Design, implement a sliding mode controller for an unmanned surface vehicle

MỞ ĐẦU Mục tiêu : Phần nghiên cứu nhắm đến xây dựng mô hình góc heading của USV, ước lượng model USV sử dụng Nomoto model [1-5], bộ điều khiển Sliding Mode khả năng thích nghi với các tá

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

NGUYỄN TỨ CƯỜNG

THIẾT KẾ, THỰC NGHIỆM BỘ ĐIỀU KHIỂN SLIDING

MODE CHO TÀU KHÔNG NGƯỜI LÁI USV

DESIGN, IMPLEMENT A SLIDING MODE CONTROLLER

FOR AN UNMANNED SURFACE VEHICLE

Chuyên ngành: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA

Mã số: 8 52 02 16

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 9 năm 2020

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG –HCM

Người hướng dẫn khoa học 1: TS NGUYỄN HOÀNG GIÁP

Người hướng dẫn khoa học 2: TS TRẦN NGỌC HUY

Cán bộ chấm nhận xét 1 : PGS.TS TRƯƠNG ĐÌNH NHƠN

Cán bộ chấm nhận xét 2 : TS NGUYỄN VĨNH HẢO

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày 4 tháng 9 năm 2020

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ)

1 Chủ tịch : PGS.TS HỒ PHẠM HUY ÁNH

2 Thư ký : TS NGUYỄN TRỌNG TÀI

3 Phản biện 1 : PGS.TS TRƯƠNG ĐÌNH NHƠN

4 Phản biện 2 : TS NGUYỄN VĨNH HẢO

5 Ủy viên : TS NGÔ THANH QUYỀN

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA ĐIỆN- ĐIỆN TỬ

PGS.TS HỒ PHẠM HUY ÁNH

ĐẠI HỌC QUỐC GIA TP.HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: NGUYỄN TỨ CƯỜNG MSHV: 1870012

Ngày, tháng, năm sinh: 01/03/1995 Nơi sinh: Bà Rịa – Vũng Tàu

Chuyên ngành: Kỹ Thuật Điều Khiển Và Tự Động Hóa Mã số : 8520216

I TÊN ĐỀ TÀI : THIẾT KẾ, THỰC NGHIỆM BỘ ĐIỀU KHIỂN SLIDING MODE

CHO TÀU KHÔNG NGƯỜI LÁI USV

(Design, implement a sliding mode controller for an unmanned surface vehicle)

II NHIỆM VỤ VÀ NỘI DUNG:

- Ước lượng thông số Nomoto Model và bộ điều khiển Sliding Mode cho USV

- Xây dựng bộ dẫn đường cho USV

- Xây dựng hệ thống phần mềm hoàn chỉnh cho USV

- Thực nghiệm, kiểm chứng các mô hình thuật toán trên USV

II NGÀY GIAO NHIỆM VỤ : 19/08/2019

III NGÀY HOÀN THÀNH NHIỆM VỤ: 07/08/2020

IV.CÁN BỘ HƯỚNG DẪN :TS Nguyễn Hoàng Giáp – TS Trần Ngọc Huy

LỜI CẢM ƠN

Lời đầu tiên tôi xin cảm ơn tất cả các quý thầy cô đã dạy và hướng dẫn tôi trong suốt

2 năm học đã qua Quá trình học tập tại trường Đại học Bách Khoa Tp Hồ Chí Minh

đã cung cấp cho tôi rất nhiều kiến thức bổ ích quý giá để tạo thành nền tảng vững chắc cho tôi trong sự nghiệp sau này

Luận văn này là cơ hội cho tôi tổng hợp lại tất cả những kiến thức của mình đã học được và khả năng nghiên cứu giải quyết vấn đề tôi đã đạt được trong 2 năm học để giải quyết một vấn đề lớn Tôi xin chân thành cảm ơn Đại học Bách Khoa Tp Hồ Chí Minh, Thầy Nguyễn Hoàng Giáp và Thầy Trần Ngọc Huy đã tận tình hướng dẫn Thầy đã rất nhiệt tình giúp đỡ tôi trong việc định hướng và giải quyết các vấn đề khó khăn gặp phải, bên đó cũng xin cảm ơn sự giúp đỡ của những người bạn, người em

đã cùng nhau sát cánh và trưởng thành hơn trong môi trường học tập và nghiên cứu tại Trường Đại học Bách Khoa Tôi cũng xin dành lời cảm ơn này cho ba mẹ, các anh chị và những người thân luôn ở bên, hỗ trợ tôi trong cuộc sống và quá trình học tập

và nghiên cứu tại trường

Nghiên cứu được thực hiện bằng nguồn kinh phí hỗ trợ từ đề tài nghiên cứu khoa học

“Nghiên cứu thiết kế giải thuật tránh vật cản bất ngờ cho phương tiện tự hành USV

sử dụng thuật toán Set-Based Guidance (SBG) cải tiến”, cấp cơ sở mã số “GV2005”, Trường Đại học Dầu khí VN (PVU), Tập đoàn Dầu khí Việt Nam

Tp Hồ Chí Minh, tháng 8 năm 2020

Nguyễn Tứ Cường

TÓM TẮT LUẬN VĂN

Luận văn tập trung vào việc tìm hiểu và nghiên cứu phuơng pháp cơ bản cho việc ước lượng thông số cho bộ điều khiển góc Heading Sau đó một số các mô phỏng trên Matlab được thực hiện để kiểm tra phương pháp ước lượng trên Dựa vào thông số Model (ở đây là Model Nomoto), bộ điều khiển Sliding Mode được thiết kế cho việc điều khiển góc heading Do mục tiêu là tập trung ứng dụng chủ yếu là quan trắc môi trường để lấy mẫu nước, cũng như thuận lợi cho việc di chuyển, tránh vật cản …., nên USV được điều khiển tốc độ chậm, đây cũng là điều kiện ràng buộc trong quá trình điều khiển Tiếp theo, một hệ thống phần mềm hoàn chỉnh (GUI điều khiển, App điều khiển, cũng như hệ thống điều khiển) được xây dựng giúp cho việc dễ dàng thực các chức năng và ứng dụng vào thực tế sau này Để điều hướng cho tàu đi về phía một điểm nhất định, điểm này có thể là cố định hoặc thay đổi theo thời gian, thì

bộ Line of Sight (LOS) là đơn giản và dễ ứng dụng vào thực tế Dựa trên bộ điều khiển và bộ điều hướng trên, 2 mô hình tàu được kết hợp với nhau trong ứng dụng bám đối tượng đơn giản, tạo cơ sở cho việc phát triển và kết hợp nhiều tàu Do thời gian thực hiện đề tài có hạn nên việc hoàn chỉnh cũng như khả năng chạy tốt là rất khó, nên trong phần này chỉ làm các giải thuật đơn giản nhưng mang lại hiệu quả, cũng như tính ổn định

ABSTRACT

The thesis focuses on understanding and researching basic methods for estimating parameters for Heading control A number of Matlab simulations were then performed to test the estimation method above Based on the Model parameter (Model Nomoto), the Sliding Mode controller is designed for heading control Because the goal is to focus on the application of environmental monitoring to collect water samples, as well as facilitate movement, avoiding obstacles, etc., the USV is controlled at a slow speed, which is also a constraint condition during control Next,

a complete software system (GUI controller, App controller, as well as control system) is designed to make it easy to implement functions and applications in the future To navigate the ship toward a certain point, this point can be fixed or changed over time, the Line of Sight (LOS) guidance is simple and easy to apply in practice Based on the controller and guidance, the two ship models are combined in a simple target following application, which forms the basis for the development and integration of multiple ships Due to the limited time to implement the project, the completion as well as the ability to run well are very difficult, so in this section, we only do simple but effective algorithms, as well as stability

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của bản thân, không sao chép số liệu hay kết quả từ các nghiên cứu khác Các tài liệu liên quan được sử dụng trong luận văn đều có trích dẫn và nguồn góc rõ ràng Các nội dung, kết quả trình bày trong luận văn là kết quả trong quá trình nghiên cứu tại trường đại học Bách Khoa TP.HCM Tôi xin hoàn toàn chịu trách nhiệm trước bộ môn, khoa và nhà trường về sự cam đoan này

Tác giả luận văn

Nguyễn Tứ Cường

MỤC LỤC

MỞ ĐẦU 16

Chương 1 GIỚI THIỆU TỔNG QUAN VỀ USV 17

1.1 Tình hình nghiên cứu ngoài nước 20

1.2 Tình hình nghiên cứu trong nước 25

Chương 2 MÔ HÌNH ĐỘNG LỰC HỌC 27

2.1 Định nghĩa thông số, hệ trục tọa độ trong mô hình toán USV 27

2.2 Mô hình toán USV 29

2.3 Điều khiển Phân Bố Lực 31

Chương 3 ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH VÀ THIẾT KẾ BỘ ĐIỀU KHIỂN SLIDING MODE 33

3.1 Model USV gần đúng cho điều khiển mũi tàu 33

3.1.1 Nomoto Model 34

3.1.2 R Model 34

3.1.3 Phương pháp nhận dạng 35

3.1.4 Phương pháp thu thập dữ liệu để ước lượng 36

3.1.5 Đánh giá Model 38

3.2 Thiết kế bộ điều khiển Sliding Mode: 39

Chương 4 GIẢI THUẬT DẪN ĐƯỜNG 41

4.1 Định nghĩa hệ thống dẫn đường (Guidance): 41

4.2 Phương pháp dẫn đường LOS: 42

4.3 Tiêu chí chuyển điểm 44

Chương 5 MÔ HÌNH VÀ HỆ THỐNG ĐIỀU KHIỂU 46

5.1 Tổng quan hệ thống phần cứng USV 46

5.2 Hệ thống phần mềm điều khiển 49

5.2.1 Giao diện điều khiển: Plutus 51

5.2.2 App điều khiển: Kepler 53

5.2.3 Bộ điều khiển Onboard : RUNE 54

5.3 Nhiệm vụ tàu (maneuvering) 54

Chương 6 KẾT QUẢ THỰC NGHIỆM VÀ ĐÁNH GIÁ 58

6.1 Ước lượng thông số mô hình 58

6.1.1 Mô phỏng 58

6.1.1.1 Thu thập dữ liệu 58

6.1.1.2 Ước lượng và Đánh giá Model 63

6.1.2 Thực nghiệm 69

6.2 Bộ điều khiển Sliding Mode 72

6.2.1 Mô phỏng 72

6.2.2 Thực nghiệm 77

6.3 Bám đường thẳng (Path following) 79

6.4 Bám đối tượng (Target following) 89

TÀI LIỆU THAM KHẢO 93

DANH MỤC CÁC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ LUẬN VĂN 96

LÝ LỊCH TRÍCH NGANG CỦA TÁC GIẢ 97

DANH MỤC HÌNH VẼ

Hình 1.1 Tình hình ô nhiễm nguồn nước tại VIệt Nam 17

Hình 1.2 Công nghệ trắc môi trường nước phổ biến hiện nay tại Việt Nam 18

Hình 1.3 Dự báo thị trường phát triển Unmanned Surface Vehicle từ 2016-2023 19

Hình 1.4 Tàu AUTOCAT, 2000 20

Hình 1.5 USV ESM30 (vàng) và USV MM70 (vàng-trắng) 22

Hình 1.6 Khảo sát 53 hồ ở Wuhan 23

Hình 1.7 USV SONOBOT của EvoLogics GmbH 23

Hình 1.8 Kết quả thực tế khi khảo sát và vẽ biểu đồ đáy sông, hồ 24

Hình 1.9 Mô hình USV trên thế giới 25

Hình 2.1 Hệ tọa độ NED 27

Hình 2.2 USV với 3 DOF với hệ Body trên mặt phẳng 2D Oxy 28

Hình 2.3 Cách bố trí động cơ trên tàu 31

Hình 3.1 Phương pháp thử nghiệm Turning Cricle 37

Hình 3.2 Phương pháp thử nghiệm Zig-Zig Test 38

Hình 3.3 Phân bố lực động cơ trong quá trình thử nghiệm 38

Hình 4.1 Sơ đồ khối hệ thống dẫn đường 42

Hình 4.2 Mô hình cho vector LOS của tàu thuyền trong trường hơp không xét góc sideslip β 42

Hình 4.3 Ảnh hưởng của ngoại lực lên đến hướng di chuyển của tàu 44

Hình 5.1 Các dạng tàu thuyền 2 thân chạy tuyến sông 46

Hình 5.2 Mô hình USV hoàn chỉnh 47

Hình 5.3 Sơ đồ kết nối thiết bị điện 48

Hình 5.4 Sơ đồ giải thuật điều khiển tàu 49

Hình 5.5 Phần mềm điều khiển và hiển thị trạm mặt đất 50

Hình 5.6 Sơ đồ tổng quát hệ thống phần mềm sử dụng trong USV 51

Hình 5.7 Các thành phần thanh menu: Thanh công cụ, bảng điều khiển, thanh trạng thái của Plutus 52

Hình 5.8 Giao diện Đánh giá và phân tích nhiệm vụ 52

Hình 5.10 Điều khiển bằng tay 55

Hình 5.11 Nhiệm vụ Goto trong Plutus Console 55

Hình 5.12 Nhiệm vụ với hình dạng sẳn có 56

Hình 5.13 Kết nối và điều khiển nhiều USV 56

Hình 5.14 Hệ kết hợp USV- ROV 57

Hình 5.15 Kết hợp nhiều USV trong ứng dụng khác nhau 57

Hình 5.16 Mô phỏng thực hiện nhiệm vụ bám đối tượng 57

Hình 6.1 Mô hình thu thập dữ liệu trên Matlab Simulink 58

Hình 6.2 Vận tốc góc, gia tốc góc và vận tốc USV trong turning circle 59

Hình 6.3 Vị trí USV khi turning circle 59

Hình 6.4 Lực động cơ mũi và góc heading trong zig-zag 60

Hình 6.5 Vận tốc góc, gia tốc góc và vận tốc USV trong zig-zag 60

Hình 6.6 Vị trí USV khi zig-zag 61

Hình 6.7 Mô hình thu thập dữ liệu trên Matlab Simulink với nhiễu từ cảm biến 61

Hình 6.8 Lực động cơ mũi và góc heading trong zig-zag 62

Hình 6.9 Vận tốc góc, gia tốc góc và vận tốc USV trong zigzag với sai số cảm biến 62

Hình 6.10 Vị trí USV khi zigzag 63

Hình 6.11 Đánh giá Model ước lượng 63

Hình 6.12 Mô hình ước lượng với dữ liệu đo được từ Turning Circle 64

Hình 6.13 Đánh giá model ước lượng và thật trường hợp ZigZag 65

Hình 6.14 Mô hình ước lượng với dữ liệu đo được từ ZigZag có nhiễu cảm biến 66

Hình 6.15 Mô hình ước lượng với dữ liệu đo với u(t)=1 68

Hình 6.16 So sánh Fit(%) với các trường hợp khác nhau 68

Hình 6.17 So sánh RMSE với các trường hợp khác nhau 69

Hình 6.18 Dữ liệu của USV 70

Hình 6.19 Vận tốc USV khi lấy mẫu 70

Hình 6.20 So sánh Model ước lượng và dữ liệu thực tế 71

Hình 6.21 Mô hình bộ điều khiển Sliding Mode trên Matlab Simulink 72

Hình 6.22 Đáp ứng Step bộ điều khiển Sliding Mode 72

Hình 6.23 Tính hiệu điều khiển của bộ điều khiển 73

Hình 6.24 Đáp ứng góc heading (psi) theo sóng vuông của bộ điều khiển 73

Hình 6.25 Tính hiệu điều khiển theo sóng vuông của bộ điều khiển 74

Hình 6.26 Đáp ứng Step bộ điều khiển Sliding Mode 75

Hình 6.27 Tính hiệu điều khiển của bộ điều khiển 75

Hình 6.28 Đáp ứng Step bộ điều khiển Sliding Mode 76

Hình 6.29 Tính hiệu điều khiển của bộ điều khiển 76

Hình 6.30 Điều khiển giữ hướng USV 77

Hình 6.31 Tín hiệu điều khiển 77

Hình 6.32 Điều khiển giữ hướng USV 78

Hình 6.33 Tín hiệu điều khiển 78

Hình 6.34 Mô hình bộ dẫn hướng LOS và điều khiển Sliding Mode trên Matlab Simulink 79

Hình 6.35 USV bám theo quỹ đạo sóng vuông 79

Hình 6.36 Quỹ đạo mong muốn và quỹ đạo mô phỏng của USV khi sử dụng hệ thống kết hợp LOS và SMC 80

Hình 6.37 Môi trường thử nghiệm USV 80

Hình 6.38 Mô hình USV tại nơi thử nghiệm 80

Hình 6.39 Quỹ đạo của USV qua 2 điểm Waypoint 81

Hình 6.40 Vận tốc USV khi vận hành 81

Hình 6.41 Sai số đường đi mong muốn và quỹ đạo của USV (ye) 82

Hình 6.42 Tín hiệu điều khiển bộ SMC 82

Hình 6.43 Quỹ đạo của USV qua 2 điểm Waypoint 83

Hình 6.44 Thông số trong bộ điều khiển SMC 83

Hình 6.45 Vận tốc USV khi vận hành 84

Hình 6.46 Sai số đường đi mong muốn và quỹ đạo của USV (ye) 84

Hình 6.47 Tín hiệu điều khiển bộ SMC 84

Hình 6.48 Tín hiệu điều khiển bộ SMC bị dao động liên tục khi tăng vận tốc 85

Hình 6.49 Quỹ đạo USV là sóng vuông 85

Hình 6.50 Thông số trong bộ điều khiển SMC 86

Hình 6.51 Vận tốc USV khi vận hành 86

Hình 6.52 Sai số đường đi mong muốn và quỹ đạo của USV (ye) 87

Hình 6.53 Tín hiệu điều khiển 87

Hình 6.54 Quỹ đạo USV là hình tròn 88

Hình 6.55 Sai số đường đi mong muốn và quỹ đạo của USV (ye) 88

Hình 6.56 Bám theo quỹ đạo bất kì 89

Hình 6.57 Sai số ye trong quá trình di chuyển <1m 89

Hình 6.58 Mô hình điều khiển bám đối tượng dựa trên bộ dẫn hướng Line of sight (LOS) 90

Hình 6.59 Mô phỏng bám đối tượng của 2 USV 90

Hình 6.60 Quỹ đạo đi của 2 USV 91

Hình 6.61 Mô hình sử dụng trong bám đối tượng 91

Hình 6.62 Kết quả viam-usv-2000 bám theo viam-usv-500 92

DANH MỤC BẢNG

Bảng 1.1 Thống kê tàu tự hành USV 21

Bảng 2.1 : Kí hiệu sử dụng cho 6 DOF sử dụng cho phương tiện thủy 28

Bảng 6.1 Thông số Model ước lượng trường hợp Turning Circle 64

Bảng 6.2 Đánh giá model ước lượng và thật trường hợp Turning Circle 64

Bảng 6.3 Thông số Model ước lượng trường hợp ZigZag 65

Bảng 6.4 Thông số Model ước lượng trường hợp ZigZag có nhiễu cảm biến 66

Bảng 6.5 Đánh giá model ước lượng và thật trường hợp Zigzag có nhiễu 67

Bảng 6.6 Đánh giá model ước lượng và thật trường hợp Zigzag với t_u=1 68

Bảng 6.7 Thông số ước lượng USV 71

Bảng 6.8 Thông số Model ước lượng 74

DANH MỤC TỪ VIẾT TẮT

NED Hệ trục tọa độ North, East, Down

MỞ ĐẦU Mục tiêu :

Phần nghiên cứu nhắm đến xây dựng mô hình góc heading của USV, ước lượng model USV sử dụng Nomoto model [1-5], bộ điều khiển Sliding Mode khả năng thích nghi với các tác động nhiễu môi trường Xây dựng được sản phầm USV phục vụ quan trắc môi trường nước, mang tính ứng dụng và thực tiễn cao trong dân sự và chứng minh khả năng làm chủ trong nghiên cứu và nắm bắt công nghệ tiên tiến Mục tiêu

cơ bản nghiên cứu như sau:

 Thu thập dữ liệu và ước lượng thông số Model

 Xây dựng bộ điều khiển Sliding Mode dựa trên Model

 USV có khả năng xác định được vị trí của nó thông qua giao tiếp với người sử dụng Sử dụng các giải thuật điều khiển có thể tự động đi đến những vị trí mong muốn được định sẵn

 Xây dựng giao diện tương tác người dùng, điều khiển cho USV với các chức năng cơ bản

 Bước đầu xây dựng bám đối tượng cho hệ thống USV, tạo tiền đề cho phát triển sau này

Đối tượng và phạm vi nghiên cứu :

Với nghiên cứu này quy mô nó rất rộng, thời gian thực hiện luận văn không nhiều, nên trong ta chỉ tập trung vào xây dựng lại mô hình và thực hiện bộ điều khiển Sliding Mode cho điều khiển góc heading, các nghiên cứu ban đầu đã cho kết quả tốt trên mô phỏng và đang được áp dụng nhiều vào thực tế

Chương 1 GIỚI THIỆU TỔNG QUAN VỀ USV

Việt Nam là một quốc gia ven biển có một bờ biển dài hơn 3000 km, liên quan mật thiết đối với những vấn đề kinh tế, môi trường, an ninh quốc phòng, du lịch trên biển diễn ra rất tấp nập Hiện nay các đô thị lớn của Việt Nam chủ yếu phát triển dựa trên các con sông: vùng kinh tế trọng điểm phía Nam gắn với lưu vực hệ thống sông Đồng Nai là vùng có tốc độ phát triển kinh tế năng động nhất cả nước; vùng kinh tế trong điểm phía Bắc gắn với lưu vực sộng Hồng, vùng kinh tế trọng điểm gắn với sông Cửu Long… Bên cạnh phát triển kinh tế, tập trung gia tăng quy mô dân số là ô nhiễm môi trường nói chung và ô nhiễm môi trường nước nói riêng

Hình 1.1 Tình hình ô nhiễm nguồn nước tại VIệt Nam

Chính vì vậy, những năm gần đây Nhà nước đã ban hành rất nhiều chính sách nhằm quản lý và khuyến khích đưa công nghệ mới ứng dụng vào công tác bảo vệ môi trường Nhằm mục tiêu lượng hóa mức độ ô nhiễm, theo dõi diễn biến môi trường phục vụ công tác quản lý và thông tin đến người dân, Luật BVMT 2005 trước đây đã quy định trách nhiệm quan trắc môi trường tại chương IX (Quan trắc và thông tin Môi trường) và Luật BVMT 2018 - hiện nay tiếp tục làm rõ vai trò công tác quan trắc môi trường trong quản lý nhà nước, nghiên cứu và thông tin đến người dân tại chương XII về Quan trắc môi trường Công nghệ trong quan trắc môi trường nói chung và môi trường nước nói riêng đang được nhà nước đầu tư từng bước hiện đại tiếp cận công nghệ của các nước phát triển trên thế giới Tuy nhiên nhìn chung công tác quan

trắc chủ yếu dựa trên công nghệ chưa cao, đòi hỏi nhiều nhân lực và ít có công nghệ quan trắc tích hợp, tự động hóa trong quan trắc môi trường

Hình 1.2 Công nghệ trắc môi trường nước phổ biến hiện nay tại Việt Nam

Song song đó nhà nước cũng khiến khích xây dựng hệ thống dân cư trên các đảo, quần đảo nhằm tăng cường việc khai thác thủy sản và đánh dấu lãnh thổ Từ những vấn đề trên đòi hỏi phải một nhu cầu rất lớn về việc tiến hành thăm dò, khảo sát và cũng như thực hiện các công việc trên và dưới nước cho công tác nghiên cứu, chuẩn

bị hiện trường khi xây dựng các công trình Bên cạnh đó công việc cứu hộ, cứu nạn, trục vớt cũng rất cần thiết vì sự phát triển nhanh dẫn tới mật độ giao thông trên biển ngày càng lớn, cũng như cho mạng dưới dân cư trên các đảo, quần đảo Tất cả các nhiệm vụ nêu trên đều yêu cần một khối lượng công việc rất lớn và làm việc trong môi trường khắc nghiệt (độ sâu lớn, nhiệt độ thấp, áp suất lớn, môi trường nguy hiểm

và ô nhiễm, sóng gió ) Ở nước ta có trang bị các thiết bị để thực hiện việc trinh sát biển, kiểm tra và bảo trì các công trình biển bằng tàu thuyền tuy nhiên các trang bị vẫn còn lạc hậu so với thế giới, chưa có tính tự động cao vì vẫn cần con người lái trực tiếp, điều đó ảnh hưởng rất lớn tới khả năng và hiệu quả giải quyết nhiệm vụ ở những khu vực rộng lớn, hiểm trở với cường độ làm việc liên tục, hoặc ở những độ sâu mà con người không thể đến được, nên nhu cầu các thiết bị trợ giúp các hoạt động trên

là rất lớn Vì vậy, một thế hệ tàu loại nhỏ được phát triển, đa dạng trong chức năng, mang lại sự an toàn, tiện dụng cho người dùng, đồng thời chi phí đầu tư thấp Thế hệ tàu mới này được đặt tên là tàu tự hành hay không người lái (Unmanned Surface

Vehicle-USV) có thể hoạt động trên bề mặt và vận hành mà không cần sự can thiệp của con người Những tàu tự hành này đã cách mạng hóa trong khám phá mặt nước Với chúng, người ta đã có thể khám phá, với độ an toàn 100%, những vùng nước có thể mang lại nguy hiểm cho con người và chúng có thể hoạt động liên tục

Trên thế giới, với tính linh hoạt, hoạt động rộng lớn của USV cho phép chúng thực hiện nhiều nhiệm vụ lớn khác nhau Chúng đã trở thành một công cụ chính để khảo sát các ao, hồ, sông, biển trong các ứng dụng khoa học, vì khả năng vượt trội của chúng so phương pháp truyền thống [1-5], nâng cao hơn nữa độ tin cậy trong công tác quan trắc môi trường, hỗ trợ một phần công việc của con người Gần đây, USV

đã được sử dụng trong phát triển quân sự [6-8], phát hiện các chất gây ô nhiễm [9] Chúng được thiết kế không bị hạn chế bởi môi trường mà nguy hiểm đối với con người, chẳng hạn như môi trường hạt nhân hoặc chất thải bị ô nhiễm Không chỉ vậy chúng hổ trợ công tác cứu hộ cứu nạn tự động, là một ý tưởng đột phá được nhiều nước phát triển trên thế giới áp dụng và ngày càng phổ biến trên thế giới [10] Với sự phát triển đó, theo MarketsandMarkets thị trường toàn cầu của Unmanned Surface Vehicle (USV) được ước tính khoảng 534 triệu USD trong năm 2018 và sẽ lên tới 1,020 triệu USD ở năm 2023 [11]

Hình 1.3 Dự báo thị trường phát triển Unmanned Surface Vehicle từ 2016-2023

Hiện nay, với hệ thống định vị toàn cầu (GPS) đã trở nên nhỏ gọn, hiệu quả và dễ dàng tích hợp vào phương tiện, cùng hệ thống dữ liệu không dây băng thông rộng, tầm xa chi phí thấp đã đóng một vai trò quan trọng đối với sự phát triển của USV cho

nhiều ứng dụng [12] Chính vì thế, mục tiêu chính của đề tài là nghiên cứu, nâng cao khả năng về: dẫn đường, điều khiển, tránh vật cản vật cản [10] để tăng cường khả năng hoạt động và tự hành của chúng Đồng thời nâng cao khả năng khảo sát, độ chính xác của công nghệ quan trắc môi trường nước tự động liên tục và các ứng dụng khác nhau

1.1 Tình hình nghiên cứu ngoài nước

Tàu không người lái USV (Unmanned Surface Vessels) còn có tên gọi khác là tàu tự hành ASC (Autonomous Surface Craft) [1] Nó đầu tiên được phát triển vào năm

1993 tại học viện MIT Sea Grant, nó được thiết kế cho nhiều nhiệm vụ khác nhau Con tàu này có tên gọi là ARTEMIS, nó có kích thước nhỏ, lúc đầu được thử nghiệm

để kiểm tra sự kết hợp của hệ thống định vị và hệ thống điều khiển, sau đó được sử dụng để thu thập dữ liệu trên sông Charles ở Boston Tuy nhiên việc thu thập dữ liệu này gặp nhiều khó khăn, chính kích thước nhỏ của ARTEMIS là một hạn chế lớn của

nó, điều này làm cho độ bền và tính ổn định của tàu giảm đi nhanh chóng trước những tác động của môi trường nước ARTEMIS chỉ dừng lại ở ứng dụng thu thập những mẫu dữ liệu đơn giản của nó

Hình 1.4 Tàu AUTOCAT, 2000

Trên cơ sở nền tảng của tàu ARTEMIS,năm 1996 một thiết bị tàu lái tự động cũng với kích thước nhỏ nhưng có độ linh hoạt và tính ổn định cao được nghiên cứu Hệ thống này có tên gọi là ACS ACES (Autonomous Coastal Exploration System) được

hiểu là thiết bị tự lái chuyên phục vụ để khảo sát chất lượng môi trường nước Thiết

bị này trải qua rất nhiều thí nghiệm về tính năng của nó tại Gloucester, sau đó nó được tích hợp các cảm biến thu thập để thực nhiệm vụ chính là khảo sát chất lượng thủy văn tại bến cảng Boston Năm 1998 nó được trả về phòng thí nghiệm để nâng cấp và chính thức được công bố như một thiết bị tàu thủy tự động hoàn thiện vào năm

2000 với tên gọi “AUTOCAT” Trên cơ sở nền tảng về USV đầu tiên Autocat, hàng loạt những nghiên cứu về USV được tiến hành và đã lan rộng ra trên phạm vi toàn thế giới Dưới đây là bản thống kê một vài thiết bị tàu tự hành và nhiệm vụ của chúng khi được chế tạo [2]:

Bảng 1.1 Thống kê tàu tự hành USV Quốc gia Năm Tên thiết bị Ứng dụng

USVs

Kiểm tra tính ổn định, khảo sát môi trường

Sentry Khảo sát và bảo vệ bến cảng

2003 SWIMS Điều tra mỏ khoáng sản

SeaFox Kiếm tra khả năng thích ứng kết hợp

định vị, điều khiển, dẫn đường

2004 Springer Khảo sát môi trường, mẫu thí nghiệm

Ứng dụng năng lượng mặt trời cho tàu

tự hành để giám sát môi trường biển Canada 2000 HammerHea

d

Mô phỏng lại khả năng tránh các mối đe dọa

2004 SESAMO Quan trắc môi trường

2005 Charlie Quan trắc môi trường

2007 ALANIS Quan trắc môi trường Gầnđ

ây

Kingfisher Phục vụ quân sự

2006 Swordfish Quan trắc môi trường

2008 Kaasboll Kiểm tra hệ thống định vị và điều khiển

2008 Viknes Kiểm tra nhiểu mục đích

Na uy 2000 Mariner Quan trắc môi trường

2005 Seatar Khảo sát, quân sự Israel 2007 Silver Marlin Giám sát, trinh sát

Đức 2005 Basil Khảo sát đường ống ngoài khơi

Pháp 2007 Inspector Giám sát, trinh sát

Thụy Sĩ 2002 Piraya Điều khiển kết hợp

Quốc 2010 USV- ZhengHe

Thu thập dữ liệu môi trường thủy văn

Nhậ tBản 2004 UMV series Khảo sát môi trường biển

Ấn Độ 2006 ROSS Khảo sát môi trường biển

USV ESM30, MM70 (Trung Quốc) quan trắc khu vực sông, hồ:

Hình 1.5 USV ESM30 (vàng) và USV MM70 (vàng-trắng)

Các thiết bị lấy mẫu được trang bị trên tàu bao gồm một Sampling box để chứa các mẫu và phân tích, dưới thân tàu khi hoạt động là một thiệt bị để lấy mẫu nước ở độ sâu từ 0.3-0.5m sẽ lấy mẫu trực tiếp rồi xử lý sơ bộ để đưa vào chứa trong Sampling box Ở đây nó có thể xử lý và đo rất nhiều các chỉ số ta cần quan trắc trong nước như : nhiệt độ, độ dẫn riêng của nước, oxi hòa tan, pH, độ đục tuỳ theo các cảm biến ta chọn cho Sampling box

Hình 1.6 Khảo sát 53 hồ ở Wuhan USV SONOBOT (EvoLogics, Đức) cho việc khảo sát và vẽ bản đồ đáy cảng hoặc các sông, hồ:

Hình 1.7 USV SONOBOT của EvoLogics GmbH

Ở Đức, người ta đã dùng USV SONOBOT [13] (hình 1.7) để thi hành các tác vụ trên Với các chi tiết kỹ thuật, USV SONOBOT phù hợp với các con sông, hồ nhỏ trong

đô thị hoặc kiểm tra bề mặt đáy ở gần cảng nơi có thuyền chở hàng ra vào thường xuyên để tránh việc mắc cạn hoặc va chạm làm hỏng thuyền với các vật thể dưới đáy

và đặc biệt là có thể thực hiện và thu hồi bằng tay vì khá nhỏ gọn Ứng dụng thực tế SONOBOT cho việc vẽ bản đồ đáy tại cảng Đầu tiên sẽ lên kế hoạch để vẽ đường

đi, kế đó tự hành trên đường đã vạch rồi thu hồi, lưu trữ kết quả và cuối cùng là thành lập bản báo cáo (hình 1.8)

Hình 1.8 Kết quả thực tế khi khảo sát và vẽ biểu đồ đáy sông, hồ

Với sự phát triện công nghệ, cảm biến, USV ngày càng được phát triển và ứng dụng nhiều trên thế giới :

Hình 1.9 Mô hình USV trên thế giới

1.2 Tình hình nghiên cứu trong nước

Mặc dù tình hình nghiên cứu USV ở nước ngoài đang diễn ra rất sôi động, một số đã được đưa vào ứng dụng thực tế, tuy nhiên nội dung nghiên cứu này ở trong nước còn rất mới, ít có các đề tài, dự án được triển khai và đưa vào ứng dụng thực tế Nhóm đã tích cực tìm kiếm thông tin về tình hình nghiên cứu USV phục vụ quan trắc môi trường nước tự động liên tục thông qua mạng Internet, hỏi ý kiến các chuyên Kết quả đánh giá sơ bộ cho thấy việc nghiên cứu USV và đưa vào ứng dụng đang để ngỏ, rất ít thông tin đề cập đến nội dung nghiên cứu này.Từ việc phân tích, đánh giá và liệt

kê các phương pháp quan trắc môi trường nước ở mục trên (tình hình nghiên cứu trong và ngoài nước), ưu điểm của phương pháp quan trắc tự động liên tục [14-15]

sử dụng robot USV có thể được tóm gọn như sau:

- Đo nhanh, trực tiếp và liên tục trên diện rộng, sử dụng nhân lực ít

- Mức độ tự động hóa cao, tiết kiệm chi phí đầu tư và chi phí vận hành để quan trắc

- Dữ liệu quan trắc được thu thập trên diện rộng (nước mặt và lòng sông), đồng

bộ với một chiến lược lấy mẫu chung theo một lịch trình cố định về không gian và thời gian, từ đó giúp công tác quan trắc đánh giá chất lượng môi trường nước đạt độ chính xác cao

- USV có thể duy trì hoạt động ổn định ở nhiều mức độ sâu khác nhau, giúp đảm bảo độ chính xác và tính liên tục của quy trình quan trắc Giúp xác định nhanh

và chính xác khu vực ô nhiễm, tiết kiệm kinh phí và thời gian trong quá trình điều tra khảo sát nguyên nhân gây ô nhiễm

- Hoạt động trong mọi điều kiện thời tiết, môi trường ô nhiễm khác nhau Điểm khác biệt là: các thiết bị được tích hợp trên 1 robot USV nhỏ gọn; robot vận hành không dây, tự động, lịch trình đa dạng được thiết lập sẵn; khả năng quan trắc trên diện rộng; chỉ cần một người điều khiển cho tất cả các chu trình hoạt động; việc

đo các thống số ô nhiễm được tiến hành trực tiếp; tốc độ khảo sát và độ chính xác cao hơn phương pháp đang sử dụng; hoạt động đươc ở nhiều dạng môi trường, thời tiết khác nhau Bên cạnh lĩnh vực môi trường, USV còn có thể ứng dụng trong an ninh quốc phòng: tuần tra, do thám, phát hiện và rà phá ngư lôi, bom mìn, hỗ trợ phòng thủ, tấn công, hỗ trợ truyền nhận thông tin với robot dưới nước

Chương 2 MÔ HÌNH ĐỘNG LỰC HỌC

Trong chương này sẽ giới thiệu động lực học cơ bản của một tàu Nghiên cứu về động lực học giúp cho việc mô phỏng, thực hiện, kiểm chứng các giải thuật một cách thuận lợi

2.1 Định nghĩa thông số, hệ trục tọa độ trong mô hình toán USV

Trước khi phân tích các phương trình chuyển động của USV, để thuận lợi cho việc hiểu rõ ta cần xác định các hệ trục tọa độ và các thông số liên quan đên mô hình USV Thông thường ta cần xác định hệ trục cố định gắn thuyền (BODY) và hệ trục cố định gắn với đất (Earth), khi mô tả chuyển động của thuyền, trong đó hệ trục BODY là một hệ trục chuyển động Vận tốc tuyến tính và vận tốc góc của thuyền, cũng như lực đẩy và monment trên thuyền được mô tả trên hệ tọa độ BODY Trọng tâm của thuyền (CG) thường được chọn làm gốc hệ tọa độ gắn với thuyền (BODY) Hệ trục tọa độ trái đất (Earth), với trục x, y hướng về phía Bắc, Đông và trục z xuôi xuống bề mặt trái đất, được gọi là hệ tọa độ North-East-Down (NED) Vị trí và vector hướng là được mô tả như sau :

Hình 2.1 Hệ tọa độ NED

Để xác định vị trí và định hướng của các phương tiện hàng hải trong môi trường chuyển động ta cần có bậc tự do (DOF), sáu tọa độ độc lập như sau :

Bảng 2.1 : Kí hiệu sử dụng cho 6 DOF sử dụng cho phương tiện thủy

moment

Vận tốc tuyến tính và vận tốc góc

Vị trí và góc

Các hệ tọa độ Body và Earth được minh họa trong Bảng 2.1 với X, Y, Z là lực tác động tương ứng lên thuyền theo các trục x,y,z và K,M,N là moment tương ứng với các góc roll, pitch, yaw Đối với mục đích trong bài luận văn này ,USV hoạt động ở tốc độ thấp (0.5-1.5m/s) và ở các vùng nước yên tỉnh, chịu tác động ngoại lực như: gió, dòng chảy… hầu như rất nhỏ và không ảnh hưởng đến USV Do đó, chuyển động của thuyền giả định là phẳng với chuyển động tuyến tính theo phương xb ,yb và và xoay quanh trục zb Trong suốt bài luận văn này thì 3 bậc tự do (DOF) được sử dụng

là : surge, sway, và yaw đại diện cho chuyển động theo phương x, y và xoay quanh

trục z của USV Các hệ trục tọa độ BODY và NED được trình bày minh họa trong hình 2.2

Hình 2.2 USV với 3 DOF với hệ Body trên mặt phẳng 2D Oxy

2.2 Mô hình toán USV

Mô hình toán USV 3 bậc tự (surge, sway, and yaw) sử dụng, như được trình bày trong [14] và [15] Nếu chúng ta xem môi trường không nhiễu, các phương trình phi tuyến tính chuyển động trong hệ trục tọa độ BODY cố định có thể được viết bằng hình thức vector:

𝑀𝑣̇ + 𝐶(𝑣)𝑣 + 𝐷(𝑣)𝑣 = 𝜏

𝜂̇ = 𝐽(𝜂)𝑣 Với 𝜂̇ và 𝑣 định nghĩa :

𝜂̇ = [ 𝑥̇ 𝑦̇ 𝜓̇]𝑇

𝑣 = [𝑢 𝑣 𝑟]𝑇 Với 𝑀 là ma trận khối lượng, 𝐶(𝑣) là ma trận Coriolis, 𝐷(𝑣) là ma trận kéo, trượt (drag matrix ) của môi trường khi thuyền chạy , 𝜏 là vector của các lực và moment được tạo ra bởi hệ thống động cơ 𝑀 và 𝐶(𝑣) bao gồm 2 thành phần: 1 là phần cứng thuyền(rigid body): 𝑀𝑅𝐵 ,𝐶𝑅𝐵 và phần tăng thêm (added mass ): 𝑀𝐴𝑀 ,𝐶𝐴𝑀 𝐷(𝑣) cũng gồm 2 thành phần : phần kéo tuyến tính (linear drag) 𝐷𝑙(𝑣), phần kéo phi tuyến (nonlinear drag) 𝐷𝑛𝑙(𝑣) Vector 𝜂̇ mô tả vận tốc thuyền theo phương x (Nam-South),

y (Đông –East) vận tốc góc xoay quanh trục z (𝜓̇) trong hệ tọa độ North-East-Down (NED) Vector 𝑣 = [𝑢 𝑣 𝑟] chứa các vector vận tốc hướng thẳng tới, hướng ngang và vận tốc góc yaw gắn trên hệ trục tọa độ thuyền (BODY) Với 𝑀 là ma trận khối lượng bao gồm khối lượng của thuyền 𝑀𝑅𝐵 và khối lượng tăng thêm 𝑀𝐴𝑀:

𝐷(𝑣) ma trận kéo, trượt (drag matrix ) của môi trường , và nó phụ thuộc vào tốc độ

di chuyển của thuyền , gồm 2 thành phần phi tuyến và tuyến tính

(2.8) (2.7)

2.3 Điều khiển Phân Bố Lực

Hình 2.3 Cách bố trí động cơ trên tàu Các lực đẩy tác động lên USV được định nghĩa là một vector F  [F F F F1, ,2 3, ]4 Để biến đổi vector lực mong muốn thành tín hiệu điều khiển cho mỗi bộ đẩy, chúng ta cần một ma trận biến đổi β Lực đẩy và mô-men xoắn  có mối liên hệ đến vector lực mong muốn F thông qua phương trình    F.

L F  F WF   F (2.13)

Trong đó  là vectơ của số nhân Lagrange, Wlà ma trận xác định dương, trọng số của các lực điều khiển Kết quả tính toán ta được F    và nghịch đảo của ma trận biến đổi là:

1

   (2.15) Với ma trận phân bố lực trên, ta dễ dàng điều khiển và phân bố tín hiệu điều khiển đặc biệt trong việc giữ vị trí

Chương 3 ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH VÀ THIẾT KẾ BỘ ĐIỀU KHIỂN SLIDING MODE

Chương này sẽ giới thiệu về các bước để ước lượng thông số mô hình USV gần đúng, sau đó là mô tả ngắn gọn các phương pháp nhận dạng được được sử dụng trên thế giới, để xác định động lực học lái mũi tàu (heading hay steering) Phần cuối là phần trình bày về xây dựng bộ điều khiển heading, ở đây là bộ Sliding Mode áp dụng cho

mô hình tàu gần đúng

3.1 Model USV gần đúng cho điều khiển mũi tàu

Trong môi trường phức tạp và dễ thay đổi, thiết kế bộ điều khiển heading là một trong những nghiên cứu cốt lõi của công nghệ điều khiển USV Mô hình toán học là cơ sở của thiết kế bộ điều khiển heading và nhận dạng hệ thống là một trong những phương pháp đơn giản và hiệu quả nhất để xác định các tham số mô hình, bao gồm bình phương tối thiểu [18], bộ lọc Kalman mở rộng [19], mạng nơ-ron [20], phân tích phổ [21] Lĩnh vực nhận dạng hệ thống rất rộng để có thể bao quát hoàn toàn, vì vậy trong nghiên cứu này đã tập trung vào các kỹ thuật nhận dạng được áp dụng để xác định động lực học của heading Có thể tìm thấy nhiều lý thuyết hơn về nhận dạng hệ thống trong [22-25], và nhiều nền tảng lý thuyết hơn về ước lượng tham số và khớp đường cong có thể được tìm thấy trong [26-27]

Động lực hoc của tàu đã được một số nhà nghiên cứu rút ra dựa trên các nguyên tắc đầu tiên là sử dụng các định luật Newton, như ở chương 2 Việc xác định các thông

số mô hình tàu rất khó khăn, vì vậy một số mô hình tàu gần đúng đã được đưa ra, đáp ứng cho các nhu cầu điều khiển thực tế Với nhu cầu thực hiện khảo sát nên USV thường chạy với tốc độ thấp, vì vậy việc nhận dạng và điều khiển USV sẽ dễ dàng thực hiện hơn Trong luận này, sẽ tập trung vào nhận dạng 2 Model Nomoto và R trên Matlab Simulink để kiểm tra và đánh giá nó Và chỉ áp dụng Model Nomoto vào

mô hình thực tế do giới hạn về cảm biến đó Trên thế giới người ta thường áp dụng phương trình Nomoto - một phương trình rất cơ bản để thực hiện xây dựng luật điều khiển cho tàu và đã đạt được nhiều kết quả khả quan nhất định

3.1.1 Nomoto Model

Việc lựa chọn phương trình toán phù hợp để miêu tả tốt nhất đặc tính của đối tượng nhằm tạo tiền đề cho việc xây dựng luật điều khiển là hết sức quan trọng Tuy nhiên vẫn phải cân nhắc nhiều vấn đề về tính khả thi của phương án khi áp dụng trong thực

tế Cụ thể một phương trình đầy đủ các yếu tố với độ phức tạp cao có thể mô tả chính xác hơn tuy nhiên lại không khả thi trong việc nhận dạng thông số vì sai số đo lường

sẽ ảnh hưởng nhiều đến chất lượng nhận dạng Trên thế giới người ta thường áp dụng phương trình Nomoto - một phương trình rất cơ bản để thực hiện xây dựng luật điều khiển cho tàu và đã đạt được nhiều kết quả khả quan nhất định Vì phương trình này ban đầu là tuyến tính và dễ nhận dạng tuy nhiên độ chính xác lại không cao nên sau

đó người ta đã cố gắng cải thiện chất lượng của nó bằng cách thêm các thành phần phi tuyến bổ sung Mô hình Nomoto được sử dụng rộng rãi có nguồn gốc từ [28]

Về sau khi người ta đã đưa ra nhiều công thức cũng như các dạng mô hình toán khác nhau để mô tả chuyển động của tàu theo cách phân tích lực, sử dụng định luật Newton

và các định luật bảo toàn năng lượng thì cũng có nhiều phương trình toán khác nhau dùng để cho mô tả Steering Dynamics [28-30]

3.1.2 R Model

Cụ thể là các phương pháp nâng cao tính phi tuyến và sự ràng buộc của các giá trị vận tốc u v, và vận tốc góc r với nhau nhằm giúp tăng độ chính xác Điều này đòi hỏi các giá trị đo phải có độ tin cậy và chính xác cao cho quá trình nhận dạng Cụ thể

như phương trình phi tuyến dùng cho nhận dạng trong [30] là dùng mô hình của Ross

để mô tả phương trình của r theo các biến u v r r như công thức bên dưới: , , , 

1r 2ur 3uv 4v 5 v v 6r 7 r r N

        (3.3)

trong đó các giá trị ii1, , 7 là các giá trị tham số sẽ được nhận dạng (ước lượng).Qua phương trình trên ta thấy độ phức tạp cũng như có quá nhiều thông số cho việc nhận dạng so với phương trình Nomoto Các kết quả thu được trình bày trong [34] cho thấy khả năng nhận dạng rất tốt khi thay đổi các điều kiện đầu vào vẫn giữ được chất lượng Model này chỉ sử dụng trong mô phỏng, so sánh và kiểm chứng với Model Nomoto, còn với thực nghiệm ta chỉ thực hiện cho model Nomoto

3.1.3 Phương pháp nhận dạng

Lĩnh vực nhận dạng hệ thống là quá rộng để có thể bao quát hoàn toàn, vì vậy tôi chỉ tập trung vào các kỹ thuật nhận dạng thường được áp dụng để xác định Steering Dynamics Các lý thuyết về nhận dạng hệ thống một cách đầy đủ hơn có thể được tìm thấy trong [30], [32] và nhiều lý thuyết nền tảng về ước lượng tham số và curve fitting

có thể được tìm thấy trong [27-29] Do steering dynamics của tàu biển ngày nay có thể được mô hình hóa bằng phương pháp cơ học Newton, nên trong phần này ta sẽ trung vào mô hình hộp xám (grey-box modeling) vì khi so với mô hình hộp đen (black-box modeling) thì mô hình hộp xám có những ưu điểm sau:

- Các liên hệ ràng buộc đã biết có thể được xét đến, cụ thể như giữa các tham

số và phương sai nhiễu

- Có khả năng ít tham số hơn cho việc ước lượng

- Liên hệ giữa các tham số có thể được định rõ

- Đặc biệt là trong trường hợp phi tuyến, các phương trình động học có thể được biết trước một cách tường minh

Riêng về các kỹ thuật nhận dạng hệ thống được áp dụng để xác định steering dynamics đã được nghiên cứu từ rất lâu Bắt đầu là các giải thuật nhận dạng đơn giản

và dần phức tạp hơn, đa dạng hơn nhưng chúng thường dựa trên các nguyên cơ bản

công bố cho sử dụng để xác định động lực học lái tàu: phương pháp phổ biến nhất là

least square method (Phương pháp bình phương tối thiểu), ngoài ra còn có phương

pháp khác như SVM Trong luận văn ta tập trung vào phương pháp bình phương tối thiểu Với các model trên ta quy về dạng:y kˆ( , ) T( )k , vậy ta có được các thông

số ước lượng như sau [30,32]:

3.1.4 Phương pháp thu thập dữ liệu để ước lượng

Các bước quan trọng nhất trong việc nhận dạng ngoài lựa chọn mô hình, phương pháp ước lượng ra còn có cách thu thập dự liệu đầu vào và bước đánh giá kiểm định chất lượng Việc chọn cách thức thu thập dữ liệu thì khá phụ thuộc vào kinh nghiệm thay

vì được trực quan và rõ ràng như việc đánh giá mô hình sao khi ước lượng Bên cạnh

đó các phương pháp để thu thập dữ liệu đầu vào chính xác và hợp lý sẽ là tiền đề giúp quá trình nhận dạng đạt được kết quả tốt nhất nên nó hết sức cần thiết Do đó để lựa chọn cách thức thu thập dữ liệu phù hợp, người ta thường phải thực hiện nhiều hình thức thí nghiệm khác nhau sau đó lấy để quả để so sánh và cho ra quy chuẩn chung

về phương pháp thu thập dữ liệu cho lớp đối tượng đó Riêng về nhận dạng cho Steering Dynamics của tàu, người ta có nhiều phương pháp khác nhau để thu thập dữ liệu được đề cập trong [29], [30], trong đó thường sử dụng nhất là các phương pháp thực nghiệm sau:

- Turning Cricle: Phương pháp này sẽ cho tàu chạy với một góc bánh lái cố định khi tàu đạt được một vận tốc nào đó và giữ nguyên như vậy để tàu chạy được một hình tròn Thường thì cần thực hiện một vòng tròn ít nhất là 540 độ để xác định các thông số chính của thử nghiệm này bao gồm: tactical diameter, advance, transfer, độ giảm của tốc độ khi tàu đang quay ổn định, thời gian để góc heading thay đổi được

90 độ và thời gian để thay đổi được 180 độ như hình bên dưới Ngoài ra quá trình di chuyển của tàu cũng có thể được phân ra nhiều phase khác nhau nhằm thu thập dữ liệu cho việc ước lượng và đánh giá

Hình 3.1 Phương pháp thử nghiệm Turning Cricle

- Zig-Zig Test: Được thực hiện bằng cách đảo ngược bánh lái xen kẽ bởi một góc bánh lái   sang hai bên Góc bánh lái được giữ cố định cho đến khi góc heading được thay đổi thành 20 độ, sau đó bánh lái bị đảo ngược Các giá trị phổ biến cho góc bánh lái là 20/20 và 10/10 Tuy nhiên, các sự kết hợp khác có thể được áp dụng Đối với các tàu lớn, góc bánh lái 100 được khuyến nghị để nhằm giảm thời gian và không gian test cần thiết Phương pháp này cho phép nhận dạng một số phương trình phức tạp, tuy nhiên nó chỉ chính xác với một miền giá trị của góc bánh lái  được thực nghiệm và thu thập dữ liệu Phương pháp này được xem là đơn giản nhất để thể xác định cho các thông số của phương trình Nomoto

Hình 3.2 Phương pháp thử nghiệm Zig-Zig Test

Đối với mô hình sử dụng trong luận văn không có bánh lái, thì ta sẽ thay bằng điều khiển lực ở động cơ trước (tương ứng với F4) trong hình 3.3 Với tốc độ USV sẽ được điều khiển bằng lực F1,F2

Hình 3.3 Phân bố lực động cơ trong quá trình thử nghiệm

3.1.5 Đánh giá Model

Đánh giá mô hình và thuật toán nhận dạng là một bước quan trọng trong nhận dạng

hệ thống Trong [32] một số cách so sánh các mô hình được trình bày, chẳng hạn như :

- Căn bậc 2 của trung bình bình phương sai số (root-mean-square error (RMSE)), đánh giá sự khác biệt giữa ước lượng và thực tế

2 1

100 / 1 y /

fit  norm y  norm y  mean y (3.6)

3.2 Thiết kế bộ điều khiển Sliding Mode:

Trong hệ thống điều khiển, điều khiển trượt (Sliding mode control) hay còn gọi tắt là SMC, là phương pháp điều khiển phi tuyến làm thay đổi động lực học của hệ phi tuyến bằng cách áp dụng tín hiệu điều khiển không liên tục (hoặc nghiêm ngặt hơn, một tín hiệu điều khiển được thiết lập) để cưỡng ép hệ thống trượt theo một mặt cắt ngang của đặc tính bình thường của hệ thống Luật điều khiển phản hồi trạng thái không phải là một hàm liên tục theo thời gian, thay vào đó nó có thể chuyển đổi từ một cấu trúc liên tục này sang cấu trúc khác dựa trên vị trí hiện tại trong không gian trạng thái Do đó, điều khiển trượt là một phương pháp điều khiển cấu trúc thay đổi Nhiều cấu trúc điều khiển được thiết kế sao cho quỹ đạo luôn di chuyển về phía một vùng lân cận với cấu trúc điều khiển khác nhau, và do đó quỹ đạo cuối cùng sẽ không tồn tại hoàn toàn trong một cấu trúc điều khiển Luật điều khiển của SMC có thể được tính toán dựa trên mô hình toán động học của đối tượng và định lý Lyapunov về ổn định Là một bộ điều khiển phi tuyến nên bộ điều khiển trượt có thể điều khiển tốt các đối tượng phi tuyến đồng thời cũng có tính ổn định rất cao, có thể chấp nhận sai

số mô hình trong một khoảng nhất định mà chất lượng điều khiển không giảm Bộ điều khiển trượt được áp dụng rộng rãi trong các ứng dụng đòi hỏi độ chính xác, bền vững cao (như cánh tay robot, xe tự hành, …) nhưng phụ thuộc vào việc thiết lập mô hình toán của đối tượng phải tương đối chính xác Bên cạnh đó nhược điểm lớn của

nó là hay bị dao động ở trạng thái cân bằng quanh mặt trượt (gọi là hiện tượng chattering), tuy nhiên có thể sử dụng một số hàm đặc thù để kiểm soát hiện tượng này

Ta đặt các trạng thái, x1,x2   r và 𝑢 = 𝛿, vậy Model sẽ đưa về dạng như sau

1 2 2 1( ) ( )

Với f x( ) 2x b x2, ( )1, 𝑢 ∈ 𝑅, 𝑦 ∈ 𝑅 ứng với model Nomoto

Đặt: e x1 x d, và phương trình mặt trượt bộ SMC như sau :

Với const là hằng số, nếu const càng nhỏ tanh(s/const) sẽ tiến về 1 và -1 càng

nhanh Để tính giá tính ổn định, xét hàm Lyapunov: 1 2