Điều khiển tối ưu hệ robot cân bằng một bánh xe dùng qui hoạch động thích nghi

BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH LÂM GIA ĐỨC ĐIỀU KHIỂN TỐI ƯU HỆ ROBOT CÂN BẰNG MỘT BÁNH XE DÙNG QUI HOẠCH ĐỘNG THÍCH NGHI Ngành: KỸ THUẬT ĐIỆN TỬ Mã ngành: 8520203 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, NĂM 2022 Cơng trình hồn thành Trường Đại học Cơng nghiệp TP Hồ Chí Minh Người hướng dẫn khoa học: PGS.TS Nguyễn Tấn Lũy Luận văn thạc sĩ bảo vệ Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại học Công nghiệp thành phố Hồ Chí Minh ngày 15 tháng 05 năm 2022 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: GS.TS Hồ Phạm Huy Ánh - Chủ tịch Hội đồng TS Trần Hữu Toàn - Phản biện PGS.TS Lê Mỹ Hà - Phản biện TS Nguyễn Ngọc Sơn - Ủy viên TS Ong Mậu Dũng - Thư ký (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CÔNG NGHỆ ĐIỆN TỬ BỘ CƠNG THƯƠNG CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Lâm Gia Đức MSHV: 19630431 Ngày, tháng, năm sinh: 18/09/1996 Nơi sinh: Tỉnh Bạc Liêu Ngành: Kỹ thuật Điện Tử Mã ngành: 8520203 I TÊN ĐỀ TÀI: Điều Khiển Tối Ưu Hệ Robot Cân Bằng Một Bánh Xe Dùng Qui Hoạch Đợng Thích Nghi NHIỆM VỤ VÀ NỘI DUNG: Xây dựng mơ hình robot, thiết kế thuật tốn điều khiển tối ưu dùng qui hoạch đợng thích nghi Mô thực nghiệm tiến hành lấy số liệu so sánh II NGÀY GIAO NHIỆM VỤ: 25/03/2021 III NGÀY HOÀN THÀNH NHIỆM VỤ: 20/01/2022 IV NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Nguyễn Tấn Lũy Tp Hồ Chí Minh, ngày … tháng … năm 20 … NGƯỜI HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên chữ ký) (Họ tên chữ ký) TRƯỞNG KHOA CÔNG NGHỆ ĐIỆN TỬ (Họ tên chữ ký) LỜI CẢM ƠN Để hồn thành luận văn khơng thể thiếu quan tâm giúp đỡ hỗ trợ tận tình tạo điều kiện tối đa PGS.TS Nguyễn Tấn Lũy dành cho em Em xin trân trọng bày tỏ lòng biết ơn chân thành đến Thầy Nguyễn Tấn Lũy người truyền dạy em nhiều thứ lĩnh vực điều khiển tự đợng hóa, giúp em có nguồn cảm hứng lĩnh vực học củng cố Nếu khơng có lời hướng dẫn, dạy bảo thầy luận văn em khó để hoàn thiện Trong suốt thời gian học tập rèn luyện Trường Đại học Công nghiệp Thành phố Hồ Chí Minh đến nay, em chân thành cảm ơn quan tâm, giúp đỡ quý Thầy Cô bạn Với lòng biết ơn sâu sắc nhất, em xin gửi đến quý Thầy Cô Đại học Cơng Nghiệp Thành phố Hồ Chí Minh nói chung Khoa Cơng Nghệ Điện Tử nói riêng, với tri thức tâm huyết để truyền đạt vốn kiến thức quý báu cho chúng em suốt thời gian học tập trường Con xin bày tỏ lịng biết ơn sâu sắc đến Ba, Mẹ ln động viên bên cạnh lúc bế tắc Gia đình đợng lực để nỗ lực cố gắng hoàn thành thật tốt luận văn Kết luận văn thành nỗ lực, tìm tịi, học hỏi suốt thời gian qua em Mặc dù cố gắng hết sức, song chắn khơng tránh khỏi thiếu sót Em mong nhận thông cảm bảo tận tình q Thầy Cơ i TĨM TẮT LUẬN VĂN THẠC SĨ Trong điều khiển học, mơ lắc ngược mơ hình robot thăng hai bánh xe coi kinh điển thí nghiệm thuật tốn điều khiển Tuy nhiên, đợ khó nên robot cân mợt bánh xe có bợ phận gồm đợng có bánh xe chân robot để cân góc nghiêng, đợng có bánh đà đầu robot để cân góc quay, thu hút ý cộng đồng điều khiển năm gần Thiết kế luật điều khiển ổn định, đặc biệt tính tối ưu, cho robot một vấn đề đầy thách thức Luận văn trình bày mợt thuật tốn điều khiển tách rời tối ưu sử dụng quy hoạch đợng thích nghi (Adaptive Dynamic Programming - ADP) để cân hệ thống robot mợt bánh Dựa mơ hình đợng lực học robot thơng qua phương trình Euler Lagrange ta tính tốn mơ hình tốn học robot phù hợp với mục đích điều khiển Sau bợ điều khiển chuyển tiếp đề xuất tách mơ hình động học robot thành hai phần riêng biệt, động lực học phương tiến lùi động lực học phương ngang Bộ điều khiển ADP thiết kế để điều khiển robot bám theo quỹ đạo thẳng cho trước, góc nghiêng vị trí cân khác điều khiển góc quay vị trí cân bằng, tham số không chắn Mô so sánh thực thấy thuật toán đề xuất hiệu ii ABSTRACT This thesis investigates a novel optimal decoupled control scheme for single-wheel (unicycle) robots with unknown physical coupling effects First, the dynamics of the roll and pitch axes are presented by a strict-feedback nonlinear system, then the feedforward control is proposed to decouple the centralized dynamics to the separate dynamics, where the interaction between them are handed as general disturbance Second, from the adaptive dynamic programming (ADP) principle, consensus value functions are defined and the Hamilton-Jacobi-Bellman (HIB) equations are derived, to which the solutions are estimated by an online function approximation method From the estimated HJB solutions and the Lyapunov theory, the optimal control laws and provento be ultimately uniformly bounded stable Finally, the effectiveness of the proposed control scheme is validated through simulation and experiment results iii LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu thân tơi Các kết nghiên cứu kết luận luận án trung thực, không chép từ một nguồn hình thức Việc tham khảo nguồn tài liệu thực trích dẫn ghi nguồn tài liệu tham khảo quy định Học viên (Chữ ký) Lâm Gia Đức iv MỤC LỤC LỜI CẢM ƠN i TÓM TẮT LUẬN VĂN THẠC SĨ ii ABSTRACT iii LỜI CAM ĐOAN iv MỤC LỤC v DANH MỤC HÌNH ẢNH vii DANH MỤC BẢNG .ix DANH MỤC CÁC TỪ VIẾT TẮT x MỞ ĐẦU 1 Đặt vấn đề Mục tiêu nghiên cứu Mục tiêu chung Mục tiêu cụ thể Đối tượng, phạm vi phương pháp nghiên cứu Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Ý nghĩa đề tài Ý nghĩa mặt lý thuyết Ý nghĩa mặt thực tiễn TỔNG QUAN LĨNH VỰC NGHIÊN CỨU Tổng quan Các nghiên cứu nước Các nghiên cứu nước CƠ SỞ LÝ THUYẾT Cơ sở lý thuyết hệ robot cân một bánh xe 2.1.1 2.1.2 2.1.3 Phương trình đợng học phương tiến – lùi (Pitch) Phương trình đợng học phương trái – phải (Roll) 10 Hệ robot cân một bánh xe 11 v Cơ sở lý thuyết qui hoạch đợng thích nghi (ADP) 13 THIẾT KẾ HỆ THỐNG 14 Thiết kế phần cứng 14 3.1.1 3.1.2 3.1.3 Sơ đồ khối phần cứng 14 Sơ đồ mạch điện hệ thống 15 Thiết kế khí 17 Thiết kế bộ điều khiển tối ưu 21 3.2.1 3.2.2 3.2.3 Thiết kế động lực học tách rời cho hệ robot 21 Thiết kế bộ điều khiển tối ưu cho hệ tách rời 25 Phân tích ổn định thuật toán OADP 31 Thiết kế giải thuật phần mềm 37 3.3.1 3.3.2 3.3.3 3.3.4 Xác định trạng thái tín hiệu 37 Giải thuật phần mềm 37 Chương trình 37 Chương trình ngắt 39 MÔ PHỎNG VÀ THỰC NGHIỆM 40 Mô giải thuật điều khiển OADP 40 4.1.1 4.1.2 4.1.3 4.1.4 4.1.5 Mô hình mơ robot 40 Mô robot với bộ điều khiển 40 Xây dựng quỹ đạo bám theo phương thẳng cho robot 41 Thiết lập thông số 41 Kết mô so sánh 42 Thực nghiệm 47 4.2.1 Kết thực nghiệm so sánh 47 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 54 TÀI LIỆU THAM KHẢO 55 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN 59 vi DANH MỤC HÌNH ẢNH Hình 1.1 Mơ hình bợ điều khiển trượt kết hợp LQR Hình 1.2 Mơ hình bợ điều khiển FSMC kết hợp LQR Hình 2.1 Mơ hình thực tế robot một bánh xe Hình 2.2 Mơ hình tốn học trục pitch Hình 2.3 Mơ hình tốn học trục roll 10 Hình 3.1 Sơ đồ khối hệ thống 14 Hình 3.2 Mạch điều khiển trung tâm 16 Hình 3.3 Mạch driver cơng suất cảm biến 17 Hình 3.4 Phần chân robot 17 Hình 3.5 Phần thân robot 18 Hình 3.6 Phần mặt đế robot 18 Hình 3.7 Bánh xe robot 19 Hình 3.8 Bánh đà robot 19 Hình 3.9 Cấu trúc điều khiển giải thuật OADP 31 Hình 3.10 Lưu đồ giải thuật chương trình 38 Hình 3.11 Lưu đồ giải thuật ngắt 39 Hình 4.1 Mơ hình phi tuyến hệ thống Matlab 40 Hình 4.2 Quỹ đạo tham chiếu cho robot 41 Hình 4.3 Q trình học hợi tụ trọng số mạng NN OADP trục pitch 43 vii Hình 4.8 Sai số vận tốc mơ Hình 4.9: Đáp ứng góc roll robot 46 Cuối đáp ứng góc pitch hai bợ điều khiển trình bày Hình 4.10 Đối với bợ điều khiển tối ưu, ban đầu chất lượng điều khiển góc pitch trọng số NN chưa hội tụ Sau đó, q trình học, chất lượng điều khiển góc pitch dần cải thiện 17 giây góc pitch tiến xác lập Khi thay đổi vận tốc, góc pitch có xuất dao đợng thay đổi khơng đáng kể Trong đó, bợ LQR ban đầu cho kết tốt, vận tốc thay đổi, bộ điều khiển LQR dần ổn định xuất dao đợng Hình 4.10 Đáp ứng góc pitch robot Thực nghiệm 4.2.1 Kết thực nghiệm so sánh Sau tiến hành mô ta có bợ trọng số NN xấp xỉ bộ điều khiển OADP trục pitch OADP trục roll Do thiết lập thông số mô thơng số mơ hình thực nhau, nên bợ trọng số NN xấp xỉ mô sử dụng để khởi tạo cho bộ trọng số NN xấp xỉ mơ hình thực 47 Q trình học dẫn đến hội tụ robot thực nghiệm sử dụng bộ điều khiển tối ưu robot thực nghiệm sử dụng bộ điều khiển LQR so sánh với quỹ đạo robot tham chiếu trình bày Hình 4.11,Hình 4.12 Trên hình vẽ, ta thấy bợ điều khiển tối ưu cho chất lượng bám tốt hẳn bộ điều khiển LQR Khi hoạt động thay đổi tham số phần cứng nhiễu loạn, luật điều khiển OADP ổn định với độ vọt lố nhỏ, chất lượng bám tốt cải thiện theo thời gian Bộ điều khiển LQR cho chất lượng điều khiển chưa tốt, hệ thống ổn định thay đổi tham số phần cứng nhiễu loạn robot hoạt đợng có đợ vọt lố lớn, chất lượng bám đợ trễ cao Hình 4.11 Quỹ đạo bám robot thực nghiệm Vận tốc robot thực nghiệm sử dụng bộ điều khiển tối ưu bộ điều khiển LQR so sánh với vận tốc robot tham chiếu trình bày Hình 4.13 Trong trình bám theo quỹ đạo thẳng cho trước, vận tốc robot liên tục thay đổi ta nhận thấy bộ điều khiển tối ưu cho chất lượng bám tốt cải thiện dần theo thời gian, với bợ điều khiển LQR chất lượng bám hơn, đợ vọt lố cao cịn dao đợng nhiều 48 Hình 4.12 Sai số quỷ đạo bám thực nghiệm Đáp ứng góc roll robot thực nghiệm trình bày Hình 4.14 Dưới tác đợng nhiễu thay đổi tham số phần cứng, bợ điều khiển tối ưu cho đáp ứng góc roll tốt, giá trị góc roll thay đổi khoảng từ −1𝑜 đến 1𝑜 Trong đó, bợ điều khiển SMC cho đáp ứng góc roll hơn, giá trị góc roll thay đổi khoảng từ ±2𝑜 Hình 4.13 Vận tốc robot thực nghiệm 49 Đáp ứng góc pitch robot thực nghiệm trình bày Hình 4.15 Trong trình robot bám theo quỹ đạo tham chiếu, vận tốc robot thay đổi bộ điều khiển tối ưu hoạt động tốt với giá trị dao đợng góc pitch từ −2𝑜 đến 2𝑜 Điều đặc biệt nhận thấy dao động góc pitch tồn bợ q trình gần không bị ảnh hưởng thay đổi vận tốc robot Ngược lại, với bộ điều khiển LQG dễ dàng nhận thấy thay đổi vận tốc robot ảnh hưởng trực tiếp đến ổn định góc pitch Tại thời điểm vận tốc thay đổi giá trị góc pitch xuất dao đợng lớn, biên đợ dao đợng góc pitch có giá trị từ −4𝑜 đến 4𝑜 Tiếp theo mợt thực nghiệm để đánh giá thích nghi bợ điều khiển tối ưu tham số mơ hình có thay đổi Thực nghiệm tiến hành dựa thay đổi khối lượng mơ hình, mợt vật có trọng lượng 0.15 kg đặt lên robot giây thứ 20 lấy giây thứ 90 Kết thực nghiệm so sánh với phương pháp LQR SMC [6] Hình 4.14 Đáp ứng góc roll robot thực nghiệm 50 Hình 4.15 Đáp ứng góc pitch robot thực nghiệm Hình 4.16 biểu diễn đáp ứng góc roll robot thực nghiệm, với bộ điều khiển tối ưu nhờ sử dụng thuật tốn xấp xỉ OADP q trình học cập nhật trọng số liên tục diễn giúp robot ổn định kể có thay đổi lớn khối lượng mơ hình Góc roll dao động khoảng từ −1𝑜 đến 1𝑜 cho ta thấy, có thay đổi khối lượng mơ hình bợ điều khiển tối ưu đáp ứng cho chất lượng điều khiển tốt Ở bợ điều khiển SMC, giá trị ban đầu tham số phần cứng có thay đổi lớn, bộ điều khiển SMC không đáp ứng thay đổi dẫn đến ổn định robot phải nhận thêm tải 0.15 (kg) 51 Hình 4.16 Đáp ứng góc roll robot thực nghiệm – tải 0.15 (kg) Đáp ứng góc pitch robot thực nghiệm trình bày Hình 4.17 cho ta thấy, bộ điều khiển tối ưu giây thứ 20 tải 0.15 (kg) đặt lên robot sau 20 giây xuất dao đợng góc pitch, dễ nhận thấy dao đợng xuất trình học cập nhật trọng số thuật toán OADP, giây thứ 40 trở cho đến tải lấy khỏi robot, chất lượng góc pitch cải thiện xuyên suốt q trình học OADP Biên đợ dao đợng nằm khoảng từ −2𝑜 đến 2𝑜 cho thấy chất lượng bộ điều khiển tối ưu hoạt động tốt Về bộ điều khiển LQR, bợ điều khiển LQR xây dựng dựa mơ hình tuyến tính hóa hệ thống Nên mơ hình hệ thống có thay đổi, bộ điều khiển LQR không đáp ứng chất lượng điều khiển dẫn đến robot ổn định đặt thêm tải 0.15 (kg) 52 Hình 4.17 Đáp ứng góc pitch robot thực nghiệm – tải 0.15 (kg) 53 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận Trong luận án này, lần bộ điều khiển tối ưu tách rời xây dựng, phát triển áp dụng thành cơng mơ hình robot thăng mợt bánh xe với đợng học nợi khơng biết Đóng góp luận án tóm tắt hai điểm chính: - Thứ nhất: Phân tách mơ hình động học robot thành hai phần riêng biệt, động học trục pitch động học trục roll - Thứ hai: Tìm nghiệm phương trình Hamilton-Jacobi-Bellman (HJB) thơng qua việc sử dụng thuật toán xấp xỉ hàm trực tuyến đơn giản Sai số bộ điều khiển tối ưu sau phân tách hệ thống đảm bảo tồn chặn giới hạn tối thiểu (Unifrom Ultimate Bounded-UUB) Hướng phát triển Giải thuật học củng cố điều khiển tối ưu luận án giúp có nhìn lĩnh vực học máy điều khiển Nhưng so sánh với hệ thống điều khiển thơng minh ngày kết luận án khiêm tốn cần phát triển nhiều hơn, là: - Mở rộng giải thuật qui hoạch đợng thích nghi OADP thành giải thuật qui hoạch đợng thích nghi bền vững (ORADP – Online Robust Adaptive Dynamic Programming) cho hệ phi tuyến có nhiễu tác động động học nội trước - Tìm giải thuật học củng cố thích nghi bền vững 𝐻∞ phát triển cho hệ tuyến tính với tồn thơng tin đợng học khơng biết Từ mở rợng giải thuật OADP để thiết kế giải thuật thích nghi bền vững cho hệ phi tuyến thông tin động học - Thực nghiệm giải thuật OADP nhiều đối tượng khác ví dụ như: cánh tay robot bậc tự do, hệ thống cân cho tàu thủy 54 TÀI LIỆU THAM KHẢO [1] P Liu et al “Multiple Mittag–Leffler Stability of Fractional-Order Recurrent Neural Networks,” IEEE Trans Syst Man, Cybern Syst., vol 47, no 8, pp 2279– 2288, 2017 [2] Taan S et al "Discrete systems and digital signal processing with MATLAB" CRC press, 2016 [3] K Sun et al “Fuzzy Adaptive Decentralized Optimal Control for Strict Feedback Nonlinear Large-Scale Systems,” IEEE Trans Cybern., vol 48, no 4, pp 1326– 1339, 2018 [4] S I Han et al, “Balancing and Velocity Control of a Unicycle Robot Based on the Dynamic Model,” IEEE Trans Ind Electron., vol 62, no 1, pp 405–413, 2015 [5] Y Zhu et al “Adaptive Control of a Gyroscopically Stabilized Pendulum and Its Application to a Single-Wheel Pendulum Robot,” IEEE/ASME Trans Mechatronics, vol 20, no 5, pp 2095–2106, 2015 [6] J Lee et al “Decoupled dynamic control for pitch and roll axes of the unicycle robot,” IEEE Trans Ind Electron., vol 60, no 9, pp 3814–3822, 2013 [7] E A Martínez et al “Robust tracking control design for Unicycle Mobile Robots with input saturation,” Control Eng Pract., vol 107, p 104676, 2021 [8] M Thomas et al “Discrete-Time Sliding Mode Control Design for Unicycle Robot With Bounded Inputs,” IEEE Trans Circuits Syst II Express Briefs, vol 68, no 8, pp 2912–2916, 2021 [9] K D Do et al “A global output-feedback controller for simultaneous tracking and stabilization of unicycle-type mobile robots,” IEEE Trans Robot Autom., vol 20, no 3, pp 589–594, 2004 [10] S.-L Dai et al “Fixed-Time Formation Control of Unicycle-Type Mobile Robots With Visibility and Performance Constraints,” IEEE Trans Ind Electron., vol 68, no 12, pp 12615–12625, 2021 [11] Z Sun et al “Tracking of Unicycle Robots Using Event-Based MPC With Adaptive Prediction Horizon,” IEEE/ASME Trans Mechatronics, vol 25, no 2, pp 739–749, 2020 55 [12] B T Công, “Robot một bánh xe tự thăng bằng,”, Vietnam National University, Thesis, 2014 [13] F L Lewis et al, “Reinforcement learning and adaptive dynamic programming for feedback control,” IEEE Circuits Syst Mag., vol 9, no 3, pp 32–50, 2009 [14] C S S Q-learning and N Systems, “UvA-DARE ( Digital Academic Repository ) Continuous State Space Q-Learning for control of Nonlinear Systems,” 2020 [15] H Li et al “Integral Reinforcement Learning for Linear Continuous-Time ZeroSum Games With Completely Unknown Dynamics,” IEEE Trans Autom Sci Eng., vol 11, no 3, pp 706–714, 2014 [16] D Vrabie et al “Adaptive optimal control for continuous-time linear systems based on policy iteration,” Automatica, vol 45, no 2, pp 477–484, 2009 [17] A Al-Tamimi et al., “Discrete-Time Nonlinear HJB Solution Using Approximate Dynamic Programming: Convergence Proof,” IEEE Trans Syst Man, Cybern Part B, vol 38, no 4, pp 943–949, 2008 [18] T Dierks et al, “Optimal control of affine nonlinear continuous-time systems using an online Hamilton-Jacobi-Isaacs formulation,” in 49th IEEE Conference on Decision and Control (CDC), 2010, pp 3048–3053 [19] T Dierks et al, “Neural Network Output Feedback Control of Robot Formations,” IEEE Trans Syst Man, Cybern Part B, vol 40, no 2, pp 383–399, 2010 [20] H Zhang et al “Data-Driven Robust Approximate Optimal Tracking Control for Unknown General Nonlinear Systems Using Adaptive Dynamic Programming Method,” IEEE Trans Neural Networks, vol 22, no 12, pp 2226–2236, 2011 [21] F.-Y Wang et al “Adaptive Dynamic Programming for Finite-Horizon Optimal Control of Discrete-Time Nonlinear Systems With-Error Bound,” IEEE Trans Neural Networks, vol 22, no 1, pp 24–36, 2011 [22] K G Vamvoudakis et al, “Online actor–critic algorithm to solve the continuoustime infinite horizon optimal control problem,” Automatica, vol 46, no 5, pp 878–888, 2010 [23] J Seiffertt et al “Hamilton–Jacobi–Bellman Equations and Approximate Dynamic Programming on Time Scales,” IEEE Trans Syst Man, Cybern Part B, vol 38, no 4, pp 918–923, 2008 56 [24] J J Murray et al “Adaptive dynamic programming,” IEEE Trans Syst Man, Cybern Part C (Applications Rev., vol 32, no 2, pp 140–153, 2002 [25] H Zhang et al “An iterative adaptive dynamic programming method for solving a class of nonlinear zero-sum differential games,” Automatica, vol 47, no 1, pp 207–214, 2011 [26] J Fu et al “Adaptive Learning and Control for MIMO System Based on Adaptive Dynamic Programming,” IEEE Trans Neural Networks, vol 22, no 7, pp 1133– 1148, 2011 [27] T Dierks et al “Neural Network-Based Optimal Control of Mobile Robot Formations With Reduced Information Exchange,” IEEE Trans Control Syst Technol., vol 21, no 4, pp 1407–1415, 2013 [28] Y Jiang and Z.-P Jiang, “Robust Adaptive Dynamic Programming and Feedback Stabilization of Nonlinear Systems,” IEEE Trans Neural Networks Learn Syst., vol 25, no 5, pp 882–893, 2014 [29] L N Tan, “Event-Triggered Distributed H∞ Constrained Control of Physically Interconnected Large-Scale Partially Unknown Strict-Feedback Systems,” IEEE Trans Syst Man, Cybern Syst., vol 51, no 4, pp 2444–2456, 2021 [30] L N Tan, “Omnidirectional-Vision-Based Distributed Optimal Tracking Control for Mobile Multirobot Systems With Kinematic and Dynamic Disturbance Rejection,” IEEE Trans Ind Electron., vol 65, no 7, pp 5693–5703, 2018 [31] L N Tan, “Distributed H∞ Optimal Tracking Control for Strict-Feedback Nonlinear Large-Scale Systems With Disturbances and Saturating Actuators,” IEEE Trans Syst Man, Cybern Syst., vol 50, no 11, pp 4719–4731, 2020 [32] M Krstic et al Nonlinear and Adaptive Control Design, 1st ed USA: John Wiley & Sons, Inc., 1995 [33] F L Lewis, “Neural network control of robot manipulators,” IEEE Expert Syst their Appl., vol 11, no 3, pp 64–75, 1996 [34] M Abu-Khalaf et al, “Nearly optimal control laws for nonlinear systems with saturating actuators using a neural network HJB approach,” Automatica, vol 41, no 5, pp 779–791, 2005 [35] B A Finlayson et al, “The method of weighted residuals and its relation to certain variational principles for the analysis of transport processes,” Chem Eng Sci., vol 57 20, no 5, pp 395–404, 1965 [36] D Wang et al “Intelligent Critic Control With Disturbance Attenuation for Affine Dynamics Including an Application to a Microgrid System,” IEEE Trans Ind Electron., vol 64, no 6, pp 4935–4944, 2017 [37] Ioannou et al "Robust adaptive control", Courier Corporation, 2012 58 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN I LÝ LỊCH SƠ LƯỢC: Họ tên: LÂM GIA ĐỨC Giới tính: NAM Ngày, tháng, năm sinh: 18/09/1996 Nơi sinh: Tỉnh Bạc Liêu Email: lamgiaduc123@gmail.com Điện thoại:0348683701 II QUÁ TRÌNH ĐÀO TẠO: 2014 – 2018 Sinh viên trường Đại học Cơng Nghiệp Thành phố Hồ Chí Minh 2019 – 2022 Học viên Cao học trường Đại học Cơng Nghiệp Thành phố Hồ Chí Minh III QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN: Thời gian 2018 – 2022 Nơi công tác Công việc đảm nhiệm Công ty Freetrend Industrial A Kỹ sư tự đợng hóa XÁC NHẬN CỦA Tp HCM, ngày tháng Năm 20 CƠ QUAN / ĐỊA PHƯƠNG Người khai (Ký tên, đóng dấu) (Ký tên) 59 60