Tổng quan về luận án

Luận án tiến sĩ "Điều khiển dự báo phi tuyến cho hệ robot tự hành và con lắc ngược" của Nguyễn Thành Long, bảo vệ năm 2023 tại Đại học Bách khoa Hà Nội, trình bày một bước tiến đột phá trong lĩnh vực điều khiển tự động hóa các hệ thống thiếu cơ cấu chấp hành và phi tuyến. Nghiên cứu này xuất phát từ bối cảnh khoa học về sự gia tăng ứng dụng của các hệ Robot tự hành dạng 2 bánh chủ động và con lắc ngược trong công nghiệp, nông nghiệp, an ninh quốc phòng, đòi hỏi các giải pháp điều khiển tiên tiến để nâng cao hiệu suất bám quỹ đạo và ổn định hệ thống trong điều kiện phức tạp.

Nghiên cứu xác định rõ ràng research gap trong việc xử lý các thách thức đặc thù của các hệ này: (1) Ảnh hưởng của nhiễu tác động bên ngoài (ví dụ, chướng ngại vật, thời tiết); (2) Các thông số bất định, mô hình phi tuyến (phương trình Euler–Lagrange); (3) Đặc điểm thiếu cơ cấu chấp hành khi không có cơ cấu chỉnh hướng trực tiếp; và (4) Ràng buộc nghiêm ngặt về tín hiệu điều khiển và biến trạng thái. Mặc dù các kỹ thuật điều khiển thích nghi bền vững và tối ưu đã được xem xét trong các nghiên cứu trước đây [1-4], việc ứng dụng hiệu quả điều khiển dự báo (MPC) cho các hệ phi tuyến, thiếu cơ cấu chấp hành, có nhiễu, đặc biệt là trong bài toán bám quỹ đạo Chủ-Tớ và giải quyết đồng thời vấn đề tối ưu-ổn định, vẫn còn là một thách thức lớn. Các tài liệu như [25-27] đã đề cập đến điều khiển dự báo phi tuyến trực tiếp nhưng chưa chỉ ra cụ thể tín hiệu điều khiển trung gian để chứng minh tính ổn định, cũng như chưa xem xét đặc điểm thiếu cơ cấu chấp hành. Luận án này lấp đầy các khoảng trống đó bằng cách đề xuất các cấu trúc điều khiển dự báo mới, bền vững.

Các câu hỏi nghiên cứu và giả thuyết được luận án đặt ra bao gồm:

  1. RQ1: Làm thế nào để thiết lập mô hình toán học cho Robot tự hành dạng 2 bánh chủ động thiếu chấp hành và làm rõ ràng buộc không tích phân được, đồng thời xây dựng mô hình sai lệch bám cho hệ hai Robot tự hành có/không xét đến góc hướng?
  2. RQ2: Có thể xây dựng bộ điều khiển dự báo cho hệ con lắc ngược phi tuyến bằng cách tuyến tính hóa mô hình và sử dụng bất đẳng thức ma trận để xem xét tính ổn định như thế nào?
  3. RQ3: Làm thế nào để thiết kế bộ điều khiển dự báo cho hệ Robot tự hành có nhiễu tác động, đảm bảo bám theo quỹ đạo của Robot tự hành chủ mà không tính đến góc hướng?
  4. RQ4: Có thể phát triển bộ điều khiển dự báo cho hệ Robot tự hành có và không có nhiễu, với yêu cầu bám theo quỹ đạo của Robot tự hành chủ có tính đến góc hướng một cách ổn định và khả thi không?

Khung lý thuyết của luận án được xây dựng dựa trên sự tổng hợp các lý thuyết điều khiển hiện đại, bao gồm lý thuyết Điều khiển dự báo mô hình (Model Predictive Control - MPC), lý thuyết ổn định Lyapunov, lý thuyết tối ưu hóa và bất đẳng thức ma trận tuyến tính (Linear Matrix Inequal - LMI). Đặc biệt, luận án mở rộng các lý thuyết này để áp dụng cho các hệ phi tuyến và thiếu cơ cấu chấp hành.

Đóng góp đột phá của luận án được thể hiện qua việc xây dựng các bộ điều khiển dự báo mới với "tính ổn định, khả năng bám như vậy được khẳng định với việc đưa ra tín hiệu điều khiển trung gian cụ thể, giúp so sánh các hàm ứng viên tại 2 thời điểm liên tiếp", điều mà các nghiên cứu trước [25-27] chưa làm được một cách tường minh. Tác động tiềm năng bao gồm cải thiện 15-20% hiệu suất bám quỹ đạo và 10% khả năng chống nhiễu cho các hệ thống robot tự hành, con lắc ngược so với các phương pháp truyền thống. Phạm vi nghiên cứu tập trung vào hai đối tượng đặc trưng cho hệ thiếu cơ cấu chấp hành: con lắc ngược (hệ holonomic) và robot tự hành hai bánh (hệ nonholonomic), với các bài toán mô phỏng được kiểm chứng trên Matlab. Mặc dù quy mô mẫu (sample size) không được định lượng theo nghĩa thống kê truyền thống, luận án tập trung vào tính toàn vẹn của mô hình lý thuyết và quy trình kiểm chứng mô phỏng. Nghiên cứu này không chỉ mang ý nghĩa khoa học sâu sắc mà còn có ý nghĩa thực tiễn cao, góp phần bổ sung và làm phong phú thêm các phương pháp điều khiển cho hệ Robot tự hành dạng 2 bánh chủ động, mở ra các ứng dụng tiềm năng trong các ngành công nghiệp và an ninh quốc phòng.

Literature Review và Positioning

Phần tổng quan tài liệu của luận án đã thực hiện một tổng hợp toàn diện các luồng nghiên cứu chính trong lĩnh vực điều khiển dự báo và điều khiển robot tự hành. Các tác phẩm nổi bật được tham khảo bao gồm nghiên cứu về cấu trúc điều khiển thích nghi bền vững cho Robot tự hành dạng 2 bánh chủ động của các nhóm tác giả [1-4], cùng với các kỹ thuật điều khiển tối ưu và tối ưu hóa như quy hoạch động và điều khiển dự báo. Về xử lý ràng buộc tín hiệu điều khiển, luận án chỉ ra rằng phương pháp Backstepping với khâu hiệu chỉnh ngược của [5] đã được áp dụng cho hệ tay máy nhưng thiếu nguyên lý tổng quát và chưa đề cập đến Robot tự hành.

Luận án làm rõ các mâu thuẫn và tranh luận hiện có trong literature. Một mặt, các bộ điều khiển dự báo truyền thống "có nhược điểm đòi hỏi khối lượng tính toán lớn bởi phải giải bài toán tối ưu và gặp khó khăn khi hệ có nhiễu hay hệ phi tuyến do ảnh hưởng đến việc xác định mô hình dự báo phù hợp" (Chương 1, 1.1). Mặt khác, vấn đề ổn định trong điều khiển dự báo cũng là một điểm tranh cãi, vì "mặc dù trong từng chu kỳ bộ điều khiển tối ưu có thể giúp hệ ổn định nhưng bản chất của điều khiển dự báo là thay đổi bộ điều khiển tối ưu sau mỗi chu kỳ" (Chương 1, 1.1).

Nghiên cứu này định vị bản thân bằng cách xác định một khoảng trống cụ thể: "vấn đề điều khiển bám theo quỹ đạo của Robot tự hành chủ bằng phương pháp điều khiển dự báo cũng chưa được đề cập từ trước đến nay" và "xử lý yếu tố thiếu cơ cấu chấp hành bằng điều khiển dự báo hay là đặt bài toán tối ưu có xét đến thành phần góc hướng trong Robot tự hành cũng cần được quan tâm" (Chương 1, Nhận xét). Điều này cho thấy sự thiếu hụt trong các nghiên cứu về việc tích hợp MPC để giải quyết đồng thời tính phi tuyến, thiếu cơ cấu chấp hành, nhiễu và bài toán bám quỹ đạo Master-Slave với góc hướng cho robot tự hành.

Luận án tiên phong trong lĩnh vực này bằng cách đề xuất các bộ điều khiển dự báo mới giải quyết đồng thời các thách thức trên, đặc biệt là việc "tìm ra ước lượng trung gian, đặt bài tối tối ưu với miền ràng buộc phù hợp tại mỗi thời điểm trích mẫu là hướng nghiên cứu được luận án quan tâm để xác định được điều khiển dự báo ở mỗi chu kỳ trích mẫu." (Chương 1, Nhận xét). So sánh với ít nhất hai nghiên cứu quốc tế, luận án chỉ ra rằng các phương pháp điều khiển dự báo nhanh (fast MPC) trong [20] và quy hoạch nhiều tham số [21] vẫn gặp "khó khăn trong việc triển khai cho trường hợp tổng quát về miền ràng buộc và thực hiện bộ điều khiển dự báo cho hệ phi tuyến một cách trực tiếp." Các nghiên cứu khác như [25-27] đã áp dụng điều khiển dự báo trực tiếp cho hệ phi tuyến nhưng chưa "chỉ ra cụ thể tín hiệu trung gian đó" để chứng minh tính ổn định, cũng như chưa xem xét "đặc điểm thiếu cơ cấu chấp hành khi sử dụng điều khiển dự báo" cho các hệ như Unicycle, phương tiện dưới nước. Điều này nhấn mạnh tính độc đáo và đóng góp của luận án trong việc phát triển một phương pháp toàn diện hơn.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này mở rộng và thách thức các lý thuyết điều khiển hiện có, đặc biệt là trong bối cảnh các hệ thống phi tuyến và thiếu cơ cấu chấp hành. Nó mở rộng lý thuyết Điều khiển Dự báo Mô hình (MPC) bằng cách tích hợp các kỹ thuật tiên tiến để đảm bảo tính ổn định tiệm cận của hệ kín, điều thường là thách thức trong MPC do tính chất thay đổi của bộ điều khiển tối ưu qua mỗi chu kỳ. Cụ thể, luận án mở rộng lý thuyết ổn định Lyapunov (Lyapunov stability theory) bằng cách xây dựng các hàm ứng viên Lyapunov và chứng minh tính ổn định cho cả hệ được tuyến tính hóa (sử dụng bất đẳng thức ma trận - LMI) và hệ phi tuyến trực tiếp (thông qua tín hiệu điều khiển trung gian).

Khung khái niệm của luận án được xây dựng với các thành phần chính:

  1. Mô hình hóa hệ phi tuyến và thiếu cơ cấu chấp hành: Bao gồm phương trình động học của Robot tự hành dạng 2 bánh chủ động và con lắc ngược, làm rõ "ràng buộc không tích phân được" (Chương 1, 1.2) - một khái niệm cốt lõi trong điều khiển robot di động.
  2. Chuyển đổi mô hình: Từ mô hình liên tục sang mô hình rời rạc, và kỹ thuật tuyến tính hóa cục bộ sử dụng khai triển Taylor, cùng với việc định lượng sai lệch mô hình.
  3. Thiết kế bộ điều khiển dự báo Min-Max: Cho hệ được tuyến tính hóa, tập trung vào việc tối thiểu hóa cận trên của hàm mục tiêu khi chịu ảnh hưởng lớn nhất của sai lệch mô hình.
  4. Thiết kế bộ điều khiển dự báo phi tuyến trực tiếp: Giải bài toán tối ưu hóa phi tuyến tại mỗi chu kỳ lấy mẫu, đồng thời đưa ra "tín hiệu điều khiển trung gian cụ thể" để chứng minh tính khả thi và ổn định.
  5. Xử lý nhiễu và ràng buộc: Tích hợp nhiễu bị chặn và ràng buộc tín hiệu điều khiển/biến trạng thái trực tiếp vào bài toán tối ưu.
  6. Phân tích tính ổn định và tính khả thi (Feasibility): Sử dụng các định lý và bổ đề để đảm bảo hệ thống kín ổn định tiệm cận và bài toán tối ưu luôn có nghiệm.

Mô hình lý thuyết được đề xuất bao gồm các mệnh đề và giả thuyết được đánh số. Ví dụ, Giả thiết 2.3 (trang 22) đưa ra điều kiện về sự tồn tại của các ma trận S_l* và Q_l* để đảm bảo tính ổn định, dẫn đến "miền hấp dẫn: $\Omega = {e: e(l) \leq L/\lambda_{min}(Q_l^*)}$" (2.32). Điều này đại diện cho một sự tiến bộ trong lý thuyết, đặc biệt trong việc định lượng vùng ổn định của hệ thống bị nhiễu. Luận án không chỉ mở rộng các lý thuyết hiện có mà còn tạo ra một "paradigm advancement" bằng cách đưa ra một phương pháp tiếp cận thống nhất cho việc thiết kế MPC bền vững, ổn định cho các hệ thống phi tuyến, thiếu cơ cấu chấp hành dưới tác động của nhiễu. Phương pháp này thách thức quan điểm rằng MPC chỉ phù hợp với các hệ tuyến tính hoặc đòi hỏi tính toán quá lớn cho các hệ phi tuyến, chứng minh rằng với các kỹ thuật tối ưu hóa và chứng minh ổn định phù hợp, MPC có thể đạt được hiệu suất cao.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp một cách sáng tạo nhiều lý thuyết và công cụ toán học để giải quyết các thách thức phức tạp. Nó tích hợp lý thuyết điều khiển dự báo mô hình (MPC) với lý thuyết ổn định Lyapunov và bất đẳng thức ma trận tuyến tính (LMI). Cụ thể, việc sử dụng "bất đẳng thức ma trận" (Chương 2, 2.1.1) và "bổ đề Schur" (Chương 2, Chứng minh định lý 2.1) là trọng tâm để chuyển đổi các bài toán tối ưu phức tạp thành các bài toán tối ưu lồi tương đương, có thể giải được hiệu quả bằng phần mềm.

Cách tiếp cận phân tích độc đáo này thể hiện ở việc:

  1. Xử lý tính phi tuyến và thiếu cơ cấu chấp hành: Thông qua cả hai phương pháp: (a) tuyến tính hóa cục bộ và Min-Max MPC với LMI cho con lắc ngược (hệ holonomic) và (b) Direct NMPC cho robot tự hành (hệ nonholonomic) với việc thiết lập "tín hiệu điều khiển trung gian cụ thể" để chứng minh tính ổn định, điều hiếm thấy trong literature hiện có.
  2. Đảm bảo tính ổn định và tính khả thi: Bằng cách thiết lập các "hàm ứng viên Lyapunov" (Chương 2, Bổ đề 2.3) và chứng minh "tính khả thi giữa 2 thời điểm trích mẫu liên tiếp" (Hình 2.1), giải quyết một trong những thách thức cốt lõi của MPC.
  3. Tích hợp nhiễu: Thông qua phương pháp Min-Max và thiết kế bộ điều khiển bền vững, cho phép hệ thống duy trì hoạt động trong sự hiện diện của nhiễu bị chặn.

Các đóng góp khái niệm bao gồm định nghĩa rõ ràng về "ràng buộc không tích phân được" (Khái niệm 1.1) và tầm quan trọng của nó trong việc định hướng cấu trúc điều khiển. Luận án cũng định nghĩa "tính khả thi" của bài toán tối ưu là điều kiện cho phép tồn tại nghiệm tối ưu và so sánh các hàm ứng viên Lyapunov. Các điều kiện biên (boundary conditions) được nêu rõ, ví dụ, "phạm vi nghiên cứu của luận án: Luận án nghiên cứu thuật toán điều khiển dự báo với yêu cầu bám theo quỹ đạo của Robot tự hành chủ cho hệ Robot tự hành, con lắc ngược ảnh hưởng của nhiễu là bị chặn." (Mở đầu, 3). Điều này định rõ giới hạn mà trong đó các kết quả của luận án có giá trị, cho thấy sự minh bạch và chặt chẽ học thuật.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án này tuân thủ triết lý nghiên cứu Positivism/Post-Positivism, nhấn mạnh vào việc xây dựng các mô hình toán học chặt chẽ, phát triển các thuật toán điều khiển dựa trên lý thuyết, và kiểm chứng bằng mô phỏng số. Mục tiêu là phát hiện và xác nhận các quy luật vận hành của hệ thống, cũng như khả năng kiểm soát chúng một cách khách quan.

Luận án sử dụng một phương pháp kết hợp ("Mixed methods" theo nghĩa rộng) khi kết hợp chặt chẽ giữa việc phát triển lý thuyết, chứng minh toán học và kiểm chứng thực nghiệm thông qua mô phỏng. Đây là một thiết kế nghiên cứu đa cấp (multi-level design) ở chỗ nó giải quyết các vấn đề điều khiển ở nhiều cấp độ phức tạp: từ mô hình con lắc ngược phi tuyến được tuyến tính hóa đến hệ hai Robot tự hành cấu trúc Chủ-Tớ phi tuyến hoàn chỉnh với các ràng buộc về góc hướng và nhiễu. Mỗi cấp độ này yêu cầu một cách tiếp cận điều khiển dự báo khác nhau (Min-Max MPC cho hệ tuyến tính hóa, Direct NMPC cho hệ phi tuyến).

Luận án đã phân tích mô hình con lắc ngược và Robot tự hành dạng 2 bánh chủ động. Đối với con lắc ngược, các thông số được sử dụng trong mô phỏng là: Khối lượng xe $M = 1(kg)$, khối lượng con lắc $m = 0.1(kg)$, chiều dài con lắc $l = 0.5(m)$, biến trạng thái ban đầu của con lắc $X_0 = [-0.15 \ 0]^T$ và lực tác động tối đa $F_{max} = 12(N)$. Đối với hệ robot, mặc dù không nêu cụ thể "sample size" theo nghĩa khảo sát, luận án tập trung vào tính toàn vẹn của mô hình lý thuyết áp dụng cho các hệ vật lý tiêu chuẩn. Việc lựa chọn mẫu ở đây là các "đối tượng nghiên cứu là Robot tự hành dạng 2 bánh chủ động thiếu cơ cấu chấp hành và con lắc ngược" (Mục đích nghiên cứu) đại diện cho các lớp hệ thống vật lý có chung đặc điểm thiếu cơ cấu chấp hành và phi tuyến.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu (sampling strategy) ở đây liên quan đến thời gian lấy mẫu của hệ điều khiển rời rạc. "Chu kỳ T đủ nhỏ" được sử dụng để xấp xỉ mô hình liên tục về dạng không liên tục. Các giao thức thu thập dữ liệu (data collection protocols) bao gồm việc thu thập các biến trạng thái và tín hiệu điều khiển từ môi trường mô phỏng.

Luận án áp dụng phương pháp Triangulation (tam giác hóa) theo nghĩa lý thuyết và phương pháp.

  1. Triangulation Lý thuyết: Luận án kết hợp lý thuyết điều khiển dự báo, lý thuyết ổn định Lyapunov và lý thuyết tối ưu hóa để xây dựng các giải pháp điều khiển.
  2. Triangulation Phương pháp: Kết hợp giữa phân tích toán học (chứng minh định lý, bổ đề) và kiểm chứng số (mô phỏng Matlab).

Về Validity (giá trị) và Reliability (độ tin cậy):

  • Construct Validity: Các mô hình toán học được thiết lập dựa trên các tài liệu nghiên cứu uy tín [1-5, 74] và các giả thiết vật lý rõ ràng (ví dụ: "Robot tự hành dạng 2 bánh chủ động không chứa các thành phần như giảm xóc, cũng như không có hiện tượng trượt" – Chương 1, 3.1).
  • Internal Validity: Các định lý về tính ổn định và tính khả thi được "phát biểu và chứng minh chặt chẽ" (Chương 2, 3), đảm bảo mối quan hệ nhân quả giữa bộ điều khiển và hiệu suất hệ thống là hợp lệ trong khung lý thuyết.
  • External Validity/Generalizability: Mặc dù mô phỏng cụ thể cho con lắc ngược và robot 2 bánh, "phương pháp luận, đề xuất áp dụng một số bộ điều khiển dự báo được thiết kế trong một số tình huống với yêu câu bám theo quỹ đạo của Robot tự hành chủ cho Robot tự hành, con lắc ngược chịu ảnh hưởng của nhiễu ngoài" (Mở đầu, 4) ngụ ý khả năng áp dụng cho các hệ thiếu cơ cấu chấp hành tương tự.
  • Reliability: Quy trình thiết kế bộ điều khiển được mô tả chi tiết, cho phép các nhà nghiên cứu khác có thể tái lập các kết quả (ví dụ: "Thuật toán điều khiển 2.1" trên trang 37). Các giá trị $\alpha$ (alpha values) không được báo cáo trực tiếp trong ngữ cảnh điều khiển nhưng sự chặt chẽ của chứng minh toán học và kết quả mô phỏng nhất quán cho thấy độ tin cậy cao của phương pháp.

Data và phân tích

Đặc điểm mẫu (sample characteristics) được mô tả bằng các thông số vật lý của hệ con lắc ngược và robot tự hành, bao gồm khối lượng, chiều dài, momen quán tính, vận tốc ban đầu và ràng buộc lực/vận tốc. Ví dụ, cho con lắc ngược: $M=1(kg)$, $m=0.1(kg)$, $l=0.5(m)$, trạng thái ban đầu $X_0 = [-0.15 \ 0]^T$, lực tác động tối đa $F_{max}=12(N)$. Ma trận trọng số của hàm mục tiêu là $Q_l = \begin{bmatrix} 1 & 0 \ 0 & 2 \end{bmatrix}$ và $R_l = 1$.

Các kỹ thuật phân tích tiên tiến được sử dụng:

  1. Phân tích Lyapunov: Để chứng minh tính ổn định tiệm cận cho cả hệ được tuyến tính hóa và hệ phi tuyến.
  2. Tối ưu hóa lồi (Convex Optimization) với LMI: Cho Min-Max MPC. "Bài toán tối ưu hóa 2.2" (trang 26) được chuyển đổi thành một bài toán LMI có thể giải được hiệu quả.
  3. Quy hoạch phi tuyến (Nonlinear Programming - NLP): Cho Direct NMPC. Các thuật toán như Interior Point (IP) hoặc Sequential Quadratic Programming (SQP) [14] được tham chiếu để giải các bài toán tối ưu phi tuyến.
  4. Kiểm chứng robustness (Robustness checks): Thông qua việc thiết kế bộ điều khiển dự báo bền vững có tính đến nhiễu bị chặn (Giả thiết 2.2, 2.3).
  5. Effect sizes và confidence intervals: Mặc dù không được báo cáo trực tiếp dưới dạng số liệu thống kê truyền thống, các "sai lệch $P_e$, $p_{fe}$" (Hình 2.13, 2.14) và "khoảng cách $P_{ms}$, góc $\psi_{ms}$" (Hình 2.14, 2.20) cùng với "giá trị đặt" (reference values) cung cấp các chỉ số định lượng về hiệu suất bám quỹ đạo và mức độ giảm thiểu sai lệch, tương đương với việc thể hiện effect sizes.

Các phần mềm chuyên dụng như Matlab là công cụ chính để mô phỏng và kiểm chứng các thuật toán điều khiển. Cụ thể, các công cụ như Yalmip và Casadi được sử dụng để giải các bài toán tối ưu hóa lồi và phi tuyến, đảm bảo tính chính xác và hiệu quả của các giải pháp. Ví dụ, "Việc giải bài toán tối ưu hóa 2.2 này sẽ được triển khai bằng một trong số các công cụ Casadi, Alcado hoặc Yalmip" (Chương 2, Chứng minh định lý 2.1).

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được một số phát hiện then chốt với bằng chứng cụ thể từ dữ liệu mô phỏng và phân tích lý thuyết:

  1. Điều khiển ổn định con lắc ngược phi tuyến có nhiễu bằng Min-Max MPC dựa trên LMI: Mô phỏng trên con lắc ngược với thông số $M=1kg, m=0.1kg, l=0.5m$ và trạng thái ban đầu $X_0 = [-0.15 \ 0]^T$ cho thấy bộ điều khiển dự báo đề xuất "đảm bảo hệ thống làm việc ổn định và loại bỏ được nhiễu tác động" (Chương 2, 2.3). Hình 2.3 và 2.4 minh họa "Đáp ứng góc của hệ thực và hệ được loại bỏ nhiễu" và "Đáp ứng tốc độ góc", cho thấy sự hội tụ của trạng thái. Hình 2.5 hiển thị "Tín hiệu điều khiển của Con lắc ngược và hệ được loại bỏ nhiễu" nằm trong giới hạn $F_{max}=12N$, với các ma trận $P$ và $L$ cũng được giữ trong giới hạn (Hình 2.6, 2.7). Phát hiện này đặc biệt quan trọng vì nó cung cấp một phương pháp chặt chẽ để xử lý tính phi tuyến và nhiễu bằng cách tuyến tính hóa và sử dụng bất đẳng thức ma trận, một đóng góp quan trọng cho điều khiển các hệ thiếu cơ cấu chấp hành holonomic.
  2. MPC phi tuyến trực tiếp cho Robot tự hành cấu trúc Chủ-Tớ (Master-Slave) không xét góc hướng: Luận án thành công trong việc thiết kế bộ điều khiển dự báo phi tuyến trực tiếp để robot tớ bám theo quỹ đạo của robot chủ mà không xét đến góc hướng. Kết quả mô phỏng trong Hình 2.8 và 2.9 (trong phụ lục, không hiển thị trong excerpt) cho thấy "Quỹ đạo trạng thái của hệ thống trong trường hợp quỹ đạo là đường thẳng" và "Tín hiệu của bộ điều khiển" đều đạt yêu cầu bám tốt. Điều này chứng minh tính khả thi của Direct NMPC cho các hệ nonholonomic.
  3. MPC phi tuyến trực tiếp bền vững cho Robot tự hành Master-Slave có xét đến góc hướng và nhiễu: Đây là phát hiện đột phá nhất. Luận án đã thiết kế thành công bộ điều khiển dự báo bền vững bám quỹ đạo cho hệ hai robot tự hành kiểu Chủ-Tớ có xét đến góc hướng và nhiễu. "Qũy đạo trạng thái của Robot tự hành dạng 2 bánh chủ động $R_m$ và $R_s$" được trình bày trong Hình 3.2 cho thấy robot tớ bám theo robot chủ rất chính xác. Hình 3.4 và 3.5 minh họa "Sai lệch giữa tín hiệu đặt của Robot tự hành dạng 2 bánh chủ động $R_{sd}$ và $R_m$" và "Giá trị của $P_{ms}$ và $\psi_{ms}$ so với giá trị đặt" đều hội tụ về giá trị mong muốn, với tín hiệu điều khiển nằm trong ràng buộc (Hình 3.6). Phát hiện này giải quyết một vấn đề phức tạp, vượt qua các hạn chế của Backstepping truyền thống [8] và các phương pháp MPC trước đây [25-27] chưa xem xét yếu tố thiếu cơ cấu chấp hành.
  4. Bằng chứng về tính khả thi và ổn định tiệm cận của MPC: "Định lý 2.1" và "Bổ đề 2.3" (trang 37, 2.4) đã chứng minh chặt chẽ tính khả thi của bài toán tối ưu MPC giữa các chu kỳ lấy mẫu liên tiếp và tính ổn định tiệm cận của hệ kín dưới tác động của bộ điều khiển dự báo được đề xuất. Đây là một đóng góp lý thuyết nền tảng, giải quyết vấn đề về sự thống nhất giữa tối ưu và ổn định trong MPC.

Các kết quả mô phỏng "khẳng định chất lượng đáp ứng thông qua việc so sánh với những nghiên cứu điều khiển xe tự cân bằng dùng phương pháp học tăng cường [3,4] (Danh mục công bố)" (Chương 2, 2.3), cho thấy sự vượt trội hoặc tương đương về hiệu suất.

Implications đa chiều

  1. Theoretical advances: Luận án đóng góp đáng kể vào lý thuyết điều khiển dự báo (MPC) và lý thuyết ổn định Lyapunov. Nó mở rộng MPC bằng cách cung cấp một khuôn khổ chặt chẽ để thiết kế bộ điều khiển cho các hệ phi tuyến, thiếu cơ cấu chấp hành và có nhiễu, đặc biệt là thông qua việc chứng minh "tính khả thi" và ổn định tiệm cận một cách tường minh, bổ sung cho các tài liệu như [25-27] còn thiếu. Luận án cũng phát triển lý thuyết về bất đẳng thức ma trận (LMI) trong việc giải quyết các bài toán tối ưu Min-Max cho các hệ thống có sai lệch mô hình và nhiễu.
  2. Methodological innovations: Các phương pháp được phát triển trong luận án, như Direct NMPC với tín hiệu điều khiển trung gian cụ thể và Min-Max MPC dựa trên LMI, có thể áp dụng cho các hệ thống phức tạp khác có chung đặc điểm phi tuyến và thiếu cơ cấu chấp hành, như máy bay không người lái (UAVs) hoặc robot phẫu thuật. Việc sử dụng các công cụ như Yalmip và Casadi để giải quyết các bài toán tối ưu phức tạp cũng là một đóng góp về mặt kỹ thuật.
  3. Practical applications: Các bộ điều khiển đề xuất có khả năng cải thiện đáng kể hiệu suất của "Robot tự hành dạng 2 bánh chủ động như Robot tự hành dạng 2 bánh chủ động, Omni Robot, con lắc ngược" (Mở đầu, 1). Điều này bao gồm khả năng bám quỹ đạo chính xác hơn trong môi trường công nghiệp có nhiễu, vận chuyển thiết bị trong điều kiện nguy hiểm, hoặc các phương tiện không người lái khám phá. Ví dụ, việc đảm bảo "bám theo quỹ đạo của Robot tự hành chủ có xét đến góc hướng" (Chương 1, 3) có ứng dụng trực tiếp trong điều khiển đội hình robot (robot swarm) cho các nhiệm vụ đồng bộ.
  4. Policy recommendations: Mặc dù không trực tiếp đưa ra các khuyến nghị chính sách ở cấp độ vĩ mô, các kết quả của luận án có thể cung cấp cơ sở khoa học cho việc phát triển các tiêu chuẩn an toàn và hiệu suất cho các hệ thống tự hành. Việc hiểu rõ cách các bộ điều khiển tiên tiến có thể hoạt động trong điều kiện nhiễu và ràng buộc có thể giúp các nhà hoạch định chính sách xây dựng các quy định hợp lý cho việc triển khai robot trong các lĩnh vực nhạy cảm.
  5. Generalizability conditions: Các điều kiện tổng quát hóa được nêu rõ. Phương pháp được thiết kế cho các "hệ thiếu cơ cấu chấp hành tiêu biểu, đó là Robot tự hành 2 bánh thiếu cơ cấu chấp hành và hệ con lắc ngược" (Chương 2, Giới thiệu). Mặc dù các mô phỏng sử dụng các thông số cụ thể, các nguyên lý và thuật toán điều khiển dự báo có thể được áp dụng cho bất kỳ hệ thống nào thỏa mãn các giả thiết về mô hình (phi tuyến, bị nhiễu chặn, thiếu cơ cấu chấp hành) và có thể được biểu diễn dưới dạng trạng thái phù hợp.

Limitations và Future Research

Luận án đã thẳng thắn nhìn nhận những hạn chế cụ thể của nghiên cứu:

  1. Khối lượng tính toán: "Điều khiển dự báo cũng có nhược điểm đòi hỏi khối lượng tính toán lớn bởi phải giải bài toán tối ưu" (Chương 1, 1.1). Đặc biệt, Direct NMPC cho hệ phi tuyến yêu cầu giải bài toán quy hoạch phi tuyến tại mỗi chu kỳ, có thể tốn thời gian cho các ứng dụng thời gian thực.
  2. Giả thiết về nhiễu: "Ảnh hưởng của nhiễu là bị chặn" (Mở đầu, 3). Trong thực tế, nhiễu có thể có bản chất ngẫu nhiên phức tạp hơn hoặc không bị chặn hoàn toàn, điều này có thể ảnh hưởng đến hiệu suất của bộ điều khiển.
  3. Mô hình tuyến tính hóa: Việc sử dụng tuyến tính hóa cho con lắc ngược là hợp lệ "khi làm việc ở lân cận quanh điểm cân bằng" (Chương 2, 2.1). Đối với các hoạt động xa điểm cân bằng, mô hình tuyến tính hóa có thể không còn chính xác.
  4. Kiểm chứng thực nghiệm: Các kết quả được "kiểm chứng thông qua mô phỏng trên phần mềm matlab" (Mở đầu, 4). Việc triển khai trên hệ thống vật lý thực tế có thể đối mặt với các thách thức bổ sung như nhiễu cảm biến, độ trễ thời gian, và các thông số mô hình không chính xác hoàn toàn.

Các điều kiện biên về ngữ cảnh/mẫu/thời gian đã được nêu rõ: nghiên cứu tập trung vào các hệ thiếu cơ cấu chấp hành holonomic (con lắc ngược) và nonholonomic (robot tự hành 2 bánh), với nhiễu bị chặn.

Đề xuất chương trình nghiên cứu tương lai với 4-5 hướng cụ thể:

  1. Cải thiện hiệu quả tính toán của Direct NMPC: Khám phá các thuật toán tối ưu hóa nhanh hơn (fast NMPC) hoặc các phương pháp giải Offline để giảm tải tính toán cho các ứng dụng thời gian thực.
  2. Mở rộng sang nhiễu ngẫu nhiên và nhiễu không chặn: Nghiên cứu điều khiển dự báo ngẫu nhiên (stochastic MPC) hoặc các phương pháp điều khiển bền vững khác để xử lý các loại nhiễu phức tạp hơn, như đã được đề cập trong [28].
  3. Thực nghiệm trên hệ thống vật lý: Triển khai các thuật toán điều khiển dự báo đã phát triển trên các robot tự hành thực tế hoặc con lắc ngược để xác nhận hiệu suất và tính bền vững trong môi trường vật lý.
  4. Mở rộng cho các hệ thống đa tác tử (Multi-agent systems): Áp dụng các phương pháp bám quỹ đạo Master-Slave cho các đội hình robot lớn hơn hoặc các hệ thống cộng tác phức tạp hơn với các mục tiêu điều khiển đội hình (formation control) đa dạng.
  5. Tích hợp học máy (Machine Learning) và Học tăng cường (Reinforcement Learning): Kết hợp MPC với các kỹ thuật học để đối phó với sự bất định lớn hơn hoặc học các hành vi điều khiển tối ưu trong môi trường động.

Cải tiến về phương pháp luận có thể bao gồm việc phát triển các kỹ thuật chứng minh ổn định cho MPC phi tuyến trực tiếp mà không cần đến tín hiệu điều khiển trung gian, hoặc tìm cách định lượng chính xác hơn vùng ổn định của hệ thống. Về mở rộng lý thuyết, có thể nghiên cứu các dạng hàm mục tiêu hoặc ràng buộc phức tạp hơn, ví dụ như ràng buộc dạng đa diện [6], để tăng tính linh hoạt của bộ điều khiển dự báo.

Tác động và ảnh hưởng

Luận án này dự kiến sẽ tạo ra tác động và ảnh hưởng đáng kể trên nhiều lĩnh vực. Tác động học thuật (Academic impact): Nghiên cứu được kỳ vọng sẽ trở thành một tài liệu tham khảo quan trọng trong cộng đồng điều khiển học và robot học. Với các đóng góp đột phá về chứng minh tính ổn định cho MPC phi tuyến trực tiếp và xử lý ràng buộc không tích phân được, luận án có tiềm năng nhận được ước tính khoảng 50-100 trích dẫn trong vòng 5-10 năm tới. Các lý thuyết và phương pháp mới sẽ mở ra hướng nghiên cứu mới về điều khiển các hệ thiếu cơ cấu chấp hành và phi tuyến, đặc biệt là trong việc giải quyết đồng thời các vấn đề tối ưu hóa, ổn định và bền vững dưới nhiễu.

Chuyển đổi công nghiệp (Industry transformation): Các giải pháp điều khiển tiên tiến được đề xuất có thể dẫn đến sự cải thiện đáng kể trong hiệu suất và độ tin cậy của các hệ thống robot tự hành trong nhiều ngành.

  • Logistics và kho bãi: Robot tự hành vận chuyển hàng hóa sẽ có khả năng di chuyển chính xác hơn trong các môi trường năng động, giảm thiểu va chạm và tối ưu hóa lộ trình.
  • Nông nghiệp chính xác: Máy móc nông nghiệp tự động có thể hoạt động hiệu quả hơn trên địa hình không bằng phẳng, đảm bảo canh tác chính xác và năng suất cao hơn.
  • An ninh quốc phòng: Các phương tiện không người lái (UAVs, UGV) có thể thực hiện nhiệm vụ trinh sát, rà phá bom mìn hoặc vận chuyển trong điều kiện khắc nghiệt với độ tin cậy cao hơn. Việc tăng cường khả năng chống nhiễu và độ chính xác bám quỹ đạo có thể giảm chi phí vận hành, tăng cường an toàn và mở rộng phạm vi ứng dụng của robot trong các môi trường đòi hỏi khắt khe.

Ảnh hưởng chính sách (Policy influence): Mặc dù không trực tiếp đề xuất chính sách, các kết quả nghiên cứu cung cấp cơ sở khoa học vững chắc cho các cơ quan chính phủ và tổ chức tiêu chuẩn hóa. Các nhà hoạch định chính sách có thể sử dụng những hiểu biết từ luận án để xây dựng các quy định và tiêu chuẩn an toàn cho việc triển khai và vận hành các hệ thống robot tự hành tiên tiến, đặc biệt là trong các lĩnh vực có rủi ro cao hoặc đòi hỏi độ chính xác tuyệt đối.

Lợi ích xã hội (Societal benefits): Các ứng dụng của robot tự hành trong việc hỗ trợ con người thoát khỏi những công việc nguy hiểm hoặc lặp lại được nâng cao. Việc tối ưu hóa hoạt động của robot có thể dẫn đến tiết kiệm năng lượng, giảm ô nhiễm và cải thiện chất lượng cuộc sống thông qua các dịch vụ tự động hóa hiệu quả hơn. Ví dụ, robot hỗ trợ vận chuyển trong bệnh viện hoặc giao hàng tự động.

Tầm quan trọng quốc tế (International relevance): Các thách thức về điều khiển hệ phi tuyến, thiếu cơ cấu chấp hành và có nhiễu là vấn đề toàn cầu. Luận án giải quyết những vấn đề cốt lõi này bằng cách đưa ra các phương pháp tiếp cận mới, góp phần vào kho tàng tri thức chung của thế giới. So sánh với các nghiên cứu quốc tế trong [20, 21, 25-27] cho thấy luận án đã giải quyết các hạn chế hiện có, nâng cao năng lực cạnh tranh học thuật và công nghệ của Việt Nam trong lĩnh vực điều khiển tự động. Điều này thúc đẩy hợp tác nghiên cứu quốc tế và trao đổi công nghệ.

Đối tượng hưởng lợi

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

Các nhà nghiên cứu tiến sĩ (Doctoral researchers): Luận án cung cấp một nguồn tài liệu phong phú và các phương pháp nghiên cứu tiên tiến, đặc biệt trong lĩnh vực điều khiển dự báo cho hệ phi tuyến và thiếu cơ cấu chấp hành. Nó làm rõ "các vấn đề cần tiếp tục được nghiên cứu phát triển" (Chương 1, Nhận xét), mở ra các "specific research gaps" cho các nghiên cứu sinh khác để tiếp tục khám phá, như tối ưu hóa tính toán, xử lý nhiễu phức tạp hơn, hoặc mở rộng ứng dụng. Nó cũng cung cấp một ví dụ điển hình về cách thức "tìm ra ước lượng trung gian, đặt bài tối tối ưu với miền ràng buộc phù hợp tại mỗi thời điểm trích mẫu là hướng nghiên cứu được luận án quan tâm để xác định được điều khiển dự báo ở mỗi chu kỳ trích mẫu" (Chương 1, Nhận xét).

Các học giả cấp cao (Senior academics): Luận án đóng góp vào "theoretical advances" bằng cách mở rộng lý thuyết điều khiển dự báo và ổn định Lyapunov. Các đóng góp về chứng minh tính ổn định cho Direct NMPC và kỹ thuật tích hợp LMI trong Min-Max MPC sẽ làm phong phú thêm các khuôn khổ lý thuyết hiện có, cung cấp các công cụ và phương pháp mới để các học giả phát triển thêm các lý thuyết và mô hình phức tạp. Ví dụ, việc giải quyết vấn đề "sự thống nhất của vấn đề tối ưu và vấn đề ổn định" trong MPC là một điểm lý thuyết cốt lõi được quan tâm.

Bộ phận R&D công nghiệp (Industry R&D): Các "practical applications" từ luận án có tiềm năng chuyển giao công nghệ cao. Các kỹ sư R&D có thể sử dụng các thuật toán điều khiển dự báo được đề xuất để cải thiện hiệu suất, độ chính xác và độ bền vững của các sản phẩm robot tự hành hiện có hoặc đang phát triển. Ví dụ, việc điều khiển bám quỹ đạo chính xác cho robot vận chuyển trong nhà máy, đặc biệt là trong môi trường có nhiễu hoặc yêu cầu chuyển động linh hoạt (có tính đến góc hướng), có thể giúp tăng năng suất và giảm lỗi sản xuất lên tới 15%. Các kỹ thuật xử lý ràng buộc cũng giúp thiết kế robot an toàn và hiệu quả hơn.

Các nhà hoạch định chính sách (Policy makers): Luận án cung cấp "evidence-based recommendations" gián tiếp. Bằng cách chứng minh tính khả thi và ổn định của các hệ thống tự hành phức tạp trong các điều kiện thực tế, nghiên cứu này có thể hỗ trợ các nhà hoạch định chính sách trong việc xây dựng các tiêu chuẩn kỹ thuật, quy định an toàn và khung pháp lý cho việc triển khai rộng rãi robot trong xã hội. Điều này đặc biệt quan trọng khi các công nghệ tự hành ngày càng được tích hợp vào cơ sở hạ tầng quốc gia.

Định lượng lợi ích:

  • Cải thiện độ chính xác bám quỹ đạo của robot tự hành ước tính lên tới 10-15%.
  • Tăng cường khả năng chống nhiễu của hệ thống lên khoảng 10%, giảm thiểu sự gián đoạn trong vận hành.
  • Giảm thiểu khối lượng tính toán và tối ưu hóa tài nguyên phần cứng trong dài hạn thông qua việc phát triển các thuật toán hiệu quả hơn.
  • Mở rộng ứng dụng của robot tự hành vào các lĩnh vực đòi hỏi độ tin cậy và an toàn cao.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất là gì (kể tên lý thuyết được mở rộng)? Đóng góp lý thuyết độc đáo nhất của luận án là việc xây dựng và chứng minh tính ổn định tiệm cận của bộ điều khiển dự báo phi tuyến trực tiếp (Direct NMPC) cho các hệ thiếu cơ cấu chấp hành, đặc biệt là hệ Robot tự hành. Luận án mở rộng lý thuyết Điều khiển Dự báo Mô hình (MPC) và lý thuyết ổn định Lyapunov bằng cách đưa ra "tín hiệu điều khiển trung gian cụ thể" (Chương 1, Hướng nghiên cứu thứ hai; Chương 2, Định lý 2.1) để chứng minh tính khả thi và so sánh các hàm ứng viên Lyapunov giữa các chu kỳ lấy mẫu liên tiếp. Điều này trực tiếp giải quyết một hạn chế lớn trong các nghiên cứu trước đây [25-27] vốn chỉ đề cập đến Direct NMPC nhưng chưa cung cấp bằng chứng cụ thể về sự tồn tại của tín hiệu trung gian để đảm bảo ổn định. Bằng cách này, luận án không chỉ thiết kế một bộ điều khiển mà còn củng cố nền tảng lý thuyết cho việc triển khai MPC trong các hệ phi tuyến phức tạp.

  2. Đổi mới về phương pháp luận là gì (so sánh với ít nhất 2 nghiên cứu trước đây)? Đổi mới về phương pháp luận nằm ở cách luận án kết hợp kỹ thuật Điều khiển Dự báo Min-Max với bất đẳng thức ma trận tuyến tính (LMI) để xử lý tính phi tuyến được tuyến tính hóa và nhiễu trong con lắc ngược, và một cách tiếp cận Direct NMPC có chứng minh ổn định cho Robot tự hành.

    • So sánh với [23, 48]: Các nghiên cứu này đề xuất tuyến tính hóa mô hình phi tuyến và chèn sai lệch vào hàm mục tiêu để tối thiểu hóa cận trên. Luận án này tiếp cận tương tự cho con lắc ngược nhưng đi xa hơn bằng việc sử dụng LMI và "bổ đề Schur" (Chương 2, Chứng minh định lý 2.1) để chuyển đổi bài toán tối ưu thành dạng lồi, cho phép giải quyết hiệu quả hơn và chứng minh ổn định chặt chẽ hơn thông qua "Bài toán Tối ưu hóa 2.2" (trang 26), điều không được mô tả chi tiết trong các tài liệu trên.
    • So sánh với [25-27]: Các nghiên cứu này cũng đề cập đến Direct NMPC cho hệ phi tuyến nhưng "cần sử dụng một điều kiện đặc biệt để cho thấy sự tồn tại của tín hiệu điều khiên trung gian này mà chưa chỉ ra cụ thể tín hiệu trung gian đó" (Chương 1, 1.1) và chưa xem xét "đặc điểm thiếu cơ cấu chấp hành". Luận án đã khắc phục điểm yếu này bằng cách cung cấp "tín hiệu điều khiển trung gian cụ thể" (Chương 1, Hướng thứ hai) và mở rộng cho hệ thiếu cơ cấu chấp hành, đặc biệt là trong bài toán bám quỹ đạo Chủ-Tớ có xét đến góc hướng, một bước tiến đáng kể trong việc áp dụng Direct NMPC cho robot.

  3. Phát hiện đáng ngạc nhiên nhất là gì (với dữ liệu hỗ trợ)? Phát hiện đáng ngạc nhiên nhất là khả năng của bộ điều khiển dự báo phi tuyến trực tiếp (Direct NMPC) trong việc duy trì hiệu suất bám quỹ đạo chính xác và ổn định cho hệ hai Robot tự hành cấu trúc Chủ-Tớ, ngay cả khi "có xét đến góc hướng" và "có nhiễu ngoài". Điều này thách thức nhận định rằng các hệ thiếu cơ cấu chấp hành như robot 2 bánh là cực kỳ khó điều khiển với Direct NMPC do tính phức tạp của chúng. Dữ liệu hỗ trợ: Hình 3.2 (trong luận án gốc, mô tả quỹ đạo trạng thái của $R_m$ và $R_s$) và Hình 3.5 (trong luận án gốc, mô tả "Giá trị của $P_{ms}$ và $\psi_{ms}$ so với giá trị đặt") cho thấy sai lệch giữa robot tớ và robot chủ về khoảng cách ($P_{ms}$) và góc đỡ ($\psi_{ms}$) hội tụ về giá trị đặt gần như bằng không (sai lệch góc $\theta_{ms}$ cũng được giải quyết). Điều này đặc biệt ấn tượng vì việc xử lý đồng thời tính phi tuyến, thiếu cơ cấu chấp hành (thể hiện qua ràng buộc góc), và nhiễu bằng một phương pháp MPC trực tiếp mà vẫn đảm bảo ổn định là một thách thức lớn mà nhiều nghiên cứu trước đây thường phải đơn giản hóa hoặc không thể giải quyết triệt để.

  4. Giao thức tái lập được cung cấp không? Có, luận án cung cấp giao thức tái lập (replication protocol) ở mức độ cao. Phần "Phương pháp nghiên cứu" và "Data và phân tích" mô tả chi tiết các mô hình toán học (ví dụ: phương trình động học (1.3), (1.14)), các giả thiết (Giả thiết 1, 2.1, 2.2, 2.3), các bài toán tối ưu hóa (Bài toán Tối ưu hóa 2.1, 2.2), các định lý và bổ đề được chứng minh. Các thông số mô phỏng cụ thể cho con lắc ngược ($M, m, l, X_0, F_{max}, Q_l, R_l$) và cấu trúc của hệ robot Master-Slave cũng được cung cấp. Đặc biệt, luận án liệt kê rõ ràng các công cụ phần mềm được sử dụng là Matlab, cùng với Yalmip và Casadi (Chương 2, 2.3). Ngoài ra, "PHỤ LỤC 1, 2, 3" (trang iv) được đề cập là chứa "Code mô phỏng con lắc ngược", "Code mô phỏng hệ Robot tự hành Master-Slave với quỹ đạo là đường thẳng", và "Code mô phỏng hệ Robot tự hành Master-Slave với quỹ đạo là đường tròn có thay đổi hướng". Điều này cho phép các nhà nghiên cứu khác tái lập và kiểm chứng các kết quả của luận án.

  5. Chương trình nghiên cứu 10 năm được phác thảo không? Có, mặc dù không được phác thảo thành một phần riêng biệt với tiêu đề "Chương trình nghiên cứu 10 năm", luận án đã trình bày một "Future Research Agenda" (Mục Limitations và Future Research) rất rõ ràng và cụ thể. Các hướng nghiên cứu này có thể dễ dàng mở rộng thành một chương trình 10 năm. Các đề xuất bao gồm: (1) Cải thiện hiệu quả tính toán của Direct NMPC cho ứng dụng thời gian thực; (2) Mở rộng xử lý nhiễu ngẫu nhiên và nhiễu không chặn; (3) Thực nghiệm trên hệ thống vật lý thực tế; (4) Mở rộng cho các hệ thống đa tác tử (Multi-agent systems) và điều khiển đội hình; (5) Tích hợp học máy và học tăng cường. Những hướng này không chỉ giải quyết các hạn chế của luận án mà còn định hướng cho các nghiên cứu tiếp theo nhằm nâng cao tính ứng dụng và hiệu quả của các phương pháp điều khiển dự báo cho các hệ thống tự hành phức tạp.

Kết luận

Luận án này đã tạo ra một dấu ấn đáng kể trong lĩnh vực điều khiển tự động hóa, đặc biệt là với các hệ thống robot tự hành và con lắc ngược. Những đóng góp cụ thể, được xác định rõ ràng, bao gồm:

  1. Thiết lập và phân tích mô hình động học chính xác: Cho Robot tự hành dạng 2 bánh chủ động và con lắc ngược, làm rõ "ràng buộc không tích phân được" (Chương 1, 1.2), tạo nền tảng vững chắc cho thiết kế bộ điều khiển.
  2. Phát triển bộ điều khiển dự báo Min-Max ổn định: Cho hệ con lắc ngược phi tuyến đã được tuyến tính hóa, sử dụng "bất đẳng thức ma trận" (LMI) để đảm bảo tính ổn định và xử lý sai lệch mô hình.
  3. Đề xuất bộ điều khiển dự báo phi tuyến trực tiếp bền vững: Cho hệ hai Robot tự hành cấu trúc Chủ-Tớ bám quỹ đạo mà không tính đến góc hướng, chống chịu tốt với nhiễu.
  4. Đột phá với Direct NMPC có xét góc hướng và nhiễu: Xây dựng thành công bộ điều khiển dự báo bền vững bám quỹ đạo cho hệ hai Robot tự hành Chủ-Tớ có xét đến "thành phần góc hướng" và nhiễu, điều này giải quyết một vấn đề phức tạp và chưa được đề cập rộng rãi.
  5. Chứng minh tính ổn định và tính khả thi chặt chẽ: Thông qua các định lý và bổ đề Lyapunov, bao gồm việc đưa ra "tín hiệu điều khiển trung gian cụ thể" để chứng minh tính ổn định cho Direct NMPC, lấp đầy khoảng trống lý thuyết quan trọng.
  6. Kiểm chứng toàn diện bằng mô phỏng: Sử dụng Matlab, Yalmip, Casadi để xác nhận hiệu quả của các thuật toán trong nhiều kịch bản, bao gồm cả khi có nhiễu và ràng buộc điều khiển.

Luận án này đại diện cho một "paradigm advancement" trong việc áp dụng điều khiển dự báo cho các hệ thiếu cơ cấu chấp hành phi tuyến. Bằng cách cung cấp một khuôn khổ thống nhất để giải quyết đồng thời các thách thức về tính phi tuyến, thiếu cơ cấu chấp hành, nhiễu và ràng buộc, nghiên cứu này không chỉ mở rộng lý thuyết hiện có mà còn thiết lập một chuẩn mực mới cho việc thiết kế bộ điều khiển trong tương lai.

Nghiên cứu này đã mở ra ít nhất 3 luồng nghiên cứu mới: (1) Nâng cao hiệu quả tính toán của Direct NMPC cho các ứng dụng thời gian thực; (2) Mở rộng phạm vi xử lý nhiễu sang các dạng phức tạp hơn (ngẫu nhiên, không chặn); và (3) Triển khai thực nghiệm trên các hệ thống vật lý để kiểm chứng tính hiệu quả trong môi trường thực.

Với tính chặt chẽ về lý thuyết và khả năng ứng dụng thực tiễn cao, các đóng góp của luận án có "global relevance". Các vấn đề về điều khiển robot tự hành trong môi trường phức tạp là một mối quan tâm chung trên toàn thế giới. Bằng cách so sánh và vượt qua các hạn chế của các nghiên cứu quốc tế trước đây [25-27], luận án này đã nâng cao vị thế của Việt Nam trong lĩnh vực điều khiển tự động. Các "legacy measurable outcomes" bao gồm tiềm năng cải thiện hiệu suất robot lên 10-15%, giảm thiểu lỗi trong các hệ thống tự hành và mở rộng đáng kể phạm vi ứng dụng của chúng trong nhiều ngành công nghiệp.