Xây dựng phương pháp tổng hợp hệ điều khiển thích nghi bền vững cho một lớp đối tượng phi tuyến bất định

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CƠNG NGHỆ QN SỰ NGƠ TRÍ NAM CƯỜNG XÂY DỰNG PHƯƠNG PHÁP TỔNG HỢP HỆ ĐIỀU KHIỂN THÍCH NGHI BỀN VỮNG CHO MỘT LỚP ĐỐI TƯỢNG PHI TUYẾN BẤT ĐỊNH LUẬN ÁN TIẾN SĨ KỸ THUẬT HÀ NỘI - 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHỊNG VIỆN KHOA HỌC VÀ CƠNG NGHỆ QN SỰ NGƠ TRÍ NAM CƯỜNG XÂY DỰNG PHƯƠNG PHÁP TỔNG HỢP HỆ ĐIỀU KHIỂN THÍCH NGHI BỀN VỮNG CHO MỘT LỚP ĐỐI TƯỢNG PHI TUYẾN BẤT ĐỊNH Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 52 02 16 LUẬN ÁN TIẾN SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC GS.TSKH CAO TIẾN HUỲNH HÀ NỘI - 2021 i LỜI CAM ĐOAN Tôi xin cam đoan luận án cơng trình nghiên cứu riêng tơi Các kết nghiên cứu luận án trung thực chưa công bố công trình khác Các liệu tham khảo trích dẫn đầy đủ Tác giả Luận án NGƠ TRÍ NAM CƯỜNG ii LỜI CẢM ƠN Tác giả xin bày tỏ lòng biết ơn sâu sắc tới thầy giáo hướng dẫn khoa học GS.TSKH Cao Tiến Huỳnh, quan tâm, giúp đỡ, đóng góp ý kiến quý báu tạo điều kiện để tác giả thực hoàn thành luận án Tác giả chân thành cảm ơn Viện Khoa học Công nghệ quân sự, Viện tự động hóa kỹ thuật qn sự, tập thể phịng Đào tạo sau đại học quan tâm giúp đỡ tác giả trình học tập nghiên cứu Tác giả chân thành cảm ơn nhà giáo, nhà khoa học đồng nghiệp đóng góp ý kiến trình thực luận án Tác giả Luận án iii MỤC LỤC Trang DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ CÁI VIẾT TẮT v DANH MỤC CÁC HÌNH VẼ vi MỞ ĐẦU CHƯƠNG TỔNG QUAN VỀ ĐIỀU KHIỂN HỆ PHI TUYẾN BẤT ĐỊNH 1.1 Giới thiệu hệ phi tuyến bất định 1.2 Phương pháp Backstepping tổng hợp hệ phi tuyến bất định 1.3 Điều khiển thích nghi bền vững hệ phi tuyến bất định phương pháp bù thành phần bất định 1.4 Điều khiển thích nghi bền vững hệ phi tuyến bất định sở điều khiển trượt 15 1.5 Kết luận chương 23 CHƯƠNG XÂY DỰNG PHƯƠNG PHÁP TỔNG HỢP HỆ ĐIỀU KHIỂN CHO ĐỐI TƯỢNG PHI TUYẾN BẤT ĐỊNH DƯỚI TÁC ĐỘNG CỦA NHIỄU 24 2.1 Tổng hợp hệ thống điều khiển thích nghi bền vững cho lớp hệ phi bất định tham số 25 2.1.1 Xây dựng cấu trúc mạch phản hồi trạng thái đảm bảo phần tuyến tính tham số ổn định 27 2.1.2 Xây dựng phương pháp nhận dạng bù thành phần bất định 30 2.1.3 Xây dựng luật điều khiển trượt 36 2.2 Tổng hợp hệ thống điều khiển thích nghi bền vững cho lớp hệ phi tuyến bất định MIMO 41 iv 2.2.1 Xây dựng luật nhận dạng tham số phần động học tuyến tính 43 thành phần bất định 2.2.2 Xây dựng thuật toán điều khiển cấu trúc biến đổi hoạt động chế độ trượt 49 2.3 Tổng hợp hệ thống điều khiển thích nghi bền vững cho hai lớp hệ phi tuyến trơn bất định không mô hình hóa dạng cơng thức tốn học tường minh 54 2.3.1 Tổng hợp điều khiển thích nghi bền vững cho lớp phi tuyến trơn bất định phân tách tín hiệu đầu vào 55 2.3.1.1 Tổng hợp luật nhận dạng thành phần bất định 56 2.3.1.2 Tổng hợp luật điều khiển trượt 63 2.3.2 Tổng hợp điều khiển thích nghi bền vững cho lớp phi tuyến trơn bất định không phân tách tín hiệu đầu vào 65 2.3.2.1 Xây dựng thuật toán nhận dạng 66 2.3.2.2 Xây dựng luật điều khiển trượt 71 2.4 Kết luận chương 78 CHƯƠNG ÁP DỤNG THUẬT TỐN ĐIỀU KHIỂN THÍCH NGHI BỀN VỮNG CHO HỆ LÁI TỰ ĐỘNG TÀU THỦY 3.1 Mơ hình tốn học tàu thủy dạng phương trình vi phân phi tuyến 80 80 3.2 Tổng hợp hệ điều khiển thích nghi bền vững hệ lái tự động tàu thủy 81 3.3 Mô kiểm chứng kết 87 3.4 Kết luận chương 91 KẾT LUẬN 92 DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ 94 TÀI LIỆU THAM KHẢO 95 PHỤ LỤC 107 v DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ CÁI VIẾT TẮT A∈ 𝑅𝑛×𝑛 , B ∈ 𝑅𝑛×𝑚 Ký hiệu ma trận tham số động học 𝐷(t) Véc tơ nhiễu ngồi khơng đo ̂ (t) 𝐷 Đánh giá véc tơ nhiễu 𝐷(t) 𝐹(𝑋, 𝑈) Véc tơ hàm phi tuyến bất định 𝐹̂ (𝑋, 𝑈) Đánh giá véc tơ hàm phi tuyến bất định F(X,U) 𝐺(X) Véc tơ hàm phi tuyến bất định 𝐺̂ (X) Đánh giá véc tơ hàm phi tuyến bất định 𝐺(X) S Mặt trượt X = [𝑥1 , 𝑥2 … , 𝑥𝑛 ]𝑇 Véc tơ trạng thái đối tượng 𝑋𝑚 = [𝑥1𝑚 , 𝑥2𝑚 … 𝑥𝑛𝑚 ]𝑇 Véc tơ trạng thái mơ hình X d  [ x1d , x2d , xnd ]T Véc tơ đặt mong muốn 𝑦 Tín hiệu đầu hệ thống 𝑦𝑑 Tín hiệu đặt mong muốn U =[𝑢1 , 𝑢2 … , 𝑢𝑛 ]𝑇 Véc tơ đầu vào ∅𝑖𝑗 Ký hiệu hàm sở mạng nơ ron RBF 𝜓 Góc hành trình tàu [độ] 𝛿 Góc bánh lái tàu [độ] SISO Hệ vào MIMO Hệ nhiều đầu vào LQR Luật điều khiển LQR PID Luật điều khiển PID SMC Bộ điều khiển mode trượt VSC Bộ điều khiển cấu trúc biến đổi RBF Mạng nơ ron nhân tạo RBF LTĐTT Hệ lái tự động tàu thủy vi DANH MỤC CÁC HÌNH VẼ Trang Hình 1.1 Sơ đồ cấu trúc hệ điều khiển thích nghi phương pháp Backstepping/ mạng nơ ron Hình 1.2 Sơ đồ cấu trúc rút gọn hệ thống điều khiển Thích nghi/PID 10 Hình 1.3 Sơ đồ cấu trúc rút gọn nhận dạng mơ hình mạng nơ ron với mơ hình song song [68-69],[71],[86] 11 Hình 1.4 Sơ đồ cấu trúc hệ thống điều khiển PID / với có cấu nhận dạng thích nghi sử dụng mạng nơ ron RBF 13 Hình 1.5 Sơ đồ cấu trúc rút gọn hệ thống điều khiển SMC/nơ ron RBF 19 Hình 2.1 Sơ đồ cấu trúc hệ thống điều khiển thích nghi bền vững sở kết hợp SMC/với cấu nhận dạng phi tuyến nhiễu 26 Hình 2.1a Cấu trúc mạng nơ ron xấp xỉ hàm phi tuyến f ( X , u) 32 Hình 2.2 Trạng thái x1 , xm1 đối tượng mơ hình 39 Hình 2.3 Trạng thái x2 , xm đối tượng mơ hình 39 Hình 2.4 Kết nhận dạng hàm phi tuyến nhiễu bất định 39 Hình 2.5 Sai số nhận dạng 40 Hình 2.6 Đáp ứng hệ thống với tín hiệu đặt đầu vào yd  1(t ) 40 Hình 2.7 Đáp ứng hệ thống với tín hiệu đặt đầu vào yd  sin(0.2t  2) 40 Hình 2.8 Sơ đồ hệ thống điều khiển kết hợp mạng nơ ron RBF hệ có cấu trúc biến đổi hoạt động chế độ trượt 42 Hình 2.8a Sơ đồ mạng nơ ron RBF xấp xỉ véc tơ hàm phi tuyến F  X ,U  44 Hình 2.9 Các trạng thái đối tượng x1 , xm1 sai số nhận dạng e1 53 Hình 2.10 Các trạng thái đối tượng x2 , xm sai số nhận dạng e2 53 Hình 2.11 Đáp ứng hệ thống tín hiệu đặt mong muốn xd  1.51(t ) 53 Hình 2.12 Đáp ứng hệ thống tín hiệu đặt mong muốn xd  1(t ) 53 vii Hình 2.13 Đáp ứng hệ thống với véc tơ tín hiệu đặt mong muốn X d  [xd1 xd ]T  [1.51(t ) 1(t )]T 54 Hình 2.14 Sơ đồ cấu trúc hệ thống điều khiển thích nghi bền vững cho lớp hệ phi tuyến bất định phân tích tín hiệu đầu vào 55 Hình 2.15 Sơ đồ cấu trúc hệ thống điều khiển thích nghi bền vững cho lớp hệ phi tuyến bất định phân tích tín hiệu đầu vào 65 Hình 2.16 Kết nhận dạng f1 ( X , u ) 73 Hình 2.17 Sai số nhận dạng f1 ( X , u ) 73 Hình 2.18 Kết nhận dạng f ( X , u ) 73 Hình 2.19 Sai số nhận dạng f ( X , u ) 74 Hình 2.20 Kết nhận dạng G( X ) 74 Hình 2.21 Sai số nhận dạng G( X ) 74 Hình 2.22 Đáp ứng đầu hệ thống tín hiệu đặt hàm 1 t  74 Hình 2.23 Đáp ứng đầu hệ thống tín hiệu đặt hàm bậc thang 74 Hình 2.24 Trạng thái x1 , xm1 đối tượng mô hình nhận dạng 75 Hình 2.25 Sai số e1  x1  xm1 đối tượng mơ hình nhận dạng 76 Hình 2.26 Trạng thái x2 , xm đối tượng mơ hình nhận dạng 76 Hình 2.27 Sai số e2  x2  xm đối tượng mơ hình nhận dạng 76 Hình 2.28 Đáp ứng hệ thống tín hiệu đặt yd  1(t ) 76 Hình 2.29 Đáp ứng hệ thống tín hiệu đặt yd  sin(0.1t  1) 76 Hình 3.1 Sơ đồ cấu trúc rút gọn hệ thống điều khiển thích nghi bền vững cho hệ điều khiển lái tự động tàu thủy 81 Hình 3.2 Kết nhận dạng hàm phi tuyến nhiễu ngồi bất định 88 Hình 3.3 Sai số nhận dạng thành phần bất định 88 Hình 3.4 Trạng thái x1 hệ thống 88 Hình 3.5.Trạng thái x2 hệ thống 88 viii Hình 3.6 Trạng thái x3 hệ thống 88 Hình 3.7 Đáp ứng quĩ đạo tàu thủy với quĩ đạo đặt yd  30 88 Hình 3.8 Đáp ứng quĩ đạo tàu thủy với quĩ đạo đặt yd  30 89 Hình 3.9 Đáp ứng quĩ đạo tàu thủy với quĩ đạo đặt yd  30sin(0.006t  1)0 89 Hình 3.10 Đáp ứng quĩ đạo tàu thủy với điều khiển thích nghi bền vững luận án đề xuất với quĩ đạo đặt yd  30 89 Hình 3.11 Thành phần phi tuyến nhiễu ngồi có biên độ Dm  0.22 89 Hình 3.13 Đáp ứng quĩ đạo tàu thủy với điều khiển bền vững quĩ đạo đặt yd  30 90 Hình 3.14 Đáp ứng quĩ đạo tàu thủy với điều khiển thích nghi bền vững luận án đề xuất với quĩ đạo đặt yd  30 90 Hình 3.15 Thành phần phi tuyến nhiễu ngồi có biên độ Dm  0.22 90 Hình 3.16 Đáp ứng quĩ đạo tàu thủy với điều khiển bền vững quĩ đạo đặt yd  30 90 98 1997 LEEE Intemational Conference on Robotics and Automation Albuquerque, New Mexico - April 199, pp 2645- 2650 31 S.S.GE, T.H LEE and J WANG, Adaptive Control of Non-affine nonlinear Systems Using Neural Networks, Proceedin.a,s of the 15th IEEE International Sv-mD os ium 111 II on Intelligent Control(ISIC 2000), pp.13-18 32 Seul Jung; D H Song, Neural network compensation technique for standard PD-like fuzzy controlled nonlinear systems,IEEE Conference on Decision and Control Year: 2004, Volume: 1,pp: 698 – 703 33 Chun-FeiHsuand Tsu-Tian Lee, Self-Organizing Neural-Network-Based Adaptive Control for Linear Ultrasonic Motor, 2006 IEEE International Conference on Systems, Man, and Cybernetics October 8-11, 2006, Taipei, Taiwan, pp.3743-3748 34 Min Wang, Bin Xiao, Neural network adaptive robust control based on Dead time compensation, International Conference on Automatich control and Artificial Intelligence, Year 2012, pp 1380-1393 35 K J Astrom and B Wittenmark, Computer-Controlled Systems, Theory and Design Prentice-Hall,1990 36 W Perruquetti and J P Barbot, Sliding mode control in Engineering, Automatic ation and Control Series Marcel Dekker Inc, New York (USA) 37 Leonard D Berkovitz, Negash G Medhin, Nonlinear Optimal Control Theory,Taylor r & Francis Group, 2013 38 Wei Lin, Bounded smooth state feedback and a global separation principle fornon-affine nonlinear systems, Systems & Control Letters 26 (1995), pp.41-53 39 Shuzhi Sam Ge, Jin Zhang,Neural-Network Control of Nonaffine Nonlinear System With Zero Dynamics by State and Output Feedback, IEEE Transactions neural networks, vol.14, no.4, july2003, pp 900-917 99 40 S.S.Ge,C.C.Hang, TaoZhang,Adaptive Neural Network Control of Nonlinear Systems by State and Output Feedback, IEEE Transactionson systems, man, and cybernetichs – part B: cybernetichs, vol.29, no.6 december, pp 818-828 41 S S Ge, T H Lee, J Wang, Adaptive control of non-affine nonlinear systems using neural networks, Proceedings of the 2000 IEEE International Symposium on Intelligent Control(ISIC2000), pp.13-18 42 Najib Essounbouli, Noureddine Manamanni, Abdelaziz Hamzaoui and Janan Zaytoon’ State observer based fuzzy sliding mode controller a class of nonaffine nonlinear system, IFAC Symposium on Robust Control Design ROCOND'06, Toulouse, France, July 5-7, 2006 43 Flavio Nardi and Anthony J Caliset, Robust Adaptive Nonlinear Control using Single Hidden Layer Neural Networks, Proceedings of the 39* IEEE Conference on Decision and Control Sydney, Australia December, 2000, pp.3825-3840 44 Mou Chen, Shuzhi Sam Ge, Direct Adaptive Neural Control for a Class ofUncertain Nonaffine Nonlinear Systems Based on Disturbance Observer, IEEE Transactions on cyberynetics, vol 43, no 4, august, pp.1213 1225 45 Zhao Tong, Adaptive Control for a Class of Non-affine Nonlinear Systems via Neural Networks,” ISBN: 978-953-7619-47-3, InTech 46 Shi-Lu Dai, Cong Wang and Min Wang, Dynamic Learning From Adaptive Neural Network Control of a Class of Nonaffine Nonlinear Systems” IEEE Transactionson neural networks and learing systems, vol.15,no.1,january 2014, pp 111-123 47 Bahram Karimi, Mohammad B Menhaj, Masoud Karimi-Ghartemani, and Iman Saboori, Decentralized Adaptive Control of Large-Scale Affine and Nonaffine Nonlinear Systems,IEEE Transactions on instrumentation and measurement, vol 58, no.8, august 2009, pp 2459-2467 100 48 Aseltine, J.A., A.R Mancini and C.W Sartune, A Survey of Adaptive Control Systems,IRE Transactions on Automatic Control, Vol 3, no 6, 1958 pp 102-108 49 Caldwell, W.I., Control System with Automatic atic Response Adjustment, American patent, 2,517,081 Filed 25, April 1947, 1950 50 In Joong Ha,Elmer G.Gilbert, Robust Tracking in Nonlinear Systems, IEEE Transactions on Automatic Control, VOL AC-32, NO Settember 1987, pp 763-771 51 Wei-Min Lu, John C Doyle, Robustness Analysis and Synthesis for Nonlinear Uncertain Systems,IEEE Transactions on Automatic Control, VOL 42, NO 12, DECEMBER 1997, pp.1654-1662 52 Feng Lin,Robert D.Brandt, Jing Sun, Robust control of nonlinear system: compensating uncertainty, Control 1992, vol.56, no.6, pp.1453-1459 53 A S I ZINOBER and P LIU, Robust Control of Nonlinear Uncertain Systems via Sliding Mode with Backstepping Design, UKACC International Conference on CONTROL '96,2-5 September 1996, Conference Publication No 427 IEE 1996, pp.281-286 54 Dr Sarah Spurgeon, Mr Raymond Davies, A Nonlinear Design Approach for Sliding Mode Control Systems, Proceeding of the Conference on Decision and Control, Texas December 1993, pp 1440-1445 55 Shuanghe Yu, Xinghuo Yu, Robust Global Terminal Sliding Mode Control of SISO Nonlinear Uncertain Systems, Proceedings of the 39th IEEE Conference on Decision and Control Sydney, 2000, pp.2198-2203 56 Yuri B Shtessel and Ilya A Shkolnikov, Causal nonminimum phase output tracking in mimo nonlinear systems in sliding mode: Satable system centrer technique, Proceedings of the 38th Conference on Decision & Control Phoenix, Arizona USA December 1999, pp.4790-4795 101 57 G Bartolini, A Ferrara, V I Utkin, and T Zolezzi, A control vector simplex approach to variable structure control of nonlinear systems,Int J Robust Nonlin Control, vol 7, pp 321–335, 1997 58 G.Bartolini, F.Parodi, V I Utkin, and T Zolezzi, The simplex method for nonlinear sliding mode control ,Math, vol 4, pp 461–487, 1999 59 G Bartolini, F Parodi, E Punta, and T Zolezzi, “On the sliding mode control of mechanical systems,”Comptes Rendus de l’Académie des Sciences—Série IIb—Mécanique, vol 329, no 12, pp 835–842, 2001 60 G Bartolini, E.Punta, and T Zolezzi, Simplex methods for nonlinear uncertain sliding-mode control,IEEE Transactions on Automatic Control,vol.49, no.6, pp 922–933, 2004 61 G Bartolini, E Punta, and T Zolezzi, Simplex sliding mode methods for the chattering reduction control of multi-input nonlinear uncertain systems, Automatica, vol 45, pp 1923–1928, 2009 62 G Bartolini, E Punta, and T Zolezzi, Simplex sliding mode control of multiinput systems with chattering reduction and mono-directional actuators, Automatica, vol 47, pp 2433–2437, 2011 63 V.Utkin and J Shi,Integral sliding mode in systems operating under uncertainty conditions, in Proc 35th IEEE Conf.Decision Control, Kobe, Japan, 1996, pp 4591–4596 64 V Utkin, J Guldner, and M Shijun, Sliding Modes in Electromechanical Systems London, U.K Taylor r & Francis, 1999 65 A Posznyak, L Fridman, and F Bejarano, Minimax integral slidingmode control for multimodel linear uncertain systems,IEEE Transactions on Automatic Control, vol 49, no 1, pp 97–102, 2004 66.S.Laghrouche,F Plestan, and A Glumineau,Higher order sliding mode controlbased on integral sliding mode, Automatica, no.3,pp 531–537, 2007 102 67 M Rubagotti, A Estrada, F Castaños, A Ferrara, and L Fridman, Integral sliding mode control for nonlinear systems with matched and unmatched perturbations,IEEE Transactions on Automatic Control, vol 56, no 11, pp 2699–2704, 2011 68 K.S Narendra, K.Parthasarathy, Adaptive identification and control of dynamical systems using neural networks, Proceedingr of the 28 th Conferenceon Decision and Control, Tampa, Florida December 1989, pp 13-15 69 K.S Narendra, K Parthasarathy, Identification and control of dynamical systems using neural networks,IEEE Transactions on Neural Networks, Vol: 1, Issue: 1, Mar 1990 , pp.4-27 70 Leonard D Berkovitz, Negash G Medhin, Nonlinear Optimal Control Theory,Taylor r & Francis Group, 2013 71.K.S Narendra, S Mukhopadhyay, Intelligent control using neural networks, IEEE Control Systems, Vol: 12, Issue: 2, April 1992,pp 11-18 72 Janusz Pomirski, Leszek Morawski, Andrzej Rak, Trajectory tracking control system for ship, IFAC Proceedings Volumes, Volume 37, Issue 10 73 Morawski L., Pornirski (2002), Design of the robust PID course-keeping control system forship, Polish Maritime Research, 112002 74 Fotis A Papoulias I, On the Nonlinear Dynamics of Pursuit Guidance for Marine Vehicles, Journal of Ship Research, No.4,Dec 1993, pp 342-353 75 Anthony P Swanda, Dale E Seborg, Evaluating the Performance of PIDType Feedback Control Loops using Normalized Settling Time, IFAC Proceedings Volumes, Volume 30, Issue 9, June 1997, pp.301-306 76 Homayoun Seraji, A New Class of Nonlinear PID Controllers, IFAC Proceedings Volumes, Vol 30, Issue 20, September 1997, pp.65–71 103 77 J Van Amerongen A.J Udink Ten Cate., Model reference adaptive autopilots for ships, Automatica, Volume 11, Issue 5, September 1975, pp 441-449 78 J.Van Amerongen, Adaptive Steering of Ships - A Model Reference Approach, Automatica, (1984) 20, NO 1, pp 3-14 79 R Layne and K.M Passino, Fuzzy mode reference learning control for cargo ship steering, IEEE Control Systems,Vol: 13, Issue: 6, Dec 1993, pp 23-34 80.Fotis A Papoulias, Anthony J Healey, Path Control of Surface Ships Using Sliding Modes,Journal of Ship Research,Vol 36, No 2, June 1992, pp 141153 81 Healey, A.J and Lienard, “Multivariable sliding modecontrol for utonomous diving and steering of namanned underwater vehicles,”EEE Journal of oceanic Engineering 18(3): pp.327–339 82 Swarup Das, Applicability of sliding mode control in autopilot design for ship motion control, IEEE International Conference on Recent Advances and Innovations in Engineering (ICRAIE-2014),May 09-11, 2014, Jaipur, India pp 1-6 83 K Nomoto, Response Analysis of Manoeuvrability and its Application to Ship design , 60th Anniversary, Vol II, Soc of Naval Arch Of Japan 84 G Bartolini and T Zolezzi, Variable structure systems nonlinear in the control law,IEEE Transactions on Automatic Control, vol 30, pp 681–684,1985 85 G Bartolini, E Punta, and T Zolezzi, Approximability properties for second-order sliding mode control systems,IEEE Transactions on Automatic Control, vol 52, no 10, pp 1813–1825, 2007 86 K.S Narendra, S Mukhopadhyay, Intelligent control using neural networks, IEEE Control Systems, Vol: 12, Issue: 2, April 1992,pp 11-18 104 87 T Zolezzi, Real states of stable sliding mode control systems, Syst Control Lett., vol 57, pp 778–783, 2008 88 B Karimi; M B Menhaj; I Saboori, Robust Adaptive Control of Nonaffine Nonlinear Systems Using Radial Basis Function Neural Networks,IECON 2006 - 32nd Annual Conference on IEEE Industrial Electronics, pp 495 – 500 89 E Ryan, Adaptive stabilization of multi-input nonlinear systems, Int J.Robust Nonlin Syst., vol 3, no 2, pp 169–181, 1993 90 J Cunha, L Hsu, R Costa, and F Lizarralde, Output-feedback modelreference sliding mode control of uncertain multivariable systems,IEEE Transactions on Automatic Control, vol 48, no 12, pp 2245–2250, 2003 91 T Oliveira, A Peixoto, and L Hsu, Sliding mode control of uncertain multivariable nonlinear systems with unknown control direction via switching and monitoring function,IEEE Transactions on Automatic Control, vol 55, no 4, pp 1028–1034, 2010 92 B Martensson, The unmixing problem, IMA J Math Control Inform.,vol 8, no 4, pp 367–377, 1991 93 S V Bajda and D B Izosimov, Vector method of design of sliding and simplex algorithms, Automatic Remote Control, vol 46, motion pp 830– 837, 1985 94 M Asadi, A Khayatian, Adaptive Backstepping Autopilot for Way- point Tracking Control of a Container Ship in the presence of Time-varying isturbances, The International Federation of Automatic Control ,Milano (Italy) August 28 - September 2, 2001, pp1 4760 - 14765 95 Jialu Du, Chen Guo, Chengen Yang, Adaptive robust backstepping nonlinear algorithm applied to ship steering,IFAC Proceedings Volumes, Volume 38, Issue 1, 2005, Pages 61-66 105 96 Anna Witkowska, Miroslaw Tomera, Roman Smierzchalski, A Backstepping approach to ship coures control, Int J Appl Math Comput Sci., 2007, Vol 17, No 1, pp 73–85 97 Xian-Ku Zhang, Qiang Zhang, Hong-Xiang Ren, Guang-Ping Yang,Linear reduction of backstepping algorithm based on nonlinear decoration for ship course-keeping control system,Ocean Engineering 147, 2018, pp 1–8 98 Thor I.Fossen,Jann Peter Strand,Totorial on nonlinear Bckstepping: Applications to ship control, Modeling, indentification and control, 1999, Vol 20, No 2, pp 83-134 99 Jin Cheng; Jianqiang Yi; Dongbin Zhao, A New Fuzzy Autopilot for Waypoint Tracking Control of Ships, 2006 IEEE International Conference on Fuzzy Systems, pp 451 – 456 100.Yansheng Yang; Changjiu Zhou, Adaptive fuzzy control of ship autopilots with uncertain nonlinear systems, IEEE Conference on Cybernetics and Intelligent Systems, 2004, pp.1323 – 1328 101 Sin-Der Lee; Ching-Yaw Tzeng; Ber-Jin Chen, Design and experiment of a fuzzy PID track-keeping ship autopilot,OCEANS 2014 – TAIPEI, pp 1-9 102 E Omerdic, G N Roberts & Z Vukic, A fuzzy track-keeping autopilot for ship steering, Journal of Marine Engineering & Technology,pp 23-35 103 Nazli E Kahvecia, Petros A Ioannou, Adaptive steering control for uncertain ship dynamics and stability analysis, Automatica 49 (2013), pp 685–697 104 Jiang Dan, DongJia XinLe,Neural Networks for Course-Keeping Control, IFAC Proceedings Volumes, Volume 28, Issue 2, May 1995, pp 405-408 105 Xinle Jia, Limin Zhu, Dandong Jiang, Guang Ren, Xing cheng Wang, Design and Sea Trials of a New Autopilot Based on Neural Network Controller, IFAC Proceedings Volumes, Volume 32, Issue 2, July 1999, pp 8273-8278 106.Wang Renqiang, Zhao Yuelin, Sun Jianming, Application of optimized RBF neural network in ship's autopilot design, 2016 IEEE Advanced Information Management, Communicates, Electronic and Automattion Control Conference, pp 1642 – 1646 106 107.Swarup Das; Sanjay E Talole,Robust Steering Autopilot Design for Marine Surface Vessels,IEEE Journal of Oceanic Engineering,Year: 2016, Vol: 41, Issue: 4, pp 913 – 922 108.Tayfun Çimen, Stephen P Banks,Nonlinear optimal tracking control with application to super-tankers for autopilot design,Automatica, Vol 40, Issue 11, November 2004, pp1845-1863 109.Mohamed Abdelaal, Martin Fränzle, Axel Hahn, Nonlinear Model Predictive Control for trajectory tracking and collision avoidance of underactuated vessels with disturbances,Ocean Engineering, Vol 160, 15 July 2018, pp 168-180 110 Miroslav Krstic, Ioannis Kanellakopoulos, Petar V Kokotovic , Nonlinearand Adaptive Control Design, John Wiley and Sons, 1995 111.P Morin, C.Samson,Application of Backstepping Techniques to the TimeVarying xponential Stabilisation of Chained Form Systems,European Journal of Control, Volume 3, Issue 1, 1997, pp 15-36 112.J.van Amerongen, Adaptive steering of ships A model-reference approach to improved manoeuvring and economical course keeping, Ph.D Thesis, Delft University of Technology, 1982 107 PHỤ LỤC I Sơ đồ mô hệ thống Matlab Simulink cho lớp phi tuyến y ( n ) (t )  a1 y ( n1) (t )  a2 y ( n2) (t )  an y(t )  bu   f ( y ( n ) (t ), y(t ), u )  d (t ) II Sơ đồ mô hệ thống Matlab Simulink cho lớp phi tuyến X  AX  BU  F ( X ,U )  D(t ) III Sơ đồ mô hệ thống Matlab Simulink cho lớp phi tuyến X  F ( X , u)  G( X )u  D(t ) IV Sơ đồ mô hệ thống Matlab Simulink cho lớp phi tuyến X  F ( X , u)  D(t ) V Sơ đồ mô Matlab Simulink hệ lái tự động tàu thủy 108 I 109 II 110 III 111 IV 112 V ... CHƯƠNG XÂY DỰNG PHƯƠNG PHÁP TỔNG HỢP HỆ ĐIỀU KHIỂN CHO ĐỐI TƯỢNG PHI TUYẾN BẤT ĐỊNH DƯỚI TÁC ĐỘNG CỦA NHIỄU 24 2.1 Tổng hợp hệ thống điều khiển thích nghi bền vững cho lớp hệ phi bất định. .. Các phương pháp nhận dạng hệ phi tuyến nhiễu bất định; tổng hợp hệ thống điều khiển cho lớp hệ phi tuyến bất định Nội dung nghi? ?n cứu - Nghi? ?n cứu phương pháp nhận dạng lớp hệ phi tuyến nhiễu bất. .. thống điều khiển cho lớp phi tuyến bất định - Đề xuất hướng nghi? ?n cứu luận án Chương 2: Xây dựng phương pháp pháp tổng hợp hệ điều khiển cho đối tượng phi tuyến bất định tác động nhiễu - Xây dựng