ĐIỀU KHIỂN BÁM TỐI ƯU BỀN VỮNG H∞ DỰA TRÊN QUY HOẠCH ĐỘNG THÍCH NGHI CHO ROBOT DI ĐỘNG PHI HOLONOMIC BẤT ĐỊNH

Doãn Văn Hóa

doi:10.34238/tnu-jst.15306

ĐIỀU KHIỂN BÁM TỐI ƯU BỀN VỮNG H∞ DỰA TRÊN QUY HOẠCH ĐỘNG THÍCH NGHI CHO ROBOT DI ĐỘNG PHI HOLONOMIC BẤT ĐỊNH

Thông tin bài báo

Ngày nhận bài: 03/04/26 Ngày hoàn thiện: 30/06/26 Ngày đăng: 30/06/26

Các tác giả

Doãn Văn Hóa , Trường Đại học Kinh tế - Kỹ thuật Công nghiệp

Tóm tắt

Bài báo đề xuất một phương pháp điều khiển bám tối ưu bền vững H∞ cho robot di động phi holonomic trong điều kiện tồn tại bất định và nhiễu ngoài. Bài toán điều khiển được xây dựng dưới dạng trò chơi vi phân, dẫn đến phương trình Hamilton–Jacobi–Isaacs. Để giải gần đúng phương trình này, một khuôn khổ quy hoạch động thích nghi với cấu trúc mạng nơ-ron đơn được phát triển theo hướng bán phụ thuộc mô hình. Phân tích ổn định dựa trên Lyapunov được thiết lập chặt chẽ nhằm đảm bảo tính bị chặn đều cuối cùng và hiệu năng H∞ mong muốn. Kết quả mô phỏng cho thấy phương pháp đề xuất cải thiện đáng kể hiệu năng bám quỹ đạo so với phương pháp quy hoạch động thích nghi truyền thống. Cụ thể, sai số căn bậc hai trung bình bình phương giảm khoảng 40–45% trên tất cả các trạng thái, trong khi thời gian hội tụ giảm khoảng 50%. Ngoài ra, bộ điều khiển đề xuất có độ quá điều chỉnh nhỏ hơn và quá trình hội tụ mượt hơn, khẳng định khả năng chống nhiễu và tính bền vững được nâng cao.

Từ khóa

Robot di động phi holonomic; Quy hoạch động thích nghi; Điều khiển H∞; Điều khiển bám tối ưu; Điều khiển dựa trên mạng nơ-ron

Toàn văn:

PDF

Tài liệu tham khảo

[1] H. A. Edwards, Y. Lin, and Y. Wang, “On input-to-state stability for time varying nonlinear systems,” Proceedings of the 39th IEEE Conference on Decision and Control, vol. 4, pp. 3501-3506, 2000.

[2] M. W. Spong, S. Hutchinson, and M. Vidyasagar, Robot Modeling and Control, 2nd ed. Hoboken, NJ, USA: Wiley, 2020.

[3] D. P. Bertsekas, Dynamic Programming and Optimal Control, 4th ed. Belmont, MA, USA: Athena Scientific, 2017.

[4] F. L. Lewis, D. Vrabie, and V. L. Syrmos, Optimal Control, 3rd ed. Hoboken, NJ, USA: Wiley, 2012.

[5] K. G. Vamvoudakis and F. L. Lewis, “Online actor–critic algorithm to solve the continuous-time infinite horizon optimal control problem,” Automatica, vol. 46, no. 5, pp. 878-888, 2010.

[6] F. L. Lewis and D. Vrabie, “Reinforcement learning and adaptive dynamic programming for feedback control,” IEEE Circuits and Systems Magazine, vol. 9, no. 3, pp. 32-50, 2009.

[7] D. Liu, D. Wang, and Q. Wei, Adaptive Dynamic Programming with Applications in Optimal Control. London, U.K.: Springer, 2017.

[8] R. S. Sutton and A. G. Barto, Reinforcement Learning: An Introduction, 2nd ed. Cambridge, MA, USA: MIT Press, 2018.

[9] K. Wang, “Near-optimal tracking control for nonholonomic mobile robots using adaptive dynamic programming,” IEEE Trans. Neural Netw. Learn. Syst., vol. 23, no. 3, pp. 432-443, 2012.

[10] X. Yang, M. Xu, and Q. Wei, “Adaptive Dynamic Programming for Nonlinear-Constrained H∞ Control,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 53, no. 7, pp. 4393-4403, 2023.

[11] L. Liu, J. Lv, H. Lin, R. Zhan, and L. Wu, “ADP-Based Fault-Tolerant Control with Stability Guarantee for Nonlinear Systems,” Entropy, vol. 27, no. 10, 2025, Art. no. 1028.

[12] C. Qin, K. Jiang, J. Zhang, and T. Zhu, “Critic Learning-Based Safe Optimal Control for Nonlinear Systems with Asymmetric Input Constraints and Unmatched Disturbances,” Entropy, vol. 25, no. 7, 2023, Art. no. 1101.

[13] J. Duan, Z. Liu, S. E. Li, Q. Sun, Z. Jia, and B. Cheng, “Adaptive dynamic programming for nonaffine nonlinear optimal control problem with state constraints,” Neurocomputing, vol. 484, pp. 128-141, 2022.

[14] J. Zhao, J. Na, and G. Gao, “Adaptive dynamic programming based robust control of nonlinear systems with unmatched uncertainties,” Neurocomputing, vol. 395, pp. 56-65, 2020.

[15] B. A. Wallace and J. Si, “Continuous-time reinforcement learning control: A review of theoretical results, insights on performance, and needs for new designs,” IEEE Transactions on Neural Networks and Learning Systems, vol. 35, no. 8, pp. 10199-10219, 2023.

[16] Y. Zhang, L. Zou, Y. Liu, D. Ding, and J. Hu, “A brief survey on nonlinear control using adaptive dynamic programming under engineering-oriented complexities,” International Journal of Systems Science, vol. 54, no. 8, pp. 1855-1872, 2023.

DOI: https://doi.org/10.34238/tnu-jst.15306

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ