EUVIMEDEUVIMED entdecken
Crossref

THIẾT KẾ BỘ ĐIỀU KHIỂN PID TỰ THÍCH NGHI TRỰC TUYẾN DỰA TRÊN THUẬT TOÁN HỌC SÂU TĂNG CƯỜNG TD3 CHO HỆ THỐNG LÁI TỰ ĐỘNG TÀU THỦY

Hữu Quyền Nguyễn, Cường Nguyễn Hùng

Tạp chí Khoa học Công nghệ Hàng hải · 30.04.2026 · (86) · 123-138

DOI: 10.65154/jmst.1026 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Tạp chí Khoa học Công nghệ Hàng hải, online erschienen am 30.04.2026. Verfasst von Hữu Quyền Nguyễn und 1 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Bài báo đề xuất phương pháp điều khiển lái tự động thích nghi cho tàu thủy dựa trên sự kết hợp giữa bộ điều khiển PID truyền thống và thuật toán học sâu tăng cường (TD3: Twin Delayed Deep Deterministic Policy Gradient). Hệ thống được xây dựng trên mô hình động lực học phi tuyến 3 bậc tự do (surge–sway–yaw), mô hình phản ánh đầy đủ tính phi tuyến và sự tương tác giữa các thành phần chuyển động của tàu. Trong cấu trúc đề xuất, bộ PID thực hiện điều khiển thời gian thực, trong khi tác nhân TD3 tối ưu hóa trực tuyến các tham số với tốc độ cập nhật chậm, phù hợp với đặc tính quán tính lớn của tàu thủy, giúp duy trì tính ổn định của hệ thống trong suốt quá trình học.Hàm thưởng (Reward function) được thiết kế đa mục tiêu, bao gồm sai lệch hướng đi, tốc độ trở và năng lượng điều khiển (góc lái) nhằm cân bằng giữa độ chính xác bám hướng và tính kinh tế vận hành. Kết quả mô phỏng dưới tác động của nhiễu môi trường cho thấy phương pháp TD3 - PID cải thiện đáng kể so với bộ điều khiển PID truyền thống thông qua việc giảm thiểu hiện tượng quá điều chỉnh, sai số xác lập và biên độ dao động của góc lái. Nghiên cứu khẳng định khả năng ứng dụng cao của học sâu tăng cường trong điều khiển các hệ thống tàu thủy phi tuyến có quán tính lớn.AbstractThis paper proposes an adaptive autopilot control method for ships based on the combination of a traditional PID controller and the Twin Delayed Deep Deterministic Policy Gradient (TD3) deep reinforcement learning algorithm. The system is built on a 3-degree-of-freedom (surge–sway–yaw) nonlinear dynamic model, which fully reflects the nonlinearity and interaction between the ship's motion components. In the proposed structure, the PID controller performs real-time control, while the TD3 agent optimizes the parameters online with a slow update rate, suitable for the high-inertia characteristics of ships, helping to maintain system stability throughout the learning process.The reward function is designed with multiple objectives, including heading error, yaw rate, and control energy (rudder angle) to balance heading tracking accuracy and operational economy. Simulation results under the influence of environmental noise show that the TD3-PID method significantly improves compared to the traditional PID controller by minimizing overshoot, steady-state error, and the oscillation amplitude of the rudder angle. The study confirms the high applicability of deep reinforcement learning in controlling nonlinear ship systems with large inertia.Keywords: Ship autopilot control, 3-DOF nonlinear model, Deep Reinforcement Learning, TD3, Adaptive PID.

Zitieren

APA

Nguyễn, H. Q., & Hùng, C. N. (2026). THIẾT KẾ BỘ ĐIỀU KHIỂN PID TỰ THÍCH NGHI TRỰC TUYẾN DỰA TRÊN THUẬT TOÁN HỌC SÂU TĂNG CƯỜNG TD3 CHO HỆ THỐNG LÁI TỰ ĐỘNG TÀU THỦY. Tạp chí Khoa học Công nghệ Hàng hải, 123-138. https://doi.org/10.65154/jmst.1026

Vancouver

Nguyễn HQ, Hùng CN. THIẾT KẾ BỘ ĐIỀU KHIỂN PID TỰ THÍCH NGHI TRỰC TUYẾN DỰA TRÊN THUẬT TOÁN HỌC SÂU TĂNG CƯỜNG TD3 CHO HỆ THỐNG LÁI TỰ ĐỘNG TÀU THỦY. Tạp chí Khoa học Công nghệ Hàng hải. 2026:123-138. doi:10.65154/jmst.1026

BibTeX
@article{Nguyn2026,
  author = {Nguyễn, Hữu Quyền and Hùng, Cường Nguyễn},
  title = {THIẾT KẾ BỘ ĐIỀU KHIỂN PID TỰ THÍCH NGHI TRỰC TUYẾN DỰA TRÊN THUẬT TOÁN HỌC SÂU TĂNG CƯỜNG TD3 CHO HỆ THỐNG LÁI TỰ ĐỘNG TÀU THỦY},
  journal = {Tạp chí Khoa học Công nghệ Hàng hải},
  year = {2026},
  number = {86},
  pages = {123--138},
  doi = {10.65154/jmst.1026}
}
Kostenlos starten →