L ỜI CẢM ƠN
7. Kết cấu của luận án
2.2 Ứng dụng mạng nơ-ron nhân tạo điều khiển AUV
Phần này tác giả tổng kết và phân tích các nghiên cứu gần đây vềứng dụng mạng nơ-ron nhân tạo trong điều khiển nói chung và AUV nói riêng. Những nghiên cứu này tiêu biểu cho giai đoạn 30 năm trở lại đây.
Năm 1995 F.L. Lewis và cộng sự nghiên cứu về bộđiều khiển nơ-ron cho robot bám theo quỹ đạo với thuật toán bền vững [86]. Cũng năm này, R.M. Sanner (1995) và cộng sự trình bày nghiên cứu vềđiều khiển thích nghi cánh tay robot dùng mạng nơ-ron nhân tạo, trong đó thuật toán nơ-ron thích nghi được áp dụng [108].
B. Borvic (2001) và cộng sự nghiên cứu về điều khiển AUV sử dụng mạng nơ-ron nhân tạo [14]. Trong đó bộđiều khiển xử lý nhiệm vụđiều khiển chính xác chuyển động của AUV tính đến tính năng động học của hệ động lực, dòng chảy. Bộ điều khiển sử dụng kết hợp thuật toán truyền thống và mạng nơ-ron nhân tạo thích nghi. J.H. Li và cộng sự (2002) trình bày nghiên cứu điều khiển chuyển động của AUV với bộ điều khiển nơ-ron thích nghi [104].
J.Q. Huang và F. L. Lewis (2003) đề xuất nghiên cứu vềđiều khiển các hệ phi tuyến bằng kỹ thuật điều khiển dựđoán sử dụng mạng nơ-ron nhân tạo với tín hiệu đầu vào trễ [118].
Yang Shil và Weiqi Qian (2007) trình bày nghiên cứu điều khiển thích nghi độ sâu AUV áp dụng mạng nơ-ron truyền thẳng [94]. Đây là mạng nơ- ron phổ biến và cũng được trình bày và ứng dụng trong [3], [8], [9]. A. Forouzantabar (2007) và cộng sự đề xuất điều khiển mô hình robot mới có thểbước đi dùng mạng nơ-ron [102] bộđiều khiển nơ-ron với thuật toán lan truyền ngược tín hiệu [110].
Năm 2008 L. Zhang và cộng sự đề xuất nghiên cứu điều khiển AUV dựa trên mạng nơ-ron mờ, đây là kỹ thuật kết hợp mạng nơ-ron với thuật toán điều khiển mờ nhằm nâng cao chất lượng bộđiều khiển theo hướng tận dụng ưu điểm của mạng nơ-ron và logic mờ [105].
Năm 2010 X. Liang và cộng sự đề xuất điều khiển chuyển động cho AUV với mạng nơ-ron song song [103].
Năm 2012 A. Forouzantabar và cộng sự công bố nghiên cứu về điều khiển nơ-ron thích nghi cho AUV [64]. Mô hình AUV này có tính phi tuyến cao, vì vậy các tác giả sử dụng mạng nơ-ron phi tuyến để xấp xỉđặc tính động học của AUV giúp vượt qua được các hạn chế của các bộ điều khiển truyền thống và đảm bảo chất lượng điều khiển tốt. Tính ổn định được đảm bảo bằng nguyên lý Lyapunov và bộ điều khiển được kiểm chứng đánh gia qua mô phỏng.
Năm 2013 J. Liu giới thiệu nghiên cứu về ứng dụng mạng nơ-ron “Radial Basic Function” cho điều khiển các hệ thống cơ khí. Tác giả trình bày phân tích hệ thống, thiết kế và mô phỏng trên Matlab [70]. B.B. Miao và cộng sự (2013) trình bày nghiên cứu về điều khiển thích nghi bền vững cho AUV bám quỹ đạo sử dụng mạng nơ-ron nhiều lớp [119].
Năm 2014 X. Lei và P. Lu đã trình bày về điều khiển cánh xoay của phương tiện bay không người lái loại nhỏ dùng mạng nơ-ron thích nghi Radial Basic Function [88]. M.M. Fateh và cộng sự (2014) cũng áp dụng mạng nơ-
ron này để điều khiển thích nghi hệ thống cánh tay robot [89]. J. Sun và J. Chen (2014) đã nghiên cứu điều khiển dự đoán với mạng nơ-ron cho các hệ thống cho các tín hiệu trễ không xác định hoặc xác định một phần [124], nghiên cứu này có thể tham khảo cho điều khiển hệ thống động học phức tạp như AUV. Tiếp theo C.F. Caruntu và C. Lazar (2014) trình bày về dự đoán bù trễ cho mạng dựa trên mô hình trễ thời gian [127].
Năm 2015 M. Daachi và cộng sự nghiên cứu về bộ điều khiển nơ-ron thích nghi cho khớp nối hỗ trợ đầu gối [87]. Bộ điều khiển này dùng mạng nơ-ron Radial Basic Function. Y. Chu và J. Fei (2015) cũng đã sử dụng mạng nơ-ron này cho điều khiển thích nghi dạng trượt kính viễn vọng MEMS [90]. Năm 2016 Y.C. Liu và cộng sự đã ứng dụng bộđiều khiển nơ-ron kết hợp logic mờđiều khiển thích nghi bền vững cho AUV có tính đến động học hệđộng lực [120]. Cũng năm 2016 J. Gao và cộng sựđề xuất nghiên cứu điều khiển thích nghi dự đoán sử dụng mạng nơ-ron với mô hình dự đoán nhận dạng ảnh [123]. S. Li và G.P. Liu (2016) đề xuất nghiên cứu điều khiển dự đoán sử dụng mạng nơ-ron cho các hệ phi tuyến cao có nhiễu loạn và mất dữ liệu [125]. Tiếp theo Y. Sheng và cộng sự (2016) trình bày nghiên cứu về ổn định toàn bộ cho trễ phụ thuộc của mạng nơ-ron hồi quy trễ [126]. Y. Ding và cộng sự (2016) điều khiển độ sâu AUV bằng kỹ thuật điều khiển dự đoán [128].
Năm 2017 B. Geranmehr và K. Vafaee trình bày nghiên cứu về bộđiều khiển nơ-ron thích nghi lai dạng trượt với thành phần tham số bền vững cho AUV [63]. Nghiên cứu này sử dụng điều khiển phi tuyến có khả năng loại bỏ nhiễu loạn thông qua kỹ thuật ước lượng thông minh các đặc tính không chắc chắn của AUV và môi trường. Tác giả sử dụng mạng nơ-ron Radial Basic Function đểước lượng các thành phần không chắc chắn và chưa xác định của đặc tính động học.
Cũng vào năm 2017, R. Cui và cộng sự trình bày nghiên cứu về điều khiển AUV bằng mạng nơ-ron thích nghi với đầu vào điều khiển phi tuyến sử dụng thuật toán học tăng cường [67]. Bài báo này trình bày điều khiển AUV
theo quỹđạo trong mặt phẳng ngang tính đến ảnh hưởng của ngoại cảnh, tính phi tuyến của tín hiệu vào và của mô hình AUV. Bộđiều khiển nơ-ron thích nghi sử dụng 2 mạng nơ-ron critic và action để đánh giá chất lượng bộ điều khiển vào thời điểm hiện tại và để bù thành phần động học không xác định. Phần tử bù được các tác giả thêm vào để loại bỏ các yếu tố phi tuyến của tín hiệu vào điều khiển. Bộ điều khiển nơ-ron thích nghi này được kiểm chứng đánh giá bằng mô phỏng.
Năm 2018 Jiemei Zhao trình bày nghiên cứu vềđiều khiển dựđoán sử dụng mạng nơ-ron cho AUV với kỹ thuật trễ tín hiệu đầu vào [62]. Trong đó bộ điều khiển thực hiện nhiệm vụ điều khiển AUV bám theo đường đi. Để bù độ trễ trong hệ thống điều khiển và thực hiện yêu cầu bám theo đường đi xác định, tác giả đề xuất thuật toán điều khiển dự đoán. Một mạng nơ-ron được sử dụng đểước lượng thành phần phi tuyến không chắc chắn trong tính năng động học của AUV và do sự tương tác của các thành phần góc hướng, góc chúi và góc nghiêng AUV. Tính ổn định được đảm bảo bằng nguyên lý Lyapunov. Tác giả cũng mô phỏng kiểm chứng thuật toán đã đề xuất.
Năm 2019 U. Ansari và A.H. Bajodah nghiên cứu về điều khiển AUV với thuật toán nơ-ron thích nghi và động học nghịch đảo [61]. Trong bài báo, kết cấu điều khiển 2 vòng lặp được trình bày. Vòng ngoài (chậm) sử dụng bộ điều khiển PD truyền thống để tạo lệnh điều khiển góc hướng và góc chúi dựa trên sai số vị trí. Lệnh điều khiển độsâu được đưa vào vòng điều khiển trong (nhanh), trong đó sử dụng thuật toán điều khiển nơ-ron thích nghi và động học nghịch đảo (Neuro-Adaptive Generalized Dynamic Inversion / NAGDI). Thêm vào đó tác giả sử dụng mạng nơ-ron Radial Basic Function để ước lượng thành phần phi tuyến trong chuyển động trục đứng của AUV nâng cao khả năng thích nghi cho hệ thống điều khiển.
Tại Việt Nam các tác giả trong [3], [8] và [9] giới thiệu thuật toán điều khiển nơ-ron cho AUV và mô phỏng kết quả trên máy tính. Những nghiên cứu loại này chưa nhiều và chưa ứng dụng đầy đủ cho các tình huống làm việc của AUV.