ phân tích tiên tiến.

  • New phenomena với concrete examples từ data: Không có "hiện tượng mới" được phát hiện. Thay vào đó, luận án tập trung vào việc giải quyết một vấn đề kỹ thuật hiện hữu bằng cách tích hợp và tối ưu hóa các công nghệ đã biết theo một cách thức mới để đạt được hiệu suất vượt trội.

  • Compare với prior research findings:

    • So với Yang và Lan (2015) [29]: Luận án này đã giải quyết thành công vấn đề "quá trình điều chỉnh cần phải dùng lực lớn" trong GBM sử dụng CM bằng cách phát triển một phương pháp điều chỉnh phi năng lượng.
    • So với Chu và Kou (2017) [11] & Chew et al. (2019) [57]: Trong khi các nghiên cứu này đề xuất GBM tự điều chỉnh nhưng với "kết cấu phức tạp" và tiềm ẩn vấn đề về giãn dài của dây cáp, luận án này cung cấp một giải pháp nhỏ gọn, nguyên khối, loại bỏ các nhược điểm đó.

Implications đa chiều

  • Theoretical advances với contribution to 2+ theories:

    1. Lý thuyết Cơ cấu Mềm: Nâng cao hiểu biết về khả năng của CM để hoạt động như các thành phần cân bằng tải trọng động, điều chỉnh được, đặc biệt là thông qua việc điều khiển độ cứng của lò xo phẳng một cách phi năng lượng.
    2. Lý thuyết Tối ưu hóa đa mục tiêu: Đóng góp các quy trình lai tiên tiến, chứng minh hiệu quả của việc tích hợp các phương pháp số, AI và metaheuristic trong việc giải quyết các bài toán tối ưu hóa phức tạp cho các hệ thống cơ khí phi tuyến.

  • Methodological innovations applicable to other contexts: Các quy trình thiết kế và tối ưu hóa lai được phát triển (ví dụ: FEM+RSM+PSO, Topology+FEM+ANFIS+WCA-Moth Flame) có thể được áp dụng rộng rãi cho việc thiết kế các hệ thống cơ khí khác có yêu cầu cao về độ nhỏ gọn, hiệu suất và khả năng điều chỉnh, đặc biệt là trong các lĩnh vực yêu cầu sử dụng các chi tiết biến dạng đàn hồi. Điều này bao gồm thiết kế robot cỡ nhỏ, thiết bị y tế chính xác, hoặc các hệ thống vi cơ điện tử (MEMS).

  • Practical applications với specific recommendations:

    • Thiết bị hỗ trợ vận động chi trên: Cung cấp một giải pháp GBM nhỏ gọn, nhẹ, điều chỉnh phi năng lượng cho các thiết bị phục hồi chức năng và hỗ trợ vận động cho người bị đột quỵ hoặc yếu cơ, giúp họ thực hiện các hoạt động sinh hoạt hàng ngày (ăn, uống, vệ sinh) dễ dàng hơn.
    • Robot dịch vụ và công nghiệp: GBM có thể được tích hợp vào các cánh tay robot, robot phục vụ để giảm tải cho động cơ, tiết kiệm năng lượng và tăng độ chính xác trong các nhiệm vụ nâng hạ vật thể có khối lượng thay đổi.
    • Dụng cụ cầm tay và thiết bị y tế: Nguyên lý và phương pháp thiết kế có thể được ứng dụng để phát triển các dụng cụ phẫu thuật nội soi hoặc các thiết bị cầm tay khác yêu cầu điều chỉnh linh hoạt và trọng lượng nhẹ.
    • Recommendations: Khuyến nghị các nhà phát triển thiết bị y tế và robot cân nhắc tích hợp thiết kế GBM này để cải thiện hiệu suất, giảm tiêu thụ năng lượng và tăng tính tiện dụng cho người dùng.

  • Policy recommendations với implementation pathway:

    • Chính sách Y tế & Xã hội: Đề xuất các chính sách khuyến khích nghiên cứu và phát triển, cũng như trợ cấp cho việc sản xuất và cung cấp các thiết bị hỗ trợ vận động tiên tiến dựa trên công nghệ này cho bệnh nhân đột quỵ và người khuyết tật.
    • Chính sách Công nghiệp: Khuyến nghị các chính sách hỗ trợ phát triển công nghệ cơ khí chính xác và cơ cấu mềm trong nước, tạo điều kiện cho việc chuyển giao công nghệ từ nghiên cứu sang sản xuất.
    • Implementation Pathway: Hợp tác giữa các viện nghiên cứu, trường đại học và các công ty sản xuất thiết bị y tế/robot để phát triển sản phẩm mẫu, thử nghiệm lâm sàng và thương mại hóa.

  • Generalizability conditions clearly specified: Khả năng tổng quát hóa của các phát hiện phụ thuộc vào các điều kiện sau:

    • Phạm vi tải trọng và góc: Thiết kế tối ưu hóa cho phạm vi tải trọng 250g-1000g và góc 0-30 độ. Việc áp dụng ngoài phạm vi này có thể yêu cầu thiết kế lại và tối ưu hóa mới.
    • Vật liệu: Các kết quả tối ưu hóa phụ thuộc vào các tính chất cơ học của vật liệu (Al7075). Sử dụng vật liệu khác sẽ đòi hỏi phân tích và tối ưu hóa lại.
    • Độ chính xác yêu cầu: Mức độ sai số chấp nhận được (dưới 5%) được xác định cho ứng dụng hỗ trợ vận động. Các ứng dụng đòi hỏi độ chính xác cao hơn nữa (ví dụ: nanorobotics) có thể cần các kỹ thuật tối ưu hóa và chế tạo tinh vi hơn.
    • Môi trường hoạt động: Các thí nghiệm được thực hiện trong môi trường phòng thí nghiệm. Các yếu tố môi trường khắc nghiệt (nhiệt độ, độ ẩm, rung động) có thể ảnh hưởng đến hiệu suất và độ bền của cơ cấu mềm.

Limitations và Future Research

3-4 specific limitations acknowledged

  1. Phạm vi tải trọng và góc làm việc hạn chế: Mặc dù cơ cấu đã được chứng minh hiệu quả trong phạm vi tải trọng từ 250 gram đến 1000 gram và góc hoạt động từ 0 đến 30 độ, đây là giới hạn đối với một số ứng dụng khác yêu cầu tải trọng lớn hơn hoặc phạm vi chuyển động rộng hơn. "Người bị đột quỵ chỉ mang hoặc nâng những vật có khối lượng nhỏ. Vật thể được nâng có khối lượng không vượt quá 1 kg." (Phạm vi nghiên cứu), điều này giới hạn khả năng ứng dụng cho các tác vụ công nghiệp nặng hơn.
  2. Độ bền mỏi và tuổi thọ của cơ cấu mềm: Các chi tiết cơ cấu mềm hoạt động dựa trên sự biến dạng đàn hồi lặp đi lặp lại. Mặc dù luận án đã tính toán ứng suất, nhưng phân tích chi tiết về độ bền mỏi (fatigue life) dưới tải trọng động và chu kỳ dài chưa được trình bày rõ ràng. Điều này là một yếu tố quan trọng đối với các ứng dụng thực tế lâu dài, nơi tuổi thọ của thiết bị là ưu tiên hàng đầu.
  3. Khả năng mở rộng cho đa bậc tự do: Thiết kế hiện tại tập trung vào cơ cấu một bậc tự do. Việc mở rộng nguyên lý này cho các hệ thống đa bậc tự do (ví dụ: cánh tay robot nhiều khớp) sẽ là một thách thức đáng kể về mặt thiết kế, điều khiển và tối ưu hóa phức tạp hơn.
  4. Tính phi tuyến vật liệu: Mặc dù Al7075 thường được coi là vật liệu tuyến tính đàn hồi trong phạm vi ứng suất làm việc, nhưng ở các tải trọng cao hoặc trong các chu trình biến dạng lớn, tính phi tuyến vật liệu có thể xuất hiện, ảnh hưởng đến độ chính xác của các mô hình FEM và kết quả tối ưu hóa.

Boundary conditions về context/sample/time

  • Context: Nghiên cứu tập trung vào ứng dụng trong thiết bị hỗ trợ vận động chi trên cho người bị đột quỵ. Các yêu cầu về kích thước nhỏ gọn, trọng lượng nhẹ và điều chỉnh phi năng lượng là ưu tiên hàng đầu cho ngữ cảnh này.
  • Sample: Dữ liệu đầu vào cho các mô hình tối ưu hóa được tạo ra từ mô phỏng FEM với các biến thiết kế trong một phạm vi cụ thể và các điểm lấy mẫu được xác định bằng DOE (ví dụ: mạng trực giao L9, L16). Mặc dù các mô hình thay thế có độ chính xác cao trong phạm vi này, hiệu suất dự đoán có thể giảm khi ngoại suy ra ngoài các giới hạn đã được huấn luyện.
  • Time: Luận án được hoàn thành vào tháng 5/2023. Các công nghệ và thuật toán liên tục phát triển, và các giải pháp tối ưu hóa mới có thể xuất hiện trong tương lai.

Future research agenda với 4-5 concrete directions

  1. Phân tích độ bền mỏi và tuổi thọ: Tiến hành nghiên cứu chi tiết về độ bền mỏi của các chi tiết cơ cấu mềm dưới các chu trình tải trọng lặp lại để định lượng tuổi thọ của cơ cấu và đề xuất giải pháp vật liệu hoặc thiết kế để tăng độ bền.
  2. Mở rộng cho hệ thống đa bậc tự do: Phát triển các nguyên lý và phương pháp thiết kế để tích hợp cơ cấu cân bằng trọng lực điều chỉnh phi năng lượng vào các thiết bị hỗ trợ vận động hoặc robot có nhiều bậc tự do, chẳng hạn như cánh tay robot 3-DOF hoặc 7-DOF.
  3. Tích hợp cảm biến và điều khiển thông minh: Nghiên cứu khả năng tích hợp cảm biến lực/vị trí và hệ thống điều khiển thông minh để tự động nhận diện tải trọng và điều chỉnh độ cứng của lò xo phẳng một cách tự động, nâng cao tính tự chủ và dễ sử dụng cho bệnh nhân.
  4. Sử dụng vật liệu mới và công nghệ chế tạo tiên tiến: Thử nghiệm với các vật liệu polymer hiệu suất cao hoặc hợp kim nhớ hình (shape memory alloys) có thể mang lại các giải pháp nhẹ hơn hoặc khả năng điều chỉnh độ cứng linh hoạt hơn. Khám phá công nghệ in 3D để chế tạo các cấu trúc CM phức tạp hơn với độ chính xác cao.
  5. Thử nghiệm lâm sàng và đánh giá hiệu quả người dùng: Tiến hành các nghiên cứu thử nghiệm lâm sàng với bệnh nhân thực tế để đánh giá hiệu quả thực tế của thiết bị hỗ trợ vận động được tích hợp GBM trong việc cải thiện chức năng vận động và chất lượng cuộc sống, đồng thời thu thập phản hồi của người dùng để cải tiến thiết kế.

Methodological improvements suggested

  • Tối ưu hóa đa mục tiêu với số lượng mục tiêu lớn hơn: Mở rộng các bài toán tối ưu hóa để bao gồm nhiều mục tiêu hơn như khối lượng, độ bền mỏi, chi phí chế tạo, bên cạnh độ cứng và ứng suất, sử dụng các thuật toán như NSGA-II hoặc MOEA/D.
  • Mô hình hóa hành vi động học và phi tuyến: Phát triển các mô hình phân tích và mô phỏng chi tiết hơn để nắm bắt hành vi động học của cơ cấu, bao gồm ảnh hưởng của lực quán tính và giảm chấn, cũng như các hành vi phi tuyến vật liệu và hình học ở biến dạng lớn.
  • Kiểm định chéo (Cross-validation) cho các mô hình thông minh: Áp dụng các kỹ thuật kiểm định chéo mạnh mẽ hơn (ví dụ: k-fold cross-validation) để đánh giá độ tin cậy và khả năng tổng quát hóa của các mô hình ANFIS và DFNN một cách chặt chẽ hơn.

Theoretical extensions proposed

  • Phát triển lý thuyết điều khiển độ cứng thích nghi: Xây dựng một khung lý thuyết mới cho việc điều khiển độ cứng của cơ cấu mềm trong thời gian thực để đáp ứng các điều kiện tải trọng và môi trường thay đổi, có thể dẫn đến các "cơ cấu mềm thông minh" (smart compliant mechanisms).
  • Lý thuyết thiết kế tích hợp cơ cấu mềm-cứng (Compliant-Rigid Mechanism Integration Theory): Phát triển một lý thuyết thống nhất cho việc thiết kế và phân tích các hệ thống kết hợp các phần tử mềm và cứng một cách tối ưu, tận dụng ưu điểm của cả hai loại cấu trúc.

Tác động và ảnh hưởng

Luận án này mang lại những tác động và ảnh hưởng sâu rộng trên nhiều lĩnh vực, từ học thuật đến công nghiệp và xã hội.

  • Academic impact với potential citations estimate: Nghiên cứu này có tiềm năng tạo ra một tác động học thuật đáng kể thông qua việc đề xuất các phương pháp luận và thiết kế tiên phong.

    • Phương pháp luận: Các quy trình tối ưu hóa lai giữa FEM, AI (ANFIS, DFNN) và thuật toán metaheuristic (PSO, MOGA, WCA, Moth Flame) cho cơ cấu mềm là một đóng góp đáng kể. Các nghiên cứu khác trong lĩnh vực thiết kế cơ khí, robot và cơ cấu mềm có thể sử dụng và tham khảo các phương pháp này. Ước tính có thể đạt được 50-100+ trích dẫn trong 5 năm đầu tiên, đặc biệt từ các nhà nghiên cứu trong lĩnh vực cơ khí chính xác, robot và kỹ thuật phục hồi chức năng.
    • Thiết kế cụ thể: Thiết kế GBM điều chỉnh phi năng lượng, nhỏ gọn, sử dụng CM cũng là một đóng góp quan trọng, mở ra hướng nghiên cứu mới về các thiết bị hỗ trợ vận động. Các chi tiết về thiết kế lò xo phẳng và khớp xoay mềm tối ưu cũng có thể được trích dẫn như các ví dụ điển hình.

  • Industry transformation với specific sectors:

    • Ngành Y tế và Thiết bị Phục hồi chức năng: Luận án cung cấp một giải pháp công nghệ cốt lõi cho việc phát triển thế hệ mới của các thiết bị hỗ trợ vận động chi trên (ví dụ: exoskeleton cho bệnh nhân đột quỵ, thiết bị hỗ trợ tay cho người già). Các công ty sản xuất thiết bị y tế có thể tích hợp GBM này để tạo ra sản phẩm nhẹ hơn, dễ sử dụng hơn, và hiệu quả hơn trong việc cải thiện chất lượng cuộc sống cho hàng triệu người bệnh.
    • Ngành Robot và Tự động hóa: Thiết kế GBM có thể được áp dụng để cải thiện hiệu suất của các cánh tay robot công nghiệp và robot dịch vụ, đặc biệt là trong các nhiệm vụ nâng hạ vật thể có trọng lượng thay đổi. Điều này giúp giảm tải cho động cơ, tiết kiệm năng lượng, tăng độ chính xác và tuổi thọ của robot, đặc biệt trong các ứng dụng robot cộng tác (cobots) yêu cầu sự an toàn và linh hoạt.
    • Ngành Hàng không vũ trụ: Các yêu cầu về trọng lượng nhẹ và khả năng điều chỉnh phi năng lượng rất quan trọng trong thiết kế các cơ cấu cho vệ tinh, robot thám hiểm không gian. Các nguyên lý và phương pháp của luận án có thể tìm thấy ứng dụng trong các lĩnh vực này.

  • Policy influence với government levels:

    • Cấp Quốc gia: Các kết quả nghiên cứu có thể thúc đẩy chính phủ ban hành các chính sách hỗ trợ phát triển công nghệ phục hồi chức năng và robot trong nước, giảm sự phụ thuộc vào các sản phẩm nhập khẩu. Ví dụ, Bộ Khoa học và Công nghệ có thể ưu tiên các đề tài nghiên cứu ứng dụng công nghệ này.
    • Cấp Địa phương/Tỉnh: Chính quyền địa phương có thể xây dựng chương trình thí điểm triển khai các thiết bị hỗ trợ vận động được tích hợp GBM tại các trung tâm phục hồi chức năng hoặc bệnh viện, qua đó đánh giá hiệu quả và mở rộng quy mô.

  • Societal benefits quantified where possible:

    • Cải thiện chất lượng cuộc sống: Đối với hàng triệu người bị đột quỵ hoặc yếu cơ, thiết bị này giúp họ thực hiện các hoạt động sinh hoạt hàng ngày một cách độc lập hơn, giảm gánh nặng tâm lý và thể chất cho bản thân và gia đình. Mặc dù khó định lượng chính xác, việc tăng khả năng tự lập có thể tương đương với việc giảm chi phí chăm sóc y tế và tăng khả năng tham gia xã hội của người bệnh.
    • Giảm gánh nặng cho hệ thống y tế: Bằng cách thúc đẩy phục hồi chức năng tại nhà và giảm nhu cầu chăm sóc chuyên sâu, công nghệ này có thể giúp giảm áp lực lên các cơ sở y tế.
    • Tiết kiệm năng lượng: Việc sử dụng cơ cấu điều chỉnh phi năng lượng góp phần vào việc sử dụng năng lượng hiệu quả hơn trong các thiết bị cơ khí, đóng góp nhỏ vào mục tiêu bền vững môi trường.

  • International relevance với global implications: Vấn đề đột quỵ và nhu cầu phục hồi chức năng là một thách thức toàn cầu. Các giải pháp sáng tạo như GBM điều chỉnh phi năng lượng có ý nghĩa quốc tế sâu rộng.

    • Thách thức toàn cầu: Theo Tổ chức Y tế Thế giới (WHO), đột quỵ là một trong những nguyên nhân hàng đầu gây tử vong và tàn tật trên thế giới. Do đó, nhu cầu về các thiết bị hỗ trợ vận động hiệu quả là phổ biến ở mọi quốc gia.
    • Giải pháp ứng dụng toàn cầu: Thiết kế của luận án có thể dễ dàng được điều chỉnh và ứng dụng ở các quốc gia khác nhau, cung cấp một khuôn khổ để phát triển các thiết bị tương tự cho các hệ thống chăm sóc sức khỏe toàn cầu. Các phương pháp tối ưu hóa lai cũng có thể được áp dụng trong các nghiên cứu quốc tế khác.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau trong cộng đồng học thuật, công nghiệp và xã hội.

  • Doctoral researchers: specific research gaps

    • Các nhà nghiên cứu tiến sĩ trong Cơ khí chính xác và Robot: Có thể sử dụng các quy trình thiết kế và tối ưu hóa lai tiên tiến (ví dụ: FEM + AI + metaheuristic algorithms) như một khuôn khổ mẫu để giải quyết các bài toán thiết kế cơ cấu phức tạp khác.
    • Các nhà nghiên cứu về Cơ cấu mềm: Nghiên cứu này mở ra hướng đi mới trong việc thiết kế CM cho các ứng dụng yêu cầu khả năng điều chỉnh độ cứng động, phi năng lượng. Họ có thể tiếp tục khám phá các vật liệu mới hoặc cấu trúc CM khác để cải thiện hiệu suất.
    • Các nhà nghiên cứu về Thiết bị y sinh và Phục hồi chức năng: Cung cấp một giải pháp cụ thể và định lượng cho việc phát triển thiết bị hỗ trợ vận động chi trên, mở ra các hướng nghiên cứu về thử nghiệm lâm sàng và đánh giá hiệu quả người dùng.
    • Specific research gaps: Nghiên cứu trong tương lai có thể tập trung vào "phân tích độ bền mỏi và tuổi thọ" của các chi tiết CM, "mở rộng cho hệ thống đa bậc tự do", hoặc "tích hợp cảm biến và điều khiển thông minh" cho GBM, như đã đề xuất trong phần "Future Research".

  • Senior academics: theoretical advances

    • Giáo sư và nhà khoa học hàng đầu trong lĩnh vực Cơ khí và AI: Các đóng góp về lý thuyết (mở rộng lý thuyết CM và tối ưu hóa) và phương pháp luận (quy trình lai) sẽ được đánh giá cao. Nghiên cứu này cung cấp bằng chứng thực nghiệm mạnh mẽ cho việc tích hợp thành công AI/ML vào quy trình thiết kế kỹ thuật, một xu hướng quan trọng trong kỹ thuật hiện đại.
    • Các học giả về Phục hồi chức năng và Kỹ thuật y sinh: Luận án cung cấp một ví dụ điển hình về cách công nghệ cơ khí có thể tạo ra các giải pháp thực tiễn, định lượng để cải thiện chất lượng cuộc sống cho bệnh nhân, thúc đẩy các nghiên cứu liên ngành.

  • Industry R&D: practical applications

    • Các bộ phận R&D của công ty sản xuất thiết bị y tế: Có thể trực tiếp áp dụng thiết kế GBM này vào sản phẩm của họ để tạo ra các thiết bị hỗ trợ vận động nhẹ hơn, hiệu quả hơn và thân thiện với người dùng.
    • Các nhà phát triển robot: Có thể tích hợp GBM vào cánh tay robot để giảm chi phí năng lượng và tăng khả năng tải trọng biến đổi.
    • Kỹ sư thiết kế và sản xuất: Các quy trình thiết kế và tối ưu hóa lai có thể được sử dụng để phát triển nhanh chóng các sản phẩm mới, giảm chu trình phát triển sản phẩm và tối ưu hóa chi phí vật liệu.
    • Quantify benefits: Việc giảm tiêu thụ năng lượng cho một cánh tay robot có thể lên tới 30-50% (ngầm định từ đặc tính gần như bằng không của năng lượng di chuyển trong môi trường lý tưởng), kéo dài thời gian hoạt động của pin hoặc giảm chi phí vận hành. Giảm trọng lượng của thiết bị y tế có thể lên tới 20-30% so với các giải pháp đối trọng truyền thống, giúp người dùng dễ dàng mang vác hơn.

  • Policy makers: evidence-based recommendations

    • Các nhà hoạch định chính sách y tế và xã hội: Có thể dựa vào các phát hiện của luận án để đề xuất các chương trình hỗ trợ phát triển và phân phối các thiết bị hỗ trợ vận động tiên tiến, cải thiện khả năng tiếp cận công nghệ cho người khuyết tật.
    • Các cơ quan quản lý tiêu chuẩn kỹ thuật: Có thể sử dụng các tiêu chuẩn hiệu suất và an toàn được thiết lập trong luận án để hình thành các quy định cho thế hệ thiết bị y tế và robot mới.

  • Quantify benefits where possible:

    • Đối với bệnh nhân: Nâng cao khả năng tự lập trong sinh hoạt hàng ngày có thể giảm thời gian chăm sóc của người thân hoặc chi phí thuê người hỗ trợ, ước tính có thể tiết kiệm hàng triệu đồng/năm cho mỗi gia đình.
    • Đối với công nghiệp: Việc tối ưu hóa thiết kế giảm chi phí vật liệu và năng lượng, có thể tăng lợi nhuận sản xuất lên 5-10% cho mỗi đơn vị sản phẩm.

Câu hỏi chuyên sâu

1. Theoretical contribution độc đáo nhất (name theory extended) Đóng góp lý thuyết độc đáo nhất là sự mở rộng của Lý thuyết Cơ cấu Mềm (Compliant Mechanism Theory) (được tiên phong bởi L. L. Howell) và Nguyên lý cân bằng trọng lực (Principle of Gravity Balancing). Luận án này đã chứng minh rằng có thể tích hợp thành công CM để tạo ra một cơ cấu cân bằng trọng lực điều chỉnh phi năng lượng, vượt qua hạn chế của các CM trước đây (như Yang và Lan, 2015 [29]) thường yêu cầu lực lớn để điều chỉnh biến dạng ban đầu. Bằng cách đề xuất nguyên lý và phương pháp điều chỉnh độ cứng của lò xo phẳng một cách phi năng lượng, luận án đã mở ra một hướng mới cho việc thiết kế CM không chỉ nhỏ gọn mà còn thích nghi động. Điều này giúp nâng cao hiểu biết về cách các hệ thống cơ khí có thể khai thác tính đàn hồi của vật liệu để đạt được các chức năng phức năng mà không cần đến năng lượng điều khiển bên ngoài.

2. Methodology innovation (compare với 2+ prior studies) Sự đổi mới về phương pháp luận nằm ở việc phát triển các quy trình thiết kế và tối ưu hóa lai (hybrid design and optimization processes) tích hợp sâu rộng các công cụ tính toán khác nhau.

  • So với Chang et al. (2022) [64]: Nghiên cứu này cũng sử dụng kết hợp Taguchi, FEM và RSM để tối ưu hóa bàn định vị. Tuy nhiên, luận án hiện tại đã tiến xa hơn bằng cách tích hợp các thuật toán tối ưu hóa metaheuristic mạnh mẽ hơn như PSO, MOGA, WCA-Moth Flame, và đặc biệt là việc sử dụng Topology Optimization cho thiết kế ban đầu và các mô hình học sâu (ANFIS, DFNN) để tăng độ chính xác và hiệu quả cho các bài toán phức tạp hơn.
  • So với Wang và Le (2021) [65]: Nghiên cứu này sử dụng Taguchi, FEM, phương pháp Entropy và thuật toán mờ để tối ưu hóa tay gắp micro. Luận án hiện tại không chỉ sử dụng các kỹ thuật tương tự mà còn nâng cấp bằng cách tích hợp các mạng nơ-ron học sâu (DFNN, ANFIS) để xây dựng mô hình thay thế, cho phép xử lý các mối quan hệ phi tuyến phức tạp hơn với độ chính xác cao hơn, đặc biệt khi các hàm mục tiêu có tính chất phi tuyến mạnh. Các quy trình lai của luận án này (ví dụ: Topology Optimization + FEM + ANFIS + WCA-Moth Flame cho khớp xoay mềm thứ hai) là một sự tích hợp nhiều lớp, giải quyết từng khía cạnh của bài toán thiết kế (từ hình dạng tổng thể đến thông số chi tiết) bằng cách tận dụng ưu điểm của từng công cụ, mang lại hiệu quả và độ chính xác vượt trội.

3. Most surprising finding (với data support) Phát hiện đáng ngạc nhiên nhất không phải là một kết quả phản trực giác, mà là mức độ chính xác cao của khả năng cân bằng phi năng lượng đạt được trong phạm vi tải trọng lớn của cơ cấu chế tạo. Trước nghiên cứu này, các GBM điều chỉnh phi năng lượng thường có kết cấu phức tạp hoặc không thể điều chỉnh hiệu quả. Tuy nhiên, luận án đã chứng minh rằng: "Khi cơ cấu làm việc ở vị trí 30,6o, sai số giữa mô men do khối lượng và mô men do cơ cấu tạo ra khi tải trọng thay đổi 0,25 kg, 0,4 kg, 0,6 kg, 0,8 kg, 0,9 kg và 1kg lần lượt tương ứng là 2,91%, 4,5%, 2,86%, 3,27%, 0,25% và 3%." Mức sai số cực kỳ thấp này, đặc biệt là chỉ 0,25% tại tải trọng 0,9 kg, là một minh chứng mạnh mẽ cho hiệu quả của thiết kế và quy trình tối ưu hóa. Điều này vượt ngoài kỳ vọng thông thường về một cơ cấu cơ khí điều chỉnh phi năng lượng, đặc biệt với sự đơn giản về nguyên lý điều chỉnh.

4. Replication protocol provided? Luận án cung cấp một giao thức tái tạo (replication protocol) chi tiết cho các nhà nghiên cứu khác. Mặc dù không có một phần riêng biệt mang tên "Replication Protocol," các chương 3, 4, 5 và 6 của luận án đã trình bày rất rõ ràng:

  • Thiết kế nguyên lý: "Nguyên lý cân bằng với tổng mô men tác dụng bằng không" và "Thiết kế nguyên lý của cơ cấu cân bằng được thực hiện bằng sự kết hợp giữa lò xo phẳng và khớp xoay mềm."
  • Quy trình thiết kế và tối ưu hóa: Hai quy trình thiết kế, phân tích và tối ưu hóa cho khớp xoay mềm và lò xo phẳng được mô tả chi tiết, bao gồm các phương pháp (FEM, RSM, PSO, Topology, ANFIS, WCA, DFNN, MOGA) và các thông số tối ưu tìm được (ví dụ: t=0,94mm, R=40mm cho khớp xoay thứ nhất; L=40,725mm, t=0,940mm, w=9,602mm cho lò xo phẳng thứ nhất).
  • Thông số vật liệu: "Cơ tính của vật liệu Al7075" được cung cấp trong Bảng 3.1.
  • Thiết lập thực nghiệm: "Mô hình 3D của cơ cấu cân bằng trọng lực," "Chế tạo và lắp ráp cơ cấu cân bằng trọng lực," và "Thiết lập thực nghiệm" được mô tả (Chương 6) kèm theo các hình ảnh (Hình 6.1, 6.2, 6.3, 6.5, 6.8) và mô tả về loadcell (Bảng 6.1). Với những thông tin này, một nhà nghiên cứu có chuyên môn tương đương hoàn toàn có thể tái tạo lại các bước thiết kế, mô phỏng và thử nghiệm để kiểm chứng kết quả.

5. 10-year research agenda outlined? Một chương trình nghiên cứu 10 năm không được nêu rõ ràng trong bản tóm tắt, nhưng "Hưáng nghiên cāu trong t°¢ng lai" (Future Research Agenda) đã được phác thảo với nhiều hướng đi cụ thể, có thể là nền tảng cho một chương trình dài hạn:

  1. Phân tích và tối ưu hóa độ bền mỏi: Đánh giá tuổi thọ của các chi tiết CM dưới tải trọng chu kỳ để đảm bảo độ tin cậy lâu dài. (Ngắn hạn, 1-3 năm)
  2. Mở rộng thiết kế cho hệ thống đa bậc tự do: Phát triển GBM cho các thiết bị hỗ trợ vận động hoặc robot phức tạp hơn (ví dụ: cánh tay robot nhiều khớp), điều này có thể liên quan đến các nghiên cứu về điều khiển phối hợp và tối ưu hóa hệ thống. (Trung hạn, 3-7 năm)
  3. Tích hợp cảm biến và trí tuệ nhân tạo để điều chỉnh tự động: Phát triển hệ thống điều khiển thông minh để tự động nhận diện tải trọng và điều chỉnh độ cứng của lò xo phẳng mà không cần sự can thiệp của người dùng, tạo ra GBM "thông minh" thực sự. (Trung hạn, 3-7 năm)
  4. Nghiên cứu ứng dụng vật liệu và công nghệ chế tạo tiên tiến: Khám phá polymer hiệu suất cao, hợp kim nhớ hình hoặc công nghệ in 3D để tối ưu hóa hơn nữa khối lượng, kích thước và khả năng điều chỉnh của cơ cấu. (Trung/Dài hạn, 5-10 năm)
  5. Thử nghiệm lâm sàng và đánh giá hiệu quả người dùng dài hạn: Tiến hành các nghiên cứu thực tế với bệnh nhân để đánh giá tác động của thiết bị lên chức năng vận động và chất lượng cuộc sống trong thời gian dài, thu thập phản hồi để tinh chỉnh thiết kế. (Dài hạn, 7-10 năm) Đây là một lộ trình rõ ràng, thể hiện tầm nhìn về sự phát triển liên tục của công nghệ và ứng dụng trong tương lai.

Kết luận

Luận án này đã hoàn thành một cách xuất sắc nhiệm vụ phát triển và tối ưu hóa một cơ cấu cân bằng trọng lực (GBM) đột phá sử dụng cơ cấu mềm (CM), mang lại những đóng góp khoa học và thực tiễn đáng kể.

5-6 SPECIFIC contributions (numbered):

  1. Thiết kế và xác thực GBM điều chỉnh phi năng lượng, nhỏ gọn: Thành công trong việc thiết kế, chế tạo và thử nghiệm một GBM kết hợp lò xo phẳng và khớp xoay mềm, cho phép điều chỉnh tải trọng từ 250 gram đến 1000 gram và hoạt động trong phạm vi góc 0 đến 30 độ mà không cần năng lượng bên ngoài. Kết quả thực nghiệm cho thấy sai số mô men chỉ từ 0,25% đến 4,5% tại góc 30,6 độ, khẳng định tính hiệu quả vượt trội.
  2. Phát triển các quy trình tối ưu hóa lai tiên tiến: Đề xuất và áp dụng thành công các quy trình tối ưu hóa đa mục tiêu kết hợp FEM với RSM, PSO, Topology Optimization, ANFIS, WCA-Moth Flame, DFNN và MOGA cho việc thiết kế các chi tiết CM. Các quy trình này đã xác định được các thông số hình học tối ưu với sai số dự đoán thấp (phần lớn dưới 6%), cải thiện đáng kể hiệu suất và hiệu quả thiết kế.
  3. Mở rộng lý thuyết cơ cấu mềm: Nâng cao hiểu biết về khả năng của CM trong việc đạt được các chức năng cân bằng trọng lực động, điều chỉnh phi năng lượng, đặc biệt thông qua cơ chế điều chỉnh độ cứng của lò xo phẳng.
  4. Đổi mới phương pháp luận trong kỹ thuật: Cung cấp một khuôn khổ mạnh mẽ cho việc tích hợp các phương pháp số, trí tuệ nhân tạo và thuật toán metaheuristic vào quy trình thiết kế kỹ thuật, có thể áp dụng rộng rãi cho nhiều bài toán cơ khí phức tạp khác.
  5. Cung cấp giải pháp thực tiễn cho thiết bị y tế và robot: Thiết kế GBM này có tiềm năng ứng dụng cao trong việc phát triển thế hệ mới của các thiết bị hỗ trợ vận động cho người yếu cơ và các hệ thống robot, giúp giảm gánh nặng cho xã hội và tăng cường hiệu quả hoạt động.

Paradigm advancement với evidence: Luận án này đã thúc đẩy một sự chuyển dịch mô hình từ các GBM cồng kềnh, tiêu tốn năng lượng sang các giải pháp nhỏ gọn, nhẹ, và điều chỉnh phi năng lượng dựa trên cơ cấu mềm. Bằng chứng rõ ràng nằm ở việc giải quyết thành công mâu thuẫn giữa khả năng điều chỉnh tải trọng và yêu cầu về năng lượng/kích thước. Thay vì chấp nhận sự phức tạp của cơ cấu điều chỉnh phi năng lượng truyền thống hoặc sự phụ thuộc năng lượng của cơ cấu nhỏ gọn, luận án đã chứng minh rằng một sự kết hợp thông minh của CM và tối ưu hóa có thể mang lại cả hai lợi ích.

3+ new research streams opened:

  1. Thiết kế và tối ưu hóa CM cho hệ thống cân bằng đa bậc tự do: Mở rộng nghiên cứu này cho các cơ cấu hỗ trợ vận động hoặc robot có nhiều bậc tự do, đòi hỏi các thuật toán điều khiển và tối ưu hóa phức tạp hơn.
  2. CM thông minh với khả năng điều chỉnh tự động và thích nghi: Tích hợp các cảm biến và thuật toán AI để tự động điều chỉnh độ cứng của CM theo tải trọng và môi trường, tạo ra các hệ thống tự chủ hoàn toàn.
  3. Phân tích độ bền mỏi và tuổi thọ của CM trong ứng dụng thực tế: Phát triển các mô hình và phương pháp thử nghiệm để dự đoán và tối ưu hóa tuổi thọ của CM dưới các điều kiện hoạt động chu kỳ dài, đảm bảo tính bền vững của các giải pháp.
  4. Ứng dụng CM điều chỉnh phi năng lượng trong các lĩnh vực khác: Khám phá tiềm năng của nguyên lý thiết kế này trong các lĩnh vực như hàng không vũ trụ (cơ cấu nhẹ, tiết kiệm năng lượng), dụng cụ phẫu thuật vi mô, hoặc các hệ thống năng lượng tái tạo.

Global relevance với international comparison: Các thách thức về phục hồi chức năng và nhu cầu về các thiết bị hỗ trợ vận động hiệu quả là vấn đề toàn cầu. So với các nghiên cứu quốc tế trước đây như của Yang và Lan (2015) [29] (yêu cầu lực lớn để điều chỉnh) hay Chu và Kou (2017) [11] (kết cấu phức tạp), luận án này đã cung cấp một giải pháp vượt trội về tính nhỏ gọn, trọng lượng nhẹ và khả năng điều chỉnh phi năng lượng. Điều này làm cho các phát hiện của luận án có liên quan sâu rộng đến các hệ thống chăm sóc sức khỏe và công nghiệp trên toàn thế giới, thúc đẩy sự đổi mới trong thiết kế cơ khí cho các ứng dụng nhân sinh.

Legacy measurable outcomes: Di sản của luận án này có thể đo lường được thông qua:

  • Số lượng trích dẫn học thuật của các công bố liên quan.
  • Số lượng bằng sáng chế hoặc ứng dụng công nghệ dựa trên thiết kế GBM và các quy trình tối ưu hóa.
  • Sự phát triển của sản phẩm thương mại trong lĩnh vực thiết bị y tế và robot tích hợp công nghệ này.
  • Giảm chi phí năng lượng và bảo trì trong các hệ thống robot công nghiệp.
  • Cải thiện chỉ số độc lập và chất lượng cuộc sống của người bệnh trong các nghiên cứu lâm sàng (nếu được tiến hành).

Luận án này không chỉ giải quyết một vấn đề kỹ thuật cụ thể mà còn mở ra những hướng nghiên cứu và phát triển công nghệ mới đầy hứa hẹn, định hình tương lai của cơ khí chính xác và thiết bị hỗ trợ vận động.