NHẬN DẠNG VÀ ĐIỀU KHIỂN QUỸ ĐẠO CHUYỂN ĐỘNG CỦA TÊN LỬA

1

Chƣơng 1
TỔNG QUAN VỀ ĐỘNG HỌC, NHẬN DẠNG VÀ ĐIỀU KHIỂN
PHƢƠNG TIỆN NGẦM
Phƣơng tiện ngầm (underwater vehicle – UV) trải qua nhiều thập niên đã đƣợc
phát triển rất đa dạng về chủng loại và dùng cho nhiều mục đích khác nhau nhƣ mục
đích quân sự, cứu hộ, thám hiểm đáy đại dƣơng, thăm dò, khai thác tài nguyên biển.
Căn cứ vào khả năng tham gia điều khiển của con ngƣời, UV có hai loại: có ngƣời lái
và không ngƣời lái. UV không ngƣời lái đƣợc chia thành UV điều khiển từ xa
(Remotely Operated Vehicle - ROV) và UV tự hành (Autonomous Underwater
Vehicle - AUV) [15], [16], [17], [60].
1.1 Các loại phƣơng tiện ngầm.
Dƣới đây khảo sát một số dạng UV với các ứng dụng và đặc tính làm việc khác
nhau:
- Phƣơng tiện ngầm tự hành (AUV):
Phƣơng tiện ngầm tự hành có nhiều dạng thiết kế và dùng cho nhiều mục đích
khác nhau, nổi bật cho loại này là Ngƣ lôi và Tên lửa chống ngầm trang bị cho lực
lƣợng Hải quân. Tên lửa chống ngầm (ASW) là một trong các loại AUV dùng để
tiêu diệt các loại tàu ngầm..., đƣợc trang bị trên các máy bay săn ngầm. Tên lửa
chống ngầm thƣờng có kết cấu dạng thân tròn xoay dài, phía đầu có dạng parabol
tròn xoay và đuôi có dạng thon dần để giảm lực cản thủy động. Hệ động lực của tên
lửa chống ngầm thƣờng là động cơ nhiên liệu rắn. Hệ thống lái của tên lửa chống
ngầm là các bánh lái hƣớng kết hợp giảm lắc, bánh lái sâu. Kích thƣớc, trọng lƣợng
và tốc độ tên lửa chống ngầm tùy thuộc vào thiết kế. Tên lửa chống ngầm thƣờng có
khả năng cơ động chậm, vận tốc thấp và quãng đƣờng hoạt động ngắn.


2

Hình 1.1: Một số loại phương tiện ngầm tự hành AUV.

Một số thiết kế AUV đƣợc dùng trong kiểm tra, giám sát môi trƣờng, nghiên cứu
khoa học và cho những nhiệm vụ kéo dài. AUV còn đƣợc thiết kế dạng rô bốt chuyển
động trong nƣớc bằng hệ thống đẩy có tốc độ thấp nhƣng khả năng cơ động cao.
Hiện nay trên thế giới đã có nhiều công trình nghiên cứu về mô tả động học
của AUV dạng ngƣ lôi [1], [3], [4], [9], [10], [17], [23], [27]. Hầu hết các nghiên
cứu này tập trung vào AUV dạng ngƣ lôi làm các nhiệm vụ nghiên cứu khoa học
với tốc độ thấp. Các loại ngƣ lôi hiện có của Hải quân Việt Nam hầu hết là theo
thiết kế của Nga, các tài liệu đi kèm chỉ mang tính thuyết minh kỹ thuật. Đặc biệt
tên lửa chống ngầm là một trang bị mới của Hải quân Việt nam đƣợc mua từ Nga,
các tài liệu đi kèm chỉ là tài liệu hƣỡng dẫn bảo quản và sử dụng mà không có một
tài liệu nào mô tả động học cũng nhƣ cấu tạo, thiết kế kỹ thuật đi kèm.
- Phƣơng tiện ngầm điều khiển từ xa ROV:


3

Hình 1.2: Phương tiện ngầm điều khiển từ xa ROV.
Có nhiều kiểu thiết kế ROV, hầu hết ROV đƣợc thiết kế dạng rô bốt chuyển
động trong nƣớc bằng các hệ thống đẩy có hƣớng trục đẩy theo các mặt phẳng khác
nhau. ROV có khả năng cơ động tốt, đƣợc liên kết với vị trí điều khiển bằng cáp
điều khiển. Các ROV đã đƣợc nghiên cứu phát triển và thƣơng mại hóa rộng rãi trên
thế giới có thể thực hiện nhiều nhiệm vụ dƣới nƣớc nhƣ kiểm tra đƣờng ống, các
hoạt động tìm kiếm, cứu hộ, kiểm tra kỹ thuật các công trình ngầm, kiểm tra về mặt
sinh thái các tham số của môi trƣờng nƣớc, khai thác, nghiên cứu khoa học và phục
vụ quân sự...Vì ROV phải liên kết với vị trí điều khiển bằng cáp nên thƣờng bán
kính làm việc của ROV không xa, giải pháp định vị vị trí cho ROV hoàn toàn có thể
thực hiện với độ chính xác cao. Hiện nay trong nƣớc có một số nghiên cứu nhƣ rô
bốt cá của nhóm nghiên cứu vốn là những sinh viên ở Đại học Sƣ phạm Kỹ thuật
thành phố Hồ Chí Minh hay đề tài nghiên cứu thiết kế chế tạo, thử nghiệm thiết bị
điều khiển cho rô bốt ngầm mini hoạt động trong vùng nƣớc nông của Học viện Hải

4

quân. Tuy nhiên các nghiên cứu trong nƣớc chƣa đƣợc đƣa vào sản xuất, thƣơng
mại hóa.
- Phƣơng tiện ngầm có ngƣời lái:
Tàu ngầm là dạng phƣơng tiện ngầm có ngƣời lái và đồng thời cũng có chế độ
lái tự động nhƣ dạng phƣơng tiện ngầm không ngƣời lái AUV. Một trong các loại tàu
ngầm hiện đại nhƣ tàu ngầm hạt nhân USS Jimmy Carter của Mĩ có chiều dài 138m
có vận tốc đạt 45km/h có thể làm việc đến độ sâu 320m. Việt Nam đang đặt hàng sản
xuất tàu ngầm lớp Kilo của Nga. Kilo là lớp tàu ngầm đƣợc thiết kế làm nhiệm vụ săn
tàu ngầm, tàu chiến, tuần tra và trinh sát đối phƣơng. Tàu ngầm Kilo có khả năng lặn
sâu 300m, di chuyển với tốc độ 20km/h khi nổi, gần 40km/h khi ngập nƣớc, có tầm
hoạt động vào khoảng 12.000 km khi lặn với ống thông hơi và 650 km khi ngập nƣớc
hoàn toàn.

Hình 1.3: Phương tiện ngầm có người lái
Hiện nay trên thế giới đã có nhiều công trình nghiên cứu về mô hình động học,
hệ thống chỉ đạo, dẫn đƣờng và điều khiển cho UV dạng tàu ngầm [1], [3], [4], [8],
[9], [10], [17], [23], [27], các công bố của nghiên cứu này dựa trên các mô hình đơn
giản, chƣa phải là các mô hình thực tế của các tàu ngầm hiện đại hiện có. Trong
nƣớc có một số nghiên cứu về điều khiển UV dạng tàu ngầm, tuy nhiên mô hình áp
dụng để điều khiển là các mô hình đơn giản.
1.2 Các hệ tọa độ tham chiếu của phƣơng tiện ngầm.
1.2.1 Hệ tọa độ gắn liền.


5

Chuyển động của phƣơng tiện ngầm có thể đƣợc mô tả trong hệ tọa độ gắn
liền 6 bậc tự do có gốc tọa độ thƣờng chọn trùng với tâm trọng lực Gb , các trục
hƣớng theo các trục của phƣơng tiện ngầm X b , Yb , Zb [1], [8].

Hình 1.4: Phương tiện ngầm trong hệ tọa độ gắn liền.
Lực, mô men, vận tốc, vận tốc góc trong hệ tọa độ gắn liền đƣợc ký hiệu bởi
các vector sau:
1  [ X , Y , Z ]T vector ngoại lực tác dụng lên phƣơng tiện ngầm;

 2  [ K , M , N ]T vector mô men ngoại lực tác dụng lên phƣơng tiện ngầm;
V  [u, v, w]T vector vận tốc dài theo các trục hệ tọa độ gắn liền X b , Yb , Zb ;

  [ p, q, r ]T vector vận tốc góc trong hệ tọa độ gắn liền;
  [u, v, w, p, q, r ]T vector vận tốc dài và vận tốc góc trong hệ tọa độ gắn liền.

1.2.2 Hệ tọa độ cố định tâm trái đất.
Hệ tọa độ cố định tâm trái đất X eY e Z e có gốc tọa độ tại tâm trái đất, trục Xe có
hƣớng đi qua kinh tuyến của đài thiên văn Greenwich trong mặt phẳng xích đạo,
trục Ye hƣớng 900 phía đông của đài thiên văn Greenwich trong mặt phẳng xích đạo,
trục Ze tạo với các trục X eY e thành một tam diện thuận (hình 1.5) [1], [8]. Vị trí của
phƣơng tiện ngầm trong hệ tọa độ cố định tâm trái đất X eY e Z e là vĩ độ  và kinh
độ  .


6

Ze

N

( ,  )
E

D


O

Xe



Ye

Đƣờng xích đạo
Hình 1.5: �� các trạng thái có thể đo lƣờng đƣợc dễ dàng thì có
thể điều khiển dựa trên nguyên tắc hồi tiếp tuyến tính hóa. Tuy nhiên, trong thực tế
không phải luôn dễ dàng đo đƣợc tất cả các trạng thái từ ngõ ra của hệ thống, vậy
lúc này để điều khiển hồi tiếp phải ƣớc lƣợng các trạng thái từ ngõ ra của hệ thống.
Bên cạnh đó có nhiều hệ thống điều khiển mà thông số của hệ thống không thể tính
toán chính xác, sai số mô hình lớn dẫn đến bài toán điều khiển khi áp dụng thực tế
đáp ứng không tốt, giải pháp đặt ra là cần phải mô hình hóa, nhận dạng đƣợc tham
số mô hình của hệ thống. Vì vậy trong luận văn này, thuật toán bình phƣơng tối


85

thiểu đệ quy đƣợc đề nghị để nhận dạng tham số mô hình cho đối tƣợng nghiên cứu,
đồng thời thuật toán hồi tiếp ngõ ra mờ nơ ron thích nghi gián tiếp đƣợc đề nghị
ứng dụng tạo bộ điều khiển cho đối tƣợng nghiên cứu.

5.1.2 Những kết quả đạt đƣợc.
Luận văn đã đƣa ra đƣợc những cơ sở nghiên cứu và đối tƣớng áp dụng của đề
tài. Từ đó, luận văn đã khái quát những kiến thức cơ bản nhƣng cần thiết về thuật
toán RLS. Trình bày cấu trúc và thuật toán của mạng nơ ron mờ singleton, đây là cơ
sở ứng dụng cho bộ điều khiển nơ ron mờ thích nghi gián tiếp.
Nhận dạng tham số (hay còn gọi là nhận dạng hệ thống) là bài toán liên quan
đến việc sử dụng dữ liệu đo thực tế của đối điều khiển để lập mô hình của đối tƣợng
đó. Phƣơng pháp bình phƣơng tối thiểu đệ quy đƣợc phát triển từ phƣơng pháp bình
phƣơng nhỏ nhất với các tham số đƣợc ƣớc lƣợng liên tục tại mỗi thời điểm. Trên
cơ sở phƣơng trình chuyển động trong các mặt phẳng đã xây dựng, tiến hành mô
phỏng theo thông số của tên lửa chống ngầm APR-2E thả từ máy bay để thu thập dữ
liệu kiểm chứng thuật toán nhận dạng. Từ kết quả nhận dạng cho thấy thuật toán
bình phƣơng tối thiểu đệ quy đề xuất có thể ứng dụng tốt để nhận dạng mô hình
tham số của tên lửa chống ngầm và có thể sử dụng để nhận dạng một số loại
phƣơng tiện ngầm dạng ngƣ lôi tƣơng tự nhƣ tên lửa chống ngầm APR-2E.
Bộ điều khiển hồi tiếp ngõ ra nơ ron mờ thích nghi gián tiếp đƣợc thiết kế áp
dụng cho hệ phi tuyến không chắc chắn trong điều kiện chỉ có ngõ ra của hệ thống
đo lƣờng đƣợc với điểm mạnh là luật điều khiển hồi tiếp ngõ ra và luật cập nhật
đƣợc thực hiện on-line. Thuật toán IAFNOC dùng mạng singleton để xấp xỉ các
hàm phi tuyến, từ đó tính các luật điều khiển vì thế cần phải có mạng ma trận độ lợi
đầu vào g  x  và mạng cho vector đặc tính động học f  x  , ngõ vào của mạng là
vector trạng thái ƣớc lƣợng vì thế cần phải xác định đƣợc vector trang thái mong
muốn.
Để minh chứng cho tính hiệu quả của các thuật toán đề nghị, trong chƣơng 4
của luận văn, tác giả dùng phần mềm Matlab/simulink mô phỏng cho một đối tƣơng
cụ thể là tên lửa chống ngầm. Từ các kết quả mô phỏng cho thấy:


86

Với bài toán nhận dạng mô hình tham số, mô hình đối tƣợng sử dụng mô
phỏng để thu thập dữ liệu là phƣơng trình chuyển động trong mặt phẳng đứng
(2.38) và phƣơng trình chuyển động trong mặt phẳng ngang (2.39) với các thông số
của tên lửa chống ngầm APR-2E. Mô phỏng thu thập 2.000 mẫu dữ liệu với ngõ
vào là góc bẻ lái bánh lái sâu  s và bánh lái hƣớng  h , ngõ ra là độ sâu z và góc
hƣớng  . Kết quả mô phỏng ta thấy sai số nhận dạng theo độ sâu (hình 4.2) và theo
hƣớng (hình 4.4) là rất nhỏ, tốc độ hội tụ tham số mô hình  nhanh (hình 4.3 và
4.5), chứng tỏ các tham số nhận đƣợc từ lớp mô hình trên thích hợp với bài toán
chuyển động của tên lửa chống ngầm trong các mặt phẳng riêng biệt.
Bằng cách tổng hợp lại phƣơng trình chuyển động tổng quát trong hệ tọa độ 6
bậc tự do cho tên lửa chống ngầm có các bánh lái hƣớng vừa điều khiển theo
hƣớng, vừa điều khiển theo góc lắc và bánh lái sâu điều khiển theo góc chúc ngóc
với động cơ dạng phản lực, đơn giản hóa về các phƣơng trình chuyển động theo
hƣớng và theo góc chúc ngóc cho phép xây dựng các bộ điều khiển SISO tƣơng
ứng. Với thuật toán mờ nơ ron thích nghi gián tiếp để xây dựng bộ điều khiển, điều
khiển qũy đạo chuyển động của tên lửa chống ngầm theo quỹ đạo tham chiếu, qua
kết quả mô phỏng điều khiển ASW độc lập theo hƣớng và góc chúc ngóc cho thấy
hệ thống có khả năng thích nghi và ổn định tốt kể cả khi có nhiễu từ bên ngoài tác
động vào hệ thống, đó là nhờ bộ điều khiển với các trọng số kết nối của mạng đƣợc
cập nhật on-line theo luật điều khiển thích nghi. Vì thế bộ điều khiển IAFNOC có
thể ứng dụng điều khiển cho ASW có đặc tính phi tuyến cao, có nhiều thông số bất
định hay thay đổi.
5.1.3 Những hạn chế.
Với các thuật toán nêu trên, trong luận văn đối tƣợng xem xét điều khiển là tên
lửa chống ngầm khi này chỉ mới xét đến sự chuyển động trong từng mặt phẳng
riêng biết, đƣợc coi là các chuyển động độc lập, thực tế chuyển động của ASW
trong nƣớc là các chuyển động có liên quan đến nhau, nếu giả thiết là chuyển động
độc lập sẽ gây ra sai số. Bởi vậy để chính xác hơn nữa, cần phải tính toán, thiết kế
xây dựng bài toán điều khiển, mô phỏng, tính toán trên cả 2 mặt phẳng cùng lúc với

87

các giả thiết tối ƣu. Khối lƣợng tính toán của thuật toán IAFNOC nhiều, nên khi
thực hiện cần nhiều bộ nhớ, nên nếu áp dụng cho các hệ thống có kích thƣớc lớn và
tốc độ cao sẽ gặp khó khăn. Bộ điều khiển IAFNOC cần phải xây dựng bộ quan sát
trạng thái, vì vậy bộ điều khiển phức tạp hơn, cạnh đó bộ điều khiển này có nhiều
thông số cần chỉnh định, sự ảnh hƣởng của các thông số này đến kết quả điều khiển
là không tránh khỏi và có thể làm cho hệ thống mất ổn định nếu lựa chọn không
đúng. Và bộ điều khiển này ta cũng chỉ mới xét đến nhiễu ngoài mà chƣa xét đến
nhiễu ngõ ra.
5.2 Hƣớng phát triển đề tài.
Sử dụng bộ điều khiển IAFNOC để điều khiển qũy đạo chuyển động của tên
lửa chống ngầm theo quỹ đạo tham chiếu thông qua sơ đồ Matlab/simulink và kết
quả mô phỏng cho kết quả khả quan, tuy nhiên kết quả đó chỉ mới xét đến trong các
mặt phẳng độc lập, điều đó đặt ra cần phải xây dựng một bài toán tổng hợp để có
kết quả chính xác nhất. Bên cạnh đó, trong thực tế nếu giải quyết đƣợc bài toán về
đƣờng đi từ điểm xuất phát đến điểm đích cho tên lửa chống ngầm khi thực hiện
điều khiển theo phƣơng án này thì đó là phƣơng án tối ƣu cho khả năng nâng cao
hiệu quả chiến đấu của tên lửa chống ngầm. Và với bộ điều khiển nêu trên là cơ sở
để cải tạo, nâng cấp trang bị thêm cho đối tƣợng một số bộ phận để đảm bảo thực
hiện thành công giải thuật điều khiển này, đây cũng là nội dung đang nhận đƣợc sự
quan tâm lớn của Quân chủng Hải quân.
Thuật toán IAFNOC có nhiều thông số cần chỉnh định, trong đó có một số
thông số phải chỉnh định theo phƣơng pháp thử sai nhƣ độ lợi bộ quan sát trạng thái,
độ lợi hồi tiếp, hệ số thích nghi. Sự ảnh hƣởng của các thông số này đến chất lƣợng
điều khiển là không tránh khỏi vì thế kết quả mô phỏng đạt đƣợc chƣa phải là kết
quả tốt nhất. Để tự động tinh chỉnh các thông số này có thể sử dụng giải thuật di
truyền là hƣớng nghiên cứu tiếp theo.

88

CÁC CÔNG TRÌNH CỦA TÁC GIẢ
[1]

Phú Hữu Đệ, Trƣơng Duy Trung, Nguyễn Quang Hùng, Điều khiển hồi tiếp

đầu ra nơron mờ thích nghi gián tiếp cho tên lửa chống ngầm, Tạp chí nghiên cứu
KH&CN Quân sự, Số đặc san TĐH’14, 04-2014, tr 93-100.
TÀI LIỆU THAM KHẢO
Tiếng Việt
[1]

Trần Đức Thuận, Nguyễn Quang Vịnh, Trƣơng Duy Trung, Mô hình động

học chuyển động của ngư lôi, Tạp chí nghiên cứu KH&CN Quân sự, Số 21, 102012, tr 28-35.
[2]

Nguyễn Quang Vịnh, Trƣơng Duy Trung, Điều khiển hồi tiếp ngõ ra nơron

mờ thích nghi trực tiếp hệ cánh tay máy hai khớp nối, Tạp chí Nghiên cứu khoa
học và công nghệ quân sự, Đặc san CH&ĐKTBB’11,09-2011, tr93-101.
[3]

Nguyễn Phùng Hƣng, Võ Hồng Hải, Điều khiển hướng đi và độ sâu của

phương tiện ngầm tự hành bằng mạng nơ-ron thích nghi, Tạp chí Khoa học Công
nghệ Hàng hải Số 18 – 6/2009 tr34 – 38.
[4]

Nguyễn Vĩnh Hảo, Xây dựng bộ ước lượng phi tuyến cho thiết bị đo quán

tính, Đề tài cấp Đại học quốc gia Thành phố Hồ Chí Minh, 2013.
[5]

Trần Đức Thuận, Bùi Hồng Huế, Trƣơng Duy Trung, Trần Xuân Kiên, Ứng

dụng bộ lọc Kalman phi tuyến mở rộng xây dựng thuật toán xác định tham số định
hướng trên cơ sở kết hợp con quay tốc độ góc với từ kế và gia tốc kế, VCM2012, tr
488-494.
[6]

Huỳnh Thái Hoàng, Hệ thống điều khiển thông minh, Nhà xuất bản ĐHQG

Tp. Hồ Chí Minh 2006.
[7]

Nguyễn Quang Vịnh, Trƣơng Duy Trung, Phan Tƣơng Lai, Điều khiển hồi

tiếp ngõ ra nơron mờ thích nghi gián tiếp hệ cánh tay máy hai khớp nối, Hội nghị
toàn quốc về Điều khiển và Tự động hoá - VCCA-2011.
[8]

Trƣơng Duy Trung, Nguyễn Quang Vịnh, Nguyễn Quang Hùng, Trần Đức

Thuận, Xây dựng thuật toán xác định tham số dẫn đường cho phương tiện chuyển


89

động trên cơ sở kết hợp con quay tốc độ góc với từ kế và gia tốc kế và vận tốc kế,
Tạp chí nghiên cứu KH&CN Quân sự, Số 21, 4-2013, tr 3-12.
[9]

Trần Đức Thuận, Nguyễn Quang Vịnh, Trƣơng Duy Trung, Mô hình hóa,

nhận dạng tên lửa chống ngầm, Tạp chí nghiên cứu KH&CN Quân sự, Số 28, tr 311.
[10]

Trần Đức Thuận, Nguyễn Quang Vịnh, Trƣơng Duy Trung, Thiết kế bộ điều

khiển hồi tiếp ngõ ra nơ-rôn mờ thích nghi cho một dạng phương tiện ngầm tự
hành, Hội nghị toàn quốc lần thứ hai về Điều khiển và Tự động hóa, tr 222-228.
Tiếng Anh
[11]

A X. Xiang, L. Lapierre, Cooperative Acoustic Navigation Scheme for

Heterogenous Autonomous Underwater Vehicles, Source: Underwater Vehicles,
Book edited by,

Alexander V. Inzartsev, ISBN 978-953-7619-49-7, pp. 582,

December 2008, I-Tech, Vienna, Austria.
[12]

B. Jalving, K. Gade, O. K. Hagen, A Toolbox of Aiding Techniques for the

HUGIN AUV Integrated Inertial Navigation System, Oceans 2003 MTS/IEEE, San

Diego, CA, USA, 22-26 September 2003.
[13]

N. Hegrenæs.; E. Berglund, Doplerr Water-Track Aided Inertial Navigation

for Autonomous Underwater Vehicles, The IEEE ocean conference and exhibition,
Bremen, Germany 2009.
[14]

N. Hegrenæs, E. Berglund, O. Hallingstad, Model-Aided Inertial Navigation

for Underwater Vehicles, The IEEE ocean conference on robotics and automation,
Pasadena 2008.
[15]

Ø. Hegrenæs, K. Gadey, O. K. Hageny, P. E. Hagen, Underwater

Transponder Positioning and Navigation of Autonomous Underwater Vehicles, The
MTS/IEEE oceans conference and exhibition, Biloxi 2009.
[16]

M. Morgado, P. Oliveira, C. Silvestre, J.F. Vasconcelos, Improving Aiding

techniques for USBL Tightly-Coupled Inertial Navigation System, The 17th World
Congress The International Federation of Automatic Control Seoul, Korea, July 611, 2008.


90

[17]

D. H. Shin, S. T. Kwon, S. H. Park, M. G. Joo, Fuzzy State Feedback

Control for Way-Point Tracking of Autonomous Underwater Vehicle, International
Journal of Control and Automation at Korea Vol. 6, No. 1, February, 2013.
[18]

J. Refsnes, A. J. Sørensen, K. Y. Pettersen, Output Feedback Control of an

AUV with Experimental Results, Conference on control & automation, July 27 – 29,
2007. Athens – Greece.
[19]

C. Vuilmet, A MIMO Backstepping Control with Acceleration Feedback for

Torpedo, The 38th Southeastern Symposium on System Theory Tennessee
Technological University Cookeville, TN, USA, March 5-7, 2006.
[20]

A. Faruq, S. Abdullah, M. Shah, Optimization of an Intelligent Controller

for an Unmanned Underwater Vehicle,

TELKOMNIKA, Vol.9, No.2, August

2011, pp. 245-256.
[21]

P. Martin, E Salaun, Generalized Multiplicative Extended Kalman Filter for

Aided Attitude and Heading Reference System, AIAA Guidance, Navigation, and
Control Conference 2 - 5 August 2010, Toronto, Ontario Canada.
[22]

X. Yun,

E. R. Bachmann,

Design, Implementation, and Experimental

Results of a Quaternion-Based Kalman Filter for Human Body Motion Tracking,
IEEE Transactions on Robotics, vol. 22, no. 6, December 2006.
[23]

J. H. Li, P. M. Lee, B. H. Jun, A Neural Network Adaptive Controller for

Autonomous Diving Control of an Autonomous Underwater Vehicle, International
Journal of Control, Automation, and Systems, vol. 2, no. 3, pp. 374-383, September
2004.
[24]

Y. J. Mon, C. M. Lin, Supervisory Recurrent Fuzzy Neural Network

Guidance Law Design for Autonomous Underwater Vehicle, International Journal
of Fuzzy Systems, Vol. 14, No. 1, March 2012.
[25]

W.Y.Wang, Y.G.Leu, T.T.Lee, Output feedback control of nonlinear systems

using direct adaptive fuzzy – neural controller, Fuzzy Set and Systems 341-358

140 (2002).


91

[26]

Robert M. Rogers, Applied Mathematics in Integrated Navigation Systems,

American Institute of Aeronautics and Astronautics, Inc. 1801 Alexander Bell
Drive, Reston, VA 20191-4344, Second Edition.
[27]

Graham LeBlanc, Design and simulation of a control continuum for

tetherless underwater vehicles, Dalhousie University Halifax, Nova Scotia August
2011.
[28]

D. H. Titterton, J. L. Weston, Strapdown Inertial Navigation Technology -

2nd Edition, The Institution of Electrical Engineers, 2004, ISBN 0863413587.
[29]

J. L. Marins, X. Y. Eric, An Extended Kalman Filter for Quaternion-Based

Orientation Estimation Using MARG Sensors, International Conference on
Intelligent Robots and Systems Maui, Hawaii, USA, Oct. 29 - Nov. 03, 2001.
[30]

A. Lammas, K. Sammut, F. He, 6-DoF Navigation Systems for Autonomous

Underwater Vehicles, Flinders University Australia.
[31]

K. M. Fauske, F. Gustafsson, Ø. Hegrenæs, Estimation of AUV dynamics for

sensor fusion, The 10th International Conference on Information Fusion, Canada, 912 July 2007.
[32]

J. Vaganay, J. Leonard, G. Bellingham, Outlier Reject ion for Autonomous

Acoustic Navigation, 0-7803-2988-4196 $ 4.00 0 1996 IEEE page 2174-2181.
[33]

S. Tong, T. Wang, J.T. Tang, Fuzzy adaptive output tracking control of

nonlinear system, Fuzzy Sets and Systems 111(2000) 1169-1182.
[34]

L.X. Wang,

Adaptive Fuzzy Systems and Control, Design and Stability

Analysis, Prentice-Hall, Englewood Cliffs, NJ, 1994.
[35]

C.A. Rovithakis, M.A. Christodoulou, Adaptive control of unknown plans

using dynamical neural networks, IEEE Trans. System, man Cybernet. 24 (3)

(1995) 400-411.
[36]

S. S. Ge, C. C. Hang, T. H. Lee, T. Zhang, Stable Adaptive Neural Network

Control, Kluwer Academic Publishers, Norwell, USA, 2001.
[37]

R. M Sanner, J.J.E. Slontine, Guassian networks for direct adaptive control,

IEEE Trans, Neural networks 1 (6) (1992) 837-863.


92

[38]

Y. K. Kim, F. L. Lewis, C.T. Abdallah, A dynamic recurrent neural-

network-based adaptive observer for a class of nonlinear systems, Automatica 33
(8) (1997) 1539-1543.
[39]

T. Zhang, S. S. Ge, C. C. Hang, Adaptive output feedback control for general

nonlinear systems using multilayer neural networks, Proc. 1998 Amer, Control
Conf, Philadelphia, PA, pp. 520-524.
[40]

S. Horikawa, T. Furuhashi, Y. Uchikawa, On fuzzy modeling using fuzzy

neural networks with the back-propagation algorithm, IEEE Trans, Neural
networks 3 (5) (1992) 801-806.
[41]

W. Y. Wang, Y. G. Leu, C. C. Hsu, Robust adaptive fuzzy-neural control of

nonlinear dynamical systems using generalized projection update law and variable
structure controller, IEEE Trans, System, Man Cybernet. Part B 31 (1) (2001) 140 147.
[42]

Y. G. Leu, T. T. Lee, W. Y. Wang, Observer-based adaptive fuzzy-neural

control for unknown nonlinear dynamical systems, IEEE Trans, System, Man
Cybernet. Part B: Cybernet 29 (5) (1999) 583-591.
[43]

W. Y Wang, Y. G. Leu, T. T. Lee, Output – feedback control of nonlinear

systems using direct adaptive fuzzy – neural controller, Fuzzy Set and Systems 341358 140 (2002).
[44]

Y. G. Leu, T. T. Lee, W. Y. Wang,

Observer – based adaptive fuzzy –

neural control for unknow nonlinear dynamical systems, Vol. 29, No. 5, October
(1999).
[45]

L. Ljung, System Identification theory for the user, second edition, Prentice

Hall PRT Upper Saddle River, NJ 07458.
[46]

H. X. Li, S. Tong, Hybrid Adaptive Fuzzy Control for A Class of Nonlinear

MIMO Systems, IEEE Trans, Vol.11, No.1, February (2003).
[47]

S. Sastry, M. Bodson,

Adaptive Control, Stability, Convergence, and

Robustness, Englewood Cliffs, NJ: Prentice–Hall (1989).


93

[48]

G .N. Robert, R. Sutton, Advance in Unmanned Marine Vehicles, Control of

Engineering Series 69 (1996) pp. 92-101.
[49]

T. I. Fossen, Marine control systems, 2002 by Marine Cybernetics, ISBN 82-

93256-00-2.
[50]

B. Raeisy, A. Safavi, R. Khayatian, Optimized fuzzy control degign of an

Autonomous Underwater vehicle, Iranian Journal of Fuzzy Systems Vol. 9, No. 2,
(2012) pp. 25-4.
[51]

Khac Duc Do, J. Pan, Control of Ships and Underwater Vehicles, e-ISBN

978-1-84882-730-1 pringer Dordrecht Heidelberg London New York.
[52]

D. Ven, C. Flanagan, D. Toal, Neural networkcontrol of underwater vehicles,

Engineering Applications of Artificial Intelligence 18 (2005) 533–547.
[53]

A. Forouzantabar, B. Gholami, M. Azadi, Adaptive Neural Network Control

of Autonomous Underwater Vehicles, World Academy of Science, Engineering and
Technology 67 2012, page 304-309.
[54]

Z. Qin, J. Gu, Adaptive control of Autonomous Underwater vehicle base on

the fuzzy neural network, Journal of Automation, Mobile Robotics & Intelligent
Systems VOLUME 4, N° 1 2010.
[55]

T. S. TSAY, Intelligent Guidance and Control Laws for an Autonomous

Underwater Vehicle, Wseas transactions on systems ISSN, 1109-2777 Issue 5,
Volume 9, May 2010, pp 463-475.
[56]

M. Santhakumar, T. Asokan, Non-linear Adaptive Control System for an

Underactuated Autonomous Underwater Vehicle using Dynamic State Feedback,
International Journal of Recent Trends in Engineering at India, Vol 2, No. 5,
November 2009.
[57]

Z. Tang, Q. He, Predictive Fuzzy PID Control Method for Underwater

Vehicles. Journal of Computational Information Systems 8: 9 (2012) 3635-3642,
China.


94

[58]

Hung Duc Nguyen, Riaan Pienaar, Dev Ranmuthugala, William West,

Modelling, Simulation and Control of Underwater Vehicles, Hội nghị toàn quốc về
Điều khiển và Tự động hoá - VCCA-2011.
[59]

M. Breivik, T. I. Fossen, Guidance Laws for Autonomous Underwater

Vehicles, Source, Underwater Vehicles, Book edited by, Alexander V. Inzartsev,
ISBN 978-953-7619-49-7, pp. 582, December 2008, I-Tech, Vienna, Austria.
[60]

T.I.Fossen, Guidance and Control Of Ocean Vehicles. Chichester, John

Wiley & Sons, 1994.
[61]

J.E.G Refsnes, Nonlinear Model-Based Control of Slender Body AUVs,

Thesis for the degree of philosophy doctor, Trondheim, December 2007.
[62]

X. Liang, Y. Pang, L. Wan and B. Wang, Dynamic Modeling and Motion

Control for Underwater Vehicles with Fins, ISBN 978-953-7619-49-7, pp. 582,
December 2008.
[63]

P.Ridley,

J.Fontan, P. Corke, Submarine dynamic modeling, Australian

Conference on Robotics and Automation, 2nd- 4th December 2003.
[64]

Oleg S. Salychev, Inertial systems in navigation and geophysics, Bauman

MSTU Press Moscow 1988.

[65]

J. Leonard, A. Bennett, M. Smith, S. Feder, Autonomous Underwater Vehicle

Navigation, Massachusetts Institute of Technology Cambridge, MA 02139-4307
MIT Marine Robotics Laboratory Technical Memorandum 98-1.
[66]

L. Stutters, H. Liu, C. Tiltman, D. J. Brown, Navigation Technologies for

Autonomous Underwater Vehicles, IEEE TRANSACTIONS ON SYSTEMS, MAN
AND CYBERNETICS - PART C.
[67]

A. Bahr, Cooperative Localization for Autonomous Underwater Vehicles,

Doctor of Philosophy at the Massachusetts institute of technology and the woods
hole oceanographic institution, February 2009.
[68]

P. Kaniewski, G. S. Kaliski,

Integrated Positioning System for AUV,

Molecular and Quantum Acoustics vol. 26, (2005).


95

[69]

H. F. Ho, Y. K. Wong, A. B. Rad, W.L. Lo, State Observer Base Indirect

Adaptive Fuzzy Tracking Control, Simulation Modelling Practice and theory 646663 13 (2005).
[70]

Tong Shao Cheng, Chen Bin, Wang Yongfu,

feedback

Fuzzy adaptive output

control for MIMO nonlinear systems, Fuzzy set and systems 285 – 299

156 (2005).
[71]

Slim labiod, Mohamed Seghir Boucherit, Thierry Marie Guerra, Adaptive

fuzzy control of a class of MIMO nonlinear systems, Fuzzy Set and Systems 59-77
151 (2005).
[72]

P.A. Ioannou, J. Sun, Robust Adaptive Control. Prentice–Hall, Englewood

Cliffs, NJ. (1996).
Tiếng Nga
[73]

(50)Pаспопов В. Я (2010), “ Мисро-системная авионика”, Тула.

[74]

(60)Фильтрация

и

стохастическое

управление

в

динамических

системах, Под редакциёй К. Т. Леондеса, Издательство "Мир", Москва, 1980.
[75]

(61)Артемьев А, Авиационные торпеды, Техника и вооружение, № 1 /

1998 г.