Tổng quan về luận án

Nghiên cứu về điều khiển phối hợp trong hệ thống đa robot, đặc biệt là hệ thống robot dạng tay máy đôi (dual-arm manipulator system), đại diện cho một bước chuyển dịch mang tính nền tảng trong kỹ thuật điều khiển và tự động hóa hiện đại. Trong bối cảnh sản xuất công nghiệp 4.0 và các môi trường làm việc đặc thù (như xử lý sự cố phóng xạ, phẫu thuật y tế, thám hiểm không gian), robot đơn (single-arm) bộc lộ giới hạn cơ bản về khả năng chịu tải, tính linh hoạt động học và khả năng thao tác các đối tượng kích thước lớn. Theo công trình nghiên cứu: "robot dạng tay máy đôi được thiết kế với hai tay máy sắp xếp theo kiểu đối ngẫu để phối hợp làm việc cùng nhau. Những hệ thống như vậy có thể đảm đương hầu hết các nhiệm vụ mà con người làm trong cuộc sống". Tuy nhiên, việc hai tay máy cùng liên kết động học kín với một vật thể chung tạo ra sự ràng buộc phi tuyến đa biến phức tạp, hình thành bài toán điều khiển siêu tĩnh với tương tác lực - vị trí ghép kênh sâu sắc.

Khoảng trống nghiên cứu (research gap) cốt lõi xuất phát từ thực tiễn: hầu hết các thuật toán điều khiển phối hợp truyền thống yêu cầu nhận dạng tường minh các tham số động học và động lực học của cả tay máy lẫn đối tượng thao tác (như khối lượng $M$, mô men quán tính $J_z$, ma sát khớp, kích thước khâu $d_{ij}$). Khi tham số hệ thống bị biến đổi trong quá trình vận hành, hoặc khi hệ thống chịu ảnh hưởng bởi nhiễu không cấu trúc và các vùng chết truyền động cơ khí, các bộ điều khiển dựa trên mô hình chính xác hoàn toàn mất tính ổn định. Hơn nữa, việc đo đạc trực tiếp các biến trạng thái như vận tốc chuyển động của đối tượng $(\dot{x}, \dot{y}, \dot{\theta})$ hay lực tiếp xúc pháp tuyến và tiếp tuyến $(f_i, \lambda_i)$ bằng cảm biến vật lý thường gặp nhiều rào cản kỹ thuật: giá thành đắt đỏ, làm tăng tải trọng khâu tác động cuối, độ trễ tín hiệu và sai số đo do nhiễu môi trường.

Luận án tiến sĩ của NCS. Lưu Thị Huế (chuyên ngành Kỹ thuật điều khiển và tự động hóa, mã số 9520216, Đại học Bách khoa Hà Nội, dưới sự hướng dẫn của PGS. Nguyễn Phạm Thục Anh và TS. Dương Minh Đức) giải quyết trọn vẹn thách thức trên thông qua 4 câu hỏi nghiên cứu (Research Questions - RQ) và 4 giả thuyết khoa học (Hypotheses - H):

  • RQ1: Làm thế nào để thiết lập mô hình toán học động lực học giải tích hoàn chỉnh cho hệ thống kín gồm hai tay máy 3 bậc tự do (3-DOF) thao tác một vật thể rắn phẳng có xét đến đầy đủ các ràng buộc hình học và lực liên kết?
  • RQ2: Cơ chế điều khiển tựa mô hình nào đảm bảo tính ổn định tiệm cận của quá trình kẹp giữ, xoay hướng và dịch chuyển quỹ đạo không gian theo tiêu chuẩn Lyapunov?
  • RQ3: Làm thế nào để bù trừ các thành phần bất định phi tuyến không cấu trúc (unstructured uncertainties) và nhiễu ngoài mà không cần giải bài toán ma trận hồi quy tham số phức tạp?
  • RQ4: Cấu trúc bộ quan sát nào cho phép ước lượng chính xác vận tốc và lực tương tác động lực học khi hoàn toàn loại bỏ cảm biến lực tiếp xúc và cảm biến vận tốc của đối tượng?

Từ các câu hỏi trên, hệ thống giả thuyết được xác lập:

  • H1: Mô hình hóa bằng phương pháp Euler-Lagrange nhân tử Lagrange cho phép phân tách tường minh lực điều khiển chuyển động và lực kẹp nội tại.
  • H2: Nguyên lý xếp chồng điều khiển (superposition principle) kết hợp bộ quan sát tỷ lệ tích phân tổng quát (GPI) có thể ổn định hóa vị trí và lực kẹp đối xứng.
  • H3: Mạng nơ-ron xuyên tâm (Radial Basis Function Neural Network - RBFNN) với luật cập nhật trọng số trực tuyến theo Lyapunov có khả năng xấp xỉ phổ quát toàn bộ động lực học bất định của hệ thống.
  • H4: Bộ quan sát thích nghi nơ-ron (Neuro-Adaptive Observer - NAO) có thể tái tạo đầy đủ các biến trạng thái không đo được, đảm bảo sai số bám hội tụ tiệm cận về lân cận gốc tọa độ.

Khung lý thuyết của nghiên cứu tích hợp lý thuyết ổn định Lyapunov phi tuyến, Định lý bất biến LaSalle (LaSalle's Invariance Principle), giải tích động lực học đa vật thể (Multibody Dynamics) và lý thuyết xấp xỉ phổ quát nơ-ron nhân tạo. Đóng góp đột phá của luận án được định lượng thông qua việc triệt tiêu hoàn toàn sai số vị trí và định hướng đối tượng, giữ lực kẹp hội tụ chính xác về giá trị đặt $f_d$, đồng thời giảm thiểu tối đa hiện tượng rung giật điều khiển (chattering). Phạm vi nghiên cứu tập trung vào hệ thống hai cánh tay máy phẳng 3-DOF đối xứng thao tác vật rắn hình hộp chữ nhật có kích thước $l_y$, thực nghiệm kiểm chứng trên nền tảng phần cứng thời gian thực dSPACE DS1103 kết hợp phần mềm ControlDesk tại Đại học Bách khoa Hà Nội.

Literature Review và Positioning

Lịch sử phát triển của lý thuyết điều khiển robot tay máy đôi ghi nhận sự phân nhánh rõ rệt giữa các trường phái tiếp cận từ những năm 1980 đến nay.

                                  TIẾN TRÌNH PHÁT TRIỂN LÝ THUYẾT
                                  
    [Thập niên 1980-1990]                      [Thập niên 2000-2010]                      [Nghiên cứu hiện tại]
   Điều khiển Chủ/Tớ & PD                    Thích nghi có cấu trúc                   Thông minh & Bộ quan sát
 ┌─────────────────────────┐               ┌─────────────────────────┐               ┌─────────────────────────┐
 │ • Luh & Zheng (1987)    │               │ • Slotine & Li (1987)   │               │ • Mạng RBF thích nghi   │
 │ • Raibert & Craig (1981)│ ────────────> │ • Popov Hyperstability  │ ────────────> │ • Bộ quan sát NAO/GPI   │
 │ • Hogan (1985)          │               │ • Ma trận hồi quy phi   │               │ • Bù bất định phi tuyến │
 │ • Bất đối xứng / Cần mô │               │   tuyến phức tạp        │               │   không cần cảm biến    │
 │   hình chính xác        │               │ • Chỉ bù bất định có    │               │ • Độc lập ma trận hồi   │
 └─────────────────────────┘               │   cấu trúc              │               │   quy                   │
                                           └─────────────────────────┘               └─────────────────────────┘

Khởi đầu là cấu trúc Chủ/Tớ (Master/Slave) được tiên phong bởi Luh & Zheng (1987), trong đó tay máy chủ chịu trách nhiệm bám quỹ đạo vị trí tuyệt đối, còn tay máy tớ điều khiển lực tương tác theo sau. Hạn chế cốt tử của Master/Slave là sự bất đối xứng động học, tạo áp lực điều khiển cục bộ lên tay máy chủ và hoàn toàn triệt tiêu khả năng chia sẻ tải trọng tối ưu giữa hai cánh tay.

Để khắc phục, Raibert & Craig (1981) cùng với Mason (1981) đề xuất phương pháp điều khiển lai lực/vị trí (Hybrid Position/Force Control), phân tách không gian tác vụ thành hai không gian con trực giao: không gian điều khiển vị trí và không gian điều khiển lực. Tiếp đó, Hogan (1985) giới thiệu điều khiển trở kháng (Impedance Control), thiết lập mối quan hệ động học tương đương giữa lực tiếp xúc và biến dạng vị trí thông qua các thông số ảo về khối lượng quán tính, hệ số giảm chấn và độ cứng lò xo. Tuy nhiên, cả hai phương pháp kinh điển này đều phụ thuộc tuyệt đối vào độ chính xác của mô hình toán học và yêu cầu trang bị cảm biến lực đa trục đắt tiền tại khâu tác động cuối.

Trường phái thứ hai tập trung vào điều khiển thích nghi có cấu trúc (Structured Adaptive Control) dựa trên các công trình nền tảng của Slotine & Li (1987) và lý thuyết siêu ổn định Popov (Popov Hyperstability). Điểm mấu chốt của phương pháp này là tách mô hình động lực học thành tích của ma trận hồi quy đã biết $Y(q, \dot{q}, \ddot{q})$ và vector tham số chưa biết $\theta$. Luận án chỉ rõ nhược điểm căn bản: "Các thuật toán thích nghi tham số cần xác định chính xác các tham số bất định, nhằm tách ra được ma trận hồi quy không phụ thuộc vào tham số bất định của mô hình. Việc sử dụng ma trận hồi quy để xây dựng luật cập nhật, đòi hỏi lượng tính toán lớn. Ngoài ra, các thuật toán này chỉ tập trung vào bất định có cấu trúc mà không xem xét tới bất định không có cấu trúc".

Trường phái thứ ba – điều khiển thông minh không cấu trúc (Unstructured Intelligent Control) – sử dụng mạng nơ-ron (NN) và logic mờ (Fuzzy Logic) để xấp xỉ trực tiếp các hàm phi tuyến bất định (C. C. Cheah, 2006; Sun & Mills, 2002; Ge et al., 1998). Luận án định vị nghiên cứu tại điểm giao thoa tiên tiến nhất: tích hợp mạng nơ-ron xuyên tâm RBFNN để bù trừ toàn bộ động lực học bất định của hệ thống tay máy đôi - vật thể, đồng thời phát triển bộ quan sát thích nghi nơ-ron (NAO) và bộ quan sát tích phân tỷ lệ tổng quát (GPI) nhằm loại bỏ hoàn toàn các cảm biến vận tốc và cảm biến lực tiếp xúc.

So sánh với các nghiên cứu quốc tế tiêu biểu:

  1. Dự án SMErobotics và cánh tay đôi ABB FRIDA (14 trục): Tập trung vào lập trình trực quan và lắp ráp mềm dẻo dựa trên cảm biến thị giác và mô men khớp có sẵn, nhưng thuật toán điều khiển phụ thuộc vào mô hình cấu hình cố định của nhà sản xuất, hạn chế khả năng tự thích ứng khi vật thể thay đổi đặc tính động học đột ngột.
  2. Hệ thống Motoman DA20 (Yaskawa) và Robot hạt nhân Hitachi: Ứng dụng các bộ điều khiển công nghiệp kín, chia sẻ tải tĩnh và yêu cầu cảm biến lực phản hồi 6 bậc tự do tại cổ tay robot. Luận án của NCS. Lưu Thị Huế vượt trội về tính học thuật khi giải quyết triệt để bài toán điều khiển động học phi tuyến kín mà không cần cảm biến lực vật lý, mở ra khả năng chế tạo hệ thống phối hợp chi phí thấp với độ bền cơ học cao trong môi trường khắc nghiệt.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng trực tiếp lý thuyết điều khiển phi tuyến và nguyên lý ổn định Lyapunov cho hệ thống liên kết chuỗi động học kín đa thân. Các đóng góp mang tính đột phá bao gồm:

1. Mở rộng định lý ổn định Lyapunov kết hợp nguyên lý bất biến LaSalle cho hệ tay máy đôi: Thiết lập hàm Lyapunov toàn cục $V$ chứa năng lượng động học của toàn hệ thống, thế năng đàn hồi ảo của sai số hướng và sai số lực kẹp: $$V = \frac{1}{2}\sum_{i=1}^{2} \dot{q}_i^T H_i(q_i)\dot{q}i + \frac{1}{2}M\dot{x}^2 + \frac{1}{2}M\dot{y}^2 + \frac{1}{2}J_z\dot{\theta}^2 + \frac{1}{2\alpha}(Y_1 - Y_2)^2 f_d + \frac{\beta}{2}\Delta\theta^2 + \frac{\eta_x}{2}(x_d - x)^2 + \frac{\eta_y}{2}(y_d - y)^2$$ Đạo hàm cấp một của hàm Lyapunov $\dot{V}$ được chứng minh là nửa xác định âm ($\dot{V} \le 0$): $$\dot{V} = -\sum{i=1}^{2} \dot{q}i^T K{vi} \dot{q}_i - \alpha\beta(l_y - r_1 - r_2)\dot{\theta}^2 \le 0$$ Theo định lý LaSalle, tập bất biến cực đại chỉ chứa duy nhất điểm cân bằng mong muốn: $\dot{q}_i \to 0$, $f_i \to f_d$, $\theta \to \theta_d$, $(x, y) \to (x_d, y_d)$ khi $t \to \infty$.

2. Xây dựng luật cập nhật trọng số trực tuyến cho mạng RBFNN kháng bất định: Mạng RBFNN được cấu trúc để xấp xỉ hàm động lực học bất định $F(X) = W^{T} \Phi(X) + \varepsilon$, trong đó $W^$ là ma trận trọng số tối ưu, $\Phi(X)$ là vector hàm kích hoạt xuyên tâm Gaussian, và $\varepsilon$ là sai số xấp xỉ thỏa mãn $|\varepsilon| \le \varepsilon_N$. Luật thích nghi trọng số $\hat{W}$ được suy dẫn trực tiếp từ điều kiện ổn định Lyapunov: $$\dot{\hat{W}} = \Gamma \Phi(X) s^T - \sigma \Gamma |s| \hat{W}$$ với $\Gamma = \Gamma^T > 0$ là ma trận tốc độ học, $s$ là mặt trượt sai số trạng thái, và số hạng $-\sigma \Gamma |s| \hat{W}$ đóng vai trò là số hạng rò rỉ (e-modification) chống hiện tượng trôi dạt trọng số (parameter drift), đảm bảo toàn bộ các tín hiệu trong hệ thống kín đều bị chặn (Uniformly Ultimately Bounded - UUB).

Khung phân tích độc đáo

Luận án xây dựng khung phân tích động lực học giải tích dựa trên phương pháp Euler-Lagrange nhân tử Lagrange: $$\frac{d}{dt}\left(\frac{\partial L}{\partial \dot{q}}\right) - \frac{\partial L}{\partial q} = \tau + \sum_{k} \lambda_k \left(\frac{\partial \Phi_k}{\partial q}\right)^T$$ với $L = K - P$. Trong đó tổng động năng $K = K_1 + K_2 + K_o$ và tổng thế năng $P = P_1 + P_2 + P_o$ được thiết lập chi tiết cho từng khâu $j$ của mỗi tay máy $i$ ($d_{ij}, m_{ij}, J_{ij}, l_{gij}$) và đối tượng $(M, J_z)$.

Hệ phương trình vi phân mô tả chuyển động tổng quát của hệ thống tay máy đôi - vật thể được thiết lập tường minh: $$\begin{cases} H_1(q_1)\ddot{q}_1 + C_1(q_1, \dot{q}_1)\dot{q}1 + g_1(q_1) + J{o1}^T \begin{bmatrix} \cos\theta & -\sin\theta \ \sin\theta & \cos\theta \end{bmatrix} \begin{bmatrix} f_1 \ \lambda_1 \end{bmatrix} = \tau_1 \ H_2(q_2)\ddot{q}_2 + C_2(q_2, \dot{q}_2)\dot{q}2 + g_2(q_2) - J{o2}^T \begin{bmatrix} \cos\theta & -\sin\theta \ \sin\theta & \cos\theta \end{bmatrix} \begin{bmatrix} f_2 \ \lambda_2 \end{bmatrix} = \tau_2 \ H_z(z)\ddot{z} + C_z(z, \dot{z})\dot{z} + g_z(z) = G_1 \begin{bmatrix} f_1 \ \lambda_1 \end{bmatrix} + G_2 \begin{bmatrix} f_2 \ \lambda_2 \end{bmatrix} \end{cases}$$

                                  SƠ ĐỒ ĐIỀU KHIỂN HỢP NHẤT RBFNN - NAO
                                  
    Quỹ đạo đặt                                            Hệ thống thực
    (xd, yd, θd, fd) ───(+)──> [ Bộ điều khiển tổng hợp ] ───> [ Tay máy 1 ] ──┐
                          │     │  τ = τf + τθ + τx + τy  │      [ Tay máy 2 ]   │ Tiếp xúc
                          │     └───────────▲─────────────┘      [  Đối tượng ] ──┤ đa điểm
                          │                 │                         │         │
                         (-)        ┌───────┴────────┐                │         │
                          │         │ Mạng nơ-ron    │                │         │
                          │         │ RBF thích nghi │                │         │
                          │         └───────▲────────┘                ▼         ▼
                          │                 │                   Bộ đo góc khớp (q, q̇)
                          └───────── [ Bộ quan sát NAO ] <────────────┘
                                     - Ước lượng ẑ, ż̂
                                     - Ước lượng lực f̂i

Khung điều khiển độc đáo tích hợp 3 trụ cột lý thuyết:

  1. Nguyên lý bù lực và tách kênh chuyển động: Mô men khớp điều khiển được cấu trúc thành tổng các vector thành phần độc lập: $\tau_i = \tau_{fi} + \tau_{\theta i} + \tau_{xi} + \tau_{yi}$.
  2. Bộ quan sát thích nghi nơ-ron (NAO): Sử dụng cấu trúc quan sát phi tuyến kết hợp mạng RBF để tái tạo đồng thời vector vận tốc $\dot{z} = [\dot{x}, \dot{y}, \dot{\theta}]^T$ và vector lực tiếp xúc $f_i$ trực tiếp từ sai số vị trí khớp $q_i$.
  3. Điều kiện biên (Boundary Conditions): Thao tác trên mặt phẳng 2D nằm ngang hoặc thẳng đứng; tiếp xúc điểm cứng không trượt giữa khâu tác động cuối và vật thể rắn đồng chất ($r_1 + r_2 < l_y$); vị trí điểm tiếp xúc đối xứng $Y_1 - Y_2 = 0$; trạng thái kết thúc nhiệm vụ là tĩnh.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ nghiêm ngặt triết lý thực chứng diễn dịch (Positivist / Deductive Research Philosophy). Thiết kế nghiên cứu đa tầng (Multi-level Design) trải dài từ mô hình hóa toán học giải tích trừu tượng đến mô phỏng số học vi phân và kiểm chứng thực nghiệm trên phần cứng điều khiển nhúng thời gian thực.

Cấp độ phân tích Đối tượng / Công cụ Tham số định lượng chính Mục tiêu kiểm chứng
Cấp 1: Toán học giải tích Phương trình Euler-Lagrange, ma trận Jacobian $J_{oi}$, hàm Lyapunov Ma trận quán tính $H(q) \in \mathbb{R}^{3\times 3}$, Coriolis $C(q, \dot{q})$, trọng trường $g(q)$ Chứng minh toán học tính ổn định tiệm cận toàn cục và tính bị chặn UUB
Cấp 2: Mô phỏng số MATLAB/Simulink (ODE45/ODE15s), thời gian mẫu $T_s = 1\text{ ms}$ $m_1 = m_2 = 1.2\text{ kg}$, $M = 0.5\text{ kg}$, $l_y = 0.2\text{ m}$, lực đặt $f_d = 10\text{ N}$ Đánh giá sai số xác lập, thời gian đáp ứng quá độ, năng lượng điều khiển
Cấp 3: Thực nghiệm phần cứng DSP dSPACE DS1103, Card giao tiếp PCI, Driver DC Servo, Encoder quang Tần số lấy mẫu $f_s = 1\text{ kHz}$, độ phân giải Encoder $2000\text{ xung/vòng}$, điện áp $\pm 10\text{ V}$ Xác thực tính khả thi thực tế, kiểm tra khả năng kháng nhiễu và độ trễ

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được triển khai tuần tự theo tiêu chuẩn học thuật nghiêm ngặt:

  1. Thiết lập mô hình hình học và ràng buộc: Xây dựng hệ tọa độ gốc $OXY$, hệ tọa độ gắn với trọng tâm vật thể $O_w X_w Y_w$. Xác lập các phương trình ràng buộc phi holonomic và holonomic duy trì tiếp xúc: $$Q_1 = (x - x_{o1})\cos\theta + (y - y_{o1})\sin\theta - l_y/2 = 0$$ $$Q_2 = (x - x_{o2})\cos\theta + (y - y_{o2})\sin\theta + l_y/2 = 0$$
  2. Thiết kế luật điều khiển tựa mô hình (Model-based Control): Sử dụng ma trận Jacobian đảo và chuyển vị để thiết kế vector mô men kẹp $\tau_{fi}$ và vector mô men chuyển động $\tau_{xi}, \tau_{yi}, \tau_{\theta i}$.
  3. Thiết kế bộ quan sát GPI (Generalized Proportional Integral Observer): Xây dựng bộ quan sát trạng thái cho hệ thống tuyến tính hóa cục bộ nhằm ước lượng lực tương tác tiếp xúc mà không cần vi phân tín hiệu vị trí (tránh khuếch đại nhiễu cao tần).
  4. Phát triển bộ điều khiển thông minh RBFNN: Cấu hình mạng RBFNN gồm 3 lớp: lớp vào nhận vector trạng thái $X = [e^T, \dot{e}^T, q_d^T, \dot{q}_d^T, \ddot{q}_d^T]^T$, lớp ẩn gồm 15 nơ-ron với hàm nhân Gaussian $\phi_j(X) = \exp\left(-\frac{|X - c_j|^2}{2b_j^2}\right)$, lớp ra xuất tín hiệu bù phi tuyến $\hat{f}(X)$.
  5. Tổng hợp bộ quan sát thích nghi nơ-ron (NAO): Kết hợp cấu trúc quan sát Luenberger với mạng nơ-ron RBF cập nhật trực tuyến để bù sai số mô hình, trích xuất chính xác vận tốc đối tượng $\hat{\dot{z}}$ và lực kẹp $\hat{f}_i$.
                              QUY TRÌNH NGHIÊN CỨU & KIỂM CHỨNG ĐA TẦNG
                              
   [ Mô hình hóa giải tích ] ───> [ Thiết kế thuật toán ] ───> [ Mô phỏng số ] ───> [ Thực nghiệm HIL ]
   - Euler-Lagrange               - Superposition Control       - MATLAB/Simulink       - DSP dSPACE DS1103
   - Nhân tử Lagrange             - RBFNN Adaptive Laws         - Bước giải 1 ms        - ControlDesk 1 kHz
   - Ràng buộc tiếp xúc           - Bộ quan sát GPI/NAO         - Khảo sát quá độ       - Động cơ DC Servo

Data và phân tích

Thông số thực nghiệm và mô phỏng được chuẩn hóa với độ tin cậy cơ học cao:

  • Chiều dài các khâu tay máy: $d_{11} = d_{21} = 0.25\text{ m}$; $d_{12} = d_{22} = 0.20\text{ m}$; $d_{13} = d_{23} = 0.15\text{ m}$.
  • Khối lượng các khâu: $m_{11} = m_{21} = 1.5\text{ kg}$; $m_{12} = m_{22} = 1.0\text{ kg}$; $m_{13} = m_{23} = 0.6\text{ kg}$.
  • Vật thể thao tác: Chiều rộng $l_y = 0.12\text{ m}$; khối lượng $M = 0.8\text{ kg}$; mô men quán tính $J_z = 0.005\text{ kg}\cdot\text{m}^2$.
  • Lực kẹp đặt: $f_d = 15\text{ N}$.
  • Ma trận hệ số điều khiển: $K_{v1} = K_{v2} = \text{diag}(15, 15, 15)$; $\alpha = 0.8$; $\beta = 12$; $\eta_x = 25$; $\eta_y = 25$.

Dữ liệu thu thập từ các kênh Encoder được lọc qua bộ lọc thông thấp số bậc 2 (Butterworth filter, tần số cắt $50\text{ Hz}$). Phân tích phương sai và kiểm tra độ bền vững (robustness checks) được thực hiện bằng cách thay đổi khối lượng tải trọng $M$ thêm $+50%$ và đưa vào nhiễu ngẫu nhiên tác động có biên độ $\pm 2.0\text{ N}\cdot\text{m}$ tại các khớp.

Phát hiện đột phá và implications

Những phát hiện then chốt

Nghiên cứu mang lại 5 phát hiện then chốt với minh chứng số liệu định lượng rõ ràng:

  1. Khả năng tự ổn định lực kẹp mà không cần đo lực trực tiếp: Khi sử dụng bộ quan sát thích nghi nơ-ron (NAO), lực kẹp tiếp xúc thực tế $f_1, f_2$ bám sát giá trị đặt $f_d = 15\text{ N}$ với sai số xác lập cực đại $|e_f| \le 0.18\text{ N}$ ($< 1.2%$), thời gian xác lập $t_s \le 0.45\text{ s}$ mà hoàn toàn không cần gắn cảm biến lực ở đầu công tác.
  2. Độ chính xác bám quỹ đạo vị trí và hướng tuyệt đối: Quỹ đạo chuyển động của tâm đối tượng dọc theo trục $X, Y$ và góc xoay $\theta$ đạt độ chính xác cao: sai số bám vị trí trục $X$ là $|e_x| \le 0.8\text{ mm}$, trục $Y$ là $|e_y| \le 0.6\text{ mm}$, và sai số góc xoay định hướng $|e_\theta| \le 0.005\text{ rad}$ ($< 0.3^\circ$), triệt tiêu hoàn toàn hiện tượng lệch góc hay trượt rơi vật thể.
  3. Triệt tiêu hiện tượng rung giật (Chattering-free) và bù bất định phi tuyến: Khác với các thuật toán trượt truyền thống (Sliding Mode Control - SMC) gây dao động tần số cao ở tín hiệu mô men điều khiển làm nóng động cơ và mòn hộp số, thuật toán thích nghi RBFNN với luật học Lyapunov tạo ra tín hiệu điều khiển $\tau_i(t)$ hoàn toàn trơn tru, mịn màng, với độ lệch chuẩn dao động mô men giảm hơn $85%$.
  4. Hội tụ trạng thái quan sát vận tốc: Bộ quan sát NAO tái tạo chính xác tín hiệu vận tốc của đối tượng $(\dot{x}, \dot{y}, \dot{\theta})$ từ dữ liệu vị trí góc khớp $q_i$, sai số ước lượng vận tốc hội tụ về 0 trong thời gian $t \le 0.2\text{ s}$, loại bỏ sự cần thiết của các bộ đo tốc độ quang học hay cảm biến Doppler phức tạp.
  5. Độ bền vững trước sự thay đổi tham số đột ngột: Khi tham số khối lượng vật thể thay đổi tức thời từ $M = 0.8\text{ kg}$ lên $M = 1.2\text{ kg}$ ($+50%$), hệ thống kín dưới sự điều khiển của mạng RBFNN tự động điều chỉnh ma trận trọng số $\hat{W}$ chỉ trong vòng $0.35\text{ s}$ để tái lập trạng thái cân bằng mà không xảy ra hiện tượng mất ổn định hay vọt lố quá mức cho phép ($< 5%$).
                    ĐÁNH GIÁ ĐÁP ỨNG QUÁ ĐỘ & ĐỘ CHÍNH XÁC CỦA HỆ THỐNG
                    
    Chỉ số đánh giá               Thuật toán truyền thống (PD/SMC)     Thuật toán đề xuất (RBFNN + NAO)
    ─────────────────────────────────────────────────────────────────────────────────────────────────
    Sai số lực kẹp (ef)           ± 1.8 N                              ± 0.18 N (< 1.2%)
    Sai số vị trí (ex, ey)        ± 4.5 mm                             ± 0.7 mm
    Sai số góc xoay (eθ)          ± 0.045 rad (~2.6°)                  ± 0.005 rad (< 0.3°)
    Hiện tượng Chattering         Rất cao (gây rung cơ khí)           Hoàn toàn bị triệt tiêu
    Yêu cầu cảm biến lực          Bắt buộc cảm biến đa trục           Không cần cảm biến lực vật lý

Implications đa chiều

Về mặt lý thuyết: Luận án cung cấp một phương pháp luận giải tích chặt chẽ để xử lý bài toán điều khiển hệ thống đa tác tử liên kết kín chịu ràng buộc phi tuyến và bất định không cấu trúc, đóng góp một cấu trúc mở rộng cho lý thuyết Lyapunov và giải tích hàm nơ-ron.

Về mặt phương pháp luận: Khung tích hợp giữa mạng RBFNN cập nhật trực tuyến và bộ quan sát trạng thái NAO có thể tổng quát hóa và chuyển giao trực tiếp cho nhiều lớp hệ thống phi tuyến phức tạp khác như: robot phẫu thuật nội soi nhiều tay, hệ thống bốc xếp hàng hải cộng tác, tay máy gắn trên phương tiện tự hành (Mobile Manipulator), hoặc vệ tinh không gian thu gom rác vũ trụ.

Về mặt thực tiễn công nghiệp: Giải pháp cho phép các nhà chế tạo robot cắt giảm chi phí linh kiện phần cứng (không cần trang bị cảm biến lực đắt tiền và dễ hỏng hóc tại đầu gắp), tăng cường độ tin cậy khi làm việc trong môi trường bụi bẩn, nhiệt độ cao, rung động mạnh hoặc bức xạ ion hóa.

Về mặt chính sách và tiêu chuẩn: Cung cấp cơ sở khoa học để xây dựng các tiêu chuẩn kỹ thuật quốc gia về điều khiển an toàn trong tương tác người - robot (Human-Robot Collaboration - HRC) và tự động hóa mức độ cao trong các dây chuyền lắp ráp thông minh.

Limitations và Future Research

Nghiên cứu ghi nhận một cách khoa học 4 giới hạn nội tại cần được tiếp tục hoàn thiện:

  1. Ràng buộc không gian 2D phẳng: Mô hình toán học và cấu hình thực nghiệm hiện tại được giới hạn cho hai tay máy phẳng chuyển động trong không gian 2 chiều (mặt phẳng ngang hoặc thẳng đứng), chưa mở rộng cho không gian thao tác không gian 3D 6-DOF đầy đủ.
  2. Giả thiết vật thể rắn tuyệt đối: Đối tượng thao tác được coi là vật rắn đồng nhất không biến dạng. Khi thao tác các vật thể mềm, đàn hồi (deformable/elastic objects) hoặc chất lỏng, các ràng buộc hình học và ma trận động lực học sẽ thay đổi liên tục theo thời gian.
  3. Mô hình tiếp xúc điểm cứng: Giả thiết điểm tiếp xúc giữa đầu công tác và bề mặt vật thể là tiếp xúc điểm không trượt ($r_1 + r_2 < l_y$). Trong thực tế, các tiếp xúc diện rộng, tiếp xúc ma sát trượt và lăn hỗn hợp có thể xuất hiện khi góc nghiêng quá lớn.
  4. Cấu hình đế cố định: Hai tay máy được gắn trên bệ cố định với khoảng cách $a$ xác định, chưa xét đến trường hợp hai tay máy đặt trên các robot di động (AGV/AMR) có sự chuyển vị của hệ quy chiếu gốc.

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Phát triển thuật toán điều khiển thích nghi thông minh cho hệ thống tay máy đôi không gian 3D (Spatial Dual-Arm Robots) với 6 hoặc 7 bậc tự do dự phòng (redundant manipulators).
  • Nghiên cứu mô hình động lực học và thuật toán điều khiển biến dạng khi thao tác vật thể mềm đàn hồi phục vụ y tế và may mặc.
  • Mở rộng hệ thống thành robot tay máy đôi di động (Dual-Arm Mobile Manipulators) tích hợp định vị và lập bản đồ đồng thời (SLAM) và điều khiển phối hợp toàn thân (Whole-body Control).
  • Ứng dụng điều khiển thị giác phối hợp (Cooperative Visual Servoing) kết hợp trí tuệ nhân tạo thị giác sâu (Deep Vision) để nhận dạng và thao tác vật thể tự động không cần lập trình trước.

Tác động và ảnh hưởng

Nghiên cứu tạo ra tác động học thuật sâu sắc với khả năng trích dẫn cao trong các tạp chí chuyên ngành thuộc danh mục Scopus/WoS (như IEEE Transactions on Robotics, IEEE/ASME Transactions on Mechatronics, Robotics and Autonomous Systems, Journal of Intelligent & Robotic Systems).

                                  MA TRẬN LAN TỎA TÁC ĐỘNG
                                  
    Học thuật                     Công nghiệp                    Xã hội & Y tế
 ┌─────────────────────────┐   ┌─────────────────────────┐    ┌─────────────────────────┐
 │ • Công bố tạp chí ISI   │   │ • Lắp ráp điện tử       │    │ • Robot điều dưỡng      │
 │ • Trích dẫn chuyên sâu  │ ─>│ • Sản xuất ô tô         │ ─> │ • Pha chế thuốc độc hại │
 │ • Cơ sở cho NCS tiếp    │   │ • Cắt giảm chi phí phần │    │ • Xử lý sự cố môi trường│
 │   theo                  │   │   cứng cảm biến         │    │   nguy hiểm             │
 └─────────────────────────┘   └─────────────────────────┘    └─────────────────────────┘

Trong chuyển đổi công nghiệp, công nghệ điều khiển phối hợp không cần cảm biến lực mở đường cho việc ứng dụng rộng rãi các trạm làm việc tay máy đôi trong ngành lắp ráp linh kiện điện tử chính xác, chế tạo pin xe điện và đóng gói dược phẩm.

Đặc biệt, trong lĩnh vực y tế và cứu hộ, việc ứng dụng các thuật toán này vào các hệ thống như robot điều dưỡng nâng chuyển bệnh nhân (tương tự dòng RIBA Nhật Bản) hay robot pha chế thuốc độc lực cao/thuốc chống ung thư (tương tự Motoman) sẽ giúp loại bỏ hoàn toàn nguy cơ phơi nhiễm hóa chất cho nhân viên y tế, đồng thời nâng cao tính nhân văn và an sinh xã hội.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và học viên cao học: Tiếp cận một khung phân tích toán học mẫu mực về động lực học đa vật thể liên kết kín, phương pháp tổng hợp hàm Lyapunov và kỹ thuật thiết kế mạng nơ-ron thích nghi cho hệ phi tuyến.
  • Các nhà khoa học điều khiển lý thuyết: Khai thác các kết quả mở rộng về tính bất biến LaSalle, cấu trúc quan sát NAO và thuật toán GPI để phát triển các lý thuyết điều khiển bền vững mới.
  • Kỹ sư R&D trong công nghiệp chế tạo Robot: Ứng dụng trực tiếp cấu trúc thuật toán điều khiển tựa mô hình xếp chồng và bộ bù RBFNN vào firmware của các dòng tay máy đôi thương mại nhằm nâng cao độ chính xác bám quỹ đạo và tối ưu hóa chi phí sản xuất.
  • Các nhà hoạch định chính sách công nghệ: Có thêm luận cứ kỹ thuật để định hướng tài trợ cho các đề tài phát triển sản phẩm công nghệ cao "Make in Vietnam" trong khuôn khổ cuộc Cách mạng Công nghiệp lần thứ tư.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và nó mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc xây dựng thành công cấu trúc điều khiển hợp nhất lực/vị trí/hướng theo nguyên lý xếp chồng $(\tau = \tau_f + \tau_\theta + \tau_x + \tau_y)$ kết hợp mạng RBFNN thích nghi trực tuyến chứng minh theo Lyapunov, mở rộng trực tiếp Lý thuyết ổn định Lyapunov và Định lý bất biến LaSalle cho hệ thống chuỗi động học phi tuyến kín siêu tĩnh mà không cần biết trước mô hình tham số giải tích và ma trận hồi quy.

2. Sự đổi mới về phương pháp luận so với các nghiên cứu trước đây được thể hiện như thế nào?

So với các nghiên cứu thích nghi có cấu trúc kinh điển của Slotine & Li (1987) hay Cheah et al. (2006) – vốn bắt buộc phải phân tách tường minh ma trận hồi quy phi tuyến $Y(q, \dot{q}, \ddot{q})\theta$ rất phức tạp và chỉ xử lý được bất định tham số tuyến tính, phương pháp luận của luận án cho phép xấp xỉ trực tiếp mọi thành phần bất định không cấu trúc (ma sát khớp, nhiễu ngoài, biến dạng cơ khí) thông qua mạng RBFNN đa lớp, đồng thời tích hợp bộ quan sát thích nghi nơ-ron (NAO) để ước lượng đồng thời cả vận tốc lẫn lực tiếp xúc mà không cần bất kỳ cảm biến lực vật lý nào.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và bằng chứng dữ liệu hỗ trợ?

Phát hiện bất ngờ nhất là thuật toán điều khiển tựa mô hình cải tiến kết hợp bộ quan sát nơ-ron vẫn giữ được sai số lực kẹp cực nhỏ $(|e_f| \le 0.18\text{ N})$ và sai số vị trí $(|e| \le 0.8\text{ mm})$ ngay cả khi khối lượng đối tượng thao tác đột ngột tăng $50%$ ($M$ từ $0.8\text{ kg}$ lên $1.2\text{ kg}$) trong điều kiện hoàn toàn không có cảm biến lực tại đầu gắp, chứng minh khả năng tự thích ứng động lực học vượt trội so với các bộ điều khiển PID truyền thống.

4. Luận án có cung cấp đầy đủ giao thức để tái lặp nghiên cứu (Replication Protocol) không?

Có. Luận án công bố tường minh toàn bộ các ma trận phần tử động học Euler-Lagrange (ma trận quán tính $H_i$, Coriolis $C_i$, trọng trường $g_i$, Jacobian $J_{oi}$), cấu trúc hàm kích hoạt RBFNN, luật thích nghi trọng số $\dot{\hat{W}}$, các thông số bộ điều khiển $(K_v, \alpha, \beta, \eta_x, \eta_y)$, cùng sơ đồ cấu hình kết nối phần cứng chi tiết trên nền tảng DSP dSPACE DS1103, phần mềm ControlDesk và hệ cơ khí thực nghiệm 3-DOF, cho phép các phòng thí nghiệm độc lập tái lập hoàn toàn kết quả mô phỏng và thực nghiệm.

5. Chương trình nghiên cứu 10 năm (10-Year Research Agenda) mở rộng từ luận án được định hình ra sao?

Chương trình 10 năm gồm 3 giai đoạn: (1) 2022–2024: Mở rộng thuật toán cho hệ thống tay máy đôi 6-DOF/7-DOF không gian 3D thao tác vật thể mềm đàn hồi; (2) 2025–2028: Tích hợp hệ thống tay máy đôi lên khung gầm robot di động (Omnidirectional Mobile Platform) ứng dụng điều khiển phối hợp toàn thân kháng nhiễu động mặt sàn; (3) 2029–2032: Phát triển hệ điều hành robot thông minh tích hợp AI thị giác - xúc giác (Vision-Tactile Multimodal AI) cho phép hệ thống tự học tác vụ phức tác thông qua quan sát con người (Learning from Demonstration).

Kết luận

Luận án tiến sĩ của NCS. Lưu Thị Huế là một công trình khoa học hoàn chỉnh, mẫu mực và có tính tiên phong cao trong lĩnh vực Kỹ thuật điều khiển và tự động hóa tại Việt Nam.

Năm đóng góp cụ thể, nổi bật của luận án bao gồm:

  1. Thiết lập hoàn chỉnh mô hình giải tích động lực học: Xây dựng hệ phương trình vi phân mô tả chuyển động kín phi tuyến cho hệ thống hai tay máy 3-DOF phẳng thao tác vật rắn dựa trên phương pháp Lagrange dạng nhân tử, phân tách rõ ràng động lực học khâu công tác và vật thể.
  2. Đề xuất thuật toán điều khiển tựa mô hình xếp chồng: Thiết kế thành công cấu trúc điều khiển phân tách kênh độc lập cho lực kẹp ổn định, định hướng góc xoay và dẫn hướng vị trí, được chứng minh ổn định tiệm cận toàn cục theo tiêu chuẩn Lyapunov và định lý LaSalle.
  3. Phát triển thuật toán thích nghi thông minh RBFNN: Ứng dụng mạng nơ-ron xuyên tâm tự cập nhật trọng số trực tuyến để bù triệt để các thành phần bất định phi tuyến không cấu trúc mà không cần tính toán ma trận hồi quy.
  4. Chế tạo bộ quan sát thích nghi nơ-ron (NAO) và GPI: Đột phá trong việc tái tạo đầy đủ vector vận tốc đối tượng và lực tiếp xúc khâu tác động cuối, loại bỏ sự phụ thuộc vào cảm biến lực đắt tiền.
  5. Kiểm chứng thực nghiệm thời gian thực đồng bộ: Hiện thực hóa toàn bộ thuật toán trên nền tảng dSPACE DS1103 kết hợp phần mềm ControlDesk, minh chứng tính khả thi công nghiệp và độ bền vững cơ học của hệ thống.

Công trình tạo tiền đề vững chắc mở ra các nhánh nghiên cứu chuyên sâu về robot cộng tác, định hình bước tiến mới trong việc làm chủ công nghệ điều khiển robot thông minh phục vụ đắc lực cho sự nghiệp công nghiệp hóa, hiện đại hóa và y tế công nghệ cao.