Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.

Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.Nghiên cứu điều khiển thích nghi cho robot lặn tự hành.

BỘ GIAO THÔNG VẬN TẢI BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH PHẠM VIỆT ANH NGHIÊN CỨU ĐIỀU KHIỂN THÍCH NGHI CHO ROBOT LẶN TỰ HÀNH LUẬN ÁN TIẾN SĨ TP HỒ CHÍ MINH – 2022 BỘ GIAO THƠNG VẬN TẢI BỘ GIÁO DỤC ĐÀO TẠO TRƯỜNG ĐẠI HỌC GIAO THƠNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH PHẠM VIỆT ANH NGHIÊN CỨU ĐIỀU KHIỂN THÍCH NGHI CHO ROBOT LẶN TỰ HÀNH LUẬN ÁN TIẾN SĨ NGÀNH: KHOA HỌC HÀNG HẢI MÃ SỐ: 9840106 Người hướng dẫn khoa học: PGS TS Nguyễn Phùng Hưng TS Lê Văn Ty TP HỒ CHÍ MINH – 2022 MỤC LỤC LỜI CAM ĐOAN vi LỜI CẢM ƠN vii TÓM TẮT viii DANH MỤC CÁC CHỮ VIẾT TẮT VÀ KÝ HIỆU x DANH MỤC HÌNH VẼ VÀ ĐỒ THỊ xiii DANH MỤC CÁC BẢNG xvii MỞ ĐẦU 1 Tính cấp thiết đề tài 2 Mục đích nghiên cứu đề tài 3 Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Ý nghĩa khoa học thực tiễn Những điểm đóng góp luận án Kết cấu luận án CHƯƠNG TỔNG QUAN VỀ ĐIỀU KHIỂN ROBOT LẶN TỰ HÀNH (AUTONOMOUS UNDERWATER VEHICLE) 1.1 Tổng quan robot lặn tự hành AUV (Autonomous Underwater Vehicle) 1.1.1Các ứng dụng AUV giới 1.1.2Các ứng dụng AUV Việt Nam 1.1.3Mơ hình tốn học phương trình động học tổng quát AUV 11 1.2 Tổng quan điều khiển AUV 18 1.2.1Các nghiên cứu điều khiển AUV giới 18 1.2.2Các nghiên cứu điều khiển AUV Việt Nam 25 1.3 Kết luận chương 26 CHƯƠNG 27 CƠ SỞ LÝ THUYẾT ĐIỀU KHIỂN NƠ-RON THÍCH NGHI THIẾT BỊ LẶN TỰ HÀNH 27 2.1 Mạng nơ-ron nhân tạo 27 2.1.1 Tổng quan mạng nơ-ron nhân tạo điều khiển 27 2.1.1.1 Cấu trúc mạng nơ-ron 27 2.1.1.2 Các hình trạng mạng 31 2.1.1.3 Các luật học mạng nơ-ron nhân tạo 32 2.1.2 Điều khiển tự động dùng mạng nơ-ron nhân tạo 33 2.2 Ứng dụng mạng nơ-ron nhân tạo điều khiển AUV 34 2.3 Kết luận chương 38 CHƯƠNG 39 THIẾT KẾ HỆ THỐNG ĐIỀU KHIỂN NƠ-RON THÍCH NGHI CHO ROBOT LẶN TỰ HÀNH 39 3.1 Mơ hình tốn học AUV sử dụng nghiên cứu 39 3.1.1Cấu tạo mơ hình NPS AUV II 39 3.1.2Mơ hình tốn học AUV 40 3.2 Mạng nơ-ron thích nghi điều khiển 47 3.2.1Bộ điều khiển nơ-ron thích nghi tương tác 47 3.2.2Mô hình tổng quát điều khiển NNC huấn luyện trực tuyến 48 3.3 Thiết kế hệ thống điều khiển nơ-ron cho AUV 50 3.3.1Điều khiển riêng biệt chuyển động AUV 50 3.3.2Thiết kế điều khiển nơ-ron cho hệ thống 51 3.3.3Điều khiển tổng hợp chuyển động AUV phương pháp tách rời (decoupled control) 54 3.4 Hệ thống điều khiển dẫn đường AUV thực nhiệm vụ nước 55 3.4.1Điều khiển AUV theo quỹ đạo đặt trước 55 3.4.2Điều khiển AUV bám theo địa hình đáy 58 3.5 Các phương án thích nghi cho hệ thống điều khiển AUV 58 3.5.1Mơ hình dịng chảy tác động lên AUV 58 3.5.2Thích nghi với tác động dịng chảy 59 3.6 Kết luận chương 61 CHƯƠNG 62 MÔ PHỎNG ĐIỀU KHIỂN AUV BẰNG BỘ ĐIỀU KHIỂN NƠ-RON THÍCH NGHI 62 4.1 Giới thiệu phương pháp điều kiện mô 62 4.1.1Phương pháp mô 62 4.1.2Điều kiện mô 62 4.2 Mô điều khiển chuyển động AUV 63 4.2.1 Điều khiển hướng 64 4.2.2 Điều khiển hướng, độ sâu góc chúi 65 4.2.3 Điều khiển hướng đi, độ sâu tốc độ 69 4.2.4 Điều khiển tổng hợp chuyển động có dịng chảy 71 4.3 Mô điều khiển dẫn đường AUV thực nhiệm vụ nước 75 4.3.1 Điều khiển AUV theo quỹ đạo đặt trước 76 4.3.2 Điều khiển AUV bám theo địa hình đáy 93 4.4 Mơ điều khiển AUV thích nghi với ngoại cảnh 95 4.4.1 Điều khiển AUV tác động dòng chảy 95 4.4.2 Điều khiển AUV thích nghi với tác động dòng chảy 98 4.5 Kết luận chương 103 4.5.1 KẾT LUẬN 104 Các kết đạt đề tài 104 Những ưu điểm hạn chế đề tài 104 Hướng phát triển lĩnh vực nghiên cứu 105 4.5.2 ÁN DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC LIÊN QUAN ĐẾN LUẬN 4.5.3 TIẾN SỸ 106 4.5.4 TÀI LIỆU THAM KHẢO 107 4.5.5 PHỤ LỤC 121 4.5.6 CÁC FILE MATLAB ĐỂ THỰC HIỆN MÔ PHỎNG ĐIỀU KHIỂN AUV .121 4.5.7 PL1 File mô điều khiển hướng độ sâu AUV 121 4.5.8 PL2 File mô điều khiển hướng, độ sâu tốc độ AUV 125 4.5.9 PL3 File mô điều khiển dẫn đường AUV theo quỹ đạo 129 4.5.10 .PL4 File LOSguide.m 134 4.5.11 .PL5 File CurrGen.m 136 4.5.12 .PL6 File mạng nơ-ron nhiều lớp truyền thẳng 137 4.5.13 .PL7 File huấn luyện mạng nơ-ron thích nghi 138 4.5.14 LỜI CAM ĐOAN 4.5.15 4.5.16 Tên Phạm Việt Anh - Nghiên cứu sinh ngành Khoa học hàng hải tác giả luận án tiến sĩ: “Nghiên cứu điều khiển thích nghi cho robot lặn tự hành”, hướng dẫn PGS TS Nguyễn Phùng Hưng, TS Lê Văn Ty thực Trường Đại học Giao thông Vận tải Thành Phố Hồ Chí Minh 4.5.17 Bằng danh dự thân, nghiên cứu sinh cam đoan rằng: - Luận án cơng trình nghiên cứu riêng nghiên cứu sinh, khơng có phần nội dung chép cách bất hợp pháp, từ công trình nghiên cứu tác giả hay nhóm tác giả khác; - Các số liệu, kết nghiên cứu nêu luận án, chưa công bố cơng trình nghiên cứu khác trước đó; - Các thơng tin, số liệu trích dẫn, tài liệu tham khảo luận án rõ xuất xứ, nguồn gốc đảm bảo tính trung thực./ 4.5.18 Tp.HCM, ngày 27 tháng 03 năm 2022 4.5.19 Nghiên cứu sinh 4.5.24 Phạm Việt Anh 4.5.20 4.5.21 4.5.22 4.5.23 4.5.25 LỜI CẢM ƠN 4.5.26 4.5.27 Tôi xin chân thành cảm ơn Trường Đại học Giao thông Vận tải Thành Phố Hồ Chí Minh, Viện Đào tạo Sau Đại học - Trường Đại học Giao thông Vận tải Thành Phố Hồ Chí Minh cho phép tạo điều kiện cho thực luận án 4.5.28 Tôi xin chân thành cảm ơn PGS.TS Nguyễn Phùng Hưng, TS Lê Văn Ty tận tình, tâm huyết hướng dẫn, định hướng nghiên cứu giúp tơi hồn thành luận án 4.5.29 Tôi xin chân thành cám ơn Viện Hàng Hải, Bộ môn Điều Khiển Tàu Biển Trường Đại học Giao thơng Vận tải Thành Phố Hồ Chí Minh ln giúp đỡ động viên tơi suốt q trình học tập nghiên cứu 4.5.30 Tôi xin chân thành cảm ơn Thầy giáo, nhà khoa học góp ý, phản biện đánh giá giúp bước hồn thiện luận án Cuối cùng, tơi xin bày tỏ lịng biết ơn sâu sắc tới gia đình bạn bè ln động viên, khuyến khích, tạo điều kiện cho suốt thời gian nghiên cứu hồn thành cơng trình này! 4.5.31 4.5.32 Tp.HCM, ngày 27 tháng 03 năm 2022 4.5.33 Tác giả 4.5.34 4.5.35 4.5.36 4.5.37 4.5.38 Phạm Việt Anh 4.5.39 4.5.40 4.5.41 4.5.42 TÓM TẮT Hiện nay, mạng nơ-ron nhân tạo (Artificial Neural Network) ứng dụng rộng rãi nhiều lĩnh vực, có lĩnh vực điều khiển tự động, mạng nơ-ron giải vấn đề điều khiển phức tạp, với đối tượng điều khiển có tính phi tuyến cao, có mơi trường bên ngồi tác động khơng dự đốn được, làm cho tính đối tượng trở nên khó điều khiển Hơn nữa, khả tính tốn nhanh mạng nơ-ron làm cho chúng trở nên khả thi với ứng dụng điều khiển theo thời gian thực 4.5.43 Tại Việt Nam, việc nghiên cứu hệ thống điều khiển tiên tiến cho AUV non trẻ chưa ứng dụng rộng rãi 4.5.44 Mặc dù nhu cầu ứng dụng AUV cho khảo sát biển, cơng trình ngầm nước, thăm dị bảo trì đường ống hay cáp ngầm, tìm kiếm cứu nạn biển Việt Nam ngày tăng cao Chúng ta chủ yếu thuê mua AUV nước ngồi cho cơng tác Những nghiên cứu nhằm nâng cao chất lượng hệ thống điều khiển AUV, bước tự chủ công nghệ chế tạo, vận hành AUV Việt Nam cần thiết cho ngành khai thác, thăm dò, quản lý biển phục vụ an ninh quốc phòng, bảo vệ biển đảo chủ quyền quốc gia biển 4.5.45 Trên sở nghiên cứu phương pháp điều khiển AUV thông thường đại, nghiên cứu thuật toán điều khiển với mạng nơ-ron nhân tạo Luận án phát triển ứng dụng điều khiển nơ-ron thích nghi cho hệ thống điều khiển hướng độ sâu AUV, qua cải tiến nâng cao chất lượng điều khiển cho loại phương tiện này, nhằm đưa điều khiển có tính ứng dụng thực tiễn 4.5.46 Các kết lý thuyết mơ thành cơng cho thấy tính khả thi thuật toán NCS đề xuất 4.5.47 4.5.48 4.5.49 4.5.50 4.5.51 4.5.52 ABSTRACT Nowadays artificial neural network has been widely applied in many fields including automatic control as its ability to solve many complicated control problems, even for high nonlinear objects in unpredictable external environment that makes the objects hard to control Furthermore, fast processing ability of neural networks make them feasible for real time control applications 4.5.53 The research in advanced control systems for AUV has still been young and not enough widely applied in Vietnam 4.5.54 However the demand for application of AUV for sea exploring, underwater construction, surveying and maintaining submerged cables and tubes, under sea search and rescue has been increasing in Vietnam The AUV have been bought or hired from oversea countries for those works Studies to improve AUV control systems, and step to step master manufacturing technology, operation of AUV is very necessary for exploring, surveying, managing sea for the sake of national security, defense, protecting sea and national sovereignty at sea 4.5.55 Based on studying conventional and modern control methods of AUV, researching neural network control algorithm, this dissertation developed an application of adaptive neural network controller for AUV The author upgrades and improve the controller quality applying for this kind of vehicle to introduce a new controller with applicable functions 4.5.56 Theoretical and simulation results proved the feasibility of the control algorithms proposed by the author [557] [558] [559] err = psi - psi_d(i); % Do lech huong di so voi huong dat % Xu ly chuyen quadrant goc va 360 if abs(err) > pi % Khi psi va psi_d nam o goc phan tu I va IV err = 2*pi - sign(err)*err; [560] end [561] net_in(1) = err; [562] % err_s = zd(i) - Z_ref(i); [563] net_in_s(1) = err_s; [564] % err_n = -u + ud(i); [565] net_in_n(1) = err_n; [566] [567] [568] [569] [570] [571] [572] % ii=round(i/10); if round(i/10)==0,ii=2,end % store data for presentation xout(i,:) = [time,x',U,delta,delta_s,n]; e_out(ii,:) = [err; err_s;err_n]; [573] [574] [575] % % Dau cua BDK duoc tinh toan giay lan (theo bien "ii") if ii>3 [576] [577] [578] [579] [583] [584] % Calculate rudder command: % delta = 1.25*err-0.015*x(6); % Kp=1, Kd=0.01 % PID controller [580] delta = mlnnc(1,6,4,net_in,W21,W32); delta_s = mlnnc(1,6,4,net_in_s,W21_s,W32_s); [581] n = mlnnc(1,6,4,net_in_n,W21_n,W32_n)*1500; [582] if abs(delta)>max_delta,delta=sign(delta)*max_delta;end if abs(delta_s)>max_delta_s,delta_s=sign(delta_s)*max_del ta_s;end if abs(n)>max_n,n=sign(n)*max_n;end [585] ui = [delta [586] d elta_s delta delta_s delta_s [587] n ]; [588] [589] [590] [591] [xdot,U] = npsauv(x,ui); % numerical integration x = euler2(xdot,x,h); % Euler integration z = z + h*err; [592] z_s = z_s + h*err_s; z_n = z_n + h*err_n; [593] [594] [595] % Now update the weights of NN using adaptive interaction algorithm % (intensive training): [596] [597] [599] [600] [W21,W32] = annaiTrainIte(h,0.5,50,1,6,4,net_in, err,delta,r,z,rho,lambda,sigma1,sigma2); % Add integration action [598] [W21_s,W32_s] = annaiTrainIte(h,0.5,50,1,6,4,net_in_s, ,delta_s,w,theta,rho_s,lambda_s,sigma1_s,sigma2_s); integration action [601] err_s % Add [W21_n,W32_n] = annaiTrainIte(h,0.5,50,1,6,4,net_in_n, [602] [603] err_n,n/1500,udot,z_n,rho_n,lambda_n,sigma1_n,sigma2_ n);% Add integration action [604] [605] net_in(2) = e_out(ii-1,1); net_in(3) = e_out(ii-2,1); net_in(4) = e_out(ii-3,1); [606] [607] net_in_s(2) = e_out(ii-1,2); net_in_s(3) = e_out(ii-2,2); net_in_s(4) = e_out(ii-3,2); [608] [609] net_in_n(2) = e_out(ii-1,3); net_in_n(3) = e_out(ii-2,3); net_in_n(4) = e_out(ii-3,3); [610] [611] [612] end % end of "if ii>3" % [613] end [614] [615] % time-series [616] t = xout(:,1); [617] u = xout(:,2); [618] v = xout(:,3); [619] w = xout(:,4); [620] p = xout(:,5); [621] q = xout(:,6); [622] r = xout(:,7)*180/pi; [623] X = xout(:,8); X(1) = xd(1); [624] Y = xout(:,9); Y(1) = yd(1); [625] Z = xout(:,10);Z(1) = zd(1); [626] phi = xout(:,11); [627] theta = xout(:,12)*180/pi; [628] psi = xout(:,13)*180/pi; psi1*180/pi; U = xout(:,14); psi(1) = [629] delta = -xout(:,15)*180/pi; delta_s = xout(:,16)*180/pi; n = xout(:,17); [630] psi_ref = psi_d*180/pi; [631] [632] for i=1:NN [633] if psi_ref(i)>>>>>>>>>>END>>>>>>END>ENDEND