Luận án Tiến sĩ Kỹ thuật điện, Điện tử và Viễn thông: Nghiên cứu điều khiển trễ trong hệ thống điều khiển phản hồi qua mạng

BỘ GIÁO DỤC VÀ ĐÀO TẠO

VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM

HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ -----------------------------

PHẠM NGỌC MINH

NGHIÊN CỨU ĐIỀU KHIỂN TRỄ TRONG HỆ THỐNG ĐIỀU KHIỂN PHẢN HỒI QUA MẠNG

LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN, ĐIỆN TỬ VÀ VIỄN THÔNG

Hà Nội - 2020

BỘ GIÁO DỤC VÀ ĐÀO TẠO

VIỆN HÀN LÂM KHOA HỌC VÀ CÔNG NGHỆ VIỆT NAM

HỌC VIỆN KHOA HỌC VÀ CÔNG NGHỆ -----------------------------

PHẠM NGỌC MINH NGHIÊN CỨU ĐIỀU KHIỂN TRỄ TRONG HỆ THỐNG ĐIỀU KHIỂN PHẢN HỒI QUA MẠNG

Chuyên ngành: Kỹ thuật điều khiển và tự động hóa

Mã số: 9.52.02.16

LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN, ĐIỆN TỬ VÀ VIỄN THÔNG

NGƯỜI HƯỚNG DẪN KHOA HỌC : PGS.TS. Thái Quang Vinh

Hà Nội - 2020

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi, được hoàn

thành dưới sự hướng dẫn của PGS.TS Thái Quang Vinh. Các kết quả nêu trong

luận án là trung thực và chưa từng được công bố trong bất kỳ công trình nào

khác.

Tôi xin chịu trách nhiệm về những lời cam đoan của mình.

Hà nội, ngày tháng năm 2020

Tác giả

Phạm Ngọc Minh

LỜI CẢM ƠN

Luận án này được hoàn thành với sự nỗ lực không ngừng của tác giả và

sự giúp đỡ hết mình từ các thầy giáo hướng dẫn, bạn bè và người thân.

Đầu tiên, tác giả xin bày tỏ lời tri ân tới PGS.TS Thái Quang Vinh, thầy

giáo đã tận tình hướng dẫn tác giả hoàn thành luận án này.

Tác giả xin gửi lời cảm ơn tới các thầy, cô giáo và cán bộ của Viện Công

nghệ thông tin, Học viện Khoa học và Công nghệ (Viện Hàn lâm Khoa học và

Công nghệ Việt Nam) đã nhiệt tình giúp đỡ và tạo ra môi trường nghiên cứu tốt

để tác giả hoàn thành công trình của mình; cảm ơn các thầy, cô và các đồng

nghiệp ở các nơi mà tác giả tham gia viết bài đã có những góp ý chính xác để

tác giả có được những công bố như ngày hôm nay.

Tác giả xin cảm ơn tới Viện Công nghệ thông tin – Viện Hàn lâm Khoa

học và Công nghệ Việt Nam, các đồng nghiệp phòng Kỹ thuật điều khiển và Hệ

thống nhúng nơi tác giả công tác đã ủng hộ để luận án được hoàn thành đúng

thời hạn.

Cuối cùng, tác giả xin gửi tới bạn bè, người thân lời cảm ơn chân thành

nhất vì đã đồng hành cùng tác giả trong suốt thời gian qua.

Hà Nội,ngày tháng năm 2020

Tác giả

Phạm Ngọc Minh

MỤC LỤC

Danh mục các thuật ngữ ...................................................................................................................................... 4

Bảng các ký hiệu, từ viết tắt ................................................................................................................................ 6

Danh sách bảng ................................................................................................................................................... 10

Danh sách hình vẽ ............................................................................................................................................... 11

MỞ ĐẦU

CHƯƠNG 1 - TỔNG QUAN VỀ HỆ THỐNG ĐIỀU KHIỂN KẾT NỐI MẠNG .................... 19

1.1 Đặt vấn đề ...................................................................................................................... 19

1.2 Cấu hình hệ thống điều khiển kết nối mạng ............................................................... 21

1.2.1 Cấu hình tập trung ................................................................................. 22

1.2.2 Cấu hình phi tập trung ........................................................................... 23

1.2.3 Cấu hình phân tán .................................................................................. 24

1.3 Mô hình hệ thống điều khiển kết nối mạng truyền thông ......................................... 25

1.3.1 Mô hình của hệ thống ............................................................................ 25

1.4 Các vấn đề cần giải quyết của hệ thống điều khiển kết nối mạng thời gian thực ... 27

1.4.1 Sự chậm trễ do mạng gây ra .................................................................. 28

1.4.2 Bỏ gói dữ liệu ........................................................................................ 30

1.4.3 Rối loạn gói dữ liệu. .............................................................................. 30

1.4.4 Lỗi lượng tử hóa .................................................................................... 31

1.4.5 Cấu trúc liên kết mạng thời gian khác nhau .......................................... 31

1.4.6 Kênh mờ dần .......................................................................................... 32

1.4.7 Băng thông mạng thay đổi theo thời gian .............................................. 32

1.5 Mô hình hóa và phân tích độ trễ mạng ....................................................................... 33

1.6 Phương pháp lập lịch GSM cho hệ thống điều khiển kết nối mạng ........................ 36

1.7 Một số nghiên cứu trên thế giới về hệ thống điều khiển kết nối mạng .................... 39

1.8 Một số nghiên cứu trong nước về hệ thống điều khiển kết nối mạng ...................... 40

1.9 Kết luận chương 1 ......................................................................................................... 43

CHƯƠNG 2 - MÔ HÌNH THU THẬP DỮ LIỆU QUA MẠNG ..................................................... 45

2.1 Mở đầu ........................................................................................................................... 45

2.2 Kiến trúc của hệ thống điều khiển kết nối mạng ........................................................ 45

2.3 Ảnh hưởng thời gian trễ trong hệ thống điều khiển kết nối mạng ........................... 47

2.4 Phương pháp truyền dữ liệu đo và điều khiển qua mạng .......................................... 50

2.4.1 Hệ thống kết nối mạng từ nhiều nguồn khác nhau ................................ 50

2.4.2 Phương pháp kết nối thiết bị đo và điều khiển qua mạng ..................... 54

2.5 Kết luận chương 2 ......................................................................................................... 63

CHƯƠNG 3 - MÔ HÌNH ĐIỀU KHIỂN BÙ TRỄ QUA MẠNG TRÊN CƠ SỞ HỆ LOGIC

MỜ

3.1 Ý tưởng .......................................................................................................................... 64

3.2 Bù trễ điều khiển qua mạng trên cơ sở hệ logic mờ .................................................. 64

3.3 Mô hình mạng với các nút lưu lượng .......................................................................... 67

3.3.1 Cấu trúc mạng với các nút lưu lượng .................................................... 67

3.3.2 Thời gian trễ và ước tính gói bị mất ...................................................... 71

3.4 Phương pháp điều khiển bù trễ trên cơ sở logic mờ .................................................. 74

3.4.1 Cấu trúc truyền dữ liệu qua mạng.......................................................... 74

3.4.2 Mô hình điều khiển robot omni qua mạng ............................................ 77

3.4.3 Mô hình toán học của robot Omni ......................................................... 79

3.4.4 Xây dựng luật điều khiển ....................................................................... 81

3.4.5 Cấu trúc điều khiển bù trễ qua mạng ..................................................... 83

3.4.6 Logic mờ để điều chỉnh các tham số điều khiển của robot Omni ......... 85

3.1. Kết luận chương 3 ......................................................................................................... 93

KẾT LUẬN 94

Danh mục các công trình của tác giả .............................................................................................................. 95

Tài liệu tham khảo .............................................................................................................................................. 97

Danh mục các thuật ngữ

Thuật ngữ tiếng Việt

Thuật ngữ tiếng Anh

Bộ điều khiển khả trình

Programmable Logic Controller

Hệ thống giám sát điều khiển và thu thập dữ liệu.

Supervisory Control And Data Acquisition

Giao thức giao diện đa điểm

Multi Point Interface

Môi trường ứng dụng Google

Google App Engine

Hệ thống điều khiển kết nối mạng

Network Control System

Thử một lần loại bỏ

Try Once Discard

Chất lượng dịch vụ

Quality of service

Chất lượng điều khiển

Quality of control

Bất đẳng thức ma trận tuyến tính

Linear Matrix Inequality

Quan sát nhiễu truyền thông

Communication Disturbance Observer

Distributed networked control system

Hệ thống điều khiển kết nối mạng phân tán

Phần mềm trung gian lập lịch

Gain scheduler middleware

Nhiều đầu vào và nhiều đầu ra

Multiple-input and Multiple-output

Mạng điều khiển khu vực

Control Area Network

Mạng điều khiển và tự động tòa nhà Building Automation and Control

Network

Fieldbus

Giao thức mạng điều khiển phân tán theo tiêu chuẩn IEC 61158

Chiến lược điều khiển tập trung

Centralized control scheme

Decentralized control strategy

Phương pháp điều khiển phi tập trung

Mạng nơ ron hồi quy

Recurrent Neural Network

Khâu lưu giữ bậc 0

Zero-order Hold

Mô hình mờ Takagi-Sugeno-Kang

Takagi-Sugeno-Kang fuzzy model

Bộ điều chỉnh bậc hai tuyến tính

Linear Quadratic Regulator

Bộ điều khiển tỷ lệ-tích phân-vi phân Proportional Integral Derivative

Bám đa mục tiêu

Multi-Target Tracking

HyperText Transfer Protocol

Giao thức truyền dữ liệu siêu văn bản

Bảng các ký hiệu, từ viết tắt

Ký hiệu, từ viết tắt

Diễn giải

Programmable Logic Controller

Supervisory Control And Data Acquisition

PLC

Multi Point Interface

SCADA

Google App Engine

MPI

Networked control systems

NCS

Realtime Control Networks

GAE

Try Once Discard

RCNS

Quality of service

TOD

Quality of control

QoS

Linear Matrix Inequality

QoC

Communication Disturbance Observer

LMI

Distributed networked control system

CDOB

Gain scheduler middleware

DNCS

Multiple-input and Multiple-output

GSM

Control Area Network

CAN

Building Automation and Control Network

BACnet

Recurrent Neural Network

RNN

MIMO

Zero-order Hold

ZOH

Takagi-Sugeno-Kang fuzzy model

TSK

Linear Quadratic Regulator

LQR

Proportional Integral Derivative

PID

Multi-Target Tracking

MTT

HTTP

HyperText Transfer Protocol

x y  ( , , )

Ký hiệu Ý nghĩa Đơn vị



Hệ tọa độ toàn cục (q)

Góc lệch của robot so hệ tọa độ gốc Rad/s

Vận tốc mỗi bánh m/sec vi

Vận tốc góc mỗi bánh rad/sec ωi

Lực kéo mỗi bánh N fi

Khối lượng của robot M Kg

Khoảng cách tâm robot tới mỗi bánh M

Ma trận chuyển đổi hệ trục tọa độ H

Vận tốc dài m/s

Vận tốc pháp tuyến m/s

Bán kính của bánh xe R M

( )M q

G q  ( )

( )G q

Ma trận khối lượng và momen quán tính

Vector trọng lực,

d

Vector thành phần nhiễu bất định

Sai lệch bám quỹ đạo của robot

Sai lệch bám của vận tốc robot

Mô men quán tính của xe N.m J

Biến khớp Q

Lực ma sát N F

Ma trận hệ số lực ma sát nhớt C

Ma trận hệ số lực ma sát culomb G



Đầu vào của bộ lọc thông thấp

1dx

Quỹ đạo đặt

Thời gian trích mẫu S T



Hệ số của mặt trượt



Tín hiệu điều khiển của hệ thống

eq

Tín hiệu điều khiển giữ trạng thái của hệ thống hệ

thống trên mặt trượt

ws

Tín hiệu điều khiển, lái trạng thái của hệ thống về

c c c , 1 2

mặt trượt



Hệ số của bộ điều khiển DSC

Véc tơ chứa thành phần bất định của mô hình robot

S Mặt trượt

Danh sách bảng

Bảng 3.1. Liên hệ giữa giá trị đầu ra 3 với hai đầu vào và .............................. 87

Bảng 3.2. Luật mờ .................................................................................................... 88

Danh sách hình vẽ

Hình 1.1. Mô hình hệ thống điều khiển kết nối mạng ............................................. 19

Hình 1.2. Các cấu hình phổ biến của RCNS ........................................................... 22

Hình 1.3. Tương tác của truyền thông, tính toán và điều khiển trong RCNS .......... 25

Hình 1.4. Sơ đồ của một RCNS thông qua kênh truyền thông ............................... 28

Hình 1.5. Cấu trúc RCNS hiển thị độ trễ mạng truyền thông ................................. 35

Hình 1.6. Phương pháp lập lịch GSM ...................................................................... 37

Hình 2.1. Mô hình kiến trúc mạng hệ thống điều khiển .......................................... 46

Hình 2.2. Mô hình hệ thống điều khiển kết nối mạng có trễ truyền thống .............. 48

Hình 2.3. Thời gian trong hệ thống điều khiển kết nối mạng .................................. 49

Hình 2.4. Mô hình hệ thống thiết bị đo và điều khiển các thông số hoạt động ....... 51

Hình 2.5. Cấu trúc của một hệ thống điều khiển qua mạng đa thành phần. ............ 52

Hình 2.6. Cấu trúc trực tiếp của hệ thống điều khiển kết nối mạng ........................ 54

Hình 2.7. Kết nối dữ liệu vào ra với bộ điều khiển .................................................. 56

Hình 2.8. Mô hình cập nhật dữ liệu lên App Engine ............................................... 60

Hình 2.9. Lưu đồ cập nhật dữ liệu lên App Engine ................................................. 61

Hình 2.10. Mô hình trình diễn dữ liệu đến người sử dụng ...................................... 62

Hình 2.11. Lưu đồ người sử dụng truy cập vào ứng dụng trên App Engine ........... 63

Hình 3.1. Cấu trúc mạng với các nút lưu lượng ....................................................... 68

Hình 3.2. Mô hình kích thích tuần hoàn .................................................................. 71

Hình 3.3. Thời gian trễ và thời gian trôi qua giữa các gói bị mất ............................ 72

Hình 3.4. Cấu trúc của mạng nơ ron hồi quy để ước tính thời gian trễ ................... 73

Hình 3.5. Cấu trúc truyền dữ liệu phân tán qua mạng ............................................. 75

Hình 3.6. Cấu trúc truyền dữ liệu trực tiếp qua mạng.............................................. 75

Hình 3.7. Mô hình phản hồi của hệ thống điều khiển kết nối mạng ........................ 76

Hình 3.8. Mô hình hệ thống điều khiển Omni Robot thông qua mạng .................... 78

Hình 3.9. Mô hình động học của robot Omni .......................................................... 79

Hình 3.10. Cấu trúc điều khiển trực tiếp qua mạng ................................................. 83

Hình 3.11. Hàm liên thuộc đầu vào độ trễ ............................................................ 86

Hình 3.12. Hàm liên thuộc đầu vào đạo hàm độ trễ ............................................. 86

Hình 3.13. Mờ hóa thành phần đầu vào ................................................................... 88

Hình 3.14. Sơ đồ cấu trúc hệ thống điều khiển robot Omni .................................... 89

Hình 3.15. Mô phỏng bộ điều khiển bù trễ trên cơ sở logic mờ .............................. 90

Hình 3.16. Quỹ đạo của robot .................................................................................. 90

Hình 3.17. Mô phỏng luật điều khiển mờ bù trễ ...................................................... 91

Hình 3.18. Tối ưu thông số 3 ................................................................................. 92

Hình 3.19. Sai lệch quỹ đạo ..................................................................................... 92

MỞ ĐẦU

Hệ thống điều khiển qua mạng (Networked control systems – viết tắt là

NCS) được định nghĩa là hệ thống trong đó thông tin trao đổi giữa đối tượng

được điều khiển và thiết bị điều khiển được thực hiện qua mạng điều khiển thời

gian thực (Real time Control Networks -RCNS). Một mạng các hệ thống điều

khiển điển hình được xây dựng dựa trên các phần tử cơ bản: Cảm biến – để lấy

thông tin từ đối tượng, bộ điều khiển – để tính toán lệnh điều khiển, thiết bị

chấp hành-đưa lệnh điều khiển vào đối tượng điều khiển và đối tượng điều

khiển – thực thi các lệnh điều khiển, mạng thời gian thực là mạng đảm bảo việc

trao đổi thông tin giữa bộ điều khiển với đối tượng điều khiển qua các thiết bị

cảm biến, chấp hành của đối tượng đảm bảo tính đáp ứng kịp thời. Như vậy, lợi

thế của mạng các hệ thống điều khiển không chỉ làm tăng khả năng điều khiển

từ xa, nói cách khác là điều không phụ thuộc vào vị trí địa lý của các đối tượng

của quá trình công nghệ mà còn mở rộng khả năng điều khiển của các bộ điều

khiển số, ví dụ như một bộ điều khiển số như PLC có thể thực hiện điều khiển

đa kênh đảm bảo tính thời gian thực. Hơn nữa, tính năng chia sẻ dữ liệu giữa

các bộ điều khiển của mạng làm tăng hiệu suất điều khiển, mạng điều khiển có

thể dễ dàng tổng hợp thông tin toàn diện để đưa ra các quyết định thông minh,

tạo ra khả năng điều khiển giám sát, cảnh báo, chẩn đoán lỗi cũng như khả năng

quản lý toàn bộ quá trình công nghệ tối ưu và hiệu quả cao.

Trong vài thập kỷ gần đây, RCNS được ứng dụng rất rộng rãi trong công

nghiệp cũng như các lĩnh vực phục vụ đời sống xã hội như mạng cảm biến di

động, thám hiểm không gian vũ trụ, điều khiển và thu thập dữ liệu trong môi

trường nguy hiểm, tự động hóa nhà máy xí nghiệp, chẩn đoán và xử lý từ xa sự

cố hệ thống tự động, điều khiển đồng bộ hóa các phương tiện giao thông vận

tải. Hiện nay, hướng nghiên cứu chính của hệ thống điều khiển kết nối mạng là

sử dụng mạng truyền thông để kết nối các thành phần khác nhau như cảm biến,

cơ cấu chấp hành và bộ điều khiển. Trong đó, việc sử dụng tài nguyên của

RCNS là truyền thông tin giữa cảm biến, thiết bị chấp hành của đối tượng điều

khiển và bộ điều khiển trên cùng một đường truyền của mạng, như vậy có thể

điều khiển đối tượng không phụ thuộc vào khoảng cách địa lý giữa đối tượng

và bộ điều khiển. Những bộ điều khiển được xây dựng dựa trên cấu trúc mạng

đã được ứng dụng rộng rãi trong điều khiển mạng Robot di động và các ứng

dụng trong công nghiệp và là nền tảng phát triển công nghiệp 4.0.

Với sự ra đời của các mạng truyền thông chuẩn, các hệ thống điều khiển

điểm-điểm truyền thống đang được cấu trúc lại và tạo ra các hệ thống điều

khiển kết nối RCNS, trong đó các vòng điều khiển phản hồi được thực hiện

thông qua mạng truyền thông. Khi hệ thống điều khiển phản hồi truyền thống

được thực hiện qua kênh truyền thông và có thể được chia sẻ với các nút khác

bên ngoài hệ thống điều khiển, thì hệ thống điều khiển được gọi là hệ thống

điều khiển bằng RCNS. Đặc trưng xác định của một RCNS là thông tin (đầu

vào tham chiếu, đầu ra của đối tượng điều khiển, đầu vào điều khiển, v.v.) được

trao đổi bằng cách dùng mạng kết nối các thành phần của hệ thống điều khiển

(cảm biến, bộ điều khiển, cơ cấu chấp hành, v.v) đảm bảo tính thời gian thực.

Các chức năng cơ bản của bất kỳ RCNS nào là trao đổi thông tin giữa đối

tượng điều khiển (cảm biến / cơ cấu chấp hành) và bộ điều khiển mạng đảm

bảo điều khiển thời gian thực, giảm tắc nghẽn, giao tiếp dữ liệu hiệu quả cao,…

Xây dựng các chiến lược điều khiển và thiết kế hệ thống điều khiển qua mạng

phải đảm bảo được các yêu cầu sau: lựa chọn giao thức phù hợp để giảm thiểu

ảnh hưởng của các tham số mạng bất lợi đến hiệu suất RCNS. Một trong những

tham số cần quan tâm nhất để đảm bảo tính thời gian thực cho hệ thống điều

khiển qua mạng đó là trễ truyền thông của mạng.

Hệ thống điều khiển kết nối mạng (RCNS) có thể chứa một số lượng lớn

thiết bị điều khiển được kết nối với nhau trao đổi dữ liệu qua mạng truyền thông

như: sản xuất công nghiệp và tự động hóa tòa nhà, tự động hóa văn phòng và

gia đình, hệ thống giao thông thông minh và hệ thống điều khiển trong ô tô,

máy bay,…v.v. Trong đó, RCNS có một số ưu điểm như cung cấp khả năng

thiết kế hệ thống các mô đun và linh hoạt xử lý phân tán, tương tác đơn giản và

nhanh chóng triển khai trong thực tế; các tiện ích chẩn đoán và bảo trì hệ thống

mạnh mẽ. Tuy nhiên, sự kết hợp của các cảm biến, bộ điều khiển và bộ truyền

động với các mạng truyền thông cũng làm cho việc phân tích và thiết kế RCNS

là một nhiệm vụ phức tạp bởi vì đòi hỏi sự tích hợp nhiều thành phần khác nhau

như hệ thống điều khiển, hệ thống truyền thông và hệ thống thời gian thực.

Do đó, hệ thống điều khiển kết nối mạng RCNS đang là một trong những

vấn đề được quan tâm nghiên cứu hiện nay và đã trở thành một lĩnh vực đa

ngành. Nhiều vấn đề nghiên cứu khác nhau như công nghệ mạng, trễ truyền

thông, cấu trúc mạng, chuẩn truyền thông, bảo mật trong RCNS, tích hợp các

thành phần trên mạng, chẩn đoán và xử lý lỗi, v.v. đã và đang được quan tâm

đang được nhiều nhà khoa học tập trung nghiên cứu nhằm đề xuất các chiến

lược điều khiển tối ưu nâng cao hiệu quả của RCNS.

Cũng chính vì những lý do nêu trên nên NCS chọn đề tài cho luận án tiến

sỹ của mình là: “Nghiên cứu điều khiển trễ trong hệ thông điều khiển phản hồi

qua mạng”

Mục tiêu của luận án tập trung nghiên cứu giải quyết hai vấn đề chính sau

đây:

1) Nghiên cứu, phân tích và đánh giá ảnh hưởng của một số vấn đề ảnh

hưởng đến chất lượng hệ thống khi điều khiển phản hồi qua mạng như: sự chậm

trễ do mạng gây ra, lỗi truyền thông, tắc nghẽn mạng.

2) Nghiên cứu phương pháp giảm thiểu ảnh hưởng của các tham số bất lợi

như độ trễ truyền thông đến nâng cao hiệu suất RCNS trong tổng hợp hệ thống

phản hồi quan mạng.

Với mục tiêu đặt ra, luận án mong muốn đạt được hai kết quả chính như sau:

1) Đề xuất phương pháp truyền dữ liệu đo và điều khiển qua mạng truyền

thông để giảm thiểu ảnh hưởng của các tham số mạng bất lợi đến hiệu suất RCNS

như độ trễ của mạng. Các đóng góp này được trình bày ở chương 2 của luận án

và được công bố ở công trình [1],[2].

2) Đề xuất phương pháp điều khiển bù trễ qua mạng trên cơ sở logic mờ.

Các đóng góp này được trình bày ở chương 3 của luận án và được công bố ở

công trình [3].

Đối tượng nghiên cứu của luận án là các phương pháp truyền dữ liệu đo

và điều khiển qua mạng truyền thông và các phương pháp điều khiển bù trễ qua

mạng trên cơ sở logic mờ.

Phương pháp nghiên cứu của luận án là kết hợp nghiên cứu lý thuyết với

thực nghiệm.

1) Phương pháp nghiên cứu từ tài liệu: Thu thập, tổng hợp và phân tích

các tài liệu trong và ngoài nước liên quan mật thiết đến đề tài nghiên cứu.

2) Nghiên cứu lý thuyết: Nghiên cứu các mô hình, cấu trúc các hệ thống

điều khiển kết nối mạng đã công bố, phân tích ưu điểm, nhược điểm và các vấn

đề còn tồn tại của các nghiên cứu liên quan. Trên cơ sở đó, đề xuất các phương

pháp thu thập dữ liệu và điều khiển bù trễ qua mạng để giảm thiểu ảnh hưởng

của các tham số mạng bất lợi đến hiệu suất hệ thống điều khiển kết nối mạng

(RCNS ).

3) Thực nghiệm kiểm chứng: Các thuật toán đề xuất được cài đặt, chạy thử

nghiệm, so sánh, đánh giá với các thuật toán khác đã được công bố nhằm minh

chứng tính hiệu quả của các nghiên cứu được đề xuất mới.

Bố cục của luận án gồm phần mở đầu và ba chương nội dung, phần kết

luận và danh mục các tài liệu tham khảo.

Chương 1 trình bày nghiên cứu tổng quan về các hệ thống điều khiển kết

nối mạng; một số mô hình kiến trúc điển hình; các vấn đề thách thức và ảnh

hưởng thời gian trễ trong hệ thống điều khiển kết nối mạng; một số nghiên cứu

trong nước về hệ thống điều khiển kết nối mạng. Trên cơ sở đó, luận án phân

tích các vấn đề còn tồn tại và nêu rõ các mục tiêu nghiên cứu cùng với tóm tắt

các kết quả đạt được.

Các đóng góp chính của luận án được trình bày trong chương 2, chương

Chương 2 trình bày kết quả nghiên cứu: đề xuất phương pháp truyền dữ

liệu đo và điều khiển qua mạng truyền thông từ các nguồn dữ liệu đo khác nhau.

Trong đó, hệ thống điều khiển kết nối mạng gồm nhiều thành phần cảm biến,

bộ điều khiển, thiết bị chấp hành được kết nối thông qua mạng với mục tiêu sử

dụng tối ưu các nguồn tài nguyên, cơ cấu vận hành cũng như việc lưu trữ, phân

phối và xử lý các thông số dữ liệu.

Chương 3 đề xuất phương pháp điều khiển bù trễ qua mạng trên cơ sở

logic mờ và áp dụng thử nghiệm cho đối tượng điều khiển robot Omni. Trong

đó, luận án đề xuất một bộ điều khiển thích ứng cho robot Omni bằng cách sử

dụng kỹ thuật Backstepping kết hợp với điều khiển chế độ trượt dựa trên logic

mờ. Robot được điều khiển thông qua mạng và GSM được thiết kế để bù thời

gian trễ của mạng.

Cuối cùng, phần kết luận nêu những đóng góp của luận án, hướng phát

triển và những vấn đề quan tâm của tác giả.

CHƯƠNG 1 - TỔNG QUAN VỀ HỆ THỐNG ĐIỀU KHIỂN KẾT NỐI

MẠNG

1.1 Đặt vấn đề

Ngày nay, hệ thống điều khiển kết nối RCNS đang là một trong những

hướng nghiên cứu được các nhà khoa học kỹ thuật quan tâm nhiều nhất và đã

trở thành một lĩnh vực đa ngành. Trong chương này, tác giả tập trung tìm hiểu

phạm vi và các vấn đề nghiên cứu khác nhau như công nghệ mạng, trễ mạng,

phân bổ tài nguyên mạng, lập lịch, bảo mật mạng trong RCNS, các thành phần

tích hợp mạng, khả năng thích ứng với lỗi, v.v. Cùng với sự ra đời của các

mạng truyền thông chuẩn, các hệ thống điều khiển điểm-điểm truyền thống

đang được cấu trúc lại và tạo ra các hệ thống điều khiển kết nối mạng thời gian

thực(RCNS –Realtime Network Control System), trong đó các vòng điều khiển

phản hồi được kết nối thông qua mạng.

Hình 1.1. Mô hình hệ thống điều khiển kết nối mạng

Các thành phần hệ thống của RCNS như cảm biến, bộ điều khiển và thiết

bị chấp hành, được kết nối qua một số mạng chuẩn phổ biến hiện nay như CAN,

BACnet, Fieldbus, Ethernet và Internet. Các thông tin vào/ra giữa các thành

phần của RCNS được thực hiện qua mạng truyền thông.

Hệ thống điều khiển là một thiết bị hay nhiều thiết bị quản lý, ra lệnh,

chỉ đạo hoặc điều chỉnh hành vi (chức năng điều khiển) của một hay nhiều thiết

bị khác trong hệ thống (chức năng bị điều khiển).

Khái niệm hệ thống điều khiển chính thống có lẽ được xác định từ phân

tích động lực học của hệ ly tâm được thực hiện bởi nhà vật lý nổi tiếng Maxwell

vào năm 1868 có tên là “On Governorors”. Một ứng dụng điển hình của hệ

thống điều khiển từ đầu thế kỷ 20 là trong lĩnh vực của máy bay có người lái.

Anh em nhà Wright đã thực hiện các chuyến bay thử nghiệm thành công đầu

tiên vào ngày 17 tháng 12 năm 1903 và Wright nổi bật nhờ khả năng điều khiển

các chuyến bay của họ trong thời gian đáng kể. Trong nhiều năm, các nhà

nghiên cứu đã cho chúng ta các chiến lược điều khiển chính xác và tối ưu xuất

phát từ lý thuyết điều khiển cổ điển, bắt đầu từ điều khiển vòng hở (open-loop)

đến các chiến lược điều khiển cấp cao dựa trên các thuật toán thông minh như

Fuzzy, Neural, Thích nghi, v.v., cho các hệ thống vòng hở hoặc vòng kín

(closed loop).

Trong thời đại công nghệ số, sự ra đời của mạng truyền thông đã đưa ra

khái niệm điều khiển đối tượng qua mạng, từ đó tạo ra khái niệm hệ thống điều

khiển qua mạng thời gian thực (RCNS - Real time Control Networks). Định

nghĩa cổ điển về RCNS như sau: Khi hệ thống điều khiển phản hồi truyền thống

được thực hiện qua kênh truyền thông và có thể được chia sẻ dư liệu với các

nút khác bên ngoài hệ thống điều khiển đảm bảo tính đáp ứng kịp thời, thì hệ

thống điều khiển này được gọi là hệ thống điều khiển kết nối mạng thời gian

thực. Ngoài ra, RCNS cũng có thể được định nghĩa là một hệ thống điều khiển

phản hồi trong đó các vòng lặp được khép kín thông qua một mạng truyền thông

dữ liệu thời gian thực.

Trong vài năm gần đây với sự phát triển nhanh chóng của các hệ thống

mạng không dây là động lực thúc đẩy việc nghiên cứu và phát triển công nghệ

về RCNS với mục tiêu thiết kế hệ thống điều khiển kết nối mạng thời gian thực

ngày một hoàn thiện hơn, đảm bảo độ tin cậy và hiệu quả. Hiện nay, các chủ đề

nghiên cứu tập trung vào các chiến lược điều khiển phù hợp với động học khác

nhau của các cơ cấu chấp hành/phương tiện trong RCNS.

Một lĩnh vực nghiên cứu quan trọng khác liên quan đến RCNS là nghiên

cứu về cấu trúc mạng phù hợp để cung cấp kênh liên lạc bảo mật, đáng tin cậy

với đủ băng thông song song với việc phát triển các giao thức truyền dữ liệu

cho các hệ thống điều khiển. Vấn đề thu thập thông tin thời gian thực qua mạng

bằng các nút cảm biến phân tán và xử lý dữ liệu cảm biến một cách hiệu quả

cũng là một trong các lĩnh vực nghiên cứu quan trọng của RCNS.

1.2 Cấu hình hệ thống điều khiển kết nối mạng

Cấu hình RCNS được chia làm 03 loại: cấu hình tập trung, cấu hình phi

tập trung và cấu hình phân tán.

Hình 1.2. Các cấu hình phổ biến của RCNS

1.2.1 Cấu hình tập trung

Cấu hình tập trung (hình 1.2a): với phép đo được thu thập số liệu (đầu vào

tham chiếu, trạng thái hệ thống hoặc đầu ra hệ thống) trên mỗi nút cảm biến

phải được gửi đến bộ điều khiển tập trung tích hợp trên một bộ xử lý trung tâm

để hợp nhất dữ liệu. Bộ điều khiển tập trung sử dụng dữ liệu đầy đủ của hệ

thống để thực hiện các lệnh điều khiển đến các thiết bị chấp hành của hệ thống.

Mặc dù có thể có nhiều cảm biến và thiệt bị chấp hành nhưng với cấu hình

này, trong một số trường hợp nhất định, có thể được coi là một RCNS với một

vòng phản hồi duy nhất. Trong đó, tất cả các phép đo được yêu cầu phải được

đo bằng các cảm biến chuyên dụng và sau đó được gửi cùng nhau trong một

gói đến một bộ điều khiển từ xa. Bộ điều khiển xử lý và phái đi lệnh điều khiển

được đưa đến các thiết bị chấp hành chuyên dụng. Do thông tin của phép đo

được lưu giữ ở bộ điều khiển, nên ưu điểm chính của cấu hình tập trung này là

hiệu suất điều khiển có thể nói chung là tối ưu. Tuy nhiên, cấu hình tập trung

có một số nhược điểm:

- Bộ điều khiển dễ bị ảnh hưởng lỗi của bộ xử lý trung tâm;

- Có chi phí cao cho bộ xử lý trung tâm thu thập dữ liệu từ các nút cảm

biến riêng lẻ;

- Hạn chế khả năng mở rộng khi áp dụng trong các hệ thống điều khiển

- Khối lượng tính toán lớn cho bộ xử lý trung tâm;

phức tạp có số lượng lớn các nút cảm biến và nhiều cơ cấu chấp hành

phân tán đòi hỏi phải triển khai nhiều bộ xử lý phân tán các hệ thống điều

khiển máy bay, tàu thủy và quá trình công nghệ trong các nhà máy chế

biến.

1.2.2 Cấu hình phi tập trung

Cấu hình phi tập trung (hình 1.2b) hay còn gọi là điều khiển phân tán

song song: với mỗi nút điều khiển có thể chỉ phụ thuộc vào thông tin cục bộ mà

bộ điều khiển sở hữu để đưa ra quyết định cục bộ của nó. Do đó, mặc dù toàn

bộ hệ thống có thể có một mục tiêu chung của nhóm, các nút điều khiển phân

tán không chia sẻ thông tin với các nút lân cận. Cụ thể, mỗi bộ điều khiển thực

hiện tính toán cục bộ của một lệnh điều khiển bằng cách sử dụng phép đo thông

qua liên kết truyền thông cục bộ và sau đó mỗi lệnh điều khiển được gửi trở lại

một nút truyền động chấp hành để kích hoạt hệ thống.

So với cấu hình tập trung, cấu hình phi tập trung này giảm bớt gánh nặng

tính toán và độ phức tạp thiết kế vì các lệnh điều khiển cục bộ được tính toán

trong các bộ điều khiển cục bộ. Vấn đề đặt ra là hiệu xuất tính toán điều khiển

tối ưu như thế nào khi nút điều khiển riêng lẻ không có nhiều thông tin liên

quan đến trạng thái hoặc đầu ra của hệ thống như trong cấu hình tập trung. Theo

nghĩa này, một cấu hình phi tập trung có thể mở rộng hơn nếu các quyết định

kiểm soát cục bộ gần với quyết định kiểm soát toàn cục tối ưu.

Tuy nhiên, việc không có giao tiếp và hợp tác giữa các bộ điều khiển phi

tập trung có thể dẫn đến hiệu xuất tính toán của hệ thống bị suy giảm và giới

hạn phạm vi ứng dụng của cấu hình phi tập trung trong mạng cảm biến và bộ

truyền động không dây, trong đó một số lượng lớn các nút phối hợp hoạt động

của chúng thông qua mạng truyền thông.

1.2.3 Cấu hình phân tán

Cấu hình phân tán (hình 1.2c): được gọi là hệ thống điều khiển mạng

phân tán (DNCS - Distributed networked control system), có hai đặc điểm đáng

chú ý:

- Thông tin của mỗi hệ thống con được trao đổi giữa các thành phần hệ

thống (ví dụ: cảm biến, bộ điều khiển và bộ truyền động chấp hành) sử

dụng mạng truyền thông chia sẻ;

- Nhà máy sản xuất thường bao gồm một số lượng lớn các đơn vị tương

tác đơn giản (ví dụ: các hệ thống con và tác nhân) có thể được phân phối

và kết nối vật lý với nhau để phối hợp các nhiệm vụ của chúng nhằm đạt

được mục tiêu chung mong muốn.

Hai đặc điểm này chủ yếu dẫn đến vấn đề kiểm soát hợp tác. Trong cấu

hình như trong hình 1.2.c, mỗi bộ điều khiển có thể được phép chia sẻ thông

tin cục bộ của nó với tất cả các bộ điều khiển lân cận bên dưới để có thêm thông

tin về động học, động lực học của nhà máy. Do đó, các bộ điều khiển phân tán

có khả năng điều phối hoạt động của chúng bằng cách truyền/nhận thông tin

đến/từ các bộ điều khiển khác trong một khu vực lân cận nhất định. Các lợi thế

được áp đặt bởi cấu hình này bao gồm tính mô đun hóa, khả năng mở rộng và

độ mạnh mẽ.

1.3 Mô hình hệ thống điều khiển kết nối mạng truyền thông

1.3.1 Mô hình của hệ thống

Các chức năng cơ bản của bất kỳ RCNS nào là thu thập thông tin (cảm

biến / người dùng), ra lệnh (bộ điều khiển / người dùng), giao tiếp, và mạng và

điều khiển (bộ chấp hành) và điều khiển qua mạng như:

- Điều khiển định tuyến, giảm tắc nghẽn, giao tiếp dữ liệu hiệu quả, giao

thức mạng, v.v.

- Xây dựng các chiến lược điều khiển và thiết kế hệ thống điều khiển qua

mạng để giảm thiểu ảnh hưởng của các tham số mạng bất lợi đến hiệu

Điều khiển

suất RCNS như độ trễ truyền thông của mạng.

Hình 1.3. Tương tác của truyền thông, tính toán và điều khiển trong RCNS

Có hai loại hệ thống điều khiển chính sử dụng mạng truyền thông là: hệ

thống điều khiển mạng chia sẻ và hệ thống điều khiển từ xa.

Mỗi mô hình RCNS đều có nhiều thách thức về việc đảm bảo chất lượng

dịch vụ (QoS- Quality of Service) và chất lượng điều khiển (QoC- Quality of

Control). Trong đó, QoS đặc trưng bởi các vấn đề như tốc độ truyền, tỷ lệ lỗi

và các đặc trưng khác có thể đo lường, cải thiện được và ở một mức độ nào đó

có thể được đảm bảo trước. QoS có thể bị suy giảm do tắc nghẽn và nhiễu

truyền thông gây ra.

Trong bối cảnh cần tìm kiếm một giải pháp khả thi để giải quyết các vấn

đề nêu trên, các nhà khoa học đã đề xuất giải pháp ứng dụng lý thuyết điều

khiển cho hệ thống lớn. Giải pháp đầu tiên là sử dụng một chiến lược điều khiển

tập trung (centralized control scheme), tức là xây dựng một bộ điều khiển trung

tâm cho tất cả các hệ con của mạng. Tuy nhiên phương pháp điều khiển này

thường đối mặt với một số hạn chế, bao gồm khả năng thu thập thông tin thông

cao, khó khả năng cải thiện tốc độ xử lý thông tin do vậy chỉ thích hợp với các

quá trình công nghệ đơn giản như điều kiện trạm trộn chất lỏng, bê tông hoặc

các quá trình nung đơn giản.

Do đó, chiến lược điều khiển phi tập trung (decentralized control strategy)

đã được đề xuất để được coi như một giải pháp hoàn hảo cho các quá trình công

nghệ phức tạp nhiều hệ con và đòi hỏi đảm bảo tính thời gian thực. Cấu trúc

điều khiển này được dựa trên nguyên tắc điều khiển phản hồi và được thiết kế

để thích ứng với sự tương tác phi tuyến và phức tạp giữa các hệ thống con. Giải

pháp điều khiển phi tập trung có khả năng khắc phục hầu hết những khiếm

khuyết giải pháp điều khiển tập trung không giải quyết được. Vì vậy, các

phương pháp điều khiển phi tập trung được xem như một chiến lược điều khiển

hiệu quả cho vấn đề ổn định nâng cao chất lượng điều khiển của một mạng điều

khiển thời gian thực quy mô lớn.

1.4 Các vấn đề cần giải quyết của hệ thống điều khiển kết nối

mạng thời gian thực

Việc phân tích và tổng hợp RCNS đòi hỏi phải tích hợp các module

truyền thông, module tính toán điều khiển. Do đó, việc nghiên cứu RCNS đã

đặt ra một số thách thức có thể không giải quyết được bằng các phương pháp

điều khiển thông thường hoặc các mô hình điều khiển phân tán hiện tại. Trong

hơn một thập kỷ qua, các nhà nghiên cứu hệ thống và điều khiển đã phát triển

một số phương pháp điều khiển hệ thống như điều khiển trong miền tần số, điều

khiển trong miền thời gian, điều khiển trong không gian trạng thái, điều khiển

thích nghi bền vững, điều khiển ngẫu nhiên, v.v. đồng thời đã có những tiến bộ

như thiết kế phần mềm tính toán điều khiển, các hệ thống xử lý tốc độ cao và

kỹ thuật mạng mới đã tạo điều kiện cho RCNS ngày càng được ứng dụng nhiều

hơn trong công nghiệp, giao thông vận tải và quốc phòng. Tuy nhiên, một số

thách thức cần giải quyết như tích hợp kết nối thu thập dữ liệu, tính toán điều

khiển một cách động bộ, hệ thống và đảm bảo tính thời gian thực.

Thực tế, trong hệ thống điều khiển truyền thống, các vấn đề tương tác

trong liên kết truyền dữ liệu giữa các cảm biến với bộ điều khiển và giữa bộ

điều khiển với thiết bị chấp hành được coi là hoàn hảo. Do việc kết nối trực tiếp

bằng dây dẫn diểm tới điểm giữa các thiết bị trong hệ thống, nên thông tin trao

đổi giữa các thiết bị này được coi là đảm bảo chính xác.

Điều này trái ngược với hệ thống điều khiển thực hiện bằng RCNS. Một

trong những động lực để sử dụng các mạng truyền thông trong RCNS là các

thành phần hệ thống như cảm biến, thiết bị chấp hành và bộ điều khiển phân

tán về mặt địa lý. Mặc dù RCNS có thể thay thế các hệ thống điều khiển có dây

theo điểm truyền thống và có lợi thế hơn trong việc khiển các hệ thống lớn, tuy

nhiên việc chèn các mạng truyền thông trong các vòng điều khiển phản hồi làm

cho việc phân tích và thiết kế RCNS trở nên phức tạp hơn. Chúng được coi là

các nguyên nhân chính gây suy giảm hiệu năng và thậm chí còn làm ảnh hưởng

đến hoạt động ổn định của hệ thống. Lưu ý rằng các vấn đề do mạng gây ra có

thể có các thuật ngữ khác nhau trong tài liệu, chẳng hạn như các giới hạn kênh

mạng, thông tin không đầy đủ, các khiếm khuyết do mạng gây ra, các hiện

tượng do mạng gây ra và các ràng buộc do mạng gây ra.

Hình 1.4. Sơ đồ của một RCNS thông qua kênh truyền thông

Gồm các hiện tượng:

- Sự chậm trễ do mạng gây ra;

- Bỏ gói dữ liệu (mất dữ liệu / mất gói);

- Rối loạn gói dữ liệu;

- Lỗi lượng tử hóa (lượng tử hóa dữ liệu, hiệu ứng lượng tử hóa);

- Cấu trúc liên kết mạng thay đổi theo thời gian;

- Làm mờ dần kênh mạng;

- Thông lượng mạng thay đổi theo thời gian.

1.4.1 Sự chậm trễ do mạng gây ra

Độ trễ thời gian trong một RCNS về cơ bản bao gồm 3 loại độ trễ khác

nhau:

- Độ trễ tính toán trong các thành phần hệ thống, chẳng hạn như cảm biến,

bộ điều khiển và thiết bị chấp hành, do tốc độ xử lý các thiết bị kỹ thuật

số (ADC, DAC, µP);

- Sự chậm trễ (truy cập mạng theo nguyên lý xếp hang: dữ liệu được truyền

qua mạng ở dạng gói và gói mạng được xếp hang nên có thể cần phải

chờ một thời gian trước khi được gửi đi. Đây là trường hợp cụ thể khi

một mạng truyền thông được chia sẻ cho các quy trình khác;

- Độ trễ truyền trong mạng truyền thông. Loại độ trễ này có thể phụ thuộc

vào các điều kiện mạng thay đổi, chẳng hạn như chất lượng kênh mạng

và tắc nghẽn lưu lượng mạng do băng thông hạn chế của mạng truyền

thông.

Trong thực tế, độ trễ tính toán trong các thành phần hệ thống thường nhỏ

và có thể không đáng kể. Độ trễ truy cập mạng trong hàng đợi mạng và độ trễ

truyền thông thường được gọi là độ trễ do mạng gây ra. Lưu ý rằng có một số

nhà nghiên cứu chỉ có thể xem xét độ trễ truyền thông khi mô hình hóa độ trễ

trong RCNS và biểu thị chúng là độ trễ do mạng gây ra do độ trễ truy cập mạng

đôi khi nhỏ so với độ trễ truyền thông. Về nguyên tắc, tùy thuộc vào các ứng

dụng khác nhau khi sử dụng các mạng truyền thông khác nhau, độ trễ do mạng

gây ra có thể có các đặc điểm ngẫu nhiên hoặc xác định, các đặc tính không đổi

hoặc thay đổi theo thời gian và các đặc điểm nhỏ hoặc lớn (dựa trên khoảng

thời gian lấy mẫu quy định). Trong một số trường hợp nhất định, sự chậm trễ

giao tiếp giữa các thành phần tương tác hoặc hệ thống con có thể đặt ra các đặc

điểm khớp nối không đồng nhất. Điều đáng chú ý là phần lớn các kết quả hiện

tại điều tra tác động tiêu cực của trễ truyền thông do mạng gây ra có thể dẫn

đến hiệu năng hệ thống giảm đi hoặc thậm chí làm cho hệ thống điều khiển

vòng kín mất ổn định.

1.4.2 Bỏ gói dữ liệu

Rớt gói dữ liệu chắc chắn xảy ra do tắc nghẽn lưu lượng mạng và các

thành phần hệ thống hoặc lỗi liên kết mạng. Nói chung, đặc điểm của việc bỏ

gói dữ liệu có thể được phân loại thành các loại ngẫu nhiên và xác định. Việc

bỏ gói dữ liệu ngẫu nhiên thường được mô hình hóa như một quy trình độc lập

và phân phối giống hệt nhau, chẳng hạn như quy trình Bernoulli và quy trình

Markov.

Một mối quan tâm chính trong khung mô hình này là làm thế nào để thiết

lập mối quan hệ giữa xác suất cho phép bỏ gói hoặc tốc độ truyền dữ liệu cho

phép và độ ổn định và/hoặc hiệu năng hệ thống. Liên quan đến việc bỏ gói dữ

liệu xác định, một vấn đề cơ bản là tìm ra số lần bỏ gói liên tiếp tối đa cho phép.

Đôi khi, độ trễ do mạng quá lớn gây ra cũng có thể được coi là bỏ gói. Do đó,

mô hình hóa việc bỏ gói dữ liệu khi sự chậm trễ kéo dài cũng nhận được sự chú

ý nghiên cứu đáng kể.

1.4.3 Rối loạn gói dữ liệu.

Hiện tượng rối loạn gói dữ liệu có thể xảy ra khi các gói dữ liệu được đóng

dấu thời gian truyền qua mạng được chuyển đến các nút đích của các lệnh tạm

thời khác nhau. Tình trạng này thường xảy ra khi có sự chậm trễ do mạng gây

ra và đặc biệt là nếu kích thước của độ trễ do mạng gây ra lớn hơn khoảng thời

gian / khoảng thời gian lấy mẫu quy định. Một kỹ thuật thường được sử dụng

trong hầu hết các nghiên cứu để đối phó với các gói dữ liệu bị rối loạn là loại

bỏ chúng một cách chủ động nếu các gói dữ liệu mới nhất được gửi đến các nút

đích vì các gói không theo thứ tự này đã lỗi thời, ví dụ, không có thứ tự logic

kỹ thuật -holder (ZOH). Kỹ thuật loại bỏ tích cực này có thể được thực hiện dễ

dàng trong các NCS thực tế bằng cách nhúng một số thông tin tình báo vào bộ

điều khiển và / hoặc bộ truyền động để so sánh, kiểm tra và lựa chọn. Tuy nhiên,

một vấn đề chính nằm ở rối loạn gói dữ liệu là làm thế nào để quyết định xem

các gói dữ liệu bị rối loạn đó có chứa thông tin hữu ích của hệ thống để thiết kế

điều khiển hay không. Nếu có một số thông tin hữu ích của hệ thống trong các

gói dữ liệu bị rối loạn, làm thế nào để sử dụng những thông tin này cho thiết kế

điều khiển là một vấn đề quan trọng khác.

1.4.4 Lỗi lượng tử hóa

Do sự phát triển nhanh chóng của công nghệ điện toán số, điều khiển số

được áp dụng rộng rãi trong các RCNS, dẫn đến sự tồn tại tự nhiên của lượng

tử hóa. Việc thực hiện điều khiển trên mỗi bộ điều khiển phân tán thường được

xử lý bởi bộ lượng tử hóa kết hợp ánh xạ không liên tục từ một không gian liên

tục sang một tập hữu hạn. Do đó, thông tin được thu thập bởi cảm biến được

yêu cầu phải được mã hóa bằng cách chuyển đổi tín hiệu tương tự thành tín

hiệu số để có thể truyền qua mạng đến bộ điều khiển từ xa. Mặt khác, đầu ra

điều khiển cần được giải mã trước khi đưa lệnh điều khiển vào thiết bị chấp

hành. Dữ liệu số là nhưng tín hiệu được lượng tử hóa theo thời gian và theo

mức, do vậy chắc chắn luôn tồn tại sai số do quá trình lượng tử hóa gây ra. Do

đó, các nguyên tắc kiểm soát của RCNS cần phải đánh giá đượclỗi lượng tử

hóa trước khi chúng được áp dụng cho các RCNS.

1.4.5 Cấu trúc liên kết mạng thời gian khác nhau

Cấu trúc liên quan đến bố trí của các nút khác nhau được kết nối với nhau.

Do đó, cấu trúc liên kết mạng có tác động đến hiệu suất của việc ra quyết định

phân tán trong RCNS. Trong hầu hết các trường hợp, cấu trúc liên kết mạng có

thể thay đổi theo thời gian và có các đặc điểm thay đổi theo thời gian do tính di

động của nút, lỗi nút và tạo liên kết theo khả năng giao tiếp và khả năng truy

cập mạng. Các tài liệu hiện có về nghiên cứu ảnh hưởng của cấu trúc liên kết

mạng dựa trên hai loại sau: cấu trúc liên kết mạng cố định và cấu trúc liên kết

mạng thay đổi theo thời gian.

1.4.6 Kênh mờ dần

Trong mạng truyền thông, đặc biệt là mạng không dây, nếu nút nguồn

(máy phát) hoặc nút đích (máy thu) đang di chuyển tích cực, chẳng hạn như

máy di chuyển, xe và người; hoặc di chuyển thụ động, chẳng hạn như tính di

động của nút, các kênh không dây dễ bị mất sự lan truyền đa luồng và bị bóng

và mờ dần. Theo các thống kê mờ dần khác nhau, fading kênh mạng có thể

được phân loại một cách đại khái thành fading nhanh và fading chậm, và fading

cố định và fading không cố định. Một trong những vấn đề chính của RCNS là

thiết lập mối quan hệ giữa việc mất thông tin gây ra bởi sự mờ dần của kênh và

tính ổn định và / hoặc hiệu suất điều khiển.

1.4.7 Băng thông mạng thay đổi theo thời gian

Băng thông của mạng truyền thông biểu thị tốc độ dữ liệu được truyền

thành công qua kênh truyền thông và thường được đo bằng bit trên giây (bit/s

hoặc bps). Trong mạng truyền thông, băng thông có thể bị ảnh hưởng bởi các

yếu tố khác nhau, chẳng hạn như khả năng xử lý hạn chế và / hoặc sức mạnh

của các nút mạng, tải mạng hiện tại và tắc nghẽn lưu lượng mạng. Nói chung

băng thông là thay đổi theo thời gian. Do đó, làm thế nào để xác định băng

thông dữ liệu tối đa trên một mạng truyền thông là mối quan tâm chính của các

nhà thiết kế và nghiên cứu hệ thống trong lý thuyết truyền thông.

1.5 Mô hình hóa và phân tích độ trễ mạng

Mạng có thể đưa ra các mức độ dịch vụ không đáng tin cậy về độ trễ,

giật và tổn thất. Trong các RCNS nhạy cảm về thời gian, nếu thời gian trễ vượt

quá giới hạn thời gian cho phép được chỉ định, nhà máy hoặc thiết bị có thể bị

hỏng hoặc có hiệu suất bị suy giảm. Các ứng dụng nhạy cảm với thời gian có

thể là thời gian thực cứng hoặc thời gian thực mềm. Sơ đồ hệ thống hình 1.5

thể hiện là trong các hệ thống thời gian thực cứng, chức năng tiện ích ngay lập

tức về 0 ngay khi đạt tới thời hạn hoàn thành nhiệm vụ, và do đó, nhiệm vụ

phải được hoàn thành trước thời hạn cứng. Trong thời gian thực mềm, chức

năng tiện ích giảm dần xuống.

1) Mô hình hóa và phân tích độ trễ mạng: Để nghiên cứu hiệu ứng trễ

mạng trên RCNS, việc mô hình hóa độ trễ và các thuộc tính mạng khác, như

giảm gói và giật, rất quan trọng. Độ trễ mạng được mô hình hóa và phân tích

theo nhiều cách khác nhau. Chúng có thể được mô hình hóa như một độ trễ

không đổi (bộ đệm thời gian), độ trễ ngẫu nhiên độc lập và độ trễ với phân phối

xác suất đã biết được điều chỉnh bởi mô hình chuỗi Markov.

Năm 1988, Sato và đồng nghiệp đã khám phá một số kỹ thuật để phân

tích độ trễ mạng dựa trên thực tế là trong mạng, thông tin có thể được tích hợp

và vận chuyển một cách hiệu quả bằng cách tối đa hóa việc sử dụng sự bùng

nổ của luồng thông tin và quá trình lưu trữ và chuyển tiếp tại các nút giao thông.

Sau đó, Wu và cộng sự đã mô hình hóa và phân tích sự ổn định của RCNS

với độ trễ ngẫu nhiên dài. Kamrani và Mehraban đã mô hình hóa động lực trì

hoãn thời gian từ đầu đến cuối cho Internet bằng các công cụ nhận dạng hệ

thống. Để giảm thiểu ảnh hưởng của độ trễ đối với hiệu suất của RCNS , cả mô

hình độ trễ chính xác và, sau đó, các phương pháp bù trễ sẽ được thực nghiệm

cũng như thảo luận thêm.

2) Bù trễ: Các cách tiếp cận khác nhau về mặt toán học, nhận thức- và

dựa trên thống kê được thực hiện để bù trễ trong RCNS. Một số kỹ thuật tiên

tiến đã được trình bày trong tài liệu để bù hoặc giảm bớt sự trễ của mạng ngẫu

nhiên, có khả năng đủ để được sử dụng trong các ứng dụng thời gian thực quan

trọng. Phương pháp tối ưu ngẫu nhiên tuyến tính tiếp cận vấn đề như một bài

toán LQG, trong đó ma trận khuếch đại LQG được chọn tối ưu dựa trên thống

kê độ trễ của mạng.

Phương pháp xếp hàng / đệm là một phương pháp phổ biến biến RCNS

thành một hệ thống thời gian để giảm bớt sự chậm trễ. Chiến lược xếp hàng

được đề xuất bởi nhiều nhà nghiên cứu để đối phó với sự chậm trễ nối mạng và

bỏ gói cho cả nhà máy tuyến tính và phi tuyến. Ưu điểm của phương pháp này

là: 1) không cần thiết kế lại các bộ điều khiển dự báo hiện có; 2) không yêu cầu

đồng bộ hóa đồng hồ; và 3) chỉ ảnh hưởng nhẹ của tình trạng mạng xấu như

mất gói. Phương pháp điều khiển mạnh mẽ coi sự chậm trễ là nhiễu loạn nhân

trên hệ thống và sử dụng điều khiển mạnh mẽ để giảm thiểu ảnh hưởng của

nhiễu loạn và duy trì hiệu năng hệ thống. Bộ điều khiển này không yêu cầu

thông tin tiên nghiệm về phân phối xác suất của độ trễ mạng.

Yue và đồng nghiệp đã xem xét vấn đề thiết kế bộ điều khiển H∞ mạnh

mẽ không bộ nhớ cho các RCNS không chắc chắn với các tác động của cả độ

trễ do trễ mạng và bỏ dữ liệu. Soucek và cộng sự tập trung vào ảnh hưởng của

độ trễ bất ổn ở độ trễ trung bình cố định trên QoC.

Hai nguồn gây nhiễu bất ổn được xác định trong các hệ thống dựa trên

EIA-852: 1) bao gồm lưu lượng truy cập mạng và 2) bao gồm giao thức. Zhang

và cộng sự đã nghiên cứu các vấn đề về ổn định và sự ổn định của một lớp các

hệ thống đa chế độ. Chọn các chức năng Lyapuno Krasnovskii thích hợp và sử

dụng chuyển đổi mô hình mô tả của hệ thống, Li dẫn xuất bất đẳng thức ma

trận tuyến tính (LMI) dựa trên các điều kiện đủ để ổn định. Hình 1.5 cho thấy

một mô hình RCNS điển hình của Tipsuwan và Chow với thời gian trễ [3].

Tuy nhiên, các mô hình thời gian trễ chính xác là cần thiết để thực hiện

các phương pháp dự đoán. Natori và Ohqueri đã đề xuất một phương pháp bù

thời gian trễ dựa trên khái niệm nhiễu loạn mạng và quan sát nhiễu loạn truyền

thông. Trong phương pháp này, một mô hình thời gian trễ là không cần thiết.

Do đó, nó có thể được áp dụng linh hoạt cho nhiều loại hệ thống bị trễ thời gian.

Hình 1.5. Cấu trúc RCNS hiển thị độ trễ mạng truyền thông

Richards và Chow đã nghiên cứu bốn phương pháp GSM phương pháp

điều khiển ngẫu nhiên tối ưu, xếp hàng và điều khiển mạnh mẽ giúp giảm bớt

sự chậm trễ của mạng IP để cung cấp điều khiển thời gian thực ổn định bằng

cách sử dụng nghiên cứu trên trường hợp động cơ dc nối mạng.

Liu và cộng sự đã thảo luận về thiết kế RCNS với bộ điều khiển dự báo

được nối mạng với trễ của mạng ngẫu nhiên ở cả hai kênh chuyển tiếp và phản

hồi. Zhang và cộng sự thể hiện RCNS phi tuyến bằng mô hình mờ T-S và xử

lý sự trễ mạng cũng như các vấn đề bỏ gói bằng cách sử dụng điều khiển H∞

mạnh mẽ.

Li đề xuất một hệ thống chuyển đổi mô hình rời rạc mới cho RCNS với

độ trễ thời gian và giảm gói. Với mô hình này, họ đã thiết kế bộ điều khiển

phản hồi trạng thái cho RCNS để ổn định tiệm cận. Do đó, bù trễ mạng đã

được nghiên cứu sâu, và nhiều giải pháp, một số dựa trên ứng dụng và một số

lý thuyết, được đề xuất trong tài liệu. Tuy nhiên, khi RCNS tiếp cận ngày càng

nhiều ứng dụng và hệ thống phức tạp, các chủ đề nghiên cứu sau đây đã xuất

hiện.

1.6 Phương pháp lập lịch GSM cho hệ thống điều khiển kết nối

mạng

Để điều khiển ổn định RCNS , cần phải tìm giới hạn độ trễ cho phép tối

đa (MADB). Phương pháp lập lịch mạng được áp dụng phải có thời gian lấy

mẫu cơ bản trong MADB này trong khi vẫn đảm bảo truyền theo thời gian thực.

Lập lịch: Nếu một bộ RCNS không thể được lên lịch với ràng buộc thời

gian nhất định khi mọi gói dữ liệu được đảm bảo được gửi, thì có thể xem xét

giảm một số phần trăm các gói của RCNS lấy mẫu nhanh hơn để đảm bảo tính

ổn định cho cùng một bộ RCNS . Wu và cộng sự đề xuất một phương pháp lập

lịch tin nhắn động phân tán dựa trên thời hạn của tin nhắn để đáp ứng tính kịp

thời của tin nhắn và cải thiện tính linh hoạt của hệ thống dựa trên CAN.

Có nhiều kỹ thuật phân bổ và lập lịch tài nguyên hiện nay. Các phương

pháp xếp hàng đơn giản lấy mẫu đầu ra của nhà máy theo định kỳ và đặt bản

ghi dữ liệu kết quả vào hàng đợi nhập trước xuất trước. Tuy nhiên, thời gian

lấy mẫu cảm biến phải lớn hơn khoảng thời gian truyền trung bình; nếu không,

hàng đợi sẽ bị tràn. Một cái khác là bỏ sau một lần thử try-one-disard, mà không

thực hiện một hàng đợi. Thay vào đó, nó loại bỏ dữ liệu bất cứ khi nào không

thể truyền, ví dụ, mạng không khả dụng.

Martis và cộng sự cho thấy rằng mã của bộ điều khiển thích ứng và chính

sách lập lịch phản hồi cho phép tối ưu hóa toàn bộ QoC. Họ đã mô tả một cách

tiếp cận cho các bộ điều khiển thích ứng cho RCNS để khắc phục một số hạn

chế trước đó bằng cách điều chỉnh trực tuyến các quyết định kiểm soát theo

động lực của cả ứng dụng và thực thi thông qua lập lịch tin nhắn.

Phần mềm trung gian lập lịch khuếch đại (GSM) được phát triển bởi

Tipsuwan và Chow để giảm bớt hiệu ứng trễ thời gian mạng trên RCNS (Hình

1.6). Một điều kiện ổn định độc lập trễ mới được trình bày trong các hệ thống

không thụ động. Xia và cộng sự đề xuất một sơ đồ điều khiển mới bao gồm bộ

tạo dự đoán điều khiển và bộ bù trễ mạng [3].

Hình 1.6. Phương pháp lập lịch GSM

Li và Chow (Hình 1.7) đề xuất lập lịch tỷ lệ mẫu để giải quyết vấn đề về

độ trung thực tín hiệu và bảo tồn việc truyền dữ liệu có sẵn. Al-Hammouri và

đồng nghiệp đề xuất một sơ đồ phân bổ băng thông không đồng bộ, có thể mở

rộng, năng động và linh hoạt cho RCNS , hình thành phân bổ băng thông như

một vấn đề tối ưu hóa lồi theo cách phân tán đầy đủ.

Ngoài ra còn có nhiều công cụ như mô hình hóa Petri-net, số nguyên, phi

tuyến, lập trình động, công cụ AI và thuật toán di truyền được phát triển để lập

lịch cho RCNS . Hong và cộng sự. đã lên lịch cho một nền tảng thông lượng

cao bằng cách sử dụng các mạng Petri chuyển tiếp theo thời gian và tìm kiếm

theo kinh nghiệm. Martí và Velasco đã xem xét các mô hình điều khiển cơ bản

để lên lịch linh hoạt trong thời gian thực và xây dựng một mô hình mới cho

phép lấy mẫu bất thường trong khi vẫn có khả năng lập lịch tốt và mạnh mẽ

hơn.

Pereira và cộng sự. đã xử lý việc lập lịch truyền thời gian thực trong

mạng công nghiệp không dây. Họ đã phát triển một giao thức truy cập phương

tiện không dây không va chạm (MAC) mới với lập lịch ưu tiên tĩnh. Grenier và

Navet đã nhấn mạnh một lớp các chính sách lập lịch trực tuyến nhắm vào các

khung lập lịch ở cấp MAC.

Phân bổ băng thông động (DBA): Được sử dụng cho các mạng hỗ trợ

các ứng dụng đa phương tiện như VoIP, lưu lượng video và mạng ATM. IP qua

hiệu suất mạng quang có thể được cải thiện với DBA, tùy thuộc vào mô hình

phân bổ lại và cấu trúc liên kết mạng như được hiển thị bởi Gannett.

McGarry và cộng sự cung cấp một khảo sát toàn diện về các chương trình và

phương pháp DBA. Ước tính trạng thái theo ràng buộc tỷ lệ cũng là một vấn đề

nghiên cứu liên quan đến băng thông hữu hạn. Minero và cộng sự trình bày một

định lý tốc độ dữ liệu để ổn định hệ thống động lực thời gian rời rạc tuyến tính

với các nhiễu lớn tùy ý, trên kênh truyền thông thay đổi theo thời gian giới hạn

tốc độ. Li và AlRegib đã xem xét ước tính tham số phân tán trong các mạng

cảm biến không dây, trong đó áp dụng tổng ràng buộc tốc độ bit. Họ đã nghiên

cứu sự trao đổi tối ưu giữa số lượng cảm biến hoạt động và tốc độ bit lượng tử

hóa để giảm thiểu sai số trung bình ước tính. Soglo và Yang đã đề xuất kết hợp

các phương pháp bù và ước lượng cho trễ và bỏ gói tin tại bộ điều khiển để cải

thiện hiệu suất của RCNS .

1.7 Một số nghiên cứu trên thế giới về hệ thống điều khiển kết nối

mạng

Nghiên cứu sự ổn định của hệ thống điều khiển kết nối mạng với các trở

ngại thời gian khác nhau hiện tại trong mạng. Hệ thống điều khiển kết nối mạng

là một hệ thống vòng kín, trong đó thông tin hoặc dữ liệu truyền qua mạng

truyền thông. Do đó có sự tăng thời gian trễ, mất mát thông tin và làm chậm

hiệu suất của hệ thống.

Năm 2002, Gregory C. Walsh, Hong Ye, and Linda G. Bushnell giới

thiệu giao thức mạng điều khiển TOD (Try Once Discard), cho các hệ thống

điều khiển kết nối nhiều đầu vào-nhiều đầu ra (MIMO) và cung cấp, lần đầu

tiên, một bằng chứng phân tích về sự ổn định hàm mũ toàn cục cho cả giao thức

mới và các phương thức truy cập thường được sử dụng (lịch trình tĩnh). Cách

tiếp cận là đầu tiên thiết kế bộ điều khiển bằng cách sử dụng các kỹ thuật đã

được thiết lập xét mạng rõ ràng và sau đó phân tích hiệu quả của mạng khi hoạt

động hệ thống vòng lặp kín. Khi được triển khai, RCNS sẽ bao gồm nhiều bộ

cảm biến độc lập và bộ truyền động cạnh tranh để truy cập vào mạng, không có

đồng hồ phổ dụng để đồng bộ hóa các hành động của chúng. Bởi vì các nút

hoạt động không đồng bộ, chúng tôi cho phép truy cập vào mạng bất kỳ lúc nào

nhưng giả định mỗi lần truy cập xảy ra trước thời hạn được chỉ định, được gọi

là khoảng thời gian chuyển tối đa cho phép. Chỉ một nút có thể truy cập mạng

tại một thời điểm. Hạn chế giao tiếp này được áp đặt bởi mạng là trọng tâm

chính của bài báo. Hiệu suất của giao thức TOD mới và các giao thức được lập

lịch trình tĩnh được kiểm tra trong các mô phỏng của một tuabin khí ô tô và một

lò phản ứng không ổn định.

Năm 2009, Hai Lin và and Panos J. Antsaklis đã đề cập đến vấn đề

nghiên cứu trong lĩnh vực phân tích ổn định và độ ổn định chuyển mạch của hệ

thống chuyển mạch. Và tập trung vào sự phân tích độ ổn định cho các hệ thống

chuyển mạch tuyến tính dưới sự chuyển mạch tùy ý và những điều kiện cần và

đủ cho ổn định tiệm cận. Sau đó, bài toán mức độ ổn định chuyển mạch được

tìm hiểu, rằng dưới điều kiện nào thì là khả quan để ổn định được một hệ thống

chuyển mạch bằng các luật điều khiển chuyển mạch thiết kế chuẩn.

Năm 2019, Richa Sharma, Deepak Nagaria trình bày vấn đề “phân tích

độ ổn định của hệ thống điều khiển kết nối mạng bằng cách sử dụng phương

pháp LMI”. Trong đó, tác giả đã giả định rằng độ trễ về thời gian ít hơn thời

gian lấy mẫu. Các điều kiện ổn định cho RCNS thu được bằng cách sử dụng

hàm Lyapunov và các điều kiện ổn định đã được mô tả bằng bất đẳng thức ma

trận tuyến tính (Linear Matrix Inequality-LMI).

1.8 Một số nghiên cứu trong nước về hệ thống điều khiển kết nối

mạng

Phạm Quang Đăng, Bùi Quốc Khánh đã trình bày “Điều khiển phân tán

trong hệ nhiều trục” năm 2007, nghiên cứu về ảnh hưởng của trễ truyền thông

trong hệ thống điều khiển truyền động nhiều trục phân tán sử dụng mạng truyền

thông và các giải pháp đề xuất nâng cao chất lượng điều khiển nhằm mở rộng

khả năng ứng dụng của điều khiển phân tán trong các hệ truyền động nhiều trục.

Trong đó, nghiên cứu ảnh hưởng của trễ truyền thông trong các hệ cơ điện tử

phân tán nói chung, các hệ truyền động phân tán nói riêng, phát triển mô hình

hệ thống với các phương pháp lấy mẫu khác nhau làm cơ sở cho việc phát triển

bộ điều khiển đa chế độ với khâu ước lượng trạng thái sử dụng lọc Kalman với

hệ số lọc thay đổi theo thời gian để nâng cao chất lượng điều khiển.

Đặng Xuân Kiên trình bày “Giải pháp bù thời gian trễ biến đổi và nhiễu

của mạng các hệ thống điều khiển dựa trên mô hình dự báo Smith thích nghi”

năm 2016, nghiên cứu vấn đề giảm hiệu suất điều khiển, mất ổn định của mạng

các hệ thống điều khiển (Networked control systems-RCNS ) chính là ảnh

hưởng của thời gian trễ và nhiễu, đặc biệt khi tại mỗi thời điểm chúng biển đổi

không xác định và đề xuất Giải pháp sử dụng mô hình dự đoán Smith thíchnghi

với cơ chế ước lượng thời gian trễ và bù nhiễu dựa trên mạng thần kinh nhân

tạo không chỉ có tính năng của một cấu trúc dự đoán Smith thông thường mà

còn thích nghi cao với sự thay đổi liên tục của thời gian trễ và nhiễu làm tăng

tính ổn định, đáp ứng điều khiển nhanh. Kết quả nghiên cứu đã giải quyết trong

trường hợp bù thời gian trễ trong mạng điều khiển, giải pháp sử dụng mô hình

dự đoán Smith thích nghi với cơ chế ước lượng thời gian sử dụng Logic mờ và

mạng thần kinh nhân tạo cho kết quả tốt. Để giải quyết vấn đề bù nhiễu cho

NCS, giải pháp sử dụng bộ bù nhiễu sử dụng mạng thần kinh nhân tạo kết hợp

bộ lọc Q-filter đã được đưa ra.

Phạm Duy Hưng - LATS “Phát triển thuật toán tự triển khai cho hệ thống

đa robot giám sát môi trường không biết trước” nghiên cứu một phương pháp

mới có tên là điều khiển phân tán đa tầng, viết tắt là HDC (Hierarchical

Distributed Control), cho duy trì sự toàn vẹn mạng toàn cục của hệ thống đa

robot. HDC được ứng dụng để xây dựng chiến lược tự triển khai hệ thống đa

robot cho khám phá, theo dõi đa mục tiêu và bao phủ. Đề xuất một điều khiển

phân tán đa tầng (HDC) cho duy trì sự toàn vẹn của mạng đa robot. HDC gồm

điều khiển nút để điều khiển chuyển động của robot và duy trì mạng toàn cục,

và điều khiển kết nối để mở rộng vùng bao phủ mạng. HDC dựa trên tiếp cận

hình học xem xét cấu trúc kết nối cục bộ giữa các robot vì thế nó không yêu

cầu ước lượng kết nối đại số của đồ thị mạng – phương pháp cổ điển. Bên cạnh

đó, nhờ vào việc tinh giản các cấu trúc kết nối cục bộ, HDC có khả năng giải

phóng các ràng buộc của kết nối cục bộ giống như cực tiểu cục bộ, cho phép hệ

thống đa robot thu được hiệu suất cao trong chuyển động theo bầy, theo dõi đa

mục tiêu và bao phủ. HDC được ứng dụng cho chiến lược tự triển khai cho theo

dõi đa mục tiêu, viết tắt là MTT (Multi-Target Tracking), và bao phủ của hệ

thống đa robot kết nối mạng trong môi trường không biết trước. MTT kết hợp

thủ tục phân nhiệm dựa trên trao đổi thông tin giữa các robot và điều khiển

HDC để thực thi nhiệm vụ. Vượt qua các nghiên cứu đã tồn tại, luận án tìm ra

rằng bài toán theo dõi đa mục tiêu và bao phủ có đặc điểm chung: các đích cho

bài toán theo dõi đa mục tiêu giống với các đích ảo của bài toán bao phủ, vì thế

MTT được áp dụng để giải quyết cả hai bài toán. Trong bài toán bao phủ, luận

án đề xuất bộ tạo đích ảo VTG (Virtual Target Generation) dựa trên cấu trúc

lưới lục giác cho phép hệ thống đa robot bao phủ được môi trường có cấu trúc.

Luận án khảo sát, đánh giá MTT trong cả mô phỏng và thí nghiệm thật. Đồng

thời, đề xuất thuật toán phát hiện và phân loại biên trong đó sửa lỗi biên được

thực hiện bằng thuật toán mới dựa trên tiếp cận hình học. Thuật toán này loại

bỏ các lỗi biên thông qua xem xét cấu trúc kết nối cục bộ thay cho quá trình đệ

quy và động bộ toàn cục. Luận án tích hợp thuật toán phát hiện biên vào MTT

để giải quyết bài toán theo dõi đa mục tiêu với các kịch bản đích phân bố không

liên thông.

Huỳnh Trọng Thưa – LATS “Giảm độ trễ end-to-end và tổng năng lượng

tiêu thụ trong các mạng cảm biến không dây” nghiên cứu các vấn đề giảm thiểu

độ phức tạp tính toán và trao đổi thông điệp điều khiển cho các nút cảm biến

nhằm tiết kiệm năng lượng tiêu thụ và thời gian trễ do xử lý và truyền thông;

Giảm độ trễ end-to-end do việc phân phối dữ liệu từ các nút cảm biến nguồn

đến nút gốc; Cân bằng năng lượng giữa các nút cảm biến để kéo dài thời gian

- Giải thuật phân cụm: Cùng với việc đề xuất một giải thuật phân cụm

sống của toàn mạng. Và các giải thuật được đề xuất như sau:

cân bằng năng lượng tiêu thụ và độ trễ end-to-end, luận án cũng thiết

kế một hàm chi phí tổng hợp dựa trên mức năng lượng còn lại của mỗi

nút cảm biến và khoảng cáchgiữa chúng nhằm chọn ra các nút trưởng

- Giải thuật định tuyến cân bằng năng lượng tiêu thụ và độ trễ end-to-

cụm tối ưu để phân phối dữ liệu đến trạm gốc một cách hiệu quả nhất.

end: đề xuất một hàm chi phí kết hợp hai yếu tố năng lượng tiêu thụ tại

mỗi nút cảm biến và độ trễ liên kết giữa các nút cảm biến lân cận nhau.

Bên cạnh đó, luận án cũng đề xuất một giải thuật cập nhật hàm chi phí

để phân phối dữ liệu đến trạm gốc theo đường đi có tổng chi phí kết

- Giải thuật định tuyến hiệu quả năng lượng với k đường ngắn nhất đảm

hợp thấp nhất.

bảo độ trễ đầu cuối: đề xuất một hàm chi phí chỉ dựa vào năng lượng

còn lại của mỗi nút cảm biến và một giải thuật định tuyến k đường ngắn

nhất theo tổng năng lượng tiêu thụ đảm bảo ràng buộc độ trễ end-to-end

của ứng dụng.

Giải thuật định tuyến phân tán hiệu quả năng lượng có ràng buộc độ trễ

đầu cuối: đề xuất giải thuật chọn nút trưởng cụm tối ưu năng lượng tiêu thụ

nhưng phải đảm bảo yêu cầu về ràng buộc độ trễ đầu cuối làm nút chuyển tiếp

dữ liệu chỉ dựa vào thông tin cục bộ giữa các nút lân cận. Điều này làm giảm

lượng overhead trao đổi trong quá trình khám phá đường đi, giúp giải thuật đạt

được sự hội tụ nhanh.

1.9 Kết luận chương 1

Trong chương 1, tác giả trình bày tổng quan về RCNS bao gồm các thành

phần cơ bản của RCNS, các cấu trúc kết nối cơ bản. Các ưu điểm và nhược

điểm khi ứng dụng RCNS cho các hệ thống lớn cũng được phân tích đánh giá

khách quan. Nghiên cứu một số các giải pháp khắc phục các nhược điểm của

RCNS và những tồn tại cần phải tiếp tục nghiên cứu khắc phục nhằm nâng cao

hiệu quả, độ tin cậy và tính thời gian thực cho mạng RCNS.

Chương tiếp theo, một phương pháp truyền dữ liệu đo và điều khiển mới

qua mạng truyền thông từ cảm biến và thiết bị chấp hành kết nối với máy chủ

điện toán đám mây từ nhiều nguồn dữ liệu khác nhau sẽ được đề cập tới.

CHƯƠNG 2 - MÔ HÌNH THU THẬP DỮ LIỆU QUA MẠNG

2.1 Mở đầu

Các hệ thống điều khiển qua mạng truyền thông hiện này có nhiều vấn

đề cần phải quan tâm giải quyết như giảm thiểu ảnh hưởng của các tham số

mạng bất lợi đến hiệu suất RCNS như độ trễ của mạng, tắc nghẽn đường truyền,

suy giảm tốc độ truyền, v.v. Trong phần này, tác giả mong muốn đề xuất một

phương pháp truyền dữ liệu đo và điều khiển qua mạng truyền thông từ cảm

biến, cơ cấu chấp hành kết nối với máy chủ điện toán đám mây qua mạng từ

nhiều nguồn dữ liệu khác nhau.

2.2 Kiến trúc của hệ thống điều khiển kết nối mạng

Mô hình kiến trúc truyền thống của hệ thống điều khiển bao gồm các thành

phần hệ thống (cảm biến và bộ truyền động) tương tác với quá trình vật lý được

nối trực tiếp với bộ điều khiển bằng cách sử dụng vòng lặp 4-20 mA. Các hệ

thống loại này cũng được gọi là hệ thống điều khiển kỹ thuật số trực tiếp hoặc

hệ thống vòng kín cục bộ (xem hình 2.1). Với mô hình kiến trúc điểm-điểm,

mỗi cảm biến hoặc bộ truyền động trao đổi dữ liệu với bộ điều khiển bằng một

liên kết giao tiếp chuyên dụng. Do đó, dữ liệu đo và điều khiển không bị chậm

trễ ngoài dự kiến khi truyền thông trong một liên kết điểm-điểm.

Ngày nay, đối với dữ liệu số, kiến trúc này được sử dụng rộng rãi cho mô

hình kiến trúc điều khiển dựa trên bộ điều khiển logic khả trình (PLC). Đối với

dữ liệu tương tự, mô hình kiến trúc điểm-điểm dựa trên bộ điều khiển PID

thường được sử dụng trong tự động hóa có sử dụng phản hồi. Tuy nhiên, mô

hình này không còn phù hợp với các hệ thống tự động hóa hiện đại với mục

tiêu thiết kế các hệ thống điều khiển linh hoạt có thể hoàn thành các nhiệm vụ

khác nhau với chi phí cấu hình lại nhỏ.

Ngoài ra, đối với các hệ thống như vậy, khả năng chẩn đoán và bảo trì

phải được thực hiện cục bộ vì không cho phép kiểm soát hoạt động từ xa.

Hình 2.1. Mô hình kiến trúc mạng hệ thống điều khiển

Với mô hình mạng điều khiển phân tán DCS (Distributed Control System),

hầu hết các nhiệm vụ điều khiển thời gian thực (cảm biến, tính toán và truyền

động) được thực hiện trong các nút điều khiển riêng lẻ. Các nút liên kết chủ yếu

sử dụng mạng truyền thông để truyền tín hiệu báo động, thông tin giám sát và

điều khiển cục bộ. Mạng truyền thông cũng được sử dụng cho hệ thống cấu

hình và thiết lập. Do đó, một DCS có thể được xem như là một tập hợp các hệ

thống điều khiển điểm-điểm nối mạng. Lưu ý rằng đối với các kiến trúc như

vậy, dữ liệu điều khiển chịu sự chậm trễ theo thời gian thực do vấn đề truyền

thông qua mạng phân tán.

Một bước tiến nữa trong lĩnh vực thiết kế hệ thống điều khiển là xây dựng

mô hình hệ thống điều khiển kết nối mạng RCNS (Networked Control System).

Trong đó, RCNS là một hệ thống điều khiển phản hồi được phân phối và kết

nối hoàn toàn, trong đó các nút bộ điều khiển, cảm biến của bộ điều khiển, cảm

biến nhà máy trong hoạt động vòng kín điều khiển của mạng. Trong các kiến

trúc như vậy, tất cả các nút điều khiển xử lý (cảm biến, bộ điều khiển và bộ

truyền động) được kết nối với nhau thông qua mạng truyền thông.

Đối với mô hình kiến trúc này, dữ liệu điều khiển phải chịu sự chậm trễ

do mạng truyền thông gây ra tùy thuộc vào cấu trúc mạng và chương trình lập

lịch thông điệp, sự chậm trễ cảm biến sẽ có các giá trị khác nhau, do đó ảnh

hưởng đến chất lượng của hoạt động điều khiển vòng kín ở các cấp độ khác

nhau.

2.3 Ảnh hưởng thời gian trễ trong hệ thống điều khiển kết nối

mạng

Đối với hệ thống điều khiển kết nối mạng RCNS , khi tích hợp mạng

truyền thông vào trong hệ thống điều khiển vòng kín thì sẽ phát sinh ra hai

thành phần trễ truyền thông, đó là : trễ truyền thông từ bộ cảm biến đến bộ điều

khiển (ký hiệu là τsc) và trễ truyền thông từ bộ điều khiển đến cơ cấu chấp hành

(ký hiệu là τca). Để làm rõ hai thành phần trễ truyền thông này, chúng ta xem

xét mô hình hệ thống điều khiển kết nối mạng với ba thành phần chính : là

bộ cảm biến, là bộ điều khiển và là đối tượng điều khiển được trao đổi

thông tin với nhau thông qua mạng truyền thông như hình 2.2.

Hình 2.2. Mô hình hệ thống điều khiển kết nối mạng có trễ truyền thống

Quá trình truyền và xử lý thông tin trong hệ thống điều khiển kết nối

mạng bắt đầu từ và kết thúc tại . Thông tin về quá trình công nghệ được

thu thập bởi các bộ cảm biến, lấy mẫu và chuyển thành tín hiệu số thông qua

bộ chuyển đổi A/D. Bộ cảm biến sẽ gửi tín hiệu đo được lấy mẫu đến bộ

điều khiển thông qua mạng truyền thông. Tín hiệu đo sẽ được xử lý và tính

toán bởi bộ điều khiển và đưa ra lệnh điều khiển đến đối tượng điều khiển

qua mạng truyền thông. Việc truyền dữ liệu từ bộ cảm biến đến đối tượng

điều khiển sẽ mất một khoảng thời gian nhất định gọi là trễ thời gian, đồng

thời xác xuất mất gói dữ liệu trên đường truyền cũng có thể xảy ra. Do đó, trễ

truyền thông ảnh hưởng trực tiếp đến đáp ứng của hệ thống, trễ càng cao thì độ

quá điều chỉnh càng lớn, do đó, chất lượng điều khiển càng kém.

Cụ thể là, quá trình thực hiện điều khiển vòng kín như sau: cảm biến đo

thu thập dữ liệu với một khoảng thời gian lấy mẫu nhất định h và sẽ chuyển dữ

liệu đo tới bộ điều khiển bằng kênh tín hiệu có độ trễ truyền thông τsc. Thời

gian bắt đầu thực hiện tính toán điều khiển thứ k được đưa ra bởi thời gian lấy

mẫu tk cộng với độ trễ τsc. Tính toán điều khiển đưa ra độ trễ (τc) được sử dụng

để tính tín hiệu lệnh điều khiển. Bộ điều khiển chuyển tiếp tín hiệu lệnh điều

khiển đến cơ cấu chấp hành có một độ trễ truyền thông τca (độ trễ từ bộ điều

khiển đến cơ cấu chấp hành). Cuối cùng, cơ cấu chấp hành thực hiện việc truyền

động tại thời điểm được đưa ra bởi tk + τsc + τc + τca.

Hình 2.3. Thời gian trong hệ thống điều khiển kết nối mạng

Trong hệ thống điều khiển kết nối mạng, độ trễ thời gian (thời gian trễ

giữa các chu kỳ lấy mẫu và truyền thông giữa các khâu) được đưa ra bởi τ = τsc

+ τc + τca. Tuy nhiên, tùy thuộc vào kiến trúc, độ trễ này sẽ không đổi hoặc thay

đổi theo thời gian. Lưu ý rằng trong hầu hết các triển khai vòng kín thực tế, bộ

điều khiển được triển khai trong các bộ xử lý chuyên dụng. Do đó, chúng tôi

cũng sẽ xem xét độ trễ thời gian τc trong tính toán điều khiển gần như không

đổi. Chúng ta coi độ trễ hoạt động chuyển đổi đối với chuyển đổi A/D trong

cảm biến và chuyển đổi D/A trong cơ cấu chấp hành là không đáng kể.

Trong đó, thời gian trễ truyền thông có thể khác nhau ở mỗi lần khởi tạo

vòng kín được gây ra bởi hằng số như thời gian truyền và độ trễ truyền dữ liệu

và sẽ phụ thuộc vào các tham số mới do các nút điều khiển trao đổi dữ liệu (các

thông điệp lấy mẫu và lệnh điều khiển) thông qua kênh truyền thông chia sẻ.

Các vấn đề như giao thức truy cập mạng và lập lịch thông điệp cũng sẽ xác định

τsc và τca. Do đó, các tín hiệu truyền động u(tk) được gửi tại thời điểm không

cần thiết, được đưa ra bởi thời gian lấy mẫu cộng với độ trễ thời gian có thể

thay đổi ở mỗi lần thực hiện, như được minh họa trong hình 2.3.

2.4 Phương pháp truyền dữ liệu đo và điều khiển qua mạng

2.4.1 Hệ thống kết nối mạng từ nhiều nguồn khác nhau

Khi xây dựng hệ thống đo và điều khiển trong công nghiệp, chúng ta cần

thu thập các dữ liệu về thông số hoạt động qua các cảm biến như nhiệt độ, độ

ẩm, ánh sáng, nồng độ bụi, áp suất hay phải giám sát như hình ảnh camera,

cảnh báo như báo cháy, báo khói và điều khiển như động cơ, máy bơm v.v..

Các thông số đo và điều khiển này nhằm đảm bảo môi trường sản xuất

tuân thủ đúng các yêu cầu kỹ thuật, hỗ trợ công tác giám sát, điều hành, cảnh

báo và xử lý sự cố phát sinh một cách nhanh chóng. Các thông số này sẽ được

đo và điều khiển qua các cảm biến (sensors), thiết bị chấp hành, sau đó truyền

về máy chủ qua mạng truyền thông công nghiệp và mạng Internet.

Hình 2.4. Mô hình hệ thống thiết bị đo và điều khiển các thông số hoạt động

Trong nhiều hệ thống điều khiển phức tạp từ nhiều nguồn khác nhau như

các nhà máy sản xuất, xe cộ, máy bay và tàu vũ trụ, các mạng truyền thông nối

tiếp được sử dụng để trao đổi thông tin và điều khiển tín hiệu giữa các thành

phần hệ thống phân tán không gian, như máy tính giám sát, bộ điều khiển và

thiết bị vào ra thông minh (I/O) (ví dụ, cảm biến thông minh và thiết bị truyền

động). Mỗi thành phần hệ thống được kết nối trực tiếp với mạng được biểu thị

như một nút. Khi một vòng điều khiển được đóng qua kênh truyền thông nối

tiếp, chúng tôi gắn nhãn nó là một hệ thống điều khiển nối mạng (RCNS ).

Kênh truyền thông nối tiếp, mà ghép các tín hiệu từ các bộ cảm biến với bộ

điều khiển và / hoặc từ bộ điều khiển tới các bộ truyền động, phục vụ nhiều

công dụng khác ngoài việc điều khiển (xem hình 2.4). Ngược lại với các mạng

máy tính được sử dụng rộng rãi, RCNS được quan tâm chủ yếu nhờ chất lượng

dịch vụ đáng tin cậy theo thời gian thực. các hệ RCNS đang được áp dụng

trong nhiều lĩnh vực ứng dụng vì rất nhiều lý do bao gồm chi phí của chúng

thấp, giảm trọng lượng và các yêu cầu về năng lượng, lắp đặt và bảo trì đơn

giản và độ tin cậy cao hơn.

Tuy nhiên, sử dụng một mạng lưới bày ra một số thách thức phân tích

mới bởi vì mạng áp đặt một hạn chế giao tiếp: chỉ có một cảm biến có thể báo

cáo các phép đo của nó tại một thời điểm. Hơn nữa, việc thiếu một đồng hồ phổ

quát và sự hiện diện của lưu lượng truy cập liên quan đến không kiểm soát làm

cho các giả định về các khoảng lấy mẫu không đổi không thực tế trong nhiều

ứng dụng.

Hình 2.5. Cấu trúc của một hệ thống điều khiển qua mạng đa thành phần.

Ý nghĩa của việc kết hợp các ràng buộc truyền thông và các kiểm soát

đặc biệt vẫn chưa được giải quyết trong một số bài toán thực tế. Một thuật toán

mới được đề xuất và phân tích để xác định thứ tự truyền của nhiều nút cảm biến

trong một RCNS dựa trên nhu cầu. Thuật toán lập lịch trình mới phân bổ hiệu

quả tài nguyên mạng cho nhiều cảm biến thông minh và duy trì tốt hiệu năng

hệ thống điều khiển vòng kín. Một số nghiên cứu nhận thấy những ảnh hưởng

bất lợi của trễ thay đổi thời gian do mạng gây nên trên sự ổn định của hệ thống

điều khiển phản hồi.

Tuy nhiên, tất cả các nghiên cứu trước đây chỉ giới hạn trong bài toán

truyền một gói dữ liệu, nghĩa là tất cả các đầu ra hệ thống được gộp lại và gửi

đi trong một gói, và kết quả là không có sự cạnh tranh giữa các cảm biến thông

minh. Không có điều kiện ổn định chung rõ ràng đã thu được trong tài liệu ngay

cả đối với trường hợp truyền một gói. Lần đầu tiên, một bằng chứng phân tích

về sự ổn định toàn cục cho một RCNS với truyền dẫn nhiều gói chung ngoài

việc cung cấp một điều kiện ổn định toàn cục cho bài toán truyền một gói tin

đặc biệt.

Phương pháp không gian trạng thái tăng cường và phương pháp hệ thống

điều khiển tuyến tính nhảy là hai phương pháp quan trọng được đề xuất để phân

tích và thiết kế một RCNS . Phương pháp đầu giảm bài toán xuống một điều

khiển thời gian rời rạc hữu hạn chiều bằng cách tăng thêm mô hình hệ thống

để bao gồm các giá trị trượt của đầu vào và đầu ra của thiết bị (tức là các biến

trễ) như các trạng thái bổ sung. Một điều kiện cần và đủ để ổn định hệ thống

được thiết lập chỉ cho trường hợp đặc biệt của sự trễ định kỳ. Kỹ thuật này rất

hữu ích cho việc phát triển các luật điều khiển để cải thiện hoạt động của một

RCNS ngoại trừ việc nó không đưa ra điều kiện ổn định chung cho sự chậm

trễ ngẫu nhiên.

Các hệ thống điều khiển phản hồi tuyến tính phân tán với độ trễ truyền

thông ngẫu nhiên được mô hình hóa như một hệ thống điều khiển tuyến tính

nhảy, trong đó sự biến đổi ngẫu nhiên của sự trễ hệ thống kết hợp hoạt động

với cấu trúc thay đổi ngẫu nhiên của biểu diễn không gian trạng thái. Các điều

kiện cần và đủ được tìm cho sự ổn định hàm mũ vuông trung bình trạng thái 0

của lớp được xét của các hệ thống. Phương pháp này yêu cầu ma trận xác suất

chuyển vị được biết là một ưu tiên. Hơn nữa, cả hai phương pháp đều bị giới

hạn trong bài toán truyền một gói tin.

2.4.2 Phương pháp kết nối thiết bị đo và điều khiển qua mạng

Cơ sở hạ tầng hệ thống điều khiển qua mạng bao gồm các điểm truy cập mắt

lưới, bộ điều khiển mạng nội bộ không dây và phần mềm quản lý mạng tích

hợp công nghệ điện toán đám mây. Một số điểm truy cập được phân bố khắp

nhà máy để tạo phủ sóng không dây dạng chiếc ô.

Hình 2.6. Cấu trúc trực tiếp của hệ thống điều khiển kết nối mạng

Tuy nhiên, một thách thức lớn trong tất cả các hệ thống điều khiển qua

mạng là tồn tại sự chậm trễ mạng, có thể làm giảm hiệu suất hệ thống tổng thể

và thậm chí gây mất ổn định hệ thống điều khiển vòng kín. Để giảm bớt hiệu

ứng trễ thời gian truyền dữ liệu qua mạng, tác giả đề xuất một phương pháp kết

nối thiết bị đo và điều khiển với máy chủ điện toán đám mây qua mạng từ nhiều

nguồn khác nhau với cấu trúc truyền dữ liệu trực tiếp (hình 2.5). Mô hình kết

- Các thiết bị đo và cơ cấu chấp hành

- Các bộ điều khiển

nối dữ liệu giữa các thiết bị đo và điều khiển qua mạng gồm:

- Máy tính điều hành

- Trung tâm giám sát và điều khiển qua mạng trên máy chủ đám mây

Phương pháp kết nối thiết bị đo và điều khiển với máy chủ điện toán đám

mây qua mạng bao gồm nhiều bước kết hợp với nhau để phát triển thành hệ

thống tổng thể trên nền tảng điện toán đám mây, trong đó phương pháp này bao

gồm các bước:

- Bước 1: xác định các thông số đo và điều khiển bao gồm các dữ liệu

thông số đo và điều khiển cần lưu trữ, tần suất, dạng tín hiệu cập nhật

phù hợp với môi trường và phương pháp sản xuất của đơn vị sử dụng;

- Bước 2: kết nối dữ liệu từ cảm biến và thiết bị chấp hành với thiết bị đo

và điều khiển PLC;

- Bước 3: kết nối dữ liệu từ thiết bị đo và điều khiển PLC (Programmable

Logic Controller – Bộ điều khiển logic khả lập trình) với máy tính điều

hành;

- Bước 4: kết nối dữ liệu giữa máy tính điều hành với máy chủ điện toán

đám mây;

Bước 1 được thực hiện như sau:

- Lựa chọn các thông số đo và điều khiển bao gồm các thông số như: nhiệt

độ, độ ẩm, ánh sáng, mức nước, áp suất, lưu lượng, tốc độ quay của động

cơ, độ dài khoảng cách và phạm vi làm việc, độ chính xác, độ nhạy theo

từng thông số;

- Lựa chọn cảm biến đo phù hợp với từng thông số đo và có tín hiệu ra

theo một hoặc nhiều chuẩn công nghiệp gồm 0-10V, 0-5V, 0-20mA, 4-

20mA, RS232/RS485/RS422;

- Lựa chọn thiết bị chấp hành hoạt động theo yêu cầu công nghệ thực tế

và có tín hiệu điều khiển theo một hoặc nhiều chuẩn công nghiệp 0-10V,

0-5V, 0-20mA, 4-20mA, RS232/RS485/RS422;

- Lựa chọn thiết bị đo và điều khiển PLC có cấu hình cổng vào/ra phù hợp

với cảm biến và thiết bị chấp hành;

Bước 2 được thực hiện như sau:

- Các thông số đo và điều khiển từ cảm biến và thiết bị chấp hành được

đưa qua bộ chuyển đổi tín hiệu dòng/áp sang dạng tín hiệu theo một hoặc

nhiều chuẩn công nghiệp 0-10V, 0-5V, 0-20mA, 4-20mA,

RS232/RS485/RS422;

- Thiết bị đo và điều khiển PLC sẽ đọc/ghi dữ liệu từ cảm biến và thiết bị

chấp hành qua cổng vào ra tương tự ADC/DAC và chuyển thành số liệu

dạng số (digital number) trong bộ nhớ;

Hình 2.7. Kết nối dữ liệu vào ra với bộ điều khiển

Bước 3 được thực hiện như sau:

- Thiết bị đo và điều khiển PLC truyền dữ liệu với máy tính điều hành qua

mạng truyền thông công nghiệp MPI (Multi Point Interface – Giao diện

đa điểm);

- Máy tính điều hành sẽ lưu trữ dữ liệu trong cơ sở dữ liệu, trong đó, cơ sở

dữ liệu được xây dựng nhằm lưu trữ liên tục dữ liệu thu thập từ các cảm

biến, thiết bị chấp hành vào hệ thống cơ sở dữ liệu ở máy tính điều hành,

dữ liệu cập nhật liên tục theo định kỳ với tần suất cao (vài giây đến vài

chục giây một lần) nên cần một hệ quản trị cơ sở dữ liệu mạnh để lưu trữ

và xử lý với tốc độ cao;

Bước 4 được thực hiện như sau:

- Máy tính điều hành kết nối với thiết bị đo và thiết bị điều khiển PLC có

các chức năng thu thập dữ liệu từ các cảm biến, thiết bị chấp hành, sau

đó gửi một yêu cầu http (http request) (có thể là một yêu cầu (request)

dạng GET với các thông số đo được gắn vào đường dẫn của Http

Request) tới máy chủ điện toán đám mây (cloud server) để cập nhật dữ

liệu lên đám mây (cloud);

- App Engine tích hợp trên máy chủ điện toán đám mây xác định rằng một

yêu cầu (request) gửi tới ứng dụng được tạo trên App Engine sử dụng

tên miền của ứng dụng, khi tạo ứng dụng trên App Engine thì App Engine

sẽ tạo cho mỗi ứng dụng một ID định danh;

- Khi App Engine nhận được một web request cho ứng dụng được người

sử dụng tạo, nó sẽ gọi một tập lệnh (script) xử lý yêu cầu (request) tương

ứng với URL được mô tả trong tệp cấu hình ứng dụng app.yaml;

- Máy chủ đám mây sẽ xác định tập lệnh xử lý nào được chạy để xử lý yêu

cầu bằng cách so sánh URL của yêu cầu với mẫu URL trong tệp cấu hình

của ứng dụng, máy chủ sẽ chạy đoạn tập lệnh tương ứng với dữ liệu yêu

cầu (request data) và đưa dữ liệu yêu cầu vào môi trường biến và luồng

dữ liệu vào chuẩn, đoạn tập lệnh sẽ thực hiện các hành động thích hợp

với yêu cầu được gửi đến, chuẩn bị dữ liệu trả lời và đưa dữ liệu này vào

luồng dữ liệu ra chuẩn.

Kết nối dữ liệu giữa máy tính điều hành với máy chủ đám mây

Trên thế giới, các công ty lớn như Google, Microsoft, Amazon đang cung

cấp cho người dùng các phần mềm trên máy chủ của họ trong “cloud” như các

dịch vụ Gmail, Google Docs, Office Live v.v.. Trong phạm vi nghiên cứu,

chúng tôi lựa chọn sử dụng dịch vụ điện toán đám mây của Google. Đây là một

mô hình điện toán phân tán có tính co giãn lớn mà hướng theo co giãn có lợi về

mặt kinh tế, là nơi chứa các sức mạnh tính toán, kho lưu trữ, các nền tảng và

các dịch vụ được trực quan, ảo hóa, co giãn linh động và sẽ được phân phối

theo nhu cầu cho các khách hàng bên ngoài thông qua Internet. Ở mô hình điện

toán này, mọi khả năng liên quan đến công nghệ thông tin đều được cung cấp

dưới dạng các “dịch vụ”, cho phép người sử dụng truy cập các dịch vụ công

nghệ từ một nhà cung cấp nào đó “trong đám mây” mà không cần phải có các

kiến thức, kinh nghiệm về công nghệ đó, cũng như không cần quan tâm đến các

cơ sở hạ tầng phục vụ công nghệ đó.

Máy tính điều hành kết nối với thiết bị đo và điều khiển PLC có các

chức năng thu thập dữ liệu từ các cảm biến, thiết bị chấp hành, sau đó gửi một

yêu cầu http request qua mạng Internet (có thể là một request dạng GET với

các thông số đo được gắn vào đường dẫn của Http Request, ví dụ như

/?nhietdo=”30”&doam=”70”&…; hoặc cũng có thể là một request dạng

POST với các thông số đo được gửi đi nằm trong message body của HTTP

Request) tới máy chủ điện toán đám mây (cloud server) để cập nhật dữ liệu lên

đám mây (cloud).

Google App Engine (gọi tắt là GAE hay App Engine) là một môi trường

phát triển ứng dụng dựa trên công nghệ điện toán đám mây. Ở đó Google cung

cấp một hệ thống gồm: ngôn ngữ lập trình, hệ cơ sở dữ liệu, các thư viện lập

trình, người lập trình sẽ viết ứng dụng và ứng dụng này sẽ chạy trên các máy

chủ của Google. Google App Engine được cung cấp miễn phí cho mỗi ứng

dụng trong một giới hạn, khi các ứng dụng vượt quá quá hạn mức thì phải trả

thêm khoản phí cho mức vượt này

App Engine xác định rằng một request gửi tới ứng dụng được tạo trên

App Engine sử dụng tên miền của ứng dụng. Khi tạo ứng dụng trên App Engine

thì App Engine sẽ tạo cho mỗi ứng dụng một ID định danh. Một request gửi tới

tên miền http://id_ung_dung.appspot.com sẽ được định hướng tới tới ứng dụng

do người sử dụng tạo có ID là id_ung_dung.

Khi App Engine nhận được một yêu cầu web (web request) cho ứng dụng

được người sử dụng tạo, nó sẽ gọi một tập lệnh (script) xử lý request tương ứng

với URL được mô tả trong tệp cấu hình ứng dụng app.yaml.

Hình 2.8. Mô hình cập nhật dữ liệu lên App Engine

Máy chủ đám mây sẽ xác định script xử lý nào được chạy để xử lý request

bằng cách so sánh URL của request với mẫu URL trong tệp cấu hình của ứng

dụng. Máy chủ sẽ chạy đoạn script tương ứng với dữ liệu request và đưa dữ

liệu request vào môi trường biến và luồng dữ liệu vào chuẩn. Đoạn script sẽ

thực hiện các hành động thích hợp với request được gửi đến, chuẩn bị dữ liệu

trả lời và đưa dữ liệu này vào luồng dữ liệu ra chuẩn. Trong đó, một yêu cầu

HTTP (HTTP request) gửi đến bao gồm các tiêu đề HTTP (HTTP header) được

gửi đi bởi máy khách (client). Vì mục đích bảo mật một vài tiêu đề (header) sẽ

được cải thiện hoặc sửa bởi các proxy (ủy nhiệm) trung gian trước khi nó có

thể đến với ứng dụng.

Accept – Encoding

Connection

Keep – Alive

Proxy – Authorization

Các headers sau sẽ bị loại bỏ khỏi request gồm:

Trailer

Transfer Encoding.

Hình 2.9. Lưu đồ cập nhật dữ liệu lên App Engine

Google Cloud SQL cung cấp một cơ sở dữ liệu quan hệ để có thể sử dụng

trong các ứng dụng App Engine. Cloud SQL là một cơ sở dữ liệu MySQL trên

Google Cloud. Script trên ứng dụng App Engine được tạo sẽ có nhiệm vụ thu

thập dữ liệu từ các HTTP request (GET hoặc POST), kết nối tới cơ sở dữ liệu

Cloud SQL, sau đó thêm dữ liệu vừa thu thập được vào Cloud SQL để phục vụ

cho các mục đích trình diễn dữ liệu lên trên nền web.

Ví dụ về một request dạng GET được gửi lên từ hệ phần mềm giám sát

và điều khiển trên máy chủ tới máy chủ Cloud:

http://ptntd.appspot.com/receivedata.php?nhietdo=30&doam=70&dom

ovan=20&...

ptntd là ID của ứng dụng được tạo trên Google App Engine

appspot.com là tên miền được cung cấp bởi Google App Engine

receivedata là script xử lý request trên ứng dụng Google App Engine

có nhiệu vụ thu thập dữ liệu và thêm dữ liệu vào cơ sở dữ liệu Cloud SQL.

Trong đó:

Hình 2.10. Mô hình trình diễn dữ liệu đến người sử dụng

Hình 2.11. Lưu đồ người sử dụng truy cập vào ứng dụng trên App Engine

2.5 Kết luận chương 2

Chương 2 trình bày các bước xây dựng mô hình hệ thống điều khiển kết

nối mạng RCNS với nút điều khiển, cảm biến và thiết bị chấp hành kết nối từ

nhiều nguồn khác nhau. Trong đó, một phương pháp truyền dữ liệu đo và điều

khiển qua mạng truyền thông mới từ nhiều nguồn khác nhau để giảm thiểu ảnh

hưởng của các tham số mạng bất lợi đến hiệu suất RCNS được đề xuất. Kết quả

này được công bố trong các công trình 1, 2, phần “Danh mục các công trình

của tác giả”. Phần xử lý trễ truyền thông nhằm nâng cao hiệu xuất của RCNS

được trình bày ở chương tiếp theo.

CHƯƠNG 3 - MÔ HÌNH ĐIỀU KHIỂN BÙ TRỄ QUA MẠNG TRÊN

CƠ SỞ HỆ LOGIC MỜ

Hệ logic mờ kết hợp với bộ lập lịch dược đề xuất để xử lý trễ truyền thông trong

RCNS là nội dung nghiên cứu chính của chương này.

3.1 Ý tưởng

Hệ logic mờ được đề xuất được áp dụng để tạo ra điều khiển với các giai

đoạn thực hiện lấy mẫu khác nhau, cấu hình cho rằng một khoảng thời gian

thực hiện nghiêm ngặt sẽ biến mất sự biến động. Lập lịch mờ đề xuất được thiết

kế để chọn giai đoạn lấy mẫu-thực hiện. Vì vậy, thiết kế luật mờ làm giảm tốc

độ truyền khi hệ thống ổn định thông qua bộ lập lịch trong khi bộ điều khiển

điều chỉnh tín hiệu điều khiển. Phương pháp mờ hóa đảm bảo tính ổn định của

tất cả hệ thống nếu độ không đảm bảo của mạng không vượt quá giới hạn trên

và là phương pháp tính toán chi phí thấp được thực hiện với một hệ thống nhúng.

Một hệ thống phi tuyến, không ổn định được sử dụng để đánh giá phương pháp

đề xuất và so với điều khiển lai, kết quả cho thấy độ bền cao hơn đối với nhiều

gói bị mất và độ trễ thời gian lớn hơn nhiều so với thời gian lấy mẫu.

Kết quả nghiên cứu ở chương này được công bố ở công trình số 3, phần

“Danh mục các công trình của tác giả”.

3.2 Bù trễ điều khiển qua mạng trên cơ sở hệ logic mờ

Mô hình hệ thống với các giai đoạn lấy mẫu trong thời gian lấy mẫu được

sửa đổi bằng cách sử dụng đầu vào điều khiển một bước, ước tính không hoàn

hảo của mạng được cải thiện, ma trận phản hồi được tính theo cách đơn giản

hơn. Cuối cùng, phân tích độ ổn định và mã phân tích cũng được trình bày. Các

hệ thống điều khiển được nối mạng (RCNS ) bao gồm các tác nhân phân tán

vật lý có thể cảm nhận môi trường, hành động và giao tiếp với nhau thông qua

mạng truyền thông để đạt được một số mục tiêu chung. Những đặc điểm này

đã làm cho chúng trở thành một chủ đề quan tâm hiện tại trong khu vực kiểm

soát. Bằng cách bao gồm một mạng truyền thông trong vòng điều khiển, các

cân nhắc được trình bày cho thiết kế của nó. Trong số những cân nhắc này,

quan trọng nhất là thời gian trễ, lượng tử hóa tín hiệu và lập lịch hóa. Những

điều này đã được điều tra với kết quả được báo cáo trong tài liệu. Ngoài ra, vì

những ưu điểm của việc giảm hệ thống dây, cài đặt đơn giản, tăng tính linh hoạt

của hệ thống và chia sẻ tài nguyên, RCNS đã tìm kiếm các ứng dụng trong

động cơ DC, điều khiển robot, robot xe và hệ thống bóng maglev, trong số

những thứ khác.

Sự chậm trễ thời gian trong RCNS là nguyên nhân chính của sự suy giảm

hiệu năng hệ thống và sự mất ổn định hệ thống tiềm năng. Độ trễ thời gian đã

được mô hình hóa bằng cách sử dụng các công thức khác nhau như độ trễ không

đổi , độ trễ ngẫu nhiên độc lập và độ trễ ngẫu nhiên được điều chỉnh bởi chuỗi

Markov. Đôi khi, độ trễ thời gian được bao gồm dưới dạng độ trễ đầu vào thay

đổi theo thời gian của hệ thống. Yi, An và Choi đã thực hiện một hệ thống điều

khiển qua mạng không dây chỉ liên lạc trong kênh điều khiển. Họ sử dụng một

người quan sát theo thứ tự đầy đủ để ước tính trạng thái hệ thống mà không bị

trì hoãn thời gian. Độ trễ thời gian của bộ truyền động điều khiển được đo tại

nhà máy và các trạng thái quan sát được sử dụng làm công cụ dự đoán để tạo

trạng thái hệ thống với độ trễ thời gian dự kiến. Cuối cùng, họ sử dụng điều

khiển LQR để tạo tín hiệu điều khiển dựa trên các trạng thái ước tính tiếp theo.

Do đó, việc phân tích và tổng hợp RCNS với cả độ trễ thời gian và mất

gói là một vấn đề dai dẳng trong vấn đề đầy thách thức nhưng thực tế. Một số

phương pháp quan trọng, như điều khiển ngẫu nhiên, điều khiển dự báo, kiểm

soát mạnh mẽ và kiểm soát phản hồi trạng thái , được đề xuất để bù đắp độ trễ

thời gian hoặc mất gói đã được đề xuất.

Vào những năm gần đây, điều khiển logic mờ đã nhận được sự quan tâm

lớn từ cộng đồng học thuật và công nghiệp. Gần đây, điều khiển mờ đã phát

triển các chiến lược cho RCNS , Trong đề xuất của Peng và Yang, một phương

pháp thiết kế phụ thuộc vào phân phối độ trễ cho các hệ thống mờ RCNS

Takagi Sugeno đã được đề xuất có tính đến phân phối khoảng xác suất của sự

chậm trễ truyền thông. Tong, Qian và Lui đã sử dụng bộ điều khiển dự báo mờ

để chống lại thời gian trễ trong kênh phản hồi. Trong đó bộ điều khiển mờ ước

tính các biến thể của tín hiệu điều khiển dựa trên sự khác biệt giữa lỗi tham

chiếu và lỗi điều khiển được áp dụng.

Chai et al. đã nghiên cứu phản hồi trạng thái và thiết kế bộ điều khiển phản

hồi đầu ra động cho các hàm thành viên và độ trễ thời gian trong các biến tiền

đề vào thiết kế bộ điều khiển. Các điều kiện kết quả được thể hiện dưới dạng

bất bình đẳng dựa trên SOS.

Trong trường hợp các gói bị mất, thông thường hiệu ứng đã được mô hình

hóa bởi quy trình và chiến lược của Bernoulli trong phản hồi đầu ra tĩnh / động

và các vấn đề kiểm soát dự báo mô hình cho các hệ thống T-S rời rạc với các

gói bị mất đã được nghiên cứu trong. Li, Wu và Feng đã sử dụng mô hình mờ

để mô tả một nhà máy phi tuyến với bộ điều khiển phản hồi đầu ra H1 và mô

hình hóa các gói bị mất dưới dạng phân phối nhị phân ngẫu nhiên Bernoulli.

Chúng tôi nhận thấy rằng hầu hết các phương pháp kiểm soát hiện có cho

NCS đều áp dụng giai đoạn lấy mẫu bất kể các biến thể Chất lượng dịch vụ

(QoS) của mạng. Trong trường hợp thực tế, QoS mạng luôn dao động do thay

đổi tải lưu lượng và mạng khả dụng tài nguyên.

Liên quan đến QoS, Tipsuwan và Chow đã đề xuất bộ điều khiển lập lịch

khuếch đại cho RCNS , trong đó các tham số điều khiển được điều chỉnh trực

tuyến dựa trên các biến thể QoS của mạng và Chow đã tối ưu hóa các tham số

điều khiển cho bộ điều khiển lập lịch để cải thiện RCNS hiệu suất. Tuy nhiên,

những công việc này chỉ tập trung vào thiết kế bộ điều khiển. Gần đây, BenĂtez

et al. trình bày một điều khiển tần số của nhiều hệ thống điều khiển mạng, điều

này sẽ tính đến thông tin từ các truyền mạng, trong đó sự ổn định tiệm cận của

các hệ thống được đảm bảo khi thời gian trễ bị giới hạn.

Nghiên cứu cho thấy một bộ lập lịch bộ điều khiển mã RCNS mờ để điều

chỉnh đồng thời tín hiệu điều khiển và thời gian lấy mẫu với các khiếm khuyết

mạng ước tính. Điều này giới thiệu một mô hình thần kinh để ước tính thời gian

trễ và các gói bị mất dưới dạng thời gian gộp. Một điều khiển mờ với thời gian

gộp ước tính là phần tiền đề được sử dụng để giảm thiểu các hiệu ứng mạng.

Cuối cùng, một bộ lập lịch mờ được thiết kế để sửa đổi thời gian lấy mẫu dựa

trên hiệu suất hệ thống và việc sử dụng mạng.

3.3 Mô hình mạng với các nút lưu lượng

3.3.1 Cấu trúc mạng với các nút lưu lượng

RCNS được xây dựng là một hệ thống điều khiển phản hồi được đóng

thông qua kênh truyền thông, nó có thể được chia sẻ với các vòng điều khiển

hoặc các nút bên ngoài hệ thống điều khiển. Một hệ thống phân tán không gian

cho một vòng điều khiển duy nhất được hiển thị trong Hình 3.1, trong đó các

nút cảm biến, bộ điều khiển và bộ truyền động trao đổi thông tin qua mạng

truyền thông. [16]

Hình 3.1. Cấu trúc mạng với các nút lưu lượng

Biểu diễn không gian trạng thái liên tục chung nhất của hệ thống tuyến

tính với m đầu vào, đầu ra p và n biến trạng thái được viết dưới dạng sau:

̇ () = + () (3.1)

() = ()

trong đó A ∈ Rnxn, B ∈ Rnxm và C ∈ Rpxn là ma trận hệ thống, đầu vào và

đầu ra của không gian trạng thái thời gian liên tục tương ứng. xk ∈ Rn là vectơ

trạng thái quá trình, uk ∈ Rm và yk ∈ Rp là đầu vào và đầu ra của quá trình.

Hệ thống tuyến tính liên tục công thức (3.2) có thể được rời rạc với giả

định giữ không thứ tự cho vectơ đầu vào có thời gian lấy mẫu h đến:

(3.2) = +

trong đó các ma trận Φh ∈ Rnxn và Γh ∈ Rnxm thu được bằng

(3.3) = , = ∫

Đối với hoạt động vòng kín tiêu chuẩn của hệ thống rời rạc (công thức

3.3), bộ điều khiển có thể được thiết kế bằng điều khiển phản hồi như sau:

(3.4) = , ∈ ℝ

Trong đó K là ma trận phản hồi trạng thái thu được bằng các phương

pháp thiết kế điều khiển tiêu chuẩn. Việc áp dụng tín hiệu điều khiển (công thức

3.4) cho các quá trình buộc phải tính toán nó với thời gian bằng không. Tuy

nhiên, điều này là không thể về mặt vật lý ngay cả đối với các hệ thống dựa

trên bộ xử lý do thời gian tính toán thuật toán. Có tính đến giới hạn này. Mô

hình rời rạc (công thức 3.2) có thể được tăng cường để đối phó với độ trễ thời

gian do chèn mạng / bộ xử lý trong vòng điều khiển, như trong trường hợp

RCNS . Mô hình chuẩn kết hợp độ trễ thời gian ít hơn một lần lấy mẫu giai

đoạn (τ

(3.5) = + +

Phương trình 3.5 thường được coi là mô hình điều khiển thiết yếu để thiết

kế và phân tích RCNS . Mô hình này giả định một tham chiếu thời gian nhất

định bởi những khoảnh khắc lấy mẫu với một sự chậm trễ thời gian cố định từ

lấy mẫu để đẩy đủ. Tuy nhiên, mô hình này không sử dụng đươc nếu độ trễ thời

gian biến thiên và/hoặc lớn hơn một khoảng thời gian lấy mẫu.

Mô hình thực thi nhiệm vụ được đề xuất được thể hiện trong hình 3.1.

Mục đích của nó là sử dụng lấy mẫu bù trễ có định kỳ nghiêm ngặt vào mô hình

trạng thái không gian làm giảm ảnh hưởng của trễ thời gian tới chất lượng mô

hình. Mô hình này ước tính các trạng thái như là một hàm phụ thuộc thời gian

trích mẫu.

Mô hình đồng bộ hóa hoạt động của từng vòng điều khiển tại điểm trích

mẫu định kỳ. Do đó, tk là thời gian thực hiện tức thời, khoảng thời gian thực

hiện là thời gian trôi qua giữa các lần thực hiện hằng số kích thích, được đặt tên

là tk-1 và tk, h là khoảng thời gian thực hiện. Trong khoảng thời gian thực hiện

này, trạng thái hệ thống được lấy mẫu, được đặt tên là xs,k (ts.k)  [tk-1; tk] trong

đó ts,k là thời gian lấy mẫu được ghi lại. Phương trình 3.6 biểu thị độ trễ thời

gian τk được sử dụng để ước tính trạng thái tại thời điểm thực hiện tức thời và

phương trình 3.7 đại diện cho hệ thống rời rạc với thời gian trích mâu định kỳ.

(3.6) = − ,

(3.7) = , +

Cuối cùng, sử dụng , lệnh điều khiển được tính là

(3.8) = , ∈

Trong đó K là ma trận phản hồi được thiết kế trong phần tiếp theo.

Lệnh điều khiển uk được giữ không đổi trong khoảng thời gian trích mẫu

(ZOH).

Ở mỗi chu kỳ điều khiển luồng thông tin trong RCNS , nút cảm biến bắt

đầu lấy mẫu quá trình xs,k trong thời gian ts,k, thời gian trễ và gói tin bị mất được

ước tính. Nó sẽ gửi dữ liệu đến nút, nơi được sử dụng để tạo uk (công thức 3.6)

- (công thức 3.8), cũng là bộ lập lịch tạo thời gian thực hiện tiếp theo nếu cần

thiết.

Trễ truyền thông trong RCNS được tính bằng tổng hai khoảng thời gian

truyền tín hiệu, một là từ nút điều khiển đên cơ cấu chấp hành và hai là từ cảm

biến đến nút điều khiển điều khiển. Gọi thời gian trễ truyền thông , chu kỳ

trích mẫu tiếp theo được tính bằng = , + , với k=1,2,…

Hình 3.2. Mô hình kích thích tuần hoàn

Để bù được trễ truyền thông thì vần dề chính là phải ước lượng được .

Một trong những công bố gần đây nhất [] là sử dụng mạng nơ ron hồi quy RNN

đẻ ước lượng thời gian trễ truyền thông.

3.3.2 Thời gian trễ và ước tính gói bị mất

Một thách thức lớn đối với thiết kế RCNS là ảnh hưởng của độ trễ thời

gian và các gói bị mất trong một vòng điều khiển. Thời gian trễ xảy ra khi các

thành phần hệ thống trao đổi dữ liệu trên mạng. Nó có thể làm giảm hiệu suất

hoặc thậm chí làm mất ổn định hệ thống. Thời gian trễ τk giả định giới hạn dưới

và trên. Trong trường hợp trì hoãn thời gian là

(3.9) 0 < ≤ ≤

Mặt khác, các gói bị mất có thể là hậu quả của lỗi liên kết, được tạo ra

một cách có chủ đích để tránh tắc nghẽn hoặc đảm bảo dữ liệu gần đây nhất

được gửi. Thông thường, bộ điều khiển phản hồi có thể chịu đựng một lượng

gói bị mất nhất định. Tuy nhiên, các gói bị mất liên tiếp có tác động xuống cấp

đến hiệu năng tổng thể của hệ thống. Do đó, khoảng thời gian thực hiện tiếp

theo là thời gian gộp giữa thời gian trễ và các gói bị mất được hình thành như

(3.10) = − = ̅ + 1ℎ + −

trong đó h biểu thị thời gian thực hiện, đến hằng số kích thích và các gói

 bị mất ước tính.

Hình 3.3. Thời gian trễ và thời gian trôi qua giữa các gói bị mất

Phương trình 3.10 xác định thời gian hỗn hợp với giới hạn phân tích cho

thời gian trễ và gói bị mất, mục đích là thiết kế mạng nơ ron hồi quy (RNN) sử

dụng các giá trị thời gian ghép làm đầu vào và dự báo thời gian trễ làm đầu ra.

Việc thu thập dữ liệu độ trễ thời gian (τk) được phân tích và mô hình hóa để đạt

được sự khác biệt thấp nhất giữa độ trễ quan sát và độ trễ dự đoán (Hình 3.3).

Hình 3.3 minh họa thời gian trễ và thời gian trôi qua giữa các gói bị mất

liên tiếp. Lưu lượng truy cập lớn được tạo thành 50-80 giây hiển thị thời gian

gộp tối đa là 300 ms. RNN được hình thành với ba lớp (Hình 3.4), lớp đầu vào

có 6 đầu vào bị trễ, một đầu vào phản hồi và sai lệch, lớp ẩn với 10 nơ ron phi

tuyến tansig và lớp đầu ra với một nơron và sai lệch nơ ron phân biệt tuyến tính.

= , , = 1 − 6

(3.11) = [∑ ]

̂ = = [∑ + ]

Thuật toán Levenberg-Marquest đã được sử dụng cho đào tạo. Số lượng

các nút ẩn được chọn là RNN với hiệu suất xác thực tốt nhất.

Hình 3.4. Cấu trúc của mạng nơ ron hồi quy để ước tính thời gian trễ

Thường khi sử dụng mạng nơ ron độ phức tạp của hệ thống sẽ bị đẩy lên cao

và thời gian trễ cũng phát sinh thêm trong quá trình huấn luyện mạng. Chính vì

lý do đó luận án đề xuất một phương pháp mới để ước lượng trễ truyền thông,

đó là sử dụng hệ logic mờ. Logic mờ với ưu diểm vượt trội là cấu trúc hệ thông

đơn giản, các quyết định được thực hiện qua mô hình hóa kinh nghiệm do vậy

không cần phải huấn luyện do vậy không làm thay đổi thời gian xử lý của toàn

hệ thống. .

3.4 Phương pháp điều khiển bù trễ trên cơ sở logic mờ

3.4.1 Cấu trúc truyền dữ liệu qua mạng

RCNS (hệ thống điều khiển kết nối mạng) dựa trên mạng là hệ thống

điều khiển phân tán là một phương pháp tiên tiến để khắc phục nhược điểm kết

nối truyền thống và đáp ứng mô đun, chẩn đoán tích hợp và chi phí thấp. Ví dụ,

Martijn N. Rooker và đồng nghiệp đã sử dụng mạng qua từng bước để duy trì

liên lạc giữa nhiều robot; do đó, hệ thống nhiều robot trở nên cơ động trong

một số tình huống. RCNS được điều khiển bởi bộ điều khiển không đặt cùng

vị trí với bất kỳ cảm biến hoặc bộ truyền động nào. Các thành phần của hệ

thống có thể hoạt động thông qua mạng truyền thông và tạo ra một vòng điều

khiển khép kín.

Do lợi thế nói trên, RCNS đã được phổ biến trong các ứng dụng công

nghiệp bao gồm điều khiển quá trình từ xa, hệ thống thu thập dữ liệu và hệ

thống giám sát từ xa và ô tô; lớp hệ thống này được gọi là kiểm soát viễn thông.

Một bộ điều khiển trung tâm và một nhà máy được điều khiển sẽ được lắp đặt

ở hai vị trí khác nhau, được gọi là trang web địa phương của Google và trang

web từ xa. Có hai phương pháp chung để thiết kế RCNS . Phương pháp đầu

tiên là có các hệ thống con thứ bảy tạo thành một cấu trúc phân cấp, trong đó

mỗi hệ thống con chứa một bộ cảm biến, bộ truyền động và bộ điều khiển.

Hình 3.5. Cấu trúc truyền dữ liệu phân tán qua mạng

Trong trường hợp này, bộ điều khiển hệ thống con nhận điểm đặt từ trung

tâm điều khiển. Hệ thống con sau đó cố gắng tự thỏa mãn điểm đặt này. Dữ liệu

hoặc tín hiệu trạng thái được truyền trở lại trung tâm thông qua mạng.

Phương pháp thứ hai là cấu trúc trực tiếp trong RCNS được áp dụng để

điều khiển robot Omni trong bài báo này. Các thành phần bao gồm cảm biến

và bộ truyền động được kết nối trực tiếp với mạng và tạo vòng điều khiển. Với

phương pháp này, tín hiệu điều khiển và tín hiệu phản hồi được truyền qua

mạng làm việc giữa bộ điều khiển và đối tượng điều khiển.

Hình 3.6. Cấu trúc truyền dữ liệu trực tiếp qua mạng

Cùng với việc xây dựng một phương pháp truyền dữ liệu đo và điều khiển

qua mạng truyền thông từ cảm biến, cơ cấu chấp hành kết nối với trung tâm dữ

liệu qua mạng ở chương 2, chúng ta cần phải quan tâm đến vấn đề đặc tính hiệu

năng của hệ thống điều khiển kết nối mạng có thể bị ảnh hưởng đáng kể bởi

hiệu ứng trễ mạng. Những ảnh hưởng này có thể trở nên trầm trọng hơn khi

mất dữ liệu trong quá trình giao tiếp mạng.

Hình 3.7. Mô hình phản hồi của hệ thống điều khiển kết nối mạng

Do đó, bài toán này có thể được giải quyết bằng cách sử dụng cấu trúc của

phần mềm trung gian lập lịch đạt được (GSM) với việc thử nghiệm thuật toán

áp dụng cho việc thiết lập theo dõi đường đi của robot omni. Đồng thời, phương

pháp điều khiển qua mạng kết hợp với bộ điều khiển chế độ trượt lùi thích ứng

dựa trên các tham số điều khiển thích ứng mờ tự điều chỉnh để ổn định hệ thống

điều khiển. Kết quả mô phỏng của bộ điều khiển được đề xuất hoạt động trên

mạng dữ liệu mô tả rằng chất lượng điều khiển sẽ được cải thiện hơn so với

điều khiển chế độ trượt Backstepping bình thường mà không có phương pháp

GSM ngay cả trong môi trường nhiễu loạn.

3.4.2 Mô hình điều khiển robot omni qua mạng

Robot di động đa hướng là một loại mô hình tổng thể được thảo luận

rộng rãi trong nhiều lĩnh vực, đặc biệt là trong ngành vì sự chuyển động linh

hoạt và chính xác của nó. Hiện tại, một số lượng lớn các bài báo khoa học trong

con-trol quỹ đạo của robot Omni đã được xuất bản từ điều khiển đơn giản đến

phức tạp hơn bao gồm PID, mờ, kỹ thuật Backstepping, điều khiển thích nghi

và phương pháp điều khiển mới lạ là kỹ thuật Backstepping được tổng hợp với

điều khiển chế độ trượt. Ưu điểm của bộ điều khiển này là khả năng loại bỏ

nhiễu, thời gian lắng ngắn; dẫn đến việc mở rộng quy mô của bộ điều khiển này

trong thời gian thực.

Tuy nhiên, việc chọn các tham số hợp lý đóng một vai trò quan trọng

trong bộ điều khiển để trạng thái biến đổi của robot Omni về trạng thái cân

bằng. Do đó, dựa trên lý thuyết tập mờ, các tham số điều khiển thích hợp sẽ dễ

dàng được tìm ra bằng điều khiển logic mờ và tối ưu hóa chất lượng hệ thống

thông qua kết nối mạng. Nhìn chung, các hệ thống điều khiển với kiến trúc

truyền thông truyền thống của nó thông qua dây có thể đã gặp phải một số

nhược điểm như giới hạn về không gian, chi phí dây cao và tốn thời gian để

duy trì.

Trong chương này, tác giả đã chọn phương thức truyền dữ liệu trực tiếp

với cấu trúc GSM để điều khiển Omni Robot trực tuyến để điều hướng quỹ đạo

mong muốn.

Hình 3.8. Mô hình hệ thống điều khiển Omni Robot thông qua mạng

Hệ thống tính toán của tín hiệu điều khiển trong quỹ đạo mong muốn,

được cài đặt trên hệ thống điều khiển robot Omni để truyền đến bộ truyền động

thông qua giao tiếp. Một vấn đề thách thức trong việc kiểm soát các hệ thống

dựa trên mạng là các hiệu ứng khử mạng. Thời gian để đọc một phép đo cảm

biến và gửi tín hiệu điều khiển đến một bộ truyền động thông qua mạng phụ

thuộc vào các đặc điểm mạng như cấu trúc liên kết và định tuyến. Hơn nữa,

hiệu suất tổng thể của RCNS có thể bị ảnh hưởng đáng kể do sự chậm trễ của

mạng.

Một số kiến trúc điều khiển đã có mặt để giải quyết những ảnh hưởng

của độ trễ thời gian ngẫu nhiên liên quan đến độ trễ ngẫu nhiên. Tuy nhiên, các

phương pháp này đã được sử dụng trong các tình huống cụ thể, thậm chí tính

ổn định của các hệ thống dựa trên mạng đã bị bỏ qua. So với một số cấu trúc

điều khiển trong quá khứ, cấu trúc GSM có lợi hơn để xử lý các hiệu ứng ổn

định, an toàn và trễ mạng dựa trên dự đoán và xấp xỉ độ trễ thời gian giữa bộ

điều khiển và nhà máy. Để bù đắp cho sự chậm trễ của mạng, công nghệ phần

mềm lập lịch khuếch đại GSM (GSM - Phần mềm trung gian lập lịch trình)

được giới thiệu bởi Chow và Tipsuwan tác động trì hoãn mạng trên hệ thống

điều khiển dựa trên các mạng truyền thông.

3.4.3 Mô hình toán học của robot Omni

Hình 3.9 minh họa robot Omni có bốn bánh cách nhau 90 độ. Oxy đại

yv và ký hiệu

diện cho trục tọa độ toàn cầu, khoảng cách giữa các bánh xe và trung tâm robot

 là vận tốc góc của robot.

được xác định bởi d. Trong khi đó, vận tốc của robot chứa xv ,

Hình 3.9. Mô hình động học của robot Omni

Mô hình động học





T y 

Vectơ tọa độ robot Robot được định nghĩa là và vectơ

vận tốc là đạo hàm của q . Thông qua phương trình sau, vectơ vận tốc nói trên

cos





sin



 



 v Hv

có thể được chuyển thành vận tốc trên trục Robot.

 sin 0

cos 0

0 1

    

    



[



T y 

]T v  y

( 3.12)

Trong đó, chỉ ra vị trí và vectơ góc,

là vận tốc của trục Robot.

Mô hình động lực học



 Mv Cv Gsign v ( )





B

Chúng ta có mô hình động lực học của Robot

M diag m m J



(

)





)

; 

C diag B B B (



)

; (3.13) 

G diag C C C (







2 r 2 r

2 r 2 2 r

 ;

2 r 2 2 r 2 d r

2 d r

2 r 2 r 2 d r

         

         







     2 4

 ;

. 

3.4.4 Xây dựng luật điều khiển

Luật điều khiển trượt Backstepping

  (3.14)

q v

Chúng tôi xác định các biến trạng thái như sau:

 1

x x 2

Chúng ta có,



)



B

 x Hx  2   Mx Cx Gsign x 2( 2 2





(3.15)  1

z 1

x 1

x 1d

Bước 1: Xác định là vectơ lỗi theo dõi với quỹ đạo mong

1dx . . Tín hiệu điều khiển ảo được chọn là



 

)

(3.16)

x 2

1 H c z ( 1 1

  x 1





Xác định

là lỗi Backstepping,

z 2

x 2

x 2d

2dx như là một tín hiệu điều

khiển ảo.









(



)



 (3.17)

z 2

x 2

 H x H c z 1 1

 1

 x 1 d

 H c z H z 1

1 1

Chức năng đầu tiên của Lyapunov:



V 1

T z z 1 1

(3.18)

1 2

Đạo hàm của

 

(3.19)

 V 1

T z c z 1 1 1

V 

muốn

với 1c là một ma trận chéo xác định dương

Bước 2: Chọn bề mặt trượt









 



 z H z 1

c 1

z 1

. z 1

(3.20)

Điều khiển chế độ trượt được thiết kế để đảm bảo bề mặt trượt tiến đến 0 và

do đó lỗi theo dõi 1z và đạo hàm 1z của nó có xu hướng bằng không. Điều đó dẫn

đến lỗi Backstepping cũng có xu hướng bằng 0 với một ma trận xác định dương





diag

)

   ( 2 3

Tín hiệu điều khiển bao gồm hai yếu tố:





   eq s

(3.21)

eq là phần tử tín hiệu điều khiển giữ trạng thái hệ thống trên bề mặt

Trong đó,

ws là phần tử tín hiệu điều khiển dẫn trạng thái hệ thống về phía bề mặt -

trượt.

Tín hiệu:

 1

 





. .  z H z 1

x 2

Theo các điều kiện trên, chúng tôi có công thức của điều khiển chung

 C x Gsign x 2



  

  

. (3.22)



 M H    1

 



    MH c sign s ( ) 2

    c s 3

 B BB  B BB

 

   eq     sw

Chọn chức năng Lyapunov thứ hai



T s s

V 2

(3.23)

1 2

với tín hiệu điều khiển được tính toán, chúng ta có đạo hàm của

 

s c sign s

(

)



(3.24)

 V 2

T s c s 3

0V 

trong đó 2c và

3c được chọn là ma trận xác định dương chéo. Dẫn đến

Trong thực tế, không có thiết bị nào tạo ra hàm Sign () và việc sử dụng

hàm Sign () sẽ gây ra hiện tượng hỗn loạn, có thể phá hủy hệ thống. Vì vậy,

chúng tôi đã thay thế chức năng này bằng chức năng khuếch đại bão hòa satlins

() để giải quyết vấn đề này.

3.4.5 Cấu trúc điều khiển bù trễ qua mạng

Khi thiết bị cảm biến phản hồi dữ liệu vị trí hiện tại của Robot và tín hiệu

điều khiển được gửi, GSM sẽ xử lý tất cả các sự cố kết nối mạng giữa bộ điều

khiển và hệ thống từ xa. Do đó, robot sẽ được điều khiển qua mạng truyền

thông. Chúng bao gồm các hoạt động mạng điển hình như gửi và nhận gói và

các hoạt động phần mềm trung gian chung khác như đàm phán và bảo lưu tài

nguyên. Cấu trúc của GSM được hiển thị trong Hình 3.10.

Hình 3.10. Cấu trúc điều khiển trực tiếp qua mạng

Phương thức GSM ước tính lưu lượng mạng và kiểm soát mức tăng của

toàn bộ hệ thống bằng bộ xử lý phản hồi như trong Hình 3.10.

1) Bộ tiền xử lý phản hồi chờ dữ liệu phản hồi từ robot Omni. Khi dữ

liệu phản hồi đến, bộ xử lý trước xử lý dữ liệu bằng cách sử dụng các giá trị

hiện tại của các biến mạng và chuyển dữ liệu đã xử lý trước cho bộ điều khiển.

2) Bộ điều khiển tính toán các tín hiệu điều khiển và gửi chúng đến bộ

lập lịch khuếch đại GSM.

3) Bộ lập lịch khuếch đại sửa đổi đầu ra của bộ điều khiển dựa trên các

giá trị hiện tại của các biến mạng và gửi các tín hiệu điều khiển được cập nhật

đến hệ thống từ xa.

i  ( )

Bộ lập lịch khuếch đại GSM cũng có khả năng bù cho độ trễ khi truyền

t i

( ))

dữ liệu qua mạng. Giả định rằng tại thời điểm hệ thống phản hồi

x t 1( i

i CR

trạng thái nhận được từ mạng được xác định là sẽ được sử dụng

để tính giá trị của tín hiệu điều khiển. Tín hiệu điều khiển sẽ được gửi tại thời

t , nhưng nó bị ảnh hưởng bởi thời gian trễ

CR i ( )

( ))

điểm . Do đó, để đối phó

x t 1( i

i CR

( ))

với vấn đề này, trạng thái hệ thống được ước tính dựa trên

x t 1( i

i RC

x t 1( i

i CR

( ))

. Giá trị ước tính của được định nghĩa là

1ˆ ( x t i

i CR





i ( ),





i ( )

. Để đạt được mục tiêu đó, chúng tôi tập trung vào việc xấp xỉ











i ( ))



x t (





i ( ))

x i ( )



y i ( )





(3.25)

  

( ) T  i

x i ( ) 1

x t ( 1

Trong đó,



  

i 1) ( )

i ( )





(

(3.26)

Nếu

i   ( 1) 0:

bằng cách sử dụng: chuyển động của Robot 



x i ( )





i ( ))



sin (



i ( )))

  t (sin ( i

  t i

(3.27)



i ( )) cos (



i ( )))



  t (cos ( i

  t i

 ( v i x   i ( ( v i x  i (

1) 1)  

1) 1)





y i ( )

 

(cos (



i ( ))



cos (



i ( )))

  t i

(3.28)

1)   1)



i ( ))



i ( )))



  t (sin ( i

  t sin ( i

v i ( y  ( i v i ( y  (



Nếu

   : (i 1) 0



x i ( )



(



1) cos (



i ( ))



sin (



 ( ))) ( ) i i

(3.29)

v i ( x

  t i



i y( )



(



 1) sin (





i ( ))



cos

 (





 ( ))) ( ) i i

(3.30)



i ( )





i ( )





i ( )

Thời gian trễ

được ước tính bởi phần ước tính lưu

lượng mạng. Sau đó, trạng thái hệ thống ước tính được tính toán:





i ( ))







i ( ))

 

(3.31)

ˆ ( x t 1

x t ( 1

x i ( ) 1

3.4.6 Logic mờ để điều chỉnh các tham số điều khiển của robot

Omni

Điều khiển mờ là một phương pháp cho phép xây dựng các bộ điều khiển

phi tuyến từ thông tin heuristic được tạo ra bởi kiến thức của các chuyên gia.

Khối Fuzzy chịu trách nhiệm xử lý các tín hiệu đầu vào và gán cho chúng một

giá trị mờ. Bộ quy tắc cho phép mô tả ngôn ngữ của các biến được kiểm soát

và dựa trên kiến thức của quy trình. Cơ chế suy luận có trách nhiệm thực hiện

việc giải thích dữ liệu có tính đến các nguyên tắc và chức năng thành viên của

chúng. Với khối mờ, thông tin mờ đến từ cơ chế suy luận được chuyển đổi

thành thông tin không mờ có ích cho quá trình được kiểm soát.

Chất lượng bộ điều khiển (3.31) phụ thuộc rất lớn vào việc lựa chọn giá trị của

các thông số điều khiển và đặc biệt là . Từ đó, hệ logic mờ được xây dựng

kết hợp với bộ lập lịch GSM bù trễ nhằm chỉnh định thông số để hệ đạt chất

lượng tốt hơn.

- Chọn mô hình mờ Sugeno với hai đầu vào bao gồm độ trễ e và đạo hàm ė .

Biến ngôn ngữ của e: LO, ME, HI.

Biến ngôn ngữ của ė : LO, ME, HI.

- Mờ hoá đầu vào e và ė :

Khoảng giá trị tín hiệu đầu vào e và ė : [0; 1]

Dạng hàm liên thuộc: trimf

Hình 3.11. Hàm liên thuộc đầu vào độ trễ

Hình 3.12. Hàm liên thuộc đầu vào đạo hàm độ trễ ̇

= [0; 0; 0.5]

= [0; 0,5; 1]

= [0,5; 1; 1]

- Chọn đầu ra

Biến ngôn ngữ của : LO1, LO2, ME, HI1, HI2.

- Mờ hoá đầu ra :

Khoảng giá trị đầu vào : [80; 120]

Dạng hàm liên thuộc: const

- Luật mờ được biểu diễn ở bảng dưới đây:

Bảng 3.1. Liên hệ giữa giá trị đầu ra với hai đầu vào và ̇

- Luật hợp thành MAX-MIN

- Giải mờ theo phương pháp điểm trọng tâm (wtaver)

Sau khi tiến hành một số mô phỏng, kết quả chỉ ra rằng hiệu suất của hệ

thống điều khiển đáng kể phụ thuộc vào tham số điều khiển. Do đó, trong phần

này, chúng tôi đã đề xuất một luật logic mờ để tăng cường chất lượng theo dõi

và một đặc tính thích ứng của hệ thống. Bảng 1 mô tả luật mờ với các hàm

thành viên đầu vào được hiển thị trong Hình 3.11. Các đầu vào của luật điều

khiển mờ là vectơ lỗi theo dõi và đạo hàm thời gian của nó.

Bảng 3.2. Luật mờ

Hình 3.13. Mờ hóa thành phần đầu vào

Với luật điều khiển mờ thích nghi, tham số điều khiển có thể được tối

ưu hóa cho chuyển động của robot bất cứ lúc nào trên quỹ đạo.

Trong phần này, tác giả trình bày một số kết quả mô phỏng để xác minh

tính hiệu quả của bộ điều khiển được đề xuất. Các tham số của mô hình động

robot Robot được đưa ra là = 20kg; = 10kgm; = 0.3m; = 0.06.

Quỹ đạo tham chiếu được mô tả bởi:

(3.32) = 10 () = 10 ()

Mô hình mô phỏng hệ thống được thiết lập trên phần mềm Matlab

Simulink:

Hình 3.14. Sơ đồ cấu trúc hệ thống điều khiển robot Omni

Hệ thống được mô phỏng dưới tác động của thời gian trễ của mạng.

Chúng tôi xem xét chất lượng của bộ điều khiển theo dõi mà không cần GSM,

với GSM và GSM với luật điều khiển mờ.

Hình 3.15. Mô phỏng bộ điều khiển bù trễ trên cơ sở logic mờ

Quỹ đạo của robot Omni khi sử dụng các bộ điều khiển này được trình

bày trong Hình 3.13.

Hình 3.16. Quỹ đạo của robot

Rõ ràng rằng, với tác động của thời gian trễ, quỹ đạo của robot dao động

tại thời điểm ban đầu khi robot không ở trên quỹ đạo. Tại thời điểm robot đang

ở trên quỹ đạo, hiệu ứng của bộ điều khiển Chế độ trượt Backstepping giữ robot

trong nhiệm vụ theo dõi nhưng có một số sai lệch so với quỹ đạo mong muốn.

Với GSM, bộ điều khiển hoạt động trơn tru hơn khi robot tiếp cận quỹ

đạo tham chiếu và lỗi theo dõi nhỏ hơn bộ điều khiển không có GSM. Ngoài

ra, khi sử dụng bộ điều khiển thích ứng dựa trên logic mờ, chất lượng theo dõi

của hệ thống được tăng cường đáng kể khi robot di chuyển thẳng lên quỹ đạo

và theo dõi quỹ đạo mong muốn với các giá trị của vectơ lỗi theo dõi xấp xỉ

bằng không.

Hình 3.17. Mô phỏng luật điều khiển mờ bù trễ

Hình 3.12 cho thấy đầu ra của luật điều khiển mờ là các giá trị tối ưu cho

tham số điều khiển trong khi hình 3.13 mô tả các lỗi theo dõi.

Hình 3.18. Tối ưu thông số

Hình 3.19. Sai lệch quỹ đạo

Theo các số liệu này, mức tăng kiểm soát được điều chỉnh bởi các sơ đồ

thích ứng dựa trên mờ, dẫn đến sự hội tụ nhanh hơn của các trạng thái hệ thống

với bề mặt trượt. Do đó, sự vượt trội của bộ điều khiển này là rõ ràng.

3.1. Kết luận chương 3

Một cách tiếp cận luật mờ đã được trình bày để giảm thiểu ảnh hưởng của

các khiếm khuyết do mạng gây ra. Cách tiếp cận được thiết kế với bộ điều khiển

và bộ lập lịch cùng với chức năng của các phép đo không hoàn hảo của mạng

và mô hình liên tục của hệ thống. Bộ điều khiển mờ được thiết kế để chọn tín

hiệu điều khiển tùy thuộc vào ước tính thời gian ghép, với nhiều mô hình riêng

biệt đại diện cho quá trình trong chức năng của các giai đoạn truyền động đã

làm lấy mẫu và truyền thông. Bộ lập lịch mờ được thiết kế để kiểm soát thời

Trong chương 3, luận án xây dựng một bộ điều khiển thích ứng cho robot

gian lấy mẫu theo chức năng của hiệu năng hệ thống và hoạt động của mạng.

Omni bằng cách sử dụng kỹ thuật Backstepping kết hợp với điều khiển chế độ

Trượt dựa trên logic mờ. Robot được điều khiển thông qua mạng và GSM được

thiết kế để bù thời gian trễ của mạng. Theo kết quả mô phỏng, chúng ta có thể

thấy hiệu quả của luật kiểm soát được đề xuất. Robot Omni có thể theo dõi quỹ

đạo tham chiếu nhanh với độ chính xác và ổn định cao.

Các kết quả nghiên cứu ở Chương 3 được công bố trong công trình 3, phần

“Danh mục công trình của tác giả”.

KẾT LUẬN

1) Những kết quả chính của luận án: Luận án nghiên cứu hướng tiếp cận xây dựng phương pháp bù trễ cho

hệ thống điều khiển kết nối mạng dựa trên logic mờ. Kết quả của luận án

bao gồm:

1) Đề xuất phương pháp truyền dữ liệu đo và điều khiển qua mạng

truyền thông để giảm thiểu ảnh hưởng của các tham số mạng bất lợi đến

hiệu suất NCS như độ trễ của mạng.

2) Đề xuất một bộ điều khiển thích ứng cho robot Omni bằng cách

sử dụng kỹ thuật Backstepping kết hợp với điều khiển chế độ Trượt dựa

trên logic mờ. Robot được điều khiển thông qua mạng và GSM được thiết

kế để bù thời gian trễ của mạng. Theo kết quả mô phỏng, chúng ta có thể

thấy hiệu quả của luật kiểm soát được đề xuất. Robot Omni có thể theo

dõi quỹ đạo tham chiếu nhanh với độ chính xác và ổn định cao.

2) Hướng phát triển của luận án:

(1). Tiếp tục nghiên cứu, đề xuất các phương pháp bù trễ truyền

thông cho hệ thống điều khiển kết nối mạng dựa trên các thuật toán trí

tuệ nhân tạo.

(2). Tiếp tục nghiên cứu, thử nghiệm phương pháp bù trễ trên hệ thống

điều khiển kết nối mạng trong thực tế.

Danh mục các công trình của tác giả

1 Phạm Ngọc Minh, Nguyễn Tiến Phương, Vũ Thị Quyên, Vũ Tiên Sinh,

“Phương pháp kết nối thiết bị đo và điều khiển với máy chủ điện toán

đám mây qua mạng internet”, Bằng độc quyền Giải pháp hữu ích số

1937, Cục Sở hữu trí tuệ - Bộ Khoa học và Công nghệ cấp theo quyết

định số : 88085/QĐ-SHTT, ký ngày 6/12/2018.

2 Pham Ngoc Minh, Thai Quang Vinh, Ngo Duy Tan, “Design and

Implementation of An Integrated Industrial Cloud-Based Measurement

and Control System”, International Journal of Recent Technology and

Engineering (IJRTE) ISSN: 2277-3878, Volume-8 Issue-3, September

2019, pp 5767-5772.

3 Pham Ngoc Minh, Thai Quang Vinh, Duyen Ha Thi Kim, Tien Ngo

Manh, Cuong Nguyen Manh, Manh Tran Van, and Hiep Do Quang,

“Adaptive Fuzzy Backstepping Sliding Mode Control For Omni

Mobile Robot Over Network Control System”, Soft Computing for

Biomedical Applications and Related Topics, Springer Book Series:

Studies in Computational Intelligence, Volume 899, ISSN 1860-949X,

ISSN 1860-9503 (electronic), ISBN 978-3-030-49535-0, ISBN 978-3-

030-49536-7 (eBook), https://doi.org/10.1007/978-3-030-49536-7

1*Ngọc-Minh Pham, 2Quang-Vinh Thai, 2Tuan-Anh Nguyen, 2Ha-

Phuong Nguyen, 2Tung Hoang, 2Thành-Long Nguyễn, 2Manh-Chinh

Dang, “Research and Develoment a prototype of mobile robot to detect

toxic gas and help in rescue working coal mining industry”,

Proceedings of the 3rd international conference on advances in mining

and tunneling, ISBN:978-604-913-248-3, 21-22 october 2014, Vung

Tau, pp. 438-446.

5 Phạm Ngọc Minh1, Thái Quang Vinh2,“ Một phương pháp kết nối thiết

bị đo và điều khiển với máy chủ điện toán đám mây qua mạng internet”,

Kỷ yếu Hội nghị - Triển lãm quốc tế lần thứ 5 về Điều khiển và Tự động

hoá, ISBN: 978-604-95-0875-2 VCCA2019, 9/2019.

6 Đặng Mạnh Chính, Thái Quang Vinh, Phạm Ngọc Minh, Vương Huy

Hoàng, Vũ Thị Quyên, Dương Đức Hùng, Đặng Thành Trung,” Giải

pháp bảo mật dữ liệu đường truyền cho thiết bị Gateway hướng tới

công nghiệp 4.0”, Tạp chí khoa học kỹ thuật Mỏ - Địa chất, 2019 (được

chấp nhận đăng)

7 Phạm Ngọc Minh, Nguyễn Tiến Phương, Thái Quang Vinh, “Một mô

hình hệ thống giám sát và điều khiển SCADA trên nền tảng điện toán

đám mây”, Kỷ yếu Hội thảo quốc gia lần thứ 18: Một số vấn đề chọn

lọc của Công nghệ thông tin và truyền thông- TPHCM, 5-6/11/2015.

8 Thái Quang Vinh, Phạm Ngọc Minh, Nguyễn Tiến Phương, Phạm

Thanh Giang, Phạm Quang Anh, “Nghiên cứu phát triển một số dịch

vụ đa phương tiện và giám sát các thông số môi trường sản xuất trên

nền mạng viễn thông WiMAX tại khu vực Tây Nguyên”, Kỷ yếu Hội

thảo quốc gia lần thứ XVII: Một số vấn đề chọn lọc của Công nghệ

thông tin và truyền thông- Đắk Lắk, 30-31/10/2014.

Tài liệu tham khảo

Tài liệu tiếng Việt

[1] Đặng Xuân Kiên trình bày “Giải pháp bù thời gian trễ biến đổi và nhiễu

của mạng các hệ thống điều khiển dựa trên mô hình dự báo Smith thích

nghi”, Tạp chí Khoa học công nghệ Giao thông vận tải, số 19-15/2016,

pp. 13-17.

[2] Đặng Xuân Kiên, “Mạng các hệ thống điều khiển: Kiến thức nền tảng và

định hướng nghiên cứu”, Tạp chí Khoa học công nghệ giao thông vận tải,

Số 17-11/2015, Tr.37-41.

[3] Hoang Minh Son"Mạng truyền thông công nghiệp" (2014).

[4] Phạm Quang Đăng, Bùi Quốc Khánh, LATS “Điều khiển phân tán trong

hệ nhiều trục” năm 2007

[5] Phạm Duy Hưng - LATS “Phát triển thuật toán tự triển khai cho hệ thống

đa robot giám sát môi trường không biết trước”

[6] Huỳnh Trọng Thưa – LATS “Giảm độ trễ end-to-end và tổng năng lượng

tiêu thụ trong các mạng cảm biến không dây”

[7] Nguyễn Trọng Các – LATS “Phương pháp nâng cao chất lượng truyền

thông tin thời gian thực trong các hệ thống điều khiển phân tán”, 2014.

Tài liệu tiếng Anh

[8] X. Ge, F. Yang, and Q.-L. Han, “Distributed networked control systems:

a brief overview,” Information Sciences, vol. 380, pp. 117–131, 2017.

[9] Rachana A. Gupta and Mo-Yuen Chow, “Overview of Networked Control

Systems”, Networked Control Systems Theory and Applications, Wang,

F-Y, Liu, D. (Eds) 2008, XVIII, 344p., Hardcover, ISBN: 978-1-84800-

214-2.

[10] Tipsuwan Y, Chow M-Y (2004) “Gain scheduler middleware: a

methodology to enable existing controllers for networked control and tele-

operation–Part I: networked control.” IEEE Transactions on Industrial

Electronics 51(6):1218– 1227.

[11] Wang, F.-Y.; Liu, D. (Eds.), “Networked Control Systems Theory and

Applications”, 2008, XVIII, 344 p., Hardcover ISBN:978-1-84800-214-2.

[12] K. D. H. Thi, M. C. Nguyen, H. T. Vo, V. M. Tran, D. D. Nguyen, and A.

D. Bui, “Trajectory tracking control for four-wheeled omnidirectional

mobile robot using Backstepping technique aggregated with sliding mode

control,” in 2019 First International Symposium on Instrumentation,

Control, Artificial Intelligence, and Robotics (ICA-SYMP), 2019, pp. 131–

134.

[13] L. Ovalle, H. Ríos, M. Llama, V. Santibáñez, and A. Dzul,

“Omnidirectional mobile robot robust tracking: Sliding-mode output-

based control approaches,” Control Eng. Pract., vol. 85, pp. 50–58, 2019.

[14] H. S. Vieira, E. C. de Paiva, S. K. Moriguchi, and J. R. H. Carvalho,

“Unified Backstepping Sliding Mode Framework for Airship Control

Design,” arXiv Prepr. arXiv1909.03143, 2019.

[15] H. V. A. Truong, D. T. Tran, X. D. To, K. K. Ahn, and M. Jin, “Adaptive

Fuzzy Backstepping Sliding Mode Control for a 3-DOF Hydraulic

Manipulator with Nonlinear Disturbance Observer for Large Payload

Variation,” Appl. Sci., vol. 9, no. 16, p. 3290, 2019.

[16] P. E. Mendez-Monroy, I. S. Dominguez, A. Bassam, and O. M. Tzuc,

“Control-Scheduling Codesign for NCS based Fuzzy Systems,” Int. J.

Comput. Commun. Control, vol. 13, no. 2, pp. 251–267, 2018.

[17] Tanaka, K.; Wang, H. O. (2001); Fuzzy Control Systems Design and

Analysis: A Linear Matrix Inequality Approach, Wiley & Sons, Inc., 2001.

[18] C. Wang, X. Liu, X. Yang, F. Hu, A. Jiang, and C. Yang, “Trajectory

tracking of an omni-directional wheeled mobile robot using a model

predictive control strategy,” Appl. Sci., vol. 8, no. 2, p. 231, 2018.

[19] Richa Sharma1,, Deepak Nagaria, “Stability Analysis of Networked

Control System Using LMI Approach”, International Journal of

Engineering & Technology, 7 (2.31) (2018) pp.249-251

[20] Z. Gao, Y. Yang, Y. Du, Y. Zhang, and Z. Wang, “Kinematic Modeling

and Trajectory Tracking Control of a Wheeled Omni-directional Mobile

Logistics Platform,” DEStech Trans. Eng. Technol. Res., no. apetc, 2017.

[21] W. Li, C. Yang, Y. Jiang, X. Liu, and C.-Y. Su, “Motion planning for

omnidirectional wheeled mobile robot by potential field method,” J. Adv.

Transp., vol. 2017, 2017.

[22] R. H. Abiyev, I. S. Günsel, N. Akkaya, E. Aytac, A. Çağman, and S.

Abizada, “Fuzzy control of omnidirectional robot,” Procedia Comput.

Sci., vol. 120, pp. 608–616, 2017.

[23] J. Santos, A. G. S. Conceiçao, and T. L. M. Santos, “Trajectory tracking

of Omni-directional Mobile Robots via Predictive Control plus a Filtered

Smith Predictor,” IFAC-PapersOnLine, vol. 50, no. 1, pp. 10250–10255,

2017.

100

[24] Z. Jia, J. Yu, Y. Mei, Y. Chen, Y. Shen, and X. Ai, “Integral backstepping

sliding mode control for quadrotor helicopter under external uncertain

disturbances,” Aerosp. Sci. Technol., vol. 68, pp. 299–307, 2017.

[25] Y. Lin, J. Wang, Q.-L. Han, and D. Jarvis, “Distributed control of

networked large-scale systems based on a scheduling middleware,” in

IECON 2017-43rd Annual Conference of the IEEE Industrial Electronics

Society, 2017, pp. 5523–5528.

[26] X. Liang, L. Wan, J. I. R. Blake, R. A. Shenoi, and N. Townsend, “Path

following of an underactuated AUV based on fuzzy backstepping sliding

mode control,” Int. J. Adv. Robot. Syst., vol. 13, no. 3, p. 122, 2016.

[27] Xuan-Kien Dang, Van-Thu Nguyen, XuanPhuong Nguyen, “Robust

Control of Networked Control Systems with Randomly Varying

TimeDelays Based Adaptive Smith Predictor” Rangsit Journal of Arts and

Sciences, RJAS, Vol. 5 No. 2, pp.175-186, Dec, 2015.

[28] Valery Kamaev, Alexey Finogeev, Ludmila Fionova, Anton Finogeev,

“The experience of creating a wireless transport network to the SCADA

system in the urban heating system”, Penza State University, Volgograd

State Technical University, Russia, 2012.

[29] X. K. Dang, Z. H. Guan, T. Li and D. X. Zhang, “Joint Smith Predictor

and Neural Network Estimation Scheme for Compensating Randomly

Varying Time-delay in Networked Control System,” Proc. The 24th

Chinese Control and Decision Conference, Tai Yuan, China, May. 2012.

PP. 512-517.

[30] X.K. Dang, “Analysis and Design of Networked Control Systems under

the Effect of Time-delays and Disturbances,” Ph.D. dissertation, Univ.

Huazhong, Wuhan, 2012.

101

[31] X. K. Dang, Z. H. Guan, H. D. Tran and T. Li, “Fuzzy Adaptive Control

of Networked Control System with Unknown Time-delay,” Proc. The

30th Chinese Control Conference, Yan tai, China, Jul. 2011, pp. 4622 -

4626.

[32] Hai Lin, Panos J. Antsaklis, “Stability and Stabilizability of Switched

Linear Systems: A Survey of Recent Results”, IEEE TRANSACTIONS ON

AUTOMATIC CONTROL, VOL. 54, NO. 2, pp308-322, FEBRUARY

2009.

[33] I. A. K. Saeed, N. V. Afzulpurkar, “Real time, dynamic target tracking

using image motion,” In Proc. IEEE International Conference on

Mechatronics, Taipei, Taiwan, pp. 241–246, 2005

[34] Dragoslay D. S., “Large-scale dynamic systems stability and structure”.

Dover Publications, INC, New York, 2007, pp.63-103.

[35] G. C. Walsh, Y. Hong, and L. G. Bushnell, “Stability analysis of

networked control systems,” IEEE Trans. Control Syst. Technol., vol. 10,

no. 3, pp. 438–446, May 2002.

[36] Z. Yang & D. Xu (2005) – “Stability analysis of delay neural networks

with impulsive effects” - IEEE Trans. Circuits Syst.-II, vol. 52, no. 8, pp.

517– 521.

[37] T. Q. Vinh and K. Hirota, “Decentralized Robust Fuzzy Sliding Mode

Control Design of Interconnected Uncertain System”, Joumal of

Advanced Computational lntelligence, vol.6, no.1, pp. 56-61, 2002

[38] G. C. Walsh, Y. Hong, and L. G. Bushnell, “Stability analysis of

networked control systems,” IEEE Trans. Control Syst. Technol., vol. 10,

no. 3, pp. 438–446, May 2002.

102

[39] F. L. Lian, J. Moyne, D. Tilbury, “Network design consideration for

distributed control systems,” In IEEE Transactions on Control Systems

Technology, vol. 10, no. 2, pp. 297–307, 2002.

[40] P. I. Corkey, P. Ridley, “Steering kinematics for a center-articulated

mobile robot,” IEEE transactions on Robotics and Automations, vol. 17,

no. 2, pp. 215–218, 2001.

[41] M. Farsi, K. Ratcliff, and M. Barbosa, “An overview of controller area

network” Comput. Control Eng. J., vol. 10, no. 3, pp. 113–120, Aug. 1999

[42] T. Q. Vinh, H. M. Dao and H. S. Bang, “Decentralized Stabilization of

Complex Systems by Combination of Conventional and Fuzzy Controls”,

International Journal of Uncertainty, Fuzziness and Knowledge-Based

Systems, vol. 7, no. 4, pp. 423-427, 1999.

[43] M. Farsi, K. Ratcliff, and M. Barbosa, “An overview of controller area

network” Comput. Control Eng. J., vol. 10, no. 3, pp. 113–120, Aug. 1999

[44] Alexandre Megretski & Anders Rantzer (1997) – “System Analysis via

Integral Quadratic Constraints” – Transection On Automatic Control- Vol.

42.

[45] T. W. Long, “A self-similar neural network for distributed vibration

control,” In Proc. The 32nd IEEE Conference on Digital Object Identifier,

vol. 4, pp. 3243 – 3248, 1993.

[46] Y. Halevi & A. Ray (1988) – “Integrated communication and control

systems: part I–analysis” - ASME J. Dynamic Systems, Measurement and

Control,Vol. 110, pp.367-373.

103

[47] Sandell N, Varaiya P, Athans M, Safonnov M: “Survey of decentralized

control methods for large scale systems.” IEEE Transactions on

Automatic Control, 1978 April; 23(2), pp.108-128.

[48] F. Abdollahi, K. Khorasani, “A decentralized Markovian jump H∞ control

routing strategy for mobile multi-agent networked systems”, IEEE

Transactions on Control Systems Technology 19(2) (2011) 269–273.

[49] M. Andreasson, D. Dimarogonas, H. Sandberg, K. Johansson,

“Distributed control of networked dynamical systems: Static feedback,

integral action and consensus”, IEEE Transactions on Automatic Control

59 (7) (2014) 1750–1764.

[50] N. Bauer, M. Donkers, N. van de Wouw, W. Heemels, “Decentralized

observer based control via networked communication”, Automatica 49

(2013) 2074–2086.

[51] R. Carli, F. Bullo, S. Zampieri, “Quantized average consensus via

dynamic coding/decoding schemes”, International Journal of Robust and

Nonlinear Control 20 (2) (2010) 156–175.

[52] L. Cheng, Y. Wang, Z.-G. Hou, M. Tan, Z. Cao, “Sampled-data based

average consensus of secondorder integral multi-agent systems: Switching

topologies and communication noises”, Automatica 49 (5) (2013) 1458–

1464.

[53] W. Chen, X. Li, L. Jiao, “Quantized consensus of second-order continuous

time multi-agent systems with a directed topology via sampled data”,

Automatica 49 (2013) 2236–2242.

104

[54] A. Das, F. Lewis, “Distributed adaptive control for synchronization of

unknown nonlinear networked systems”, Automatica 46 (2010) 2014–

2021.

[55] D. Dimarogonas, E. Frazzoli, K. Johansson, “Distributed event-triggered

control for multi-agent systems”, IEEE Transactions on Automatic

Control 57 (5) (2012) 1291–1297.

[56] L. Ding, Q.-L. Han, G. Guo, “Network-based leader-following consensus

for distributed multi-agent systems”, Automatica 49 (7) (2013) 2281–

2286.

[57] M. Donkers, W. Heemels, “Output-based event-triggered control with

guaranteed L∞-gain and improved and decentralized event-triggering”,

IEEE Transactions on Automatic Control 57 (6) (2012) 1362–1376.

[58] P. Ellis, “Extension of phase plane analysis to quantized systems”, IRE

Transactions on Automatic Control 4 (2) (1959) 43–54.

[59] P. Frasca, “Continuous-time quantized consensus: convergence of

Krasovskii solutions”, Systems & Control Letters 61 (2) (2012) 273–278.

[60] E. Fridman, U. Shaked, V. Suplin, “Input/output delay approach to robust

sampled-data H∞ control”, Systems & Control Letters, 54 (3) (2005) 271–

282.

[61] Y. Gao, L. Wang, “Sampled-data based consensus of continuous-time

multi-agent systems with time-varying topology”, IEEE Transactions on

Automatic Control 56 (5) (2011) 1226–1231.

[62] H. Gao, J. Wu, P. Shi, “Robust sampled-data H∞ control with stochastic

sampling”, Automatica 45 (2009) 1729–1736.

105

[63] X. Ge, Q.-L. Han, “Distributed event-triggered H∞ filtering over sensor

networks with communication delays”, Information Sciences, 291 (2015)

128–142.

[64] X. Ge, Q.-L. Han, X. Jiang, “Distributed H∞ filtering over sensor

networks with heterogeneous Markovian coupling intercommunication

delays”, IET Control Theory and Applications 9 (1) (2014) 82–90.

[65] X. Ge, Q.-L. Han, X. Jiang, “Sampled-data H∞ filtering of Takagi-Sugeno

fuzzy systems with interval time-varying delays”, Journal of the Franklin

Institute, 351 (5) (2014) 2515–2542.

[66] X. Ge, Q.-L. Han, X. Jiang, “Distributed fault detection over sensor

networks with Markovian switching topologies”, International Journal of

General Systems, 43 (3-4) (2014) 305–318.

[67] Z.-H. Guan, Z.-W. Liu, G. Feng, M. Jian, “Impulsive consensus

algorithms for second order multi-agent networks with sampled

information”, Automatica 48 (7) (2012) 1397–1404.

[68] M. Guinaldo, D. Dimarogonas, K. Johansson, J. S´anchez, S. Dormido,

“Distributed event-based control strategies for interconnected linear

systems”, IET Control Theory and Applications 7 (6) (2013) 877–886.

[69] M. Guinaldo, D. Lehmann, J. S´anchez, S. Dormido, K. Johansson,

“Distributed event triggered control for non-reliable networks”, Journal

of the Franklin Institute 351 (2014) 5250–5273.

[70] G. Guo, L. Ding, Q.-L. Han, “A distributed event-triggered transmission

strategy for sampleddata consensus of multi-agent systems”, Automatica

50 (5) (2014) 1489–1496.

106

[71] R. Gupta, M.-Y. Chow, “Network control system: Overview and research

trends”, IEEE Transactions on Industrial Electronics 57 (7) (2010) 2527–

2535.

[72] G. Gu, L. Qiu, “Networked control system for multi-input plants based on

polar logarithmic quantization”, Systems & Control Letters 69 (2014) 16–

22.

[73] G. Hui, H. Zhang, Z. Wu, Y. Wang, “Control synthesis problem for

networked linear sampled-data control systems with band-limited

channels”, Information Sciences 275 (2014) 385–399.

[74] X.-C. Jia, X.-B. Chi, Q.-L. Han, N.-N. Zheng, “Event-triggered fuzzy H∞

control for a class of nonlinear networked control systems using the

deviation bounds of asynchronous normalized membership functions”,

Information Sciences 259 (2014) 100–117.

[75] X. Jiang, Q.-L. Han, “On designing fuzzy controllers for a class of

nonlinear networked control systems”, IEEE Transactions on Fuzzy

Systems 16 (4) (2008) 1050–1060.

[76] X. Jiang, Q.-L. Han, S. Liu, A. Xue, “A new H∞ stabilization criterion for

networked control systems”, IEEE Transactions on Automatic Control 53

(4) (2008) 1025–1032.

[77] X. Kang, H. Ishii, “Coarsest quantization for networked control of

uncertain linear systems”, Automatica 51 (2014) 1–8.

[78] Z. Li, Z. Duan, F. Lewis, “Distributed robust consensus control of multi-

agent systems with heterogeneous matching uncertainties”, Automatica 50

(2) (2014) 883–889.

107

[79] T. Li, M. Fu, L. Xie, J.-F. Zhang, “Distributed consensus with limited

communication data rate”, IEEE Transactions on Automatic Control 56

(2) (2011) 279–292.

[80] Z. Li, X. Liu, W. Ren, L. Xie, “Distributed tracking control for linear

multiagent systems with a leader of bounded unknown input”, IEEE

Transactions on Automatic Control 58 (2) (2013) 518–523.

[81] T. Li, L. Xie, “Distributed consensus over digital networks with limited

bandwidth and timevarying topologies”, Automatica 47 (2011) 2006–

2015.

[82] T. Li, J.-F. Zhang, “Mean square average-consensus under measurement

noises and fixed topologies: Necessary and sufficient conditions”,

Automatica 45 (2009) 1929 1936.

[83] T. Li, J.-F. Zhang, “Consensus conditions of multi-agent systems with

time-varying topologies and stochastic communication noises”, IEEE

Transactions on Automatic Control 55 (9) (2010) 2043–2057.

[84] S. Liu, T. Li, L. Xie, M. Fu, J.-F. Zhang, “Continuous-time and sampled-

data-based average consensus with logarithmic quantizers”, Automatica

49 (2013) 3329–3336.

[85] Q. Liu, Z. Wang, X. He, D. Zhou, “A survey of event-based strategies on

control and estimation”, Systems Science & Control Engineering: An

Open Access Journal, 2 (2014) 90–97.

[86] Q. Liu, Z. Wang, X. He, D. Zhou, “Event-based H∞ consensus control of

multi-agent systems with relative output feedback: The finite-horizon

case”, IEEE Transactions on Automatic Control (2015)

http://dx.doi.org/10.1109/TAC.2015.2394872.

108

[87] H. Liu, G. Xie, L. Wang, “Necessary and sufficient conditions for solving

consensus problems of double-integrator dynamics via sampled control”,

International Journal of Robust and Nonlinear Control 20 (2010) 1706–

1722.

[88] S. Liu, L. Xie, H. Zhang, “Distributed consensus for multi-agent systems

with delays and noises in transmission channels”, Automatica 47 (2011)

920–934.

[89] M. Mahmoud, A. Memon, “Aperiodic triggering mechanisms for

networked control systems”, Information Sciences, 296 (2015) 282–306.

[90] M. Mazo, M. Gao, “Asynchronous decentralized event-triggered control”,

Automatica 50 (12) (2014) 3197–3203.

[91] M. Mazo, P. Tabuada, “Decentralized event-triggered control over

wireless sensor/actuator networks”, IEEE Transactions on Automatic

Control 56 (10) (2011) 2456–2461.

[92] X. Meng, T. Chen, “Event based agreement protocols for multi-agent

networks”, Automatica 49 (7) (2013) 2125–2132.

[93] A. Nedic, A. Olshevsky, A. Ozdaglar, J. Tsitsiklis, “On distributed

averaging algorithms and quantization effects”, IEEE Transactions on

Automatic Control 54 (11) (2009) 2506–2517.

[94] R. Olfati-Saber, R. Murray, “Consensus problems in networks of agents

with switching topology and time-delays”, IEEE Transactions on

Automatic Control 49 (9) (2004) 1520–1533.

[95] R. Olfati-Saber, J. Fax, R. Murray, “Consensus and cooperation in

networked multi agent systems”, Proceedings of The IEEE 95 (1) (2007)

215–233.

109

[96] Y. Cao, W. Yu, W. Ren, G. Chen, “An overview of recent progress in the

study of distributed multi-agent coordination”, IEEE Transactions on

Industrial Informatics 9 (1) (2013) 427–438.

[97] Z.-H. Pang, G.-P. Liu, D. Zhou, M. Chen, “Output tracking control for

networked systems: A model-based prediction approach”, IEEE

Transactions on Industrial Electronics 61 (9) (2014) 4867–4877.

[98] P. Papachristodoulou, A. Jadbabaie, U. M¨unz, “Effects of delay in multi-

agent consensus and oscillator synchronization”, IEEE Transactions on

Automatic Control 55 (6) (2010) 1471–1477.

[99] C. Peng, Q.-L. Han, “A novel event-triggered transmission scheme and

L2 control co-design for sampled-data control systems”, IEEE

Transactions on Automatic Control 58 (10) (2013) 2620–2626.

[100] C. Peng, Q.-L. Han, D. Yue, “Communication-delay-distribution-

dependent decentralized control for large-scale systems with IP-based

communication networks”, IEEE Transactions on Control Systems

Technology 21 (3) (2013) 820–830.

[101] C. Peng, Q.-L. Han, D. Yue, “To transmit or not to transmit: A

discrete event-triggered communication scheme for networked Takagi-

Sugeno fuzzy systems”, IEEE Transactions on Fuzzy Systems 21 (1)

(2013) 164–170.

[102] C. Peng, D. Yue, Q.-L. Han, “Communication and control for

networked complex systems”, Springer-Verlag Berlin Heidelberg, 2015,

DOI 10.1007/978-3-662-46813-5

[103] C. Persis, R. Sailer, F. Wirth, “Parsimonious event-triggered distributed

control: A Zeno free approach”, Automatica 49 (2013) 2116–2124.

110

[104] R. Postoyan, N. van de Wouw, D. Neˇsi´c, W. Heemels, “Tracking

control for nonlinear networked control systems”, IEEE Transactions on

Cybernetics 59 (6) (2014) 1539–1554.

[105] J. Qin, H. Gao, “A sufficient condition for convergence of sampled-data

consensus for doubleintegrator dynamics with nonuniform and time-

varying communication delays”, IEEE Transactions on Automatic

Control 57 (9) (2012) 2417–2422.

Luận án Tiến sĩ Kỹ thuật điện, Điện tử và Viễn thông: Nghiên cứu điều khiển trễ trong hệ thống điều khiển phản hồi qua mạng

NGHIÊN CỨU ĐIỀU KHIỂN TRỄ TRONG HỆ THỐNG ĐIỀU KHIỂN PHẢN HỒI QUA MẠNG

LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỆN, ĐIỆN TỬ VÀ VIỄN THÔNG

LỜI CAM ĐOAN

LỜI CẢM ƠN

MỤC LỤC

Danh mục các thuật ngữ

Thuật ngữ tiếng Việt

Thuật ngữ tiếng Anh

Bảng các ký hiệu, từ viết tắt

Ký hiệu, từ viết tắt

Diễn giải

Danh sách bảng

Danh sách hình vẽ

MỞ ĐẦU

CHƯƠNG 1 - TỔNG QUAN VỀ HỆ THỐNG ĐIỀU KHIỂN KẾT NỐI

MẠNG

1.2.3 Cấu hình phân tán

CHƯƠNG 2 - MÔ HÌNH THU THẬP DỮ LIỆU QUA MẠNG

CHƯƠNG 3 - MÔ HÌNH ĐIỀU KHIỂN BÙ TRỄ QUA MẠNG TRÊN

CƠ SỞ HỆ LOGIC MỜ

 1

 



 C x Gsign x 2



3.4.5 Cấu trúc điều khiển bù trễ qua mạng

3.4.6 Logic mờ để điều chỉnh các tham số điều khiển của robot

KẾT LUẬN

Danh mục các công trình của tác giả

Tài liệu tham khảo

Có thể bạn quan tâm

Luận án Tiến sĩ: Nghiên cứu các yếu tố ảnh hưởng đến sự phát triển nguồn nhân lực du lịch trong các cơ sở lưu trú tại Hà Nội

Tóm tắt Luận án Tiến sĩ: Nghiên cứu các yếu tố ảnh hưởng đến sự phát triển nguồn nhân lực du lịch trong các cơ sở lưu trú tại Hà Nội

Luận án Tiến sĩ: Giáo dục đạo đức sinh thái cho sinh viên các trường đại học tại Thành phố Hồ Chí Minh hiện nay

Tóm tắt Luận án Tiến sĩ: Giáo dục đạo đức sinh thái cho sinh viên các trường đại học tại Thành phố Hồ Chí Minh hiện nay

Luận án Tiến sĩ: Công tác hoằng pháp và hoạt động của đạo tràng Phật giáo tỉnh Lào Cai hiện nay

Luận án Tiến sĩ: Hành vi nguy cơ ảnh hưởng đến sức khỏe tâm thần của học sinh trung học phổ thông tại Hà Nội hiện nay

Tóm tắt Luận án Tiến sĩ: Hành vi nguy cơ ảnh hưởng đến sức khỏe tâm thần của học sinh trung học phổ thông tại Hà Nội hiện nay

Luận án Tiến sĩ: Đảng bộ tỉnh Đồng Nai lãnh đạo công tác bảo tồn và phát huy giá trị các di tích lịch sử - văn hóa từ năm 1996 đến năm 2015

Tóm tắt Luận án Tiến sĩ: Đảng bộ tỉnh Đồng Nai lãnh đạo công tác bảo tồn và phát huy giá trị các di tích lịch sử - văn hóa từ năm 1996 đến năm 2015

Luận án Tiến sĩ: Thực hiện Pháp lệnh thực hiện dân chủ ở xã, phường, thị trấn vùng dân tộc thiểu số tỉnh Quảng Nam hiện nay

Tóm tắt Luận án Tiến sĩ: Thực hiện Pháp lệnh thực hiện dân chủ ở xã, phường, thị trấn vùng dân tộc thiểu số tỉnh Quảng Nam hiện nay

Tóm tắt Luận án Tiến sĩ: Công tác hoằng pháp và hoạt động của đạo tràng Phật giáo tỉnh Lào Cai hiện nay

Luận án Tiến sĩ: Nghiên cứu chất lượng dịch vụ viễn thông di động tại Tổng công ty viễn thông Viettel

Luận án Tiến sĩ: Nâng cao chất lượng cơ sở vật chất các trường đại học tư thục trên địa bàn thành Hà Nội

Luận án Tiến sĩ: Năng lực cạnh tranh của doanh nghiệp nhỏ và vừa trên địa bàn tỉnh Phú Thọ

Luận án Tiến sĩ: Nghiên cứu các yếu tố ảnh hưởng tới sự thành công trong khởi sự kinh doanh của phụ nữ khu vực miền Bắc

Luận án Tiến sĩ: Kiểm soát nội bộ tại Tập đoàn xăng dầu Việt Nam

Tóm tắt Luận án Tiến sĩ: Kiểm soát nội bộ tại Tập đoàn xăng dầu Việt Nam

Luận án Tiến sĩ: Nghiên cứu giải pháp phát triển trung tâm logistics quốc tế cho khu vực kinh tế trọng điểm phía Bắc

Luận án Tiến sĩ: Nghiên cứu các nhân tố ảnh hưởng đến mức độ công bố thông tin trên báo cáo thường niên của các ngân hàng thương mại Việt Nam

Tài liêu mới

Luận án Tiến sĩ: Nghiên cứu xây dựng thuật toán thích nghi và học tăng cường cấu trúc Actor - Critic điều khiển bám quỹ đạo cho robot di động đa hướng mecanum

Luận án Tiến sĩ: Cơ cấu bệnh tim mạch và chất lượng cuộc sống của người cao tuổi mắc suy tim, rung nhĩ điều trị tại Bệnh viện Thống Nhất, thành phố Hồ Chí Minh

Tóm tắt Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

Tóm tắt Luận án Tiến sĩ: Nghiên cứu xây dựng giải pháp đảm bảo an toàn thông tin cho quá trình học liên kết dựa trên mật mã

Tóm tắt Luận án Tiến sĩ: Phát triển năng lực đánh giá công nghệ cho học sinh trong dạy học môn Công nghệ 11 ở trường trung học phổ thông

Tóm tắt Luận án Tiến sĩ: Nghiên cứu phân loại chi cầu diệp – Bulbophyllum Thouars (Orchidaceae) ở vùng Tây Nguyên bằng phương pháp hình thái và phân tử

Tóm tắt Luận án Tiến sĩ: Nghiên cứu đặc điểm phân bố và dinh dưỡng của các loài lưỡng cư ở Vườn Quốc gia Bến En và Khu bảo tồn thiên nhiên Pù Luông, tỉnh Thanh Hóa

Luận án Tiến sĩ: Tổng hợp luật dẫn và điều khiển cho một lớp tên lửa đối hải trên cơ sở ứng dụng mạng nơ ron và hệ mờ

Luận án Tiến sĩ: Nghiên cứu tổng hợp hệ điều khiển góc Pitch tua bin gió trong điều kiện có nhiễu tác động

Luận án Tiến sĩ: Nghiên cứu hóa học lipid của hai loài san hô thủy tức Millepora dichotoma và Millepora platyphylla ở Việt Nam

Luận án Tiến sĩ: Nghiên cứu kiểm soát phân phối công suất kéo trên cầu chủ động của ô tô con bằng ABS

Luận án Tiến sĩ: Ứng dụng phản ứng Domino vào tổng hợp các dẫn xuất Podophyllotoxin, Pyrimidine và đánh giá hoạt tính sinh học của các chất tổng hợp được

Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và một số hoạt tính sinh học của cây chùm ngây (Moringa oleifera)

Tóm tắt Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và ứng dụng ức chế ăn mòn cho thép của cao chiết xuất từ cây Lộc vừng thuộc họ Lecythidaceae

Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

AI tóm tắt

Giới thiệu tài liệu

Đối tượng sử dụng

Từ khoá chính

Nội dung tóm tắt

Giới thiệu

Về chúng tôi

Việc làm

Quảng cáo

Liên hệ

Chính sách

Thoả thuận sử dụng