Thuật toán điều khiển là gì? Phân loại và ứng dụng

Thuật toán điều khiển (control algorithm) là quy trình toán học hoặc tập hợp các quy tắc tính toán có nhiệm vụ xử lý tín hiệu đặt, thông tin đo lường hoặc phản hồi từ hệ thống và môi trường để xác định tín hiệu điều khiển tác động lên cơ cấu chấp hành, nhằm duy trì biến quá trình hoặc biến trạng thái của đối tượng ở giá trị mong muốn hay bám theo quỹ đạo xác định trước. Trong kỹ thuật điều khiển và tự động hóa, thuật toán điều khiển đóng vai trò bộ não của hệ thống điều khiển tự động, chuyển hóa sai lệch đo lường và tín hiệu đặt thành các quyết định can thiệp định lượng theo thời gian thực. Bản chất của thuật toán điều khiển bao gồm việc mô hình hóa quan hệ nhân quả động học, triệt tiêu sai số xác lập, đảm bảo biên độ dự trữ ổn định và tối ưu hóa các chỉ tiêu chất lượng quá trình quá độ.

Bản chất và cấu trúc nguyên lý của thuật toán điều khiển

Một hệ thống điều khiển tiêu chuẩn được cấu thành từ đối tượng điều khiển, cảm biến đo lường, cơ cấu chấp hành và bộ điều khiển chứa thuật toán xử lý trung tâm. Dựa trên mối liên hệ giữa tín hiệu đầu ra và tín hiệu tác động đầu vào, thuật toán điều khiển được tổ chức theo hai cấu trúc nguyên lý cơ bản:

• Điều khiển vòng hở (open-loop control): Tín hiệu điều khiển được tính toán thuần túy dựa trên tín hiệu đặt đầu vào hoặc mô hình định trước của hệ thống mà không sử dụng tín hiệu phản hồi từ đầu ra. Cấu trúc này có ưu điểm cấu tạo đơn giản, chi phí tính toán thấp nhưng hoàn toàn không có khả năng tự hiệu chỉnh khi xuất hiện nhiễu tác động bên ngoài hoặc khi thông số của đối tượng bị trôi dạt theo thời gian.
• Điều khiển vòng kín (closed-loop feedback control): Tín hiệu đầu ra được đo lường liên tục qua cảm biến và đưa về bộ so sánh để xác định sai lệch điều khiển $e(t)$ giữa giá trị đặt $r(t)$ và giá trị phản hồi thực tế $y(t)$ theo biểu thức $e(t) = r(t) - y(t)$, trong đó $e(t)$ là sai lệch, $r(t)$ là tín hiệu đặt mong muốn, và $y(t)$ là biến quá trình đo được. Thuật toán điều khiển xử lý sai lệch $e(t)$ này để sinh ra tín hiệu điều khiển $u(t)$ tương ứng, giúp hệ thống duy trì độ chính xác cao và khả năng kháng nhiễu vượt trội.

Nguyên lý phản hồi âm giữ vai trò cốt lõi trong lý thuyết điều khiển tự động. Khi tín hiệu phản hồi được kết hợp ngược pha với tín hiệu đặt, độ nhạy của hàm truyền hệ kín đối với các biến động thông số mô hình giảm đi đáng kể, đồng thời mở rộng dải thông làm việc của hệ thống.

Phân loại các thuật toán điều khiển

Các thuật toán điều khiển trong kỹ thuật hiện đại rất đa dạng và được phân loại theo nhiều góc độ học thuật khác nhau:

• Theo đặc tính động học của đối tượng:
  • Thuật toán điều khiển tuyến tính: Áp dụng cho các hệ thống thỏa mãn nguyên lý xếp chồng, biểu diễn qua phương trình vi phân tuyến tính hệ số hằng hoặc hàm truyền đạt miền phức.
  • Thuật toán điều khiển phi tuyến: Xử lý các hệ thống có đặc tính phi tuyến thực tế như vùng chết, bão hòa từ trễ, hoặc động học phụ thuộc trạng thái làm việc, đòi hỏi các công cụ toán học giải tích nâng cao.
• Theo dạng tín hiệu và miền thời gian:
  • Thuật toán liên tục: Xử lý các biến tín hiệu biến thiên liên tục theo thời gian thực giải tích, thường ứng dụng trên các mạch tương tự hoặc mô hình toán giải tích lý thuyết.
  • Thuật toán số và rời rạc: Tín hiệu được lấy mẫu định kỳ qua bộ chuyển đổi tương tự sang số và giữ mẫu bậc không, tính toán trên vi điều khiển hoặc máy tính công nghiệp dưới dạng phương trình sai phân.
• Theo số lượng biến đầu vào và đầu ra:
  • Hệ đơn biến (SISO): Một đầu vào điều khiển tác động lên một đầu ra đo lường, cho phép thiết kế độc lập dựa trên đáp ứng tần số hoặc quỹ đạo nghiệm số.
  • Hệ đa biến (MIMO): Nhiều đầu vào tương tác chéo với nhiều đầu ra, đòi hỏi thuật toán điều khiển phải xử lý hiện tượng ghép kênh động học phức tạp giữa các vòng điều khiển.
• Theo trường phái lý thuyết: Lý thuyết điều khiển kinh điển (dựa trên hàm truyền đạt và miền tần số), lý thuyết điều khiển hiện đại (dựa trên mô hình không gian trạng thái và tối ưu hóa), lý thuyết điều khiển bền vững, và các thuật toán điều khiển thông minh phỏng sinh học.

Các thuật toán điều khiển kinh điển và hiện đại

Thuật toán điều khiển tỉ lệ - tích phân - vi phân (PID)

Thuật toán tỉ lệ - tích phân - vi phân (PID) là cấu trúc điều khiển phản hồi được ứng dụng rộng rãi nhất trong kỹ thuật công nghiệp. Tín hiệu điều khiển liên tục $u(t)$ của bộ điều khiển PID được tổng hợp từ ba thành phần toán học độc lập:

Trong công thức trên, $u(t)$ là tín hiệu điều khiển đầu ra, $e(t)$ là sai lệch điều khiển tức thời, $e(\tau)$ là sai lệch trong quá khứ theo biến tích phân thời gian $\tau$, $K_p$ là hệ số khuếch đại tỉ lệ có tác dụng tăng tốc độ đáp ứng của hệ thống, $K_i$ là hệ số khuếch đại tích phân có nhiệm vụ triệt tiêu hoàn toàn sai số xác lập ở trạng thái dừng, và $K_d$ là hệ số khuếch đại vi phân dự đoán xu hướng biến thiên của sai lệch để tạo hiệu ứng cản dao động, cải thiện tính ổn định của hệ kín.

Cấu trúc PID giữ vị trí then chốt trong thực tế công nghiệp quy trình. Theo khảo sát chuyên sâu của Åström và Hägglund (2001) công bố trên tạp chí Control Engineering Practice, ước tính có hơn 95% số lượng vòng lặp điều khiển đang vận hành trong ngành công nghiệp quy trình thuộc về bộ điều khiển dạng PID hoặc cấu hình rút gọn PI. Tuy nhiên, khi triển khai thực tế trên vi xử lý số, thuật toán PID cần tích hợp các kỹ thuật lọc thông thấp cho khâu vi phân nhằm loại bỏ nhiễu tần số cao, cùng thuật toán chống bão hòa tích phân (anti-windup) để ngăn chặn hiện tượng tích lũy sai số quá mức khi cơ cấu chấp hành chạm ngưỡng giới hạn vật lý.

Thuật toán điều khiển tối ưu không gian trạng thái (LQR và LQG)

Lý thuyết điều khiển hiện đại chuyển trọng tâm từ hàm truyền đạt miền tần số sang mô tả động học hệ thống trong không gian trạng thái. Năm 1960, công bố mang tính bước ngoặt của Rudolf E. Kálmán về lọc tối ưu tuyến tính và ước lượng trạng thái đã thiết lập nền móng vững chắc cho việc phân tích tính điều khiển được và quan sát được của hệ thống động lực học. Dựa trên biểu diễn không gian trạng thái tuyến tính:

với $x(t)$ là vector trạng thái động học của đối tượng, $u(t)$ là vector tín hiệu điều khiển đầu vào, $A$ là ma trận hệ thống và $B$ là ma trận phân bố điều khiển. Thuật toán điều khiển tối ưu tuyến tính toàn phương (Linear Quadratic Regulator, LQR) tìm kiếm luật điều khiển phản hồi trạng thái dạng $u(t) = -K x(t)$ sao cho cực tiểu hóa hàm chỉ tiêu chất lượng toàn phương:

Trong đó, $J$ là chỉ tiêu chất lượng tối ưu toàn phương, $Q$ là ma trận bán xác định dương dùng để phạt độ lệch của vector trạng thái, và $R$ là ma trận xác định dương dùng để định lượng chi phí năng lượng của tín hiệu điều khiển. Ma trận độ lợi tối ưu $K$ được xác định chính xác thông qua nghiệm của phương trình đại số Riccati liên tục. Khi các biến trạng thái không thể đo lường trực tiếp, bộ lọc Kalman được ghép nối với LQR tạo thành bộ điều khiển tuyến tính toàn phương Gauss (Linear Quadratic Gaussian, LQG) theo nguyên lý tách biệt (separation principle).

Thuật toán điều khiển dự báo mô hình (MPC)

Điều khiển dự báo mô hình (Model Predictive Control, MPC) đại diện cho bước phát triển vượt bậc của thuật toán điều khiển tối ưu hóa trực tuyến. Như được hệ thống hóa toàn diện trong giáo trình chuyên khảo của Camacho và Bordons (2007), thuật toán MPC không phải là một thuật toán đơn lẻ mà là một họ các phương pháp điều khiển vận hành theo nguyên lý khoảng chân trời lùi (receding horizon principle).

Tại mỗi chu kỳ lấy mẫu, thuật toán MPC sử dụng mô hình toán động học tường minh của đối tượng để dự báo chuỗi đáp ứng đầu ra trong tương lai trên một khoảng thời gian dự báo hữu hạn. Một bài toán quy hoạch tối ưu (thường là quy hoạch toàn phương QP dưới dạng số) được giải trực tuyến theo thời gian thực để tìm ra chuỗi tác động điều khiển tối ưu nhằm tối thiểu hóa hàm mục tiêu sai lệch và năng lượng, đồng thời thỏa mãn nghiêm ngặt mọi ràng buộc bất đẳng thức trên biến điều khiển và biến trạng thái. Sau khi giải xong, chỉ có phần tử đầu tiên của chuỗi tín hiệu điều khiển tối ưu được gửi đến cơ cấu chấp hành; ở chu kỳ lấy mẫu tiếp theo, toàn bộ khoảng chân trời được tịnh tiến lùi một bước và quy trình tính toán được lặp lại dựa trên giá trị đo mới.

Khả năng xử lý trực tiếp các ràng buộc vật lý đa biến đã biến MPC thành tiêu chuẩn công nghệ hàng đầu trong công nghiệp chế biến hóa chất và năng lượng. Trong bài báo tổng quan công nghệ MPC công nghiệp của Qin và Badgwell (2003), các tác giả đã thống kê rằng tính đến cuối năm 1999 có hơn 4500 ứng dụng thương mại của thuật toán MPC tuyến tính được triển khai trên thế giới. Đáng chú ý, phân tích của Qin và Badgwell ghi nhận khoảng 67% tổng số ứng dụng được phân loại nằm trong phân ngành lọc hóa dầu, trong khi số lượng ứng dụng MPC phi tuyến (NMPC) tại thời điểm đó còn khiêm tốn và chưa vượt quá 100 trường hợp do hạn chế về năng lực phần cứng tính toán thời gian thực.

Thuật toán điều khiển bền vững và điều khiển trượt

Trong môi trường vận hành thực tế, mô hình toán học luôn tồn tại sai số cấu trúc và nhiễu loạn tác động ngẫu nhiên. Lý thuyết điều khiển bền vững ra đời nhằm đảm bảo tính ổn định và chất lượng làm việc của hệ thống ngay cả khi có sự hiện diện của các thành phần bất định mô hình:

• Thuật toán điều khiển bền vững $H_\infty$: Năm 1989, nghiên cứu kinh điển của Doyle, Glover, Khargonekar và Francis đã giải quyết trọn vẹn bài toán điều khiển chuẩn $H_\infty$ trong không gian trạng thái thông qua hai phương trình đại số Riccati. Thuật toán thiết kế bộ điều khiển phản hồi sao cho chuẩn vô cùng của hàm truyền từ tín hiệu nhiễu đầu vào $w(t)$ đến tín hiệu đánh giá đầu ra $z(t)$ luôn nhỏ hơn một ngưỡng chặn giới hạn cho trước, ký hiệu bằng $\|T_{zw}\|_\infty < \gamma$, với $T_{zw}$ là ma trận hàm truyền hệ kín và $\gamma$ là hệ số suy giảm nhiễu. Phương pháp này đảm bảo tính ổn định bền vững tối đa trước các biến đổi tham số và nhiễu chưa được mô hình hóa.
• Thuật toán điều khiển trượt (Sliding Mode Control, SMC): Thuật toán phi tuyến này dẫn dắt quỹ đạo trạng thái của hệ thống tiến tới một mặt phẳng trượt được thiết kế trước trong không gian pha, sau đó duy trì chuyển động trượt dọc theo mặt phẳng này. Đặc tính nổi bật của SMC là tính bất biến hoàn toàn đối với các nhiễu và thành phần bất định thỏa mãn điều kiện khớp (matching condition). Tuy nhiên, nhược điểm lớn của điều khiển trượt truyền thống là hiện tượng rung lắc dao động đóng cắt tần số cao (chattering), gây mài mòn cơ khí và kích thích các mode dao động bậc cao của cơ cấu chấp hành.

Thuật toán điều khiển thông minh và học máy

Khi đối tượng điều khiển có mức độ phi tuyến cực cao hoặc không thể xây dựng mô hình toán giải tích tường minh, các thuật toán điều khiển thông minh mang lại cách tiếp cận dựa trên tri thức và dữ liệu:

• Điều khiển mờ (Fuzzy Logic Control): Chuyển hóa kinh nghiệm điều hành định tính của chuyên gia con người thành các tập mờ và luật hợp thành ngôn ngữ dạng nếu - thì (if - then). Thuật toán mờ không đòi hỏi mô hình giải tích chính xác, hoạt động hiệu quả trên các hệ thống phi tuyến phức tạp nhưng khó chứng minh độ ổn định giải tích chặt chẽ.
• Điều khiển mạng nơ-ron: Khai thác khả năng xấp xỉ hàm vạn năng của mạng nơ-ron nhân tạo để nhận dạng động học phi tuyến trực tuyến và tự động bù trừ các phi tuyến chưa biết của đối tượng.
• Điều khiển học tăng cường (Reinforcement Learning, RL): Kết hợp lý thuyết quy hoạch động thích nghi với thuật toán học máy, cho phép tác tử tự động học chính sách điều khiển tối ưu thông qua quá trình tương tác liên tục và tích lũy phần thưởng đánh giá từ môi trường mô phỏng hoặc thực tế.

Nguyên lý phân tích tính ổn định của hệ thống điều khiển

Yêu cầu tiên quyết và tối thượng đối với mọi thuật toán điều khiển là đảm bảo tính ổn định của hệ thống vòng kín. Tùy thuộc vào bản chất tuyến tính hay phi tuyến của mô hình, các nhà khoa học áp dụng những tiêu chuẩn phân tích toán học chuyên biệt:

• Phân tích ổn định hệ tuyến tính: Một hệ thống tuyến tính dừng được coi là ổn định tiệm cận nếu và chỉ nếu tất cả các nghiệm cực của phương trình đặc tính đều nằm hoàn toàn bên nửa trái mặt phẳng phức. Hai phương pháp kiểm tra kinh điển bao gồm tiêu chuẩn đại số Routh-Hurwitz (kiểm tra dấu các phần tử trong bảng đại số mà không cần giải trực tiếp nghiệm phương trình đa thức) và tiêu chuẩn hình học Nyquist (đánh giá số vòng bao quanh điểm tới hạn $(-1, j0)$ trên mặt phẳng phức của đồ thị hàm truyền vòng hở).
• Phân tích ổn định hệ phi tuyến theo Lyapunov: Đối với hệ thống phi tuyến tổng quát $\dot{x}(t) = f(x, u)$, hai phương pháp do Aleksandr Lyapunov đề xuất giữ vai trò trung tâm:
  • Phương pháp thứ nhất (tuyến tính hóa cục bộ): Tuyến tính hóa hệ thống xung quanh điểm cân bằng và đánh giá ma trận Jacobi; phương pháp này chỉ có giá trị cục bộ trong một lân cận hẹp.
  • Phương pháp thứ hai (phương pháp hàm thế năng lượng trực tiếp): Xây dựng hàm vô hướng thế năng Lyapunov $V(x)$ thỏa mãn tính chất xác định dương $V(x) > 0$ với mọi trạng thái khác gốc tọa độ và $V(0) = 0$. Nếu đạo hàm bậc nhất theo thời gian của hàm này dọc theo quỹ đạo nghiệm của hệ thống là nửa âm hoặc âm xác định, tức $\dot{V}(x) \leq 0$, thì hệ thống được chứng minh ổn định theo nghĩa Lyapunov.

So sánh các họ thuật toán điều khiển chủ đạo

Bảng tổng hợp dưới đây đối chiếu các đặc tính kỹ thuật cốt lõi giữa các họ thuật toán điều khiển tiêu biểu trong kỹ thuật tự động hóa hiện đại:

Họ thuật toán điều khiển	Yêu cầu thông tin mô hình	Khả năng xử lý ràng buộc	Độ phức tạp tính toán	Độ bền vững kháng nhiễu	Phạm vi ứng dụng tiêu biểu
PID kinh điển	Thấp (có thể chỉnh định thực nghiệm)	Kém (cần thêm khâu phụ trợ chống bão hòa)	Rất thấp (thực thi trên vi điều khiển nhỏ)	Trung bình (kém trước thay đổi thông số lớn)	Vòng lặp nhiệt độ, áp suất, lưu lượng cơ bản
LQR / LQG hiện đại	Cao (đòi hỏi ma trận không gian trạng thái chính xác)	Kém (không có cơ chế ràng buộc bất đẳng thức trực tiếp)	Thấp (giải phương trình đại số Riccati ngoại tuyến)	Tốt đối với LQR, nhạy cảm hơn đối với LQG	Cân bằng con lắc ngược, ổn định bay trực thăng
Dự báo mô hình (MPC)	Cao (cần mô hình động học chính xác của quá trình)	Rất cao (tối ưu hóa trực tiếp ràng buộc đa biến)	Cao (giải bài toán quy hoạch toán học trực tuyến)	Rất tốt (nhờ cơ chế phản hồi chân trời lùi)	Hóa chất, lọc dầu, tháp chưng cất, xe tự hành
Điều khiển bền vững $H_\infty$	Trung bình (mô hình kèm theo ma trận chặn bất định)	Trung bình (gián tiếp thông qua trọng số thiết kế)	Trung bình (giải hai phương trình Riccati ngoại tuyến)	Rất cao (kháng tối đa sai số mô hình cấu trúc)	Kỹ thuật hàng không vũ trụ, cơ điện tử chính xác
Điều khiển mờ và Học máy	Rất thấp (dựa trên tập luật chuyên gia hoặc dữ liệu đo)	Trung bình (thường thông qua cơ chế phạt trong hàm mục tiêu)	Cao đến rất cao (khi huấn luyện mạng và suy luận phức tạp)	Tốt với phi tuyến mạnh, khó chứng minh giải tích	Robot mềm, hệ thống thích nghi thông minh

Ứng dụng công nghiệp và bối cảnh tự động hóa tại Việt Nam

Tại Việt Nam, sự chuyển dịch mạnh mẽ theo định hướng hiện đại hóa sản xuất và công nghiệp số đã thúc đẩy việc ứng dụng sâu rộng các thuật toán điều khiển vào nhiều ngành kinh tế trọng yếu. Cụ thể, các nền tảng tự động hóa cấp cơ sở như bộ điều khiển lập trình được (PLC) và hệ thống điều khiển phân tán (DCS) triển khai thuật toán PID chiếm vị trí chủ đạo tại hầu hết các cơ sở sản xuất công nghiệp.

Tại các tổ hợp công nghiệp quy mô lớn, các thuật toán điều khiển quá trình nâng cao (Advanced Process Control, APC) dựa trên nền tảng MPC bước đầu được tiếp cận và triển khai tại một số nhà máy lọc hóa dầu và chế biến khí. Các thuật toán này tối ưu hóa đồng thời các phân xưởng chưng cất và hệ thống phân phối năng lượng, mang lại hiệu quả tiết kiệm nguyên nhiên liệu đáng kể và nâng cao độ an toàn vận hành.

Trong các lĩnh vực công nghệ cao mới nổi tại Việt Nam, thuật toán điều khiển bám quỹ đạo hiện đại được ứng dụng trong hệ thống cánh tay robot công nghiệp của các nhà máy sản xuất ô tô điện, dây chuyền lắp ráp điện tử viễn thông, cũng như các thuật toán dẫn đường và cân bằng tư thế cho thiết bị bay không người lái (UAV). Đồng thời, trong lĩnh vực năng lượng tái tạo, các thuật toán điều khiển biến tần thông minh và điều khiển tối ưu vi lưới điện (smart microgrid) đang hỗ trợ hiệu quả cho việc tích hợp điện gió và điện mặt trời vào lưới điện quốc gia.

Ranh giới, hạn chế và thách thức kỹ thuật hiện đại

Dù đã đạt được nhiều thành tựu lý thuyết sâu rộng, việc ứng dụng các thuật toán điều khiển trong thực tiễn vẫn đối mặt với các ranh giới kỹ thuật và thách thức nghiên cứu mở:

• Vấn đề trễ thời gian và đặc tính pha không cực tiểu: Các đối tượng có thời gian trễ vận chuyển lớn hoặc có điểm không nằm bên phải mặt phẳng phức (hệ pha không cực tiểu - non-minimum phase) đặt ra giới hạn cứng về mặt vật lý đối với băng thông điều khiển, khiến thuật toán dễ rơi vào trạng thái mất ổn định nếu đặt hệ số độ lợi quá cao.
• Gánh nặng tính toán thời gian thực: Đối với các thuật toán tối ưu hóa lặp trực tuyến như MPC phi tuyến hoặc điều khiển dự báo dựa trên mạng nơ-ron sâu, yêu cầu giải các bài toán tối ưu phi lồi phi tuyến tính trong chu kỳ tính toán hàng mili-giây vẫn là thách thức lớn đối với năng lực xử lý của phần cứng nhúng công nghiệp.
• Thách thức trong hệ thống điều khiển qua mạng (Networked Control Systems, NCS): Khi tín hiệu đo lường và tín hiệu điều khiển được truyền tải qua hạ tầng mạng truyền thông không dây hoặc cáp chia sẻ, hệ thống phải đối mặt với độ trễ truyền thông ngẫu nhiên, hiện tượng thất thoát gói tin, rung pha thời gian và lượng tử hóa tín hiệu. Nghiên cứu tổng quan của Chanfreut, Maestre và Camacho (2021) trên tạp chí Annual Reviews in Control nhấn mạnh rằng các thuật toán phân nhóm và điều khiển phân tán qua mạng lưới phải cân bằng giữa chi phí trao đổi dữ liệu và khả năng đảm bảo tính ổn định phối hợp của toàn hệ thống phân tán.
• An ninh mạng trong hệ thống vật lý không gian mạng (CPS): Thuật toán điều khiển hiện đại kết nối internet vạn vật công nghiệp tiềm ẩn nguy cơ bị tổn thương trước các cuộc tấn công tiêm dữ liệu sai lệch (false data injection) hoặc tấn công từ chối dịch vụ (DoS), đòi hỏi thuật toán điều khiển thế hệ mới phải tích hợp khả năng nhận diện bất thường và cơ chế đàn hồi bền vững trước các đe dọa an ninh mạng.