Tài liệu Thiết kế bộ điều khiển logic mờ dùng giải thuật di truyền đa mục tiêu cho máy bay không người lái

Đại Học Quốc Gia Tp. Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA -------------------- NGÔ ĐÌNH TRÍ THIẾT KẾ BỘ ĐIỀU KHIỂN LOGIC MỜ DÙNG GIẢI THUẬT DI TRUYỀN ĐA MỤC TIÊU CHO MÁY BAY KHÔNG NGƯỜI LÁI Chuyên ngành : TỰ ĐỘNG HÓA LUẬN VĂN THẠC SĨ TP. HỒ CHÍ MINH, tháng 12 năm 2009 CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán bộ hướng dẫn khoa học :TS. Huỳnh Thái Hoàng PGS. TS. Lê Thị Minh Nghĩa Cán bộ chấm nhận xét 1 : TS. Nguyễn Đức Thành Cán bộ chấm nhận xét 2 : TS. Trương Đình Châu Luận văn thạc sĩ được bảo vệ tại HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày 08 tháng 01 năm 2010 TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA ĐIỆN – ĐIỆN TỬ ---------------- CỘNG HOÀ XÃ HỘI CHỦ NGHIÃ VIỆT NAM Độc Lập - Tự Do - Hạnh Phúc ---oOo--Tp. HCM, ngày . . . . . tháng . . . . . năm . . . . . . NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ và tên học viên: NGÔ ĐÌNH TRÍ Phái: Nam Ngày, tháng, năm sinh: 05/12/1982 Chuyên ngành: Tự Động Hóa MSHV: 01508352 Nơi sinh: TP. Nha Trang – Khánh Hòa 1- TÊN ĐỀ TÀI: Thiết kế bộ điều khiển logic mờ dùng giải thuật di truyền đa mục tiêu cho máy bay không người lái 2- NHIỆM VỤ LUẬN VĂN: - Mô hình hóa và nhận dạng hệ thống máy bay - Thiết kế bộ điều khiển logic mờ cho máy bay bay tự động theo quỹ đạo cho trước - Chỉnh định tối ưu bộ điều khiển logic mờ dùng giải thuật di truyền đa mục tiêu 3- NGÀY GIAO NHIỆM VỤ : 02/02/2009 4- NGÀY HOÀN THÀNH NHIỆM VỤ : 30/11/2009 5- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TS. HUỲNH THÁI HOÀNG PGS. TS. LÊ THỊ MINH NGHĨA Nội dung và đề cương Luận văn thạc sĩ đã được Hội Đồng Chuyên Ngành thông qua. CÁN BỘ HƯỚNG DẪN (Họ tên và chữ ký) CHỦ NHIỆM BỘ MÔN QUẢN LÝ CHUYÊN NGÀNH (Họ tên và chữ ký) KHOA QL CHUYÊN NGÀNH (Họ tên và chữ ký) LỜI CẢM ƠN Em xin bày tỏ lòng biết ơn sâu sắc đến Thầy Cô - Bộ môn Điều Khiển Tự Động, trường Đại Học Bách Khoa Tp.HCM. Bên cạnh việc truyền đạt những kiến thức quý báu về Kỹ Thuật Điều Khiển Tự Động, Thầy Cô còn cho em một phương pháp tự học và nghiên cứu hiệu quả, giúp ích rất nhiều cho em trên con đường nghiên cứu khoa học hôm nay và mai sau. Em xin đặc biệt cảm ơn Cô Nguyễn Thị Phương Hà, Thầy Huỳnh Thái Hoàng đã giảng dạy em những kiến thức về Mô Hình Hóa và Nhận Dạng Hệ Thống, Điều Khiển Tối Ưu, Điều Khiển Thích Nghi, Điều Khiển Thông Minh, Giải Thuật Di Truyền. Những kiến thức này đặc biệt có ý nghĩa đối với hướng chuyên môn mà em quyết tâm theo đuổi trong suốt cuộc đời – Flight Automation & Control. Em xin đặc biệt cảm ơn Cô Lê Thị Minh Nghĩa - Bộ môn Kỹ Thuật Hàng Không - đã có những chỉ dẫn, giúp đỡ quý báu trong cuộc sống, học tập và nghiên cứu khoa học. Cô đã tạo mọi điều kiện thuận lợi nhất để em thực hiện ước mơ nghiên cứu, thiết kế và chế tạo máy bay không người lái. Tôi cũng xin cảm ơn Viện Khoa Học và Công Nghệ Tính Toán Tp.HCM đã hỗ trợ việc sử dụng workstation 10 CPU Core 2 Duo 2.4GHz trong tính toán song song chương trình chỉnh định tối ưu bộ điều khiển mờ bằng giải thuật di truyền đa mục tiêu. Tôi cũng muốn gởi đến Ba Má lời cảm ơn, lòng biết ơn sâu sắc về tình yêu thương vô bờ bến. Ba Má đã hỗ trợ mọi mặt về tinh thần, vật chất để tôi thực hiện được những ước mơ, hoài bão, đam mê trong lĩnh vực Kỹ Thuật Hàng Không. Cuối cùng tôi muốn gởi lời cảm ơn đặc biệt đến Thầy Huỳnh Văn Kiểm và các bạn nhóm nghiên cứu, thiết kế & chế tạo máy bay không người lái KATA. Những người đã cùng đồng hành, hỗ trợ, chỉ dẫn tôi trên bước đường nghiên cứu khoa học đầy gian lao, lắm thử thách nhưng tràn đầy nhiệt huyết tuổi trẻ. Tp. Hồ Chí Minh , ngày 20 tháng 12 năm 2009 Ngô Đình Trí TÓM TẮT ĐỀ TÀI NGHIÊN CỨU Máy bay không người lái (UAV-Unmanned Air Vehicle) là một loại khí cụ bay tự động theo chương trình điều khiển được lập sẵn mà không cần có phi hành đoàn trên máy bay. UAV lần đầu tiên được nghiên cứu từ Thế Chiến Thứ Nhất với mục đích dùng làm máy bay do thám phục vụ cho chiến tranh. Kỷ nguyên mới của UAV bắt đầu vào những năm 70, UAV được trang bị các camera có thể gởi hình ảnh tức thời về trạm mặt đất. Sự lớn mạnh của công nghệ điều khiển, điện tử, truyền tin, viễn thám là động lực quan trọng để cho UAV phát triển nhanh và mở rộng lĩnh vực ứng dụng trong thời gian gần đây. UAV đạt được những tiến bộ vượt bậc về khả năng tự động, khả năng thực hiện các nhiệm vụ phức tạp và khả năng tự ra quyết định. Những ứng dụng to lớn của UAV trong lĩnh vực dân sự đã được thấy nhiều như: tìm kiếm cứu nạn-cứu hộ; giám sát tình hình giao thông, cháy rừng, thiên tai; kiểm tra đường ống dẫn dầu, đường dây truyền tải điện xuyên quốc gia; flying camera phục vụ cho giải trí; dự báo thời tiết; tuần tra biên giới/hải đảo; nghiên cứu về khoa học trái đất; ứng dụng trong nông lâm ngư nghiệp … Đề tài nghiên cứu “Thiết kế bộ điều khiển logic mờ dùng giải thuật di truyền đa mục tiêu cho máy bay không người lái” được thực hiện nhằm mục đích thiết kế điều khiển logic mờ cho máy bay KATA đã được chế tạo bay tự động theo quỹ đạo cho trước. Điều khiển logic mờ được chỉnh định tối ưu bằng giải thuật di truyền đa mục tiêu để máy bay có thể bay theo quỹ đạo cho trước, duy trì được độ cao và vận tốc khi bay, biên độ và tốc độ thay đổi của các bề mặt điều khiển trong phạm vi cho phép, ổn định trong điều kiện có nhiễu động từ môi trường (nhiễu động không khí, gió giật...) và việc thay đổi chế độ bay (bay thẳng, cua vòng, tăng giảm độ cao). Bằng cách đánh giá các hàm thích nghi dựa vào kết quả bay mô phỏng với mô hình toán của máy bay (MB), giải thuật di truyền sẽ chỉnh định tối ưu các thông số của bộ điều khiển mờ. Do tầm quan trọng của việc có một mô hình toán đúng đắn khi thiết kế bộ điều khiển mờ bằng giải thuật di truyền, việc mô hình hóa và nhận dạng hệ thống MB từ dữ liệu bay thử nghiệm được nghiên cứu kỹ lưỡng. Hệ thống MB KATA được mô hình hóa với bộ thông số ổn định và điều khiển, được nhận dạng từ dữ liệu bay bằng 2 phương pháp Equation Error & Maximum Likelihood. Cấu trúc của mô hình toán được xác định bằng phương pháp Stepwise Regression (SWR). Tín hiệu điều khiển quá trình bay thử nghiệm cũng được thiết kế: xung vuông 3-2-2-1 hoặc tín hiệu điều khiển tối ưu (dùng phương pháp qui hoạch động Bellman). Các đặc tính ổn định và điều khiển của MB KATA cũng được phân tích bằng phương pháp phân tích cấu trúc vector riêng (eigenstructure analysis). Điều này cung cấp kiến thức cho việc phân tích và thiết kế bộ điều khiển bay tự động. Các đặc tính này bao gồm: ổn định, đáp ứng của MB đối với các bề mặt điều khiển, đáp ứng của MB trên miền tần số. Một số phân tích các bộ điều khiển tự động thường gặp ở MB cũng được trình bày. Bộ điều khiển bay tự động cho MB KATA được thiết kế bao gồm 2 mode điều khiển: mode dọc trục và mode ngang/hướng. Mode dọc trục sử dụng điều khiển PI để duy trì độ cao và vận tốc của MB. Các độ lợi của bộ điều khiển PI được chỉnh định dễ dàng bằng phương pháp thử sai. Mode ngang/hướng sử dụng điều khiển mờ để điều khiển MB bay theo quỹ đạo điểm-điểm cho trước ở một độ cao nhất định. Luật điều khiển mờ được thiết lập dựa vào kinh nghiệm, kiến thức từ quá trình bay thử nghiệm và quá trình phân tích đặc tính ổn định và điều khiển của MB. Các thông số của bộ điều khiển mờ được chỉnh định bằng giải thuật di truyền thông i thường (GA) và giải thuật di truyền đa mục tiêu (MOGA). Sự kết hợp 2 bộ điều khiển này đủ để MB bay tự động theo quỹ đạo cho trước. Quyết định sự thành công của giải thuật di truyền là mức độ hiệu quả của việc lựa chọn hàm thích nghi. Hàm thích nghi cho phép lựa chọn các cá thể tốt trong quần thể để xếp hạng, tiến hóa và gìn giữ qua các thế hệ. Hiện nay có rất ít đề tài nghiên cứu đưa ra một phương pháp tổng quát để chọn hàm thích nghi sao cho hiệu quả mà tùy vào từng đối tượng điều khiển cụ thể mà người ta chọn hàm thích nghi thích hợp. Đối với MB KATA, các kiểu hàm thích nghi được sử dụng đó là behavior fitness function, aggregate fitness function. Các phân tích về cách thức lựa chọn hàm thích nghi cho MB KATA cũng được đưa ra dựa vào mức độ ứng xử của MB khi cố gắng thực hiện nhiệm vụ, mức độ hoàn thành nhiệm vụ của MB. Các kết quả thiết kế bộ điều khiển bay tự động khi sử dụng GA và MOGA cho thấy MB có khả năng bay tự động theo quỹ đạo cho trước dưới dạng điểm-điểm, với độ bám quỹ đạo khá tốt trong các trường hợp không có/có ảnh hưởng của gió, có khả năng duy trì được độ cao & vận tốc bay, khả năng bay bằng (level flight), các bề mặt điều khiển có biên độ và tốc độ thay đổi không nhiều trong quá trình bay. Điều khiển bay tự động đựơc mô phỏng trên phần mềm Matlab/Aerosim. Do bài toán tối ưu hóa đa mục tiêu có khối lượng tính toán rất lớn nên phép tính song được sử dụng, cho phép chia bài toán thành nhiều tác vụ, mỗi tác vụ sẽ được thực thi trên một máy tính riêng biệt. Trong đề tài này, toolbox Matlab Distributed Computing được sử dụng để chạy chương trình tính toán song song chỉnh định tối ưu thông số bộ điều khiển trên workstation gồm 10 CPU Core 2 Duo 2.4GHz. Tóm lại đề tài này đưa ra và giải quyết một quy trình thiết kế điều khiển logic mờ cho UAV dùng giải thuật di truyền đa mục tiêu với các bước: a. Mô hình hóa và nhận dạng hệ thống MB từ dữ liệu bay. b. Xây dựng cấu trúc điều khiển bay tự động trong đó có khối điều khiển logic mờ. c. Mã hóa tập mờ, luật điều khiển mờ, cách giải mờ thành chuỗi gen. d. Thiết lập giải thuật di truyền đa mục tiêu với các thông số của nó: phân tích lựa chọn hàm thích nghi, số thế hệ, số cá thể, tỉ lệ đột biến, lai ghép, phương pháp chọn lọc. e. Thiết lập chương trình tính song song thiết kế tối ưu điều khiển bay tự động. f. Mô phỏng bay tự động dùng Matlab/Aerosim cung cấp các giá trị hàm thích nghi cho giải thuật di truyền. g. Kiểm tra chất lượng bay mô phỏng, khả năng bám mục tiêu, độ ổn định của hệ thống trong điều kiện bay có gió. Máy bay KATA ii MỤC LỤC Tóm tắt đề tài nghiên cứu i Danh sách bảng iv Danh sách hình iv Chương 1: Giới thiệu 1 1.1. Tổng quan về đề tài 1 1.2. Đặt vấn đề 11 1.3. Tóm tắt các nội dung nghiên cứu 11 Chương 2: Mô hình hóa và nhận dạng hệ thống 15 2.1. Mô hình hóa máy bay KATA 15 2.2. Nhận dạng hệ thống MB từ dữ liệu bay thử nghiệm 17 2.3. Phân tích đặc tính ổn định và điều khiển của MB 25 Chương 3: Thiết kế bộ điều khiển mờ cho máy bay KATA 31 3.1. Các yêu cầu điều khiển bay tự động 31 3.2. Cấu trúc bộ điều khiển bay tự động của MB KATA 31 3.3. Chỉnh định bộ điều khiển mờ dùng giải thuật di truyền 36 3.4. Phân tích lựa chọn các hàm thích nghi 43 Chương 4: Các kết quả thiết kế và đánh giá 47 4.1. Chỉnh định bộ điều khiển mờ dùng giải thuật di truyền đa mục tiêu 48 4.2. Chỉnh định bộ điều khiển mờ dùng giải thuật di truyền thông thường 53 4.3. Kết quả thiết kế bộ điều khiển 55 Chương 5: Kết luận và hướng phát triển 63 Tài liệu tham khảo 65 Lý lịch trích ngang 69 Phụ lục 70 A. Một số hệ thống điều khiển bay tự động thường gặp ở MB 70 B. Các bài báo đăng trong kỷ yếu hội nghị, tạp chí khoa học 75 1. Ngô Đình Trí, Lê Thị Minh Nghĩa, “Ước lượng các tham số ổn định và điều khiển của máy bay từ dữ liệu bay thử nghiệm”, Tạp chí Tin học và Điều khiển học, 2008, Vol 24 - No 3. - p.256-268 - ISSN 1813-9663. 2. Ngo Dinh Tri, Huynh Thai Hoang and Le Thi Minh Nghia (2009), “Design of Fuzzy Controller for Unmanned Air Vehicle using Multi-objective Genetic Algorithm”, The 2009 International Forum on Strategic Technologies (IFOST2009), Ho Chi Minh City, Vietnam, 21-23 October 2009. iii 3. Ngô Đình Trí, Lê Thị Minh Nghĩa, “Flight Control of Unmanned Air Vehicle using Fuzzy Logic”, Kỷ yếu Hội nghị Cơ Học Toàn quốc 2009, Hà Nội. 4. Ngô Đình Trí, Lê Thị Minh Nghĩa, “Ước lượng các tham số ổn định và điều khiển của máy bay từ dữ liệu bay thử nghiệm”, Kỷ yếu Hội nghị Cơ điện tử Toàn quốc 2008, Đà Nẳng. 5. Ngô Đình Trí, Lê Thị Minh Nghĩa, “Thiết kế tín hiệu điều khiển tối ưu cho quá trình bay thử nghiệm để nhận dạng máy bay”, Kỷ yếu Hội nghị Cơ điện tử Toàn quốc 2008, Đà Nẳng. DANH SÁCH BẢNG Bảng 1.1: Tỷ lệ các ứng dụng UAV dân sự cho các lĩnh vực 2 Bảng 2.1: Đặc tính kỹ thuật của máy bay KATA 15 Bảng 2.2: Các thông số máy bay ước lượng bằng 2 phương pháp (tín hiệu thử xung vuông) 21 Bảng 2.3: Các thông số máy bay ước lượng bằng 2 phương pháp (tín hiệu thử tối ưu) 22 Bảng 2.4: Các thông số máy bay ước lượng bằng 2 phương pháp (tín hiệu thử xung vuông) 23 Bảng 2.5: Các thông số máy bay ước lượng bằng 2 phương pháp (tín hiệu điều khiển tối ưu) 25 Bảng 2.6: Các mode động lực học dọc trục 26 Bảng 2.7: Các mode động lực học ngang/hướng 26 Bảng 3.1: Các yêu cầu đối với giải thuật điều khiển bay tự động 31 Bảng 3.2: Các hàm mục tiêu được sử dụng trong thiết kế bộ điều khiển mờ 45 DANH SÁCH HÌNH Hình 1.1: Hình ảnh của Mini-Sniffer III Hình 1.2: Hình ảnh của Altus II Hình 1.3: Hình ảnh về Yamaha RMAX phun thuốc bảo vệ thực vật Hình 1.4: Hình ảnh về UAV Bat III Hình 1.5: Ảnh khu vực suối cạn trong Khu bảo tồn Quốc gia Volcano do Bat III chụp Hình 1.6: Một ảnh hàng không (bằng UAV) chụp với công nghệ LIDAR Hình 1.7: Mô hình hệ thống quản lí giao thông Hình 1.8: Hình ảnh theo dõi giao thông trên các đường cao tốc Hình 1.9: Sơ đồ hệ thống UAV Hình 1.10: Sơ đồ thiết kế bộ điều khiển logic mờ dùng MOGA Hình 2.1: Máy bay KATA và hệ trục tọa độ gắn với (body axes system) Hình 2.2: Sơ đồ nhận dạng hệ thống máy bay Hình 2.3: Tín hiệu điều khiển của rudder, aileron và đáp ứng của MB, không có gió giật Hình 2.4: Hàm mật độ phổ của rudder và aileron dùng trong bay thử nghiệm Hình 2.5: Tín hiệu điều khiển tối ưu và đáp ứng của MB, không có gió giật Hình 2.6: Tín hiệu điều khiển xung vuông và đáp ứng của MB, có gió giật 30km/h Hình 2.7: Tín hiệu ngõ ra đo được và ngõ ra ước lượng (stdv = 10%) – PP ML iv 2 3 3 3 4 4 4 5 6 14 15 17 20 21 22 23 24 Hình 2.8: Tín hiệu điều khiển tối ưu và đáp ứng của MB, có gió giật 30km/h Hình 2.9: Các bề mặt điều khiển trên máy bay KATA Hình 2.10: Đáp ứng đối với elevator Hình 2.11: Đáp ứng đối với cần ga Hình 2.12: Góc cán lái hướng khi cua vòng Hình 2.13: Góc cánh lái liệng khi cua vòng Hình 2.14: Góc cánh lái độ cao khi cua vòng Hình 2.15: Đáp ứng của α đối với elevator Hình 2.16: Đáp ứng của θ đối với elevator Hình 2.17: Đáp ứng của U đối với elevator Hình 2.18: Đáp ứng của q đối với elevator Hình 2.19: Đáp ứng của β đối với aileron Hình 2.20: Đáp ứng của Φ đối với aileron Hình 2.21: Đáp ứng của p đối với aileron Hình 2.22: Đáp ứng của p đối với rudder Hình 2.23: Đáp ứng của β đối với rudder Hình 2.24: Đáp ứng của Φ đối với rudder Hình 3.1: Sơ đố khối hệ thống điều khiển bay tự động của UAV Hình 3.2: Phương pháp hiệu chỉnh đường bay Hình 3.3:Điều chỉnh góc hướng của MB thông qua góc bank Hình 3.4: Điều khiển góc nghiêng của MB (bank angle) Hình 3.5: Các hàm thuộc của các tín hiệu vào/ra của bộ điều khiển mờ Hình 3.6: Điều chỉnh vận tốc và độ cao của MB bằng elevator và cần ga Hình 3.7: Cấu trúc nhiễm sác thể Hình 3.8: Giải thuật di truyền Hình 3.9: Mặt tối ưu Pareto cho bài toán tối ưu 2 mục tiêu f1, f2 Hình 3.10: Khoảng cách tụ tập Hình 3.11: Lời giải Pareto qua các thế hệ – KUR Hình 3.12: Lời giải Pareto (500 cá thể, 200 thế hệ) – MOP7 Hình 3.13: Giản đồ NSGA-II Hình 3.14: Quỹ đạo bay từ điểm xuất phát đến một điểm bất kì Hình 3.15: Lưu đồ thiết kế bộ điều khiển bay tự động bằng MOGA Hình 4.1: Sơ đồ quá trình thiết kế tối ưu bộ điều khiển mờ Hình 4.2: Các giai đoạn thực thi của một job Hình 4.3: Sơ đồ hệ thống điều khiển bay tự động cho MB KATA trên Matlab/AeroSim Hình 4.4: Bộ định giá trị các hàm mục tiêu (fitness function) trong AeroSim Hình 4.5: Mặt Pareto tối ưu (pop = 50, gen = 50, Ts = 0.4s, tol = 0.5 độ) Hình 4.6: Quỹ đạo bay – Góc nghiêng (độ) – Góc điều khiển cánh lái liệng (độ) Hình 4.7: Mặt Pareto tối ưu (pop = 50, gen = 100, Ts = 1s, tol = 0.5 độ) Hình 4.8: Quỹ đạo bay – Góc nghiêng (độ) – Góc điều khiển cánh lái liệng (độ) Hình 4.9: Mặt Pareto tối ưu (pop = 50, gen = 50, Ts = 1s, tol = 0.1độ) Hình 4.10: Quỹ đạo bay – Góc nghiêng (độ) – Góc điều khiển cánh lái liệng (độ) Hình 4.11: Mặt Pareto tối ưu (pop = 50, gen = 50, Ts = 1s, tol = 1 độ) Hình 4.12: Quỹ đạo bay – Góc nghiêng (độ) – Góc điều khiển cánh lái liệng (độ) Hình 4.13: Mặt Pareto tối ưu (pop = 50, gen = 100, Ts = 1s, tol = 0.5 độ, Rmin = 500m) Hình 4.14: Quỹ đạo bay – Góc nghiêng (độ) – Góc điều khiển cánh lái liệng (độ) Hình 4.15: Giá trị hàm mục tiêu Zmin qua 50 thế hệ v 24 27 27 27 28 28 28 29 29 29 29 30 30 30 30 30 30 32 33 33 34 34 35 36 37 38 39 40 41 42 43 45 46 46 47 48 48 49 49 49 50 50 51 51 52 52 53 Hình 4.16: Giá trị hàm f1, f2, f3 tối ưu qua 50 thế hệ Hình 4.17: Quỹ đạo bay – Góc nghiêng – Góc điều khiển cánh lái liệng, wind = 30km/h Hình 4.18: Giá trị hàm mục tiêu Zmin qua 50 thế hệ Hình 4.19: Mặt Pareto tối ưu (pop = 50, gen = 100, Ts = 1s, tol = 0.5 độ, Rmin = 200m) Hình 4.20: Một mặt điều khiển mờ Hình 4.21: Hàm thuộc của tín hiệu vào 1 Hình 4.22: Hàm thuộc của tín hiệu vào 2 Hình 4.23: Hàm thuộc của tín hiệu ra Hình 4.24: Quỹ đạo bay dùng để mô phỏng Hình 4.25: Quỹ đạo bay của MB khi không có gió Hình 4.26: Góc nghiêng của MB Hình 4.27: Góc điều khiển cánh lái liệng Hình 4.28: Góc nghiêng & góc cánh lái liệng của MB tại điểm quỹ đạo số 2 Hình 4.29: Độ cao của MB (trung bình là 200m) Hình 4.30: Góc điều khiển cánh lái độ cao Hình 4.31: Vận tốc của MB (trung bình là 24.5m/s) Hình 4.32: Mức điều khiển cần ga (trung bình là 70%) Hình 4.33: Quỹ đạo bay của MB khi có gió với vận tốc gió trung bình là 30km/h Hình 4.34: Các thành phần của vận tốc gió thay đổi theo chu kì 50s Hình 4.35: Góc nghiêng của MB Hình 4.36: Góc điều khiển cánh lái liệng Hình 4.37: Góc nghiêng & góc cánh lái liệng của MB tại điểm quỹ đạo số 6 Hình 4.38: Độ cao của MB (trung bình là 200m) Hình 4.39: Góc điều khiển cánh lái độ cao Hình 4.40: Vận tốc của MB (trung bình là 24.5m/s) Hình 4.41: Mức điều khiển cần ga (trung bình là 75%, trường hợp có gió 30km/h) Hình 4.42: Vận tốc & cần ga của MB tại điểm quỹ đạo số 6 Hình 4.43: Bay lượn vòng quanh một điểm Hình 4.44: Quỹ đạo bay hình số 8 Hình 4.45: Quỹ đạo bay ZIG-ZAG Hình 4.46: Quỹ đạo bay hình răng lược vi 53 54 54 55 55 55 55 55 56 56 56 56 57 57 57 57 58 58 58 59 59 59 59 59 60 60 60 61 61 61 61 CHƯƠNG 1: GIỚI THIỆU 1.1. Tổng quan về đề tài a. UAV và các ứng dụng. Tình hình nghiên cứu UAV trong và ngoài nước Máy bay không người lái (UAV-Unmanned Air Vehicle) là một loại khí cụ bay tự động theo chương trình điều khiển được lập sẵn mà không cần có phi hành đoàn trên máy bay. UAV lần đầu tiên được nghiên cứu từ Thế Chiến Thứ Nhất với mục đích dùng làm máy bay do thám phục vụ cho chiến tranh. Kỷ nguyên mới của UAV bắt đầu vào những năm 70, UAV được trang bị các camera có thể gởi hình ảnh tức thời về trạm mặt đất. Sự lớn mạnh của công nghệ điều khiển, điện tử, truyền tin, viễn thám là các động lực quan trọng để cho UAV phát triển nhanh và mở rộng lĩnh vực ứng dụng trong thời gian gần đây. UAV đạt được những tiến bộ vượt bậc về khả năng tự động, khả năng thực hiện các nhiệm vụ phức tạp và khả năng tự ra quyết định. Những dụng to lớn của UAV trong lĩnh vực dân sự đã được thấy như: tìm kiếm cứu nạn-cứu hộ, giám sát tình hình giao thông, cháy rừng, thiên tai, kiểm tra đường ống dẫn dầu, đường dây truyền tải điện xuyên quốc gia, flying camera, dự báo thời tiết, tuần tra biên giới/hải đảo, nghiên cứu về khoa học trái đất, dùng trong nông lâm ngư nghiệp … Ngày nay, UAV đang được chú trọng đầu tư nghiên cứu và phát triển ở hầu hết quốc gia phát triển trên thế giới, trong đó dẫn đầu công nghệ UAV hiện nay là Mỹ, chiếm 73% nghiên cứu và phát triển UAV của thế giới. Kế đến Châu Âu, chiếm khoảng 11-19%. Một số nước ở khu vực Châu Á cũng đã bắt đầu chế tạo UAV và đã đạt được nhiều thành công đáng kể, ví dụ: Trung Quốc, Singapore, Nhật Bản, Hàn Quốc, Ấn Độ. Tuy nhiên ở Việt Nam thì đây là một lĩnh vực khá mới, chưa được đầu tư đúng mức. Về tính năng, có thể chia các UAV ra các nhóm chính sau: - UAV có tầm bay ngắn và trung bình SUAVs (Short to medium range) - UAV có trần bay trung bình, thời gian bay kéo dài MALE (Medium Altitude Long Endurance) - UAV có trần bay cao, thời gian bay kéo dài HALE (High Altitude Long Endurance); - UAV chiến đấu UCAVs (Unmanned Combat Aerial Vehicles); Nhóm SUAVs có kích thước khoảng vài mét, tải trọng vài kg và tầm bay một vài km. Nhóm UAVs này được thiết kế và ứng dụng trong phạm vi nhỏ hẹp, không cần hạ tầng phức tạp, chỉ một vài người điều khiển. Các ứng dụng cụ thể như quan sát giao thông, đường bờ biển, kênh rạch, hạ tầng đô thị... Trị giá một hệ thống SUAVs bao gồm UAV, hệ thống điều khiển mặt đất, các hệ thống phụ trợ có giá thành khoảng 100.000 USD. Nhóm MALE và HALE có trần bay tới 100.000 ft (ở tầng khí quyển bình lưu), thời gian hoạt động kéo dài từ vài tuần tới 1 tháng. Nhóm các UAV này sử dụng nguồn điện là pin mặt trời... Ứng dụng trong truyền thông, khảo sát khoa học khí quyển, quan trắc rừng, cháy rừng... Các dự án phát triển MALE, HALE có giá trị từ 10 – 100 triệu USD. Nhóm UCAVs được chia thành 4 nhóm nhỏ là: MAVs (Micro-Aerial Vehicles) có kích thước, trọng lượng rất nhỏ phục vụ trinh sát cá nhân; LASVs (Local Area Support Vehicles) có mục đích trinh sát trận địa, được gắn trên các phương tiện vận chuyển quân sự, có gắn camera hồng ngoại...; TASVs (Tactical Area Support Vehicles) có tải trọng lên đến 1.500 kg, tầm bay 300 km mang được vũ khí tấn công. Điều khiển, bảo trì TASVs là một đội bay và thợ máy mặt đất; TAVs (Theater Area Vehicles) có tải trọng đến 15.000 kg và kích thước ngang bằng một chiến đấu cơ phản lực, có thể cất cánh từ sân bay hay tàu sân bay. 1 Bảng 1.1: Tỷ lệ các ứng dụng UAV dân sự cho các lĩnh vực STT Lĩnh vực dân sự Tỷ lệ ứng dụng (%) 1 Truyền tải điện 5 2 Đường ống dẫn dầu 6 3 Truyền thông 13 4 Quản lý rừng - phòng chống cháy rừng 12 5 Quản lý biên giới 11 6 Quản lý ven biển - đường bờ biển 13 7 Quan trắc khoa học Trái đất 37 8 Quản lý hành chính - an ninh 3 (Nguồn: Mark Okrent, Israel Aircraft Ind, 2006) Một số ứng dụng của UAV - Chương trình NASA Mini-Sniffer Mục tiêu của Chương trình là xây dựng hệ thống lấy mẫu không khí liên tục ở độ cao 70.000 ft (20 km) dựa trên một UAV thuộc nhóm HALE. UAV Mini-Sniffer đầu tiên được thiết kế có sải cánh 5,5 m, động cơ piston dùng gaseline và được mở rộng ra các phiên bản II, III với sải cánh lên đến 6,7 m, sử dụng nhiên liệu hydrazine hoặc (NH2)2. Hình 1.1: Hình ảnh của Mini-Sniffer III Dự án NASA Atomics ERAST UAV (Altus) UAV Altus có sải cánh 16,9 m, trọng lượng cất cánh là 725 kg, tải trọng là 150 kg, thời gian bay liên tục 24 giờ, trần bay 13,7 km. Sự thành công của dự án là niềm tự hào của NASA về phát triển UAV. Sau dự án, NASA đã ký hợp đồng với General Atomics để phát triển tiếp các dự án về Predator B (một loại UCAV nổi tiếng của Hoa Kỳ).  2 Hình 1.2: Hình ảnh của Altus II - Ứng dụng UAV trong nông - lâm - ngư nghiệp Trong nông nghiệp, các UAV được sử dụng đề quản lý đất nông nghiệp-lâm nghiệp, quản lý mùa vụ, quản lý mặt nước nuôi trồng thủy sản, phụn thuốc bảo vệ thực vật, phân bón lá, quản lý cây công nghiệp... chống cháy rừng (quản lý các vùng có nguy cơ cháy rừng cao, ứng cứu sự cố cháy rừng, đánh giá hậu quả cháy rừng, thông tin liên lạc trong xử lý sự cố cháy rừng...), bảo vệ chống khai thác trái phép gỗ lâm nghiệp... Hình 1.3: Hình ảnh về Yamaha RMAX phun thuốc bảo vệ thực vật - Ứng dụng UAV trong bảo vệ môi trường, tài nguyên thiên nhiên Hình 1.4: Hình ảnh về UAV Bat III 3 Hình 1.5: Ảnh khu vực suối cạn trong Khu bảo tồn Quốc gia Volcano do Bat III chụp - Ứng dụng UAV trong viễn thám, lập bản đồ Trong lĩnh vực viễn thám, lập bản đồ, các UAV đã được ứng dụng rất rộng rải vì giá thành rẻ hơn rất nhiều so với sử dụng máy bay dân sự để chụp ảnh hàng không. Hình 1.6: Một ảnh hàng không (bằng UAV) chụp với công nghệ LIDAR - Ứng dụng UAV trong quản lý đô thị - giao thông Trong lĩnh vực quản lý đô thị, giao thông, UAV (gắn kèm camera) được sử dụng như công cụ quan sát lưu lượng giao thông, tình hình xây dựng, khu dân cư, các sự cố tai nạn giao thông, điểm kẹt xe… Một hệ thống ATSS (Airborne Traffic Surveillance System) đã được xây dựng để quản lý hoạt động giao thông trên đường cao tốc do ĐH Florida thực hiện. Hình 1.7: Mô hình hệ thống quản lí giao thông 4 Hình 1.8: Hình ảnh theo dõi giao thông trên các đường cao tốc Tình hình nghiên cứu UAV trong nước Trong thời gian gần đây, các đơn vị quốc phòng Việt Nam đã có một số nghiên cứu phát triển UAV và đạt được một số thành công nhất định. Tuy nhiên các thông tin về phát triển UAV của các đơn vị quốc phòng Việt Nam đều không được thông tin rộng rãi. Ở Việt Nam, ứng dụng UAV vào công tác bảo vệ môi trường-tài nguyên có được nhắc đến trong một số hội thảo chuyên ngành môi trường/sinh thái tuy nhiên đó chỉ là giới thiệu các hoạt động của các dự án ở nước ngoài. Ở các viện nghiên cứu và trường đại học, UAV cũng được bắt đầu nghiên cứu và phát triển với những lí do sau: thứ nhất, công nghệ UAV là sự tích hợp của nhiều lĩnh vực (hàng không, điện tử, công nghệ thông tin, cơ khí, công nghệ vật liệu…), điều này cho phép việc nghiên cứu liên ngành được ứng dụng cụ thể. Thứ hai, chi phí để thực hiện một dự án UAV không quá cao, công nghệ UAV có thể nắm bắt được. Thứ ba, sinh viên có thể vận dụng ngay những kiến thức đã học được vào việc nghiên cứu, chế tạo UAV. b. Cấu trúc cơ bản của một UAV. Các kỹ thuật điều khiển bay tự động UAV thông thường sẽ có các cấu phần sau:  Bộ phận điều khiển mặt đất (Ground-station)  Bộ phận truyền tin (Data communication)  Bộ phận điều khiển UAVs (điều khiển vận hành và các senser cảm biến) Bộ phận điều khiển mặt đất Bộ phận truyền dữ liệu 5 Bộ phận điều khiển, cảm biến trên UAV Hình 1.9: Sơ đồ hệ thống UAV  Bộ phận điều khiển mặt đất: bao gồm máy tính chủ (Host PC) với chương trình phần mềm có chức năng xử lý dữ liệu từ UAV (Target PC) qua thiết bị Data communication. Host PC phân tích dữ liệu, xác định tình trạng UAV, đưa ra các lênh điều khiển bay theo chương trình định sẵn hay phản ứng lại với các tình trạng của UAV. Sử dụng các thuật toán điều khiển kết hợp các thuật toán máy học để đưa ra các quyết định điều khiển. Mức độ thông minh của hệ thống phụ thuộc vào chủ đích thiết kế.  Bộ phận Data communication (truyền dữ liệu): sử dụng các giải pháp sóng vô tuyến cho tầm xa, giải pháp wireless... cho khoảng cách nhỏ. Bao gồm cả truyền-nhận tín hiệu điều khiển UAV, tín hiệu cảm biến, tín hiệu của các thiết bị video, digital cúa các thiết bị chuyên ngành gắn trên UAV. Tầm hoạt động của UAV cũng phụ thuộc vào tầm xa của bộ phận truyền-nhận tín hiệu. Hiện tại, giải pháp sử dụng vệ tinh truyền-nhận tín hiệu đang được nghiên cứu áp dụng cho nhóm MALE, HALE và đặc biệt là UCAVs.  Bộ phận điều khiển, cảm biến trên UAV: Bao gồm khá nhiều các nhóm thiết bị như: hệ thống điều khiển trong không gian 3 chiều với 6 bậc tự do; các động cơ server điều khiển; động cơ chính; máy tính chính trên UAV (Target PC), nhóm các thiết bị định vị/dẫn đường: GPS/GNSS & DGPS/GPS và INS; hệ thống video... và các thiết bị chuyên ngành gắn trên UAV. Các kỹ thuật điều khiển bay tự động Bên cạnh việc phát triển các thiết bị phần cứng chuyên dụng cho UAV (hệ thống đo lường quán tính (IMU), hệ thống lái tự động (autopilot), camera chụp không ảnh...), các kỹ thuật điều khiển bay tự động mới cũng được xây dựng và phát triển. Điều này giúp cho cấp độ tự động của UAV ngày càng cao và có thể được coi như là một robot trên không (aerial robot). Một UAV chiến lược (strategic/tactical UAV) có thể tự hoạch định quỹ đạo bay, tự phân bổ các tác vụ, có khả năng tìm kiếm và bám sát mục tiêu, có tính năng bay linh hoạt và bền vững. 6 Các kỹ thuật điều khiển bay tự động cũng rất đa dạng, bao gồm: điều khiển PID, điều khiển bền vững LQG/LTR, điều khiển logic mờ, điều khiển thích nghi, điều khiển dùng mạng thần kinh nhân tạo, điều khiển dùng giải thuật di truyền, tiến hóa...  Phổ biến nhất và đơn giản nhất là kỹ thuật điều khiển PID. Trong [10], Reed Siefert Christiansen đã thiết kế bộ điều khiển bay tự động cho một UAV kích thước nhỏ 0.5m (Zagi UAV) dùng điều khiển PID. Bộ điều khiển có khả năng duy trì độ ổn định của máy bay và dẫn đường máy bay bay theo quỹ đạo điểm-điểm (waypoint tracking), tự động phóng và hạ cánh. Đặc tính động lực học và điều khiển của Zagi UAV được xác định sau đó mô hình hóa và mô phỏng trên Matlab. Các tham số của bộ PID có thể thay đổi trong quá trình bay từ trạm mặt đất. Bộ điều khiển có kích thước và trọng lượng nhỏ, giá thành thấp. Trong [11], hệ thống điều khiển bay thông minh cho UAV bao gồm một máy tính trung tâm và một bộ lái tự động được xây dựng. Máy tính trung tâm vận hành phần mềm điều khiển thông minh và cung cấp các nhiệm vụ cho bộ lái tự động Piccolo điều khiển và dẫn đường UAV. Bộ lái tự động Piccolo dùng các vòng hồi tiếp khác nhau với bộ chỉnh định PID. Mode dọc và mode ngang/hướng của MB phân tách với nhau. Độ lợi PID được chỉnh định tuần tự cho các vòng một theo thời gian cho đến khi nào máy bay ổn định và bám điểm tốt: vòng áp suất động để duy trì vận tốc bay, vòng duy trì độ cao, vòng điều khiển góc pitch, vòng giảm chấn lắc ngang, vòng điều khiển góc bank, vòng điều khiển tốc độ lượn vòng để bám quỹ đạo.  Để UAV có tính năng bền vững và ổn định trong điều kiện hoạt động thay đổi, việc mô hình hóa hệ thống máy bay không đầy đủ, các tham số hệ thống bất định, kỹ thuật điều khiển bền vững được sử dụng. Trong [12], Aditya Saraf sử dụng kỹ thuật LQG/LTR để thiết kế bộ điều khiển lượn vòng tự động. Kết quả phân tích cấu trúc trị suy biến (SSV-structured singular value) chứng tỏ được hệ thống hoạt động bền vững trong các điều kiện hoạt động thay đổi, trong điều kiện có nhiễu động của không khí. Trong [13], giải thuật di truyền được sử dụng để lựa chọn các ma trận trọng số của hàm chỉ tiêu chất lượng trong thiết kế bộ điều khiển tối ưu LQ cho máy bay. Để đánh giá độ bền vững của hệ thống tác giả dùng kỹ thuật phân tích trị suy biến σ(S+T) tại ngõ ra và ngõ vào. Tính bền vững và chất lượng của hệ thống được đánh giá ở các giá trị khối lượng, vận tốc, trọng tâm khác nhau của máy bay.  Điều khiển logic mờ ngày càng được ứng dụng rộng rãi trong điều khiển tự động do có thể đưa những kiến thức, kinh nghiệm về hệ thống vào trong bộ điều khiển, mô tả được quan hệ phi tuyến vào/ra của hệ thống (đặc biết là hệ thống máy bay), dễ lập trình vi điều khiển và thời gian xử lý nhanh, ít nhạy với nhiễu đo, với các thông số bất định của hệ thống. [16] chỉ ra vai trò của điều khiển logic mờ đối với sự phát triển của công nghệ tự dẫn đường (unmanned vehicle navigation technology) và cách thức áp dụng điều khiển logic mờ cho các loại robot khác nhau (robot bánh xe, UAV, tàu ngầm). Đồng thời chỉ ra 3 thuộc tính then chốt mà một robot cần có để thực hiện khả năng tự dẫn đường (perception-intelligence-action). Dựa trên 3 thuộc tính này, điều khiển logic mờ được xác định như là một công cụ hiệu quả để xây dựng bộ điều khiển tự dẫn đường. 7 [17] trình bày giải thuật học tiến hóa ứng dụng trong việc thiết kế bộ điều khiển logic mờ cho robot di động (chỉnh định thông số mờ và luật điều khiển mờ). Thiết kế bộ điều khiển tự động cho robot theo tường và bộ điều khiển bay tự động cho máy bay trực thăng mô hình kích thước nhỏ. Hàm mục tiêu được chọn dựa vào sự hiểu biết của con người trong việc đánh giá hành vi của robot, đòi hỏi phải thử sai nhiều lần (trials & errors). Kết quả được chứng tỏ tốt hơn so với các bộ điều khiển truyền thống như PID, điều khiển đa biến bền vững tuyến tính, điều khiển tuyến tính hóa hồi tiếp phi tuyến. Trong [18], các tác giả thiết kế bộ điều khiển logic mờ để một UAV kích thước nhỏ thực hiện được khả năng bay theo các điểm định sẳn trong không gian 3 chiều, bám theo quỹ đạo của một UAV khác. Việc chỉnh định các thông số của bộ điều khiển mờ dựa trên kiến thức, kinh nghiệm về ổn định và điều khiển bay. Mô phỏng bay tự động chứng tỏ được tính năng cần đạt của bộ điều khiển, song để đạt được kết quả tốt hơn thì việc tiếp tục chỉnh định thông số của bộ điều khiển mờ là cần thiết. Trong [19], xuất phát từ ý tưởng phi công có thể dùng kỹ năng bay của mình để điều khiển nhiều loại máy bay khác nhau. Vì vậy một bộ điều khiển điện tử chứa đựng các kỹ năng bay này vẫn có thể điều khiển nhiều loại máy bay có đặc tính khác nhau. Điều khiển logic mờ được chứng minh như là một công cụ hiệu quả để thực hiện điều này. Đó là thiết kế một bộ điều khiển logic mờ để điều khiển bay tự động cho máy bay phản lực thương mại Beechjet. Sau đó áp dụng bộ điều khiển vừa thiết kế cho máy bay 1 động cơ piston Bonanza có đặc tính rất khác với Beechjet. Trong [21], một bộ điều khiển PID logic mờ được thiết kế làm chức năng bù ổn định và điều khiển bay tự động. Luật điều khiển mờ bao gồm luật chỉnh thô và luật chỉnh tinh. Luật chỉnh thô để tạo ra các đáp ứng nhanh với tín hiệu điều khiển lớn, luật chỉnh tinh để cải thiện tính ổn định động của hệ thống. Mô phỏng phi tuyến cho máy bay X29 đã kiểm nghiệm tính năng của bộ điều khiển trong các điều kiện hoạt động khác nhau (design & off-design) của góc tấn, góc lượn và góc trượt cạnh. Kết quả cho thấy bộ điều khiển PID logic mờ có thể cho các tính năng bay tốt, linh hoạt và bền vững.  Để thích nghi với những thay đổi của môi trường, của chế độ làm việc, kiến thức về hệ thống biết rất ít, hệ phi tuyến, người ta dùng kỹ thuật điều khiển thích nghi. Trong [29], luật điều khiển thích nghi kết hợp (combined adaptive control) dùng cho bộ bay tự động của một UAV được thiết kế nhằm tạo ra các chuyển động bay mong muốn vừa chính xác vừa nhanh trong các điều kiện bay khác nhau. Điều khiển thích nghi kết hợp bộ điều khiển cấu trúc thay đổi (variable-structure controller), giải thuật nhận dạng tham số hệ thống và cơ cấu bù tiến (feedforward compensator). Mô phỏng cho thấy tính hiệu quả của bộ điều khiển trong trường hợp các thông số của UAV bất định, việc đo đạc các thông số trạng thái máy bay không đầy đủ, hệ phi tuyến và phụ thuộc thời gian. [30] sử dụng 2 cách tiếp cận điều khiển thích nghi để thiết kế bộ bay tự động cho một UAV. Một cách tiếp cận dùng mô hình ngược động lực học 2 tầng, một cách dùng mô hình ngược động lực học kết hợp bộ bù điều khiển (CAS-control augmented system). Cả 2 cách đều được bổ sung các phần tử thích nghi dùng mạng thần kinh cho phép thích nghi với độ bất định của các tham số, các mode động lực học của máy bay chưa được mô hình hóa và thích nghi trong 8 giai đoạn bảo hòa tín hiệu điều khiển. Kết quả mô phỏng trên UAV FQM-117B cho thấy tính năng tốt của bộ điều khiển này và các yêu cầu bay được thỏa mãn.  Kỹ thuật điều khiển thông minh dùng mạng thần kinh nhân tạo cũng được sử dụng cho UAV. Trong [31], các tác giả thiết kế mạng thần kinh nhân tạo sử dụng các dữ liệu thu được từ hệ thống định vị quán tính INS (Inertia Navigation System) và camera để giữa UAV (trực thăng) treo lơ lửng trên không (hover) trong các điều kiện môi trường khác nhau.  Việc thiết kế bộ điều khiển bay tự động tối ưu thỏa mãn các mục tiêu đặt ra không đơn giản chút nào vì các mục tiêu này thường xung đột với nhau, mục tiêu này được thì mục tiêu kia mất. Do vậy cần thiết kế bộ điều khiển dung hòa được các mục tiêu với nhau. Giải thuật di truyền, tiến hóa được phát hiện như là một công cụ hiệu quả để giải quyết bài toán tối ưu đa mục tiêu này. Đã có rất nhiều giải thuật di truyền đa mục tiêu được công bố. Trong [35], giải thuật NSGA-II loại bỏ được những nhược điểm - mà các giải thuật di truyền đa mục tiêu trước đó sử dụng các sắp xếp thứ tự không bị vượt trội (non-dominated sorting) bị chỉ trích là tính toán phức tạp, cách tiếp cận không giữ lại cá thể tốt nhất của từng thế hệ - bằng cách kết hợp quẩn thể bố mẹ và quần thể con rồi chọn ra N cá thể tốt nhất để làm thế hệ kế tiếp. Các kết quả mô phỏng chứng tỏ được rằng nghiệm tối ưu phân bố tốt hơn trên mặt tối ưu Pareto so với các phương pháp PAES, SPEA. Hơn nửa NSGA-II còn có thể sử dụng để giải quyết hiệu quả bài toán tối ưu đa mục tiêu với nhiều ràng buộc. Trong [36], Barlow sử dụng giải thuật di truyền đa mục tiêu để thiết kế bộ điều khiển tự dẫn cho máy bay mô hình cánh bằng đến một radar phát tín hiệu cho trước. Các hàm mục tiêu của giải thuật di truyền được chọn thông qua quá trình mô phỏng bay, đánh giá khả năng tiếp cận đích, mức độ bay bằng (behavioral fitness function) . Để đạt được tính bền vững, cấu trúc của bộ điều khiển được tiến hóa qua các thế hệ mô phỏng tương ứng với các loại radar khác nhau (radar cố định/di động, radar phát sóng liên tục/gián đoạn) đặt ở các vị trí khác nhau. Bộ điều khiển được kiểm chứng trên robot di động 4 bánh xe tiến đến mục tiêu là 1 cái đèn phát sáng. Trong [37], các tác giả thiết kế bộ điều khiển tuyến tính hóa vào/ra (input-output linearization) kết hợp với điều khiển logic mờ cho tên lửa đảm bảo hệ thống phi tuyến bám mục tiêu tốt và bền vững trong điều kiện các thông số hệ thống bất định. Mô hình khí động lực học của tên lửa Horton cho các trạng thái bay khác nhau thể hiện độ bất định của hệ thống. Giải thuật tiến hóa đa mục tiêu được sử dụng để chỉnh định tối ưu các hàm thuộc và luật điều khiển của bộ điều khiển logic mờ thỏa mãn các yêu cầu về tính năng của vòng kín như: thời gian xác lập, độ vọt lố, sai số xác lập. [38] trình bày thiết kế bộ điều khiển dọc trục cho máy bay trực thăng mô hình dùng giải thuật di truyền và điều khiển mờ. Các hàm chỉ tiêu đánh giá được xây dựng dựa trên các yêu cầu dưới dạng đáp ứng theo thời gian của hệ được điều khiển (độ vọt lố, thời gian xác lập, biên độ đỉnh giới hạn trong điều kiện có nhiễu động của không khí, thời gian triệt tiêu ảnh hưởng của nhiễu động). Các hàm chỉ tiêu này được kết hợp có trọng số thành một hàm mục tiêu. Giải thuật di truyền dạng nhị phân được dùng để chỉnh định các thông số của bộ điều khiển mờ (hình dạng/độ rộng của hàm thuộc, số biến ngôn ngữ, phương pháp giải mờ). 9 Trong [39], các tác giả hoạch định quỹ đạo bay off-line cho UAV dựa trên giải thuật di truyền. Quỹ đạo bay sử dụng các đường cong dạng B-Sline với các tọa độ điểm điều khiển được mã hóa thành đoạn gene. Phương pháp này được kiểm tra trên địa hình giả định 3 chiều với các điểm bay bắt đầu và kết thúc đã chứng tỏ khả năng hoạch định được những quỹ đạo bay trơn trong các địa hình phức tạp, tránh các chướng ngại vật khi bay.  Trong thiết kế bộ điều khiển dùng giải thuật di truyền, việc xác định các hàm mục tiêu (hàm thích nghi-fitness function) quyết định sự thành công của giải thuật di truyền. Song hiện nay có rất ít đề tài nghiên cứu đưa ra phương pháp tổnq quát để chọn hàm thích nghi sao cho hiệu quả. Trong [40]. tác giả phân tích các yếu tố ảnh hưởng đến sự tiến hóa của bộ điều khiển logic mờ dựa trên các loại hàm thích nghi được sử dụng (aggregate, behavior, tailored fitness functions). Để đánh giá kết quả, một robot di động có bánh xe được sử dụng. Thực nghiệm cho thấy kiểu hàm thích nghi "tailored" thích hợp cho bài toán tự dẫn trong môi trường tĩnh. Trong [41], Frank Hoffmann trình bày phương pháp chỉnh định dùng giải thuật tiến hóa cho bộ điều khiển logic mờ. Sơ đồ học gia tăng bắt đầu với các luật điều khiển đơn giản. Các luật này được cải tiến bằng cách thêm các luật mới, các biến và tập mờ mới ở thế hệ kế tiếp. Sự gia tăng cấp độ kiến thức điều khiển mờ qua các thế hệ cho phép giải thuật tiến hóa chia bộ điều kiển cần thiết kế thành từng bước nhỏ có thể thực hiện được. Phương pháp này được kiểm chứng trên robot di động theo tường. Trong [45], các tác giả khảo sát các hàm thích nghi (fitness function) trong điều khiển robot bằng giải thuật tiến hóa (ER-Evolutionary Robotics). Trong phần khảo sát này, các hàm thích nghi được tổ chức dựa theo cấp độ kiến thức biết trước về hệ thống được sử dụng để xây dựng hàm thích nghi. Từ đó nhận diện các phương pháp lựa chọn hàm thích nghi tốt giúp cho robot có thể thực hiện tự động các tác vụ trong môi trường mà con người hiểu rất ít hoặc hoàn toàn không. Tác giả đã chỉ ra rằng hàm thích nghi kiểu "aggregate" có thể giúp bộ điều khiển thực hiện được các tác vụ phức tạp tuy nhiên cần có một số hiệu chỉnh trong hàm thích nghi kiểu này đối với từng ứng dụng cụ thể.  Để có thể tận dụng ưu điểm của các kỹ thuật điều khiển,[44], Frank Hoffman kết hợp 3 phương pháp điều khiển để thiết kế bộ điều khiển bay tự động chịu trách nhiệm cho các điều kiện bay, chế độ bay khác nhau của một UAV trực thăng. Điều khiển bền vững dùng phép tổng hợp μ giúp UAV đủ khả năng bám quỹ đạo bay và bền vững với nhiễu đo, thông số hệ thống bất định, nhiễu môi trường. Hệ logic mờ-giải thuật di truyền cho phép thiết kế được bộ điều khiển đạt được các thao tác bay nhanh chóng, chính xác và bền vững. Việc thiết kế bộ điều khiển logic mờ sử dụng những kiến thức về điều khiển bay và được tối ứu bằng giải thuật di truyền. Điều khiển tuyến tính hóa hồi tiếp (feedback linearization) cho phép UAV bám quỹ đạo ở các chế độ bay khác nhau. Trong [52] Richard Wise nghiên cứu các phương pháp bám đuổi mục tiêu di động cho UAV trong trường hợp có gió. Từ đó so sánh kỹ lưỡng tính năng, độ bền vững và ổn định của từng phương pháp và phân tích ảnh hưởng của từng phương pháp lên khả năng tự điều khiển của UAV. Các phương pháp điều khiển được sử dụng là: Helmsman Behavior Based Guidance, Lyapunov Vector Field Guidance, Controlled Collective Motion, Evolutionary Based Trajectory Paths and Path Following, Model Predictive Control Solving Convex Optimization. Mô phỏng thời gian thực dùng Matlab/Simulink cho từng phương pháp. 10