Ky Yeu Ky Thuat CNTT YSC2021

BỘ CÔNG THƯƠNG
TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH
HỘI NGHỊ KHOA HỌC TRẺ LẦN 3

NĂM 2021 (YSC 2021)
NHÀ XUẤT BẢN ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH
Hội nghị Khoa học trẻ lần 3 năm 2021 (YSC2021) – IUH
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
HỘI NGHỊ KHOA HỌC TRẺ LẦN 3 NĂM 2021

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH
----------------------------
BAN TỔ CHỨC
- TS. Phan Hồng Hải Hiệu trưởng Trưởng ban
- GS.TS. Lê Văn Tán Phó Hiệu trưởng Phó Trưởng ban
- PGS. TS Đàm Sao Mai Phó Hiệu trưởng Phó Trưởng ban
- PGS. TS Trịnh Ngọc Nam Trưởng phòng Quản lý khoa học và Hợp tác quốc tế Phó Trưởng ban
- TS. Lê Ngọc Sơn Trưởng phòng Quản lý Sau đại học Thành viên
- Ths. Bùi Đình Tiền Phó trưởng phòng Quản lý khoa học và Hợp tác quốc tế Thành viên
- TS. Phạm Hùng Hiệp Giám đốc Nghiên Cứu, Trung tâm EDLAB ASIA Thành viên
- TS. Nguyễn Thị Thu Hiền Trưởng tiểu ban Kinh tế Thành viên
- PGS.TS Huỳnh Trung Hiếu Trưởng tiểu ban Kỹ thuật - Công nghệ thông tin Thành viên
- TS. Ngô Ngọc Hưng Trưởng tiểu ban Khoa học Xã hội và Nhân văn Thành viên
- ThS. Nguyễn Thị Thương Giám đốc Trung tâm Thông tin - Truyền thông Thành viên
- ThS. Lê Bá Long Phó Bí thư Đoàn Thanh niên Trường Thành viên
- TS. Võ Trung Âu Chuyên viên Phòng Quản lý khoa học và Hợp tác quốc tế Thành viên
- CN. Hồ Văn Thái Chuyên viên Phòng Quản lý khoa học và Hợp tác quốc tế Thành viên
- ThS. Huỳnh Công Lực Giảng viên Viện KHCN&QLMT Thành viên
- ThS. Hoàng Phượng Trâm Chuyên viên Phòng Quản lý khoa học và Hợp tác quốc tế Thành viên
- Ngô Đình Luật Chủ tịch Hội Sinh viên Trường Thành viên
BAN CHUYÊN MÔN THẨM DUYỆT BÀI BÁO

Tiểu ban Cơ khí – Xây dựng
- TS. Châu Minh Quang Trưởng khoa Công nghệ Cơ khí Trưởng ban
- PGS.TS. Bùi Trung Thành Trưởng khoa Công nghệ Nhiệt – Lạnh Thành viên
- TS. Nguyễn Văn Nam Trưởng khoa Kỹ thuật Xây dựng Thành viên
- ThS. Nguyễn Chí Hùng Trưởng khoa Công nghệ Động lực Thành viên
- TS. Võ Tấn Châu Giảng viên Khoa Công nghệ Động lực Thành viên
- TS. Đường Công Truyền Giảng viên Khoa Công nghệ Nhiệt – Lạnh Thành viên
- PGS.TS. Nguyễn Đức Nam Phó Trưởng khoa Công nghệ Cơ khí Thư ký
Tiểu ban Tin học – Điện – Điện tử

- PGS.TS. Huỳnh Trung Hiếu Trưởng khoa Công nghệ Thông tin Trưởng ban
- TS. Mai Thăng Long Trưởng khoa Công nghệ Điện tử Thành viên
- TS. Lê Ngọc Sơn Trưởng phòng Quản lý Sau đại học Thành viên
- ThS. Phạm Trung Kiên Trưởng phòng Tổ chức – Hành chính Thành viên
- TS. Trần Thanh Ngọc Trưởng khoa Công nghệ Điện Thành viên
- TS. Nguyễn Trung Nhân Trưởng phòng Đào tạo Thành viên
- TS. Phạm Thị Bích Thuận Phó Trưởng phòng Đào tạo Thành viên
- TS. Đặng Thị Phúc Phó Trưởng khoa Công nghệ Thông tin Thành viên
- PGS.TS. Nguyễn Tấn Lũy Phó Trưởng khoa Công nghệ Điện tử Thư ký
© 2021 Trường Đại học Công nghiệp Thành phố Hồ Chí Minh 3
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
BAN THƯ KÝ
- PGS.TS. Trần Nguyễn Minh Ân Khoa Công nghệ Hóa học Trưởng ban
- ThS. Lê Bá Long Đoàn Thanh niên Trường Phó Trưởng ban
- ThS. Phạm Nguyễn Hoàng Nam Khoa Công nghệ Thông tin Thành viên
- ThS. Nguyễn Anh Tuấn Khoa Công nghệ Điện Thành viên
- ThS. Thái Duy Tùng Khoa Tài chính – Ngân hàng Thành viên
- ThS. Lê Thanh Hòa Khoa Lý luận chính trị Thành viên
- TS. Võ Trung Âu Phòng Quản lý khoa học và Hợp tác quốc tế Thành viên
- CN. Hồ Văn Thái Phòng Quản lý khoa học và Hợp tác quốc tế Thành viên
4 © 2021 Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
DANH MỤC BÀI BÁO

YSC3F.201 - MAXIMIZED HEAT RECOVERY OF TUBE ICE MACHINE BY APPLYING
PINCH TECHNOLOGY............................................................................................................................ 8
NGUYỄN HIẾU NGHĨA, ĐƯỜNG CÔNG TRUYỀN ........................................................................... 8
YSC3F.202 - A DEVELOPMENT OF AUTONOMOUS ROBOT SERVING IN COFFEE SHOP... 14
NGUYỄN NGỌC LĨNH , HOÀNG ĐÌNH KHÔI ................................................................................. 14
YSC3F.203 - TỐI THIỂU HÓA SỰ PHÁT SINH ENTROPY CỦA COLLECTOR KHÔNG KHÍ
CÓ TẤM HƯỚNG DÒNG ....................................................................................................................... 25
PHẠM BÁ THẢO, ĐƯỜNG CÔNG TRUYỀN, NGUYỄN MINH PHÚ ............................................. 25
YSC3F.204 - NGHIÊN CỨU CHẾ TẠO CÂN LỰC KHÍ ĐỘNG DÙNG TRONG ỐNG
KHÍ ĐỘNG................................................................................................................................................ 33
NGUYỄN TRƯỜNG GIANG, CHÂU THANH PHƯƠNG BÌNH, HUỲNH HỮU HIỆP,
BÙI CHẤN HUY.................................................................................................................................... 33
YSC3F.205 - CẢI TIẾN GIAO THỨC TRUYỀN THÔNG HAI CHIỀU TIME DIVISION
BROADCAST ĐỂ THU HOẠCH NĂNG LƯỢNG VÔ TUYẾN VÀ TRUYỀN TIN ĐỒNG THỜI
TẠI TRẠM CHUYỂN TIẾP .................................................................................................................... 39
NGÔ THỊ THANH THẢO, HUỲNH THỊ TRÚC QUYÊN, PHẠM MINH NAM ............................... 39
YSC3F.206 - KẾT QUẢ NGHIÊN CỨU BƯỚC ĐẦU VỀ ẢNH HƯỞNG CỦA SÓNG SIÊU ÂM
LÊN TÍNH CHẤT ĐIỆN CỦA VẬT LIỆU NANOCOMPOSIT SẮT ĐIỆN ...................................... 50
NGUYỄN HOÀI THƯƠNG, HÀ VĂN ĐẠI ......................................................................................... 50
YSC3F.207 - NGHIÊN CỨU THIẾT KẾ HỆ THỐNG CẢNH BÁO CÓ NGƯỜI BÊN TRONG
XE KHI XE KHÔNG HOẠT ĐỘNG...................................................................................................... 56
ĐINH HOÀNG BẢO HY, TRẦN QUỐC HUY, TRẦN ĐỨC LƯƠNG, NGUYỄN VŨ LINH,
NGUYỄN VĂN TÚ, NGUYỄN THÀNH TÂM .................................................................................... 56
YSC3F.208 - THIẾT KẾ VÀ XÂY DỰNG VƯỜN TRỒNG LAN TỰ ĐỘNG HOÁ DỰA TRÊN
NỀN TẢNG VẠN VẬT KẾT NỐI ........................................................................................................... 63
LU HUU DAN, TRUONG BAO PHU, TRAN THI MINH KHOA ...................................................... 63
YSC3F.209 - THIẾT KẾ VÀ THI CÔNG MÔ HÌNH THỰC NGHIỆM MẠCH DC-DC BOOST
TỈ SỐ ĐỘ LỢI CAO ................................................................................................................................. 72
NGUYỄN TẤN TIẾN, LÊ CHÍ THIỆN, NGUYỄN THANH NHÀN, TRẦN MINH HOÀI ............... 72
YSC3F.210 - PROGRAMMING AND CONTROL FOR A FIVE-FLOOR ELEVATOR USING
FPGA ......................................................................................................................................................... 82
PHAN PHUC THANG, NGUYEN MINH HIEU, VU THI HONG NGA ............................................ 82
YSC3F.211 - NONLINEAR CONTROL STRUCTURE FOR FOC VECTOR CONTROL OF
SPIM DRIVES .......................................................................................................................................... 88
NGOC THUY PHAM, THUAN DUC LE ............................................................................................. 88
YSC3F.212 - AppIUH: CÔNG CỤ HỖ TRỢ TUYỂN SINH TẠI TRƯỜNG ĐẠI HỌC CÔNG
NGHIỆP THÀNH PHỐ HỒ CHÍ MINH ................................................................................................ 99
TÔN LONG PHƯỚC, NGUYỄN THÀNH CHÍNH, NGUYỄN DUY HƯNG ..................................... 99
YSC3F.213 - ĐÁNH GIÁ TÁC ĐỘNG CỦA ỨNG DỤNG CÔNG NGHỆ THÔNG TIN TRONG
NỀN KINH TẾ VIỆT NAM GIAI ĐOẠN 2006 – 2020 ....................................................................... 112
NGUYỄN HOÀNG NAM .................................................................................................................... 112
YSC3F.214 - ĐIỀU KHIỂN TỐI ƯU BỀN VỮNG DỰA TRÊN QUY HOẠCH ĐỘNG THÍCH
NGHI VÀ ZERO-SUM GAMES CHO HỆ THỐNG LƯU TRỮ NĂNG LƯỢNG TÁI TẠO ......... 124
HUỲNH TUYẾT VY, LÊ VĂN HÙNG, TRƯƠNG NĂNG TOÀN, ĐẶNG QUANG MINH,
NGUYỄN THANH ĐĂNG, TRẦN HỒNG VINH, NGUYỄN TẤN LŨY......................................... 124
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
YSC3F.215 - THIẾT BỊ ĐEO THÔNG MINH DÀNH CHO NGƯỜI KHIẾM THỊ ........................ 137
VÕ TẤN TÀI, TRẦN THỊ MAI PHƯƠNG, TRẦN THỊ THẢO NGUYÊN, HOÀNG ĐỨC QUÝ ... 137
YSC3F.216 - MÔ HÌNH HỌC MÁY LIÊN KẾT ................................................................................. 143
ĐÀO DUY TRƯỜNG, QUÁCH TRỌNG NGHĨA, PHẠM MINH TUẤN, ĐINH TUẤN ANH,
NGUYỄN CHÍ KIÊN, NGUYỄN HỮU TÌNH .................................................................................... 143
YSC3F.217 - XÂY DỰNG HỆ THỐNG ĐÁNH GIÁ TÍN DỤNG CHO CÁC DOANH NGHIỆP
VỪA VÀ NHỎ ......................................................................................................................................... 155
PHAN HỮU BẢO, NGUYỄN MINH HIẾU, NGUYỄN CHÍ KIÊN, NGUYỄN ĐỖ QUỲNH
ANH, NGUYỄN HỮU TÌNH, NGHĨA VŨ, NGUYÊN NGUYỄN .................................................... 155
YSC3F.218 - PHÁT TRIỂN HỆ THỐNG TẠO TẢI SỬ DỤNG ĐỘNG CƠ DIESEL NÔNG
NGHIỆP VIKYNO RV125 ..................................................................................................................... 163
VÕ TẤN CHÂU, NGUYỄN QUỐC SỸ, TRẦN VĂN NGUYỆN, PHẠM NGỌC ĐỨC, TRẦN
HOÀNG KHÁNH, DƯƠNG ĐÌNH HIẾU .......................................................................................... 163
YSC3F.219 - IMPLEMENTATION OF CSFL CURRENT CONTROL METHOD FOR PMSG
BASED WIND ENERGY SYSTEMS ................................................................................................... 172
NGUYEN NGOC ANH TUAN, PHAM CONG DUY, NGUYEN NGOC THIEM ........................... 172
YSC3F.220 - NGHIÊN CỨU VÀ THIẾT KẾ HỆ THỐNG NHẬN DIỆN ĐỐI TƯỢNG MUA
HÀNG ...................................................................................................................................................... 183
NGUYỄN VĂN DUY, NGUYỄN HOÀNG MINH, TRẦN TRỌNG NGHĨA ................................... 183
YSC3F.221 - NGHIÊN CỨU ĐIỆN TRỞ SUẤT CỦA BÊ TÔNG ...................................................... 197
TRẦN VIỆT PHƯƠNG ĐÔNG ........................................................................................................... 197
YSC3F.222 - ỨNG DỤNG HỌC MÁY NHẬN DẠNG TẾ BÀO MÁU .............................................. 203
VÕ VƯƠNG THÀNH ĐẠT, HÀ BẢO ANH, PHẠM TRUNG SƠN, PHẠM HUỲNH TRƯỜNG
THỊNH, HUỲNH TRUNG HIẾU ........................................................................................................ 203
YSC3F.223 - THU THẬP NĂNG LƯỢNG TRONG MẠNG HỢP TÁC ĐA TRUY CẬP PHI
TRỰC GIAO CÓ ĐƯỜNG TRUYỀN TRỰC TIẾP............................................................................ 213
HỒ NGỌC HUY, NGUYỄN THANH HẢI, ĐÀO THỊ THU THUỶ, NGUYỄN THÀNH LUÂN,
PHÙ TRẦN TÍN .................................................................................................................................. 213
YSC3F.224 - ỨNG DỤNG HỌC MÁY ĐỀ PHÁT HIỆN BẤT THƯỜNG TRONG AN NINH
MẠNG ...................................................................................................................................................... 221
TRỊNH THỊ BẢO BẢO, ĐINH HOÀNG HẢI ĐĂNG, PHAN LÊ HOÀNG VIỆT, TRẦN NAM
BÁ, NGUYỄN THỊ THANH HÒA, NGUYỄN VĂN ANH TUẤN, NGUYỄN CHÍ KIÊN,
NGUYỄN HỮU TÌNH ......................................................................................................................... 221
YSC3F.225 - XÂY DỰNG HỆ THỐNG E-KYC DỰA TRÊN ĐIỆN TOÁN ĐÁM MÂY ................ 232
NGUYỄN THỊ HUYÊN, NGUYỄN CHÍ KIÊN, NGUYỄN HỮU TÌNH........................................... 232
YSC3F.226 - SỐ HÓA DỮ LIỆU ĐƯỜNG HUYẾT ............................................................................ 240
VÕ ĐÌNH NGHĨA, HUỲNH NGỌC NHÂN, HUỲNH TRUNG HIẾU ............................................. 240
YSC3F.227 - ĐIỀU KHIỂN MỜ CHO ROBOT 2 BẬC TỰ DO BÁM ĐUỔI QUỸ ĐẠO TRONG
ĐIỀU KIỆN CÁC YẾU TỐ BẤT ĐỊNH ............................................................................................... 249
LÂM QUANG HOÀNG THIỆN, HUỲNH ĐỨC MIN ....................................................................... 249
YSC3F.228 - THIẾT KẾ VÀ THI CÔNG MÔ HÌNH ĐIỀU KHIỂN VẬN TỐC ĐỘNG CƠ
ĐỒNG BỘ NAM CHÂM VĨNH CỬU DỰA TRÊN HƯỚNG TỪ THÔNG ...................................... 266
ĐOÀN VĂN HÒA, PHẠM MINH NHẬT, NGUYỄN TẤN HUY, TÔ NGỌC DUY ....................... 266
YSC3F.229 - MÔ PHỎNG QUÁ TRÌNH LÀM MÁT CƯỠNG BỨC TẤM PIN NĂNG LƯỢNG
MẶT TRỜI CÓ CÀI ĐẶT BỘ TẠO RỐI DÙNG PHẦN MỀM LABVIEW .................................... 275
MINH MAN PHAM , PHUOC DINH TRAN ..................................................................................... 275
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
LĨNH VỰC
KỸ THUẬT – CÔNG NGHỆ THÔNG TIN
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.201
MAXIMIZED HEAT RECOVERY OF TUBE ICE MACHINE BY

APPLYING PINCH TECHNOLOGY
NGUYỄN HIẾU NGHĨA 1, ĐƯỜNG CÔNG TRUYỀN 2

1
Faculty of Heat & Refrigeration Engineering, Industry University of Ho Chi Minh City,
Vietnam;, 2 Faculty of Mechanical Engineering, Industry University of Ho Chi Minh City, Vietnam;
nguyenhieunghia@iuh.edu.vn; duongcongtruyen@iuh.edu.vn
Abstract. In current situation, ice product will not be enough to meet higher demand in the coming years.
So, the construction of ice machine suitable to production need, reasonable price with high efficiency which
are always put on top by investors. Particularly, the urgent requirement of economical machine price and
efficient use of energy, the application of Pinch technology for calculation and design to optimize the heat
recovery component, increase system productivity is pioneering application research. The applied Pinch 3
tons/day tube ice machine capacity brings higher specific cooling capacity, heat recovery of heat recovery
component and the coefficient of performance compare to traditional designed tube ice machine, alternate
as follows:
o Specific cooling capacity: qo-Tra = 151,7 kJ/kg, qo-Pinch = 162.91 kJ/kg (up 7.4 %).
o Heat recovery componant: QRc-Tra = 0,57 kW, QRc-Pinch = 1.5 kW (increase 163 %).
o Coefficient of performance: COPTra = 3,59, COPPinch = 3.71 (increase 3.3 %).
Keywords. Tube ice machine, heat recovery Pinch, efficient tube ice machine, Specific cooling capacity
Pinch.
TỐI ĐA HÓA THU HỒI NHIỆT CHO MÁY NƯỚC ĐÁ VIÊN BẰNG KỸ THUẬT PINCH
Tóm tắt. Trong tình hình hiện nay, sản phẩm nước đá sẽ không đủ đáp ứng nhu cầu tăng cao trong những
năm tới. Vì thế, cấu trúc của máy sản xuất nước đá phải phù hợp với nhu cầu sản xuất, giá cả hợp lý với
hiệu suất cao luôn luôn được các nhà đầu tư đặt lên hàng đầu. Cụ thể, yêu cầu cấp thiết là cạnh tranh về giá
máy và hiệu quả sử dụng năng lượng nên việc ứng dụng kỹ thuật Pinch cho việc tính toán và thiết kế để tối
ưu bộ hồi nhiệt, tăng năng suất hệ thống là nghiên cứu ứng dụng tiên phong. Việc áp dụng kỹ thuật Pinch
cho máy sản xuất nước đá ống có năng suất 3 tấn/ngày có năng suất lạnh riêng cao hơn, nhiệt lượng thu hồi
từ bộ thu hồi nhiệt cao hơn, và hệ số hiệu quả nhiệt cũng cao hơn so với máy nước đá ống có thiết kế truyền
thống lần lượt như sau:
oNăng suất lạnh riêng: qo-Tra = 151,7 kJ/kg, qo-Pinch = 162.91 kJ/kg (up 7.4 %).
oBộ thu hồi nhiệt: QRc-Tra = 0,57 kW, QRc-Pinch = 1.5 kW (tăng 163 %).
oHệ số hiệu quả nhiệt: COPTra = 3,59, COPPinch = 3.71 (tăng 3.3 %).
Keywords. Máy nước đá ống, Pinch thu hồi nhiệt, máy nước đá ống hiệu quả, Pinch năng suất lạnh riêng.
1 INTRODUCTION
The burgeoning global food and beverage industry is supporting the adoption of ice machine systems. The
ice maker segment dominates the global ice production industry as the use of these machines increases in
the residential and commercial segments. The need to use ice cubes for alcoholic beverages consumption
and refreshments at home, offices, universities, hotels, bars, ... are supporting the increase in sales of the
machines. The size of the global ice making market in 2018 was more than US $ 1.5 billion and is estimated
to grow by 6% from 2019 to 2025. When assessing the market's import / export countries, it was found that
the United States was the largest importer of ice machines, followed by Germany, France, Great Britain
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
and Canada. On the other hand, China represents the next largest exporter, followed by Mexico, Italy, the
United States and South Korea [1].
In recent years, global demand for ice machines has increased, with a growth rate of around 5% -20%,
depending on the economic, industrial and environmental conditions of each country and area [2]. The
major global competitors in ice production are KTI in Germany, Manitowoc in the US, Scotsman in Italy,
Iceman in Japan, Hoshizaki in Japan, Northstar in the United States, Geneglace in France and Snowman in
China.
The ever-increasing demand for ice has pushed ice production facilities to always run at full capacity and
expand production. According to statistics on yellowpages.vnn.vn. In Ho Chi Minh City, there are over 200
production facilities, are distributing ice. Companies and production facilities of ice machines are constantly
improving to meet the needs of customers. Research activities are largely focused on refrigerant, treatment
of ice making water, improvement of ice machine performance. In particular, in the urgent requirement of
economical and efficient use of energy, the application of Pinch technology to the calculation and design
to optimize the heat recovery component, increase system productivity is a pioneering application research.
On the Vietnamese market today, there are many ice making machines of different brands with many
different capacities (output from 300 ÷ 1800 kg/day for small households and small businesses; 5 ÷ 10
tons/day for medium facilities; and over 25 tons/day for industrial factories) [25]. In order to serve small
and medium households business, limited space, an tube ice machine with a capacity of 3 tons/day is
reasonable on building basis formulae system for calculation, detailed design of tube ice machine parts.
The principle diagram of 3 tons/day tube ice machine is shown in figure 1.
Figure 1. Principle diagram of the tube ice machine
In order to minimize the energy consumption of this tube ice machine, maximizing heat recovery of the
heat recovery component is considered by the Pinch technology.
2 APPLY PINCH TECHNOLOGY TO THE CALCULATION AND DESIGN

2.1 Using Pinch technology to calculate heat transfer of heat recovery component
The parameters at the heat recovery component:
o Liquid refrigerant temperature go into the heat recovery component: t4 = 39 oC
o Liquid refrigerant temperature go out from the heat recovery component: t5 = 35 oC
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
o Vapor refrigerant temperature go into the heat recovery component: t8 = -15 oC

o Vapor refrigerant temperature go out from the heat recovery component: t1 = -10 oC
o Mass flow rate of liquid and vapor refrigerant moving in the tube: ml = 0.083 kg/s
o Mass flow rate of vapor refrigerant moving outside the tube: mv = 0.083 kg/s
𝐭 𝟒 +𝐭 𝟓 𝟑𝟗+𝟑𝟓
o Average temperature of liquid refrigerant: tave-l = 𝟐
= 𝟐
= 37 oC
𝐭 +𝐭 −𝟏𝟓−𝟏𝟎
o Average temperature of overheating vapor refrigerant: tave-v = 𝟏 𝟐 𝟖 = 𝟐 = -12.5 oC
o Specific heat of liquid refrigerant: Cp-l = 4.845 kJ/kg.K
o Specific heat of overheating vapor refrigerant: Cp-v = 2.517 kJ/kg.K
Cool and hot flow determination
Cooling effect and heating effect:
o Qheat = 0.209 x |−10 + 15|= 1.04 kW
o Qcool = 0.402 x |35 − 39| = 1.61 kW
Table 1. Process stream in the heat recovery component
Inlet temp. Outlet temp. Heat capacity rate,

Process stream Q [kW]
[oC] [oC] m.Cp [kW/K]
1. Cold -15 -10 0.209 1.04
2. Hot 39 35 0.402 1.61
In table 1, the heating effect and cooling effect under steady state condition (constant heat capacities and
temperatures) which must be supplied by external heater and cooler such as steam water and cold water.
The idea is now to find the lowest possible Qcool for this particular problem.
Now, the inlet and outlet temperatures can be divided into temperature interval numbers where the first
temperature interval is between the maximum and the second largest. The next interval is between the
second and third largest temperature, ... Results between such temperature intervals are shown in table 2.
Table 2. Temperature interval and external heating and cooling effects
Interval Temperature Stream Q cood Q heat Q

Number o
interval [ C] Numbers [kW] [kW] [kW]
1 39 – 35 2 1,61 0 1,61
2 35 – -10 0 0 0 0
3 -10 – -15 1 0 1,04 -1,04
One can calculate the amount of heat to be supplied to a plant (called Qheat) and how much heat must be
taken from the plant (called Qcool). The relationship between external cooling and heating can be written:
ΔQ = Qcool-1 – Qheat-1 = 1,61 – 0 = 1,61 kW
The ΔTmin value
For calculating the heat recovery component in the tube ice machine system, the low temperature process
with ΔTmin = (3 ÷ 5 oC). We choose the temperature ΔTmin = 3 oC. ΔTmin = 3 oC is reduced from hot streams,
meaning the hot stream will be cooled by 3 oC. Therefore, a new temperature range that can be calculated
is indicated in Table 3.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Table 3. Temperature interval for Tmin = 3 oC.
Interval Number Temperature interval Stream Numbers Q cool Q heat Q

[oC] [kW] [kW] [kW]
1 36 – 32 2 1.61 0 1.61
2 32 – -10 0 0 0 0
3 -10 – -15 1 0 1,04 -1,04
The Problem Table Algorithm (PTA)
Where Ti and Ti+1 corresponds to upper and lower temperatures in the arbitrary temperature interval i. The
important following condition:
o Di < 0 need for cooling
o Di > 0 need for heating
The energy balance for the arbitrary block i can be calculated by Qi,i+1 = Qi-1,1 - Di
Where Qi-1,i and Qi,i+1 are the supplied heat and removed heat respectively for each block. Initially the
supplied heat Q0, for block 1 is set to Q0,1 = 0.
Table 4 shows the calculated supplied and removed heat for each temperature interval (block):
Table 4. Sequential balance problem for the case in table 1 with ΔTmin = 3 oC
Sequential balance Max table
Di • • • •
Interval Temp. limits
Qi−1,i Qi,i+1 Qi−1,i Qi,i+1
1 36 – 32 -1.61 0 1.61 0.558 2.16
2 32 – -10 0 1.61 1.61 2.1617,51 2.16
3 -10 – -15 1,04 1.61 0.558 2.1617,51 1.12
Design of Heat Exchanger Network (HEN)

In order to design the HEN for the example above it is useful to create tables in which the streams
specifications above and below the pinch temperature are shown, see tables 5 and 6. Note that the pinch
temperature was 27 oC, therefore, above the pinch the cold streams shall be heated from 17 oC while the
hot streams must be cooled to 30 oC (if ΔTmin = 3 oC).
Table 5. Process streams above the pinch with ΔTmin = 3 oC
Heat capacity rate m.Cp

Process stream Inlet Temp. (oC) Outlet Temp. (oC) Q (kW)
(kW/K)
1. Cold - 15 27 0,209 6.7
2. Hot 39 35 0.402 1.6
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Table 6. Process streams below the pinch with ΔTmin = 3 oC
•
Process stream Inlet Temp. Outlet Temp. Heat capacity rate
Q
[oC] [oC] m.Cp [kW/K]
{kW]
1. Cold -15 27 0.209 6.7
2. Hot 39 30 0.402 7.6
For stream above the Pinch point, the cold stream 1need 5.1 kW (6.7 – 1.6 = 5.1 kW) can be provided by
external heating (Table 5).
A similar treatment can also be done for stream below the pinch point (Table 6). The hot stream 1 needs
7.6 – 6.7 = 0.9 kW which can be supplied by the external cooling utility.
2.2 Recalculate the tube ice machine cycle when applying Pinch technology
The working mode of the machine is characterized by the following parameters:
o Refrigerant: R22
o Evaporating temperature: to = -15 oC
o Condensing temperature tk: tk = 39 oC
o Sub-cooling liquid temperature before the expansion valve tql: tql = 7 oC
o Refrigerant vapor temperature drawn to the compressor th: th = 4 oC
Table 6. Compare the applied Pinch technology and non-applied Pinch technology to the system
Specification The system not applied Pinch The system applied Pinch
technology technology
Specific cold capacity qo (kJ/kg) 151.7 174.8
Heat recovery in heat recovery 0.57 2.9
component Qhn (kW)
Coefficient of Performance COP 3.59 3.68
3 ECONOMIC TECHNICAL ASSESSMENT

Investment cost
o Cost of materials and equipment: 226.589.025 VND
o Labor cost for the construction of tube ice machine: 57.000.000 VND
o Total cost for the tube ice machine P = 283.589.025 VND
Payback time calculation
Table 6. Compare the obtained Interest of applied Pinch technology and non-applied Pinch technology
Specification The system not applied The system applied Pinch

Pinch technology technology
Interest is obtained in 1 batch (VNĐ) 44.646 45.352
Interest is obtained in 1 day (VNĐ) 803.628 816.336
Interest is obtained in 1 year (VNĐ) 201.700.000 204.900.000
Payback time (year) 1.52 1.49
4 CONCLUSION
Research shows that 3 tons/day capacity tube ice machine with Pinch technology to the calculation and
design to optimize the heat recovery component bringing higher specific cooling capacity, heat recover
from heat recovery component and coefficient of performance compare to traditional designed tube ice
machine, alternate as follows:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
1. Specific cooling capacity: qo-TT = 151,7 kJ/kg, qo-PINCH = 162,91 kJ/kg (increase 7,4 %).
2. Heat recovery componant: Qhn-TT = 0,57 kW, Qhn-PINCH = 1,5 kW (increase 163 %).
3. Coefficient of performance: COPTT = 3,59, COPPINCH = 3,71 (increase 3,3 %)
4. Interest is obtained in 1 day (VNĐ): 803.628 VND / day vs 816.336 VND / day (increase 1.6%).
5. Payback time (year): 1.52 years vs 1.49 years (decrease 2%)
REFERENCES
[1] A. Alpher, Frobnication, Journal of Foo, vol. 12, no. 1, pp. 234-778, 2002.
[2] A. Alpher and J. P. N. Fotheringham-Smythe, Frobnication revisited, Journal of Foo, vol. 13, no. 1, pp. 234-778,
2003.
[3] A. Alpher, J. P. N. Fotheringham-Smythe, and G. Gamow, Can a machine frobnicate?, Journal of Foo, vol. 14, no.
1, pp. 234-778, 2004.
[4] V. Arnold, K. Vogtmann, and A. Weinstein, Mathematical Methods of Classical Mechanics, ser. Graduate Texts
in Mathematics. Springer, 1989.
[5] FLEXChip Signal Processor (MC68175/D), Motorola, 1996.
[6] M.-T. Pham, O. J. Woodford, F. Perbet, A. Maki, and B. Stenger. (2012) Toshiba CAD model point clouds dataset.
[Online]. Available: http://www.toshiba.eu/eu/Cambridge-Research-Laboratory/Computer-Vision-Group/Stereo-
Points.
[7] M.-T. Pham, O. J. Woodford, F. Perbet, A. Maki, B. Stenger, and R. Cipolla, A new distance for scale-invariant
3D shape recognition and registration, in Proc. Int. Conf. on Computer Vision, 2011, pp. 145-152.
[8] M.-T. Pham, O. J. Woodford, F. Perbet, A. Maki, B. Stenger, and R. Cipolla, An image processing method and
system, US Patent 20130016913 (A1), 2013.
[9] L. A. Santalo, Integral geometry and geometric probability, in Encyclopedia of Mathematics and its Applications,
G. C. Rota, Ed. Addison-Wesley, 1976, vol. 1.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.202
A DEVELOPMENT OF AUTONOMOUS ROBOT SERVING IN COFFEE SHOP

NGUYỄN NGỌC LĨNH 1, HOÀNG ĐÌNH KHÔI 2
12
Khoa Công Nghệ Điện, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
1
nguyenngoclinhxt04@gmail.com
Abstract. One of the greatest achievements in the 21st century is the development of many types of robots
working in different areas. With the increasing in employment costs and the requirement of minimize
production costs together with time optimizing to increase labor productivity, robots are increasingly used
in several areas to replace humans. The topic aims to develop a robot that can work in a coffee shop
autonomously to receive order and bring foods/drinks to the customers. Several functions of the robot are
researched and developed: automatically order and bring drinks, avoid sudden obstructions, move flexibly
in complex environments, communicate with people to reduce unnecessary labor costs. Furthermore, the
project also aims to build a centralized control and monitoring system that is easy to be operated and
maintained by the human. The monitoring control system is established on a minicomputer using ROS
(Robot Operating System). With this, human can monitor the activities, check requirements from
customers, and supervise the performance of the robot.
Keywords. PC, ROS, Control - controlling system
ROBOT TỰ ĐỘNG GỌI MÓN VÀ MANG THỨC UỐNG CHO QUÁN CÀ PHÊ
Tóm tắt. Một trong những thành tựu vĩ đại nhất trong thế kỷ 21 là sự phát triển của nhiều loại robot làm
việc trong các lĩnh vực khác nhau. Với sự gia tăng chi phí việc làm và yêu cầu giảm thiểu chi phí sản xuất
cùng với tối ưu hóa thời gian để tăng năng suất lao động, robot ngày càng được sử dụng rộng rãi trong một
số lĩnh vực để thay thế con người. Đề tài nhằm phát triển một robot có thể tự làm việc trong quán cà phê để
nhận order và mang đồ ăn thức uống đến cho khách hàng. Một số chức năng của robot được nghiên cứu và
phát triển: tự động gọi đồ uống, tránh vật cản đột ngột, di chuyển linh hoạt trong môi trường phức tạp, giao
tiếp với con người để giảm chi phí nhân công không cần thiết. Hơn nữa, dự án cũng nhằm mục đích xây
dựng một hệ thống điều khiển và giám sát tập trung, dễ vận hành và duy trì bởi con người. Hệ thống điều
khiển giám sát được thiết lập trên một máy tính mini sử dụng ROS (Hệ điều hành Robot). Với điều này,
con người có thể giám sát các hoạt động, kiểm tra các yêu cầu từ khách hàng và giám sát hoạt động của
robot.
Từ khóa. PC, ROS, hệ thống điều khiển – kiểm soát
1 INTRODUCTION
Automated robotics has become a very promising and important research area for many research groups
worldwide over the past decade. One of the goals is to increase automation, stability and human
communication to create efficient autonomous robots. In addition to the achievements made in recent years,
robots acting as an employee alongside humans are accepted.
For a robot to be acceptable when working with humans, the robot must be able to autonomously sense its
environment and react according to its surrounding conditions. One of the basic information for robots can
be obtained by observing human movement during the task. By knowing the position of people, collisions
can be avoided.
On the other hand, a robot must be able to change its motion adaptively to provide safety for its co-workers
and people around without making humans feel uncomfortable. This becomes especially difficult when
collisions are almost inevitable.
In this paper, a collision avoidance system based on spatial control is studied. It allows the robot to avoid
dynamic obstacles such as people or objects without having to re-plan its complete trajectory. Robot Mortar,
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Co Ba Saigon are the first Vietnamese-branded robots put into operation at a cafe in Hanoi, a product that
proves the development of the civil robot system applied in real life. daily life today. Some advantages to
mention are human friendliness, stability as well as fast signal processing speed. However, besides that,
there are many limitations such as using the frozen movement method (moving along a fixed path), the
ability to interact as well as automation is still low.
The article focuses on solving the problem of obstacle avoidance, self-navigation and positioning for robots
in the cafe space. The robot can perform the required task, but more specifically for this topic, the robot can
automatically bring drinks in the cafe, automatically oder when a customer requests it. Besides, the robot
communicates with humans through the HDMI touch screen system.
2 OVERVIEW OF SUPER SOLID ROBOT SYSTEM

The basic structure of the robot model is as shown in Figure 2.1
Figure 2.1. Model of building self-propelled robot.

To build this model, the author uses a central controller that is a Lenovo Thinkcentrer M93 PC, with a laser
sensor used to create maps, driver drivers such as Motor Driver, Arduino,... To communicate with children.
Humans intuitively, the HDMI display makes it possible for the robot to meet the requirements. In addition
to all robots, an indispensable power source, a high-performance Ion-lithium battery pack is created to
provide the robot with efficient operation for a long time.
There are many types of robots serving daily life in the world such as Aglio Kim [1] used at a restaurant in
Seoou. Robot Aglio Kim uses SLAM (simultaneous localization and mapping) algorithm or Slamtec Apollo
robot also uses SLAM algorithm. Besides, the author is based on operating system for robot ROS[2] (Robot
Operating System) along with solutions. The navigation technique is mentioned in the Navigation stack to
develop the robot serving in the cafe.
2.1 Overview of the operating system for robots -ROS
Robot Operating System – ROS is an open-source operating system for robots, a framework widely used
in robotics with many advantages. It creates a software platform that can work on many different robots
without too much change in the software program.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
2.1.1 ROS structure

The ROS architecture has three conceptual levels: Filesystem, Computation Graph and Community.
The first level – Filesystem: explains the internal forms, directory structure and minimum files for ROS to
work. It is mainly ROS resources and is implemented on the hard disk. The first level consists of the
following basic parts: Packages, Metapackages, Package Manifests, Stacks, Message types, Service
types, ...
Second level – Computation Graph: where the communication between processes and systems. In this
conceptual level, we will have to set up the system, manage the processes, communicate between many
computers, ... Includes basic parts such as: Nodes, Master, Parammeter Server, Messages, Topics, Services,
Bags, ...
Third level - Community: explain/instruct tools and concepts to share knowledge, algorithmic programs
from any developer. This is the important level because it is affecting the strong development of the
community ROS coin. That resource source is: Distributions, Respositories, The ROS Wiki,...
2.1.2 2D Navigation tack
2D Navigation stack is used to get information and data from odometry, sensor, goal pose and output the
velocity signal sent to the robot.
Figure 2.2 Navigation stack model in ROS [3]
Figure 2.2 above shows an overview of the installation as well as the components included in the Navigation
stack. The elements inside move_base (white) are required elements. Components such as amcl,
map_server (gray) are optional. And the remaining components (in blue) are must-have components
depending on the robot we design.
2.1.2.1 Global Planner
In navigating the robot to get the robot to the desired position, we must provide a route plan from the
starting point (current position of the robot) to the end point (desired destination position). To optimize
the path, we need to choose the shortest path between those two points. With this requirement, Dijkstra's
algorithm [4] is one of the simplest algorithms to find the most optimal path.
2.1.2.2 Local Planner
Based on a pre-planned route plan by Local planner. In order for the robot to reach its destination quickly,
the author uses the Dynamic Window Approach [5] algorithm (DWA) to find a logical control signal sent
to the robot. This algorithm consists of two main steps, which is to reduce the search space (serarch space)
of the velocity and find the optimal velocity in that search space.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3 DESIGN A SELF-PROPELLED ROBOT THAT WORKS IN A COFFEE

3.1 Mechanical design
The robot design is based on the omni-wheel drive system to ensure flexibility in tight working
environments and small spaces such as coffee shops. Using a dc secvor motor with an encoder increases
the accuracy of the robot's operation. The author uses arduino board and motor driver to control dc secvor
motors. The authors use a rectangular structure with two floors to suit the requirement of a well-balanced
robot when carrying drinks in a cafe. Specifications of the chassis:
Robot 1st floor length: 350mm
Robot 1st floor width: 320mm
Distance between 1st floor and 2nd floor: 50mm
Robot 2nd floor length: 400mm
Robot 2nd floor width 350mm
Robot height: 300mm
Figure 3.1 Robot car model using omnidirectional wheels
3.1.1 Robot central controller

To be able to meet the processing capacity and speed, we need a board with strong enough processing
power to run highly complex control algorithms. Besides, in order to reduce the size and increase the
flexibility of the product, choosing a small integrated processor is a reasonable choice. From the quiz
factors, the author team chooses the Lenovo Thinkcentre m93 mini PC.
Figure 3.1 Central controller (Thinkcentrer M93 mini PC) and Rplidar A1 . Laser Sensor
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.1.2 Sensor
The main sensor used is the 2D laser sensor. To be able to fulfill the requirement to build maps and navigate
in 2D or 3D scannable maps. Some of these sensors can be mentioned as Hokuyo Scanning Laser
Rangefinder, SICK laser, RPLIDAR, ..
Criteria for choosing the laser sensor of the subject is small, compact and cheap, but still has the same
output results as these types of Scan laser sensors. With that requirement, we can choose a suitable laser,
which is the Rplidar A1[6] laser sensor as shown in Figure 3.1 above.
3.2 Set up the PS2 Module to control the robot to move manually
In order to make it easier to control the car so that it moves as desired, we will set up a device to make it
easier to control the car during the mapping process. The goal is to have a device to easily control the car
forward / backward, turn left / right and convert the signal from that sensor into an analog value of cmd_vel
so that the Mobile base can work. With the aim set, PS2 is a module that can be used to control easily and
appropriately.
PS2 module has an ADC output, so it is easy to read and transfer signals. To save time, using Arduino will
give us an easy and compact solution besides combining the Motor Driver board to control the Secvor motor
effectively.
3.3 Building maps (mapping)

In order to build 2D maps to provide a static map for the Navigation stack to work, there is a gmapping
package that is supported on the ROS platform. For gmapping it requires an odometry data and a rangefinder
laser sensor. With this request from the package and as mentioned in section 3.1.2, we will use Rplidar A1
to get range-finder laser data.
Block diagram of the steps to create a map:
Figure 3.3 Block diagram of steps to build a map
Figure 3.3 shows the steps involved in reconstructing a 2D map from a real environment.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Figure 3.4 Map result from real environment to 2D
3.4 Navigate on Adaptive Monte Carlo Locatization (AMCL) built maps

AMCL is a probabilistic localization system for 2D plane moving robots that uses adaptive monte carlo
locatization methods based on a particle filter to calculate the robot's position based on a known map. Here,
we use the AMCL package to calculate the trajectory so that the robot can move in the 2D map.
Figure 3.5 The nodes are operated when the rotor is active
3.5 Communication between central computer and robot

To meet the requirements of the server in the cafe, the authors want to increase the automation of the robot
by communicating with the robot through a central computer system. The central computer system is used
to control and control many robots connected to the system via wifi. The central computer uses matlab
software as the user interface with the robot.
Block map protocol diagram between robot and system computer center.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4 EXPERIMENTAL RESULTS
After the process of building a self-propelled robot model, setting up the ROS operating system
environment on a PC, configuring and programming the necessary nodes for the process in the system, we
will verify the experiment to adjust the parameters. parameters and find out the advantages and
disadvantages in the robot model.
4.1 Data from Laser Sensor Rplidar A1
Figure 4.1 data from laser Rplidar A1
4.2 Map making process

In order to have a built-in map that provides navigation, we should build the map from that environment.
We use laser sensors that will be a direct element to how our robot perceives the environment. We can also
manually redraw a map according to actual measurements to give the Navigation stack, but it may not work
exactly as we expect. Here are some results achieved by the authors:
Figure 4.2 Actual space for mapping
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Results achieved when creating 2D maps from the real environment:

In a well-ventilated environment, there are few objects that interfere with the laser data to create a map
with high accuracy.
Figure 4.3 Result of the generated map
However, in the environment with many obstacles, the data from the laser similarity is not accurate,
sometimes it is difficult to detect the edges, which will create a lot of noise in the mapping process.
Figure 4.4 Map made in an environment with many obstacles
4.3 Navigation process for robots
Figure 4.5 Global planner planning the path for the robot
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
If the current environment is the same as the resulting 2D map rendering and the AMCL navigation
algorithm is used, the robot is in the generated map. First, we must position the robot to the initial position.
Then, determine for it to know the end position, the Global planner algorithm mentioned in 2.1.2.1 will
plan a path from the starting position to the ending position.
After that, the robot will automatically switch according to the route plan that it calculates based on the
local planner's algorithm in 2.1.2.2 mentioned above.
Figure 4.6 The robot follows the planned path
When reaching the end position, the robot will automatically stop and notify the system that it has reached
the set position. If the environment suddenly has an obstacle, it will update the obstacle into the cost map
using the local costmap algorithm and re-plan a new path if the old path is blocked by the obstacle.
Figure 4.7 The robot detects obstacles and re-plans a new path
Compared to some robots that operate by moving along a given path. The author's method of controlling
the robot achieves more optimal results in terms of mobility in space, the robot can move on its own in any
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
space that the robot knows that there are no obstacles. Some current robots also use the SLAM algorithm,
which gives relatively good results.
4.4 Result of communication between robot and central computer
Combined with robot control algorithms, besides, the authors use a central computer to communicate with
the robot. The authors use matlab software to create an interface to manage, control and control the
activities in the workspace of the robots.
Some pictures of the matlab interface to control and monitor the robot:
Figure 4.8 Communication interface between central computer and robot
Figure 4.9 Robot control screen from central computer
5 CONCLUSION AND DEVELOPMENT DIRECTION

5.1 Conclusion
The mapping and implementation of navigation on the map has been quite successful. With the allowable
error parameters, the robot reaches the destination within a circle with a radius of 20cm and a deviation
angle of 0.5 radians. The robot can reach the destination without colliding with the static and dynamic
obstacles in the surrounding environment in the generated map. Mapping from the Rplidar A1 laser sensor
gives us good results in environments with few obstacles but limited in environments with many obstacles.
When moving, the author found that the robot detects obstacles 3m away from the robot position and the
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
obstacle is higher than 30cm. The robot can avoid obstacles in narrow environments relatively well. Robots
operating for a long time also have problems with battery capacity. With a central computer system that
can control the operation, controlling the robot is an optimal point that the authors put in to solve the
maximum cases of robot problems.
5.2 Development direction
In addition to the results achieved by the authors, there are still a few inefficient hardware problems: using
the rplidar A1 sensor, the update speed and information processing response is still slow. It is necessary to
use a sensor line with a better signal processing speed. To better communicate with people in the cafe
environment, the authors use HMI screens to facilitate effective communication with customers. In
addition, the topic can also expand to more types of camera sensors, using many algorithms to process
image signals. Or communicating with humans in spoken language can also help robots get closer to
customers. In addition, to manage the robot effectively. The robot is linked to the central system through
Matlab software that can help the manager know the status of the robot. In addition, it is possible to develop
robots in many different directions to match the actual requirements in today's society. For example,
automatic robots carrying items in isolation areas, hospitals or fully automatic warehouse entry and exit
robots.
REFERENCES
[1] The Logical Indian. Available:https://m.dailyhunt.in/news/india/english/the+logical+indian-epaper-
tlogin/artificial+ intelligence+robot+aglio+kim+serves+customers+at+south+korean+restaurant-newsid-
n215173582
[2] ROS, "Robot Operating System," [Online]. Available: http://www.ros.org/is-ros-for-me/.
[3] R. N. Wiki, "Robot Operating System Wiki," Navigation, [Online]. Available:
http://wiki.ros.org/navigation/Tutorials/RobotSetup.
[4] D. A Wikipedia, “Wikipedia,” [Online]. Available: https://en.wikipedia.org/wiki/Dijkstra%27s_algorithm
[5] D. F. D. F. Global planner, "The Dynamic Window Approach to Collision Avoidance," pp. 10-12.
[6] https://www.slamtec.com/en/Lidar/A1
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.203
TỐI THIỂU HÓA SỰ PHÁT SINH ENTROPY CỦA COLLECTOR KHÔNG KHÍ
CÓ TẤM HƯỚNG DÒNG
PHẠM BÁ THẢO 1, ĐƯỜNG CÔNG TRUYỀN 1, NGUYỄN MINH PHÚ 1*
1
Khoa Công nghệ Nhiệt lạnh, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
*
nguyenminhphu@iuh.edu.vn
Tóm tắt. Trong bài báo này, một collector không khí có cánh hướng dòng đặt ở tấm đáy được phân tích
phát sinh entropy. Phát sinh entropy là một đánh giá về khía cạnh định luật nhiệt động thứ hai nhằm giảm
tính không thuận nghịch trong một hệ thống năng lượng. Các thông số hình học của collector được cố định,
trong khi số Reynolds (Re) thay đổi để tìm cực tiểu phát sinh entropy. Phân tích động lực học lưu chất tính
toán (CFD) được sử dụng để chỉ ra các phát sinh entropy cục bộ trong ống collector không khí. Kết quả chỉ
ra rằng khi tăng số Re làm giảm phát sinh entropy do truyền nhiệt và tăng phát sinh entropy do ma sát. Do
đó tổng phát sinh đạt cực tiểu tại Re = 15000. Từ số Re này, người thiết kế và vận hành collector kh1.ông
khí tính lưu lượng gió thích hợp để đạt cựu tiểu phát sinh entropy. Phát sinh entropy do truyền nhiệt chủ
yếu là do biến thiên lớn của nhiệt độ sát bề mặt hấp thụ. Phát sinh entropy do ma sát chủ yếu là do biến
thiên lớn của thành phần vận tốc ngang quanh đỉnh của tấm hướng. Số phát sinh entropy của collector được
khảo sát đạt được trong khoảng 1.5 đến 2.2.
Từ khóa. Collector không khí, Động lực học lưu chất tính toán (CFD), Phát sinh entropy, Số Bejan.
ENTROPY GENERATION MINIMIZATION OF AN AIR COLLECTOR

WITH GUIDE BAFFLES
Abstract. In this paper, an air collector with guide baffles located on the back plate is analyzed for entropy
generation. Entropy generation is an evaluation of the second law thermodynamics standpoint of reducing
irreversibility in an energy system. The collector geometry parameters are fixed, while the Reynolds
number (Re) changes to find the minimum entropy generation. Computational fluid dynamics (CFD)
analysis was used to show the local entropy generation in the air collector duct. The results showed that
increasing the Re reduces the entropy generation due to heat transfer and increases the entropy generation
due to friction. Therefore, the total generation reaches the minimum at Re = 15000. The entropy generation
due to heat transfer is mainly due to the large variation of the temperature close to the absorption surface.
The entropy generation due to friction is mainly due to the large variation in the horizontal velocity
component around the top of the guide baffle. The entropy generation number of the collector is determined
to be between 1.5 and 2.2.
Keywords. Air Collector, Computational fluid dynamics (CFD), Entropy generation, Bejan Number.
1 GIỚI THIỆU
Collector không khí (Solar Air Heater – SAH) được biết đến là thiết bị chuyển đổi năng lượng mặt trời đơn
giản nhất. Nó được cấu tạo bởi các vật liệu địa phương và không cần quá trình gia công quá phức tạp. SAH
thường dùng trong các hệ thống sấy nông sản, sưởi ấm, hoặc các quá trình công nghiệp ở các nước có lượng
bức xạ lớn như Việt Nam. Các bộ phát xoáy (Vortex generator - VG) thường được đưa vào ống SAH để
tăng hệ số truyền nhiệt đối lưu cưỡng bức. Các VG có thể chia thành hai loại đó là các gân nhám trên bề
mặt hấp thụ và các tấm hướng dòng. Các gân nhám hình dạng khác nhau đã được chú ý lớn bởi các nhà
nghiên cứu vì chúng khử lớp biên tầng nhớt và tạo sự hòa trộn của các dòng sơ cấp và thứ cấp. Các hình
học nhám như tam giác, vuông, nêm, tròn, hoặc cầu có thể tìm thấy trong các công trình đã công bố [1].
Nhám sát bề mặt hấp thụ được nghiên cứu rất nhiều và đã chứng tỏ khả năng của nó trong nâng cao hiệu
quả nhiệt thủy lực ống collector không khí. Tuy nhiên các nhám này bộc lộ hai nhược điểm đó là nhiệt độ
ở xa bề mặt hấp thụ vẫn khá thấp so với lưu chất gần bề mặt hấp thụ (tức là chỉ xáo trộn không khí gần bề
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
mặt hấp thụ) và các xoáy trước và sau nhám, đây là các vùng chết tại bề mặt truyền nhiệt gây truyền nhiệt
kém. Do đó loại thứ hai là tấm hướng dòng được giới thiệu và nghiên cứu trong các kênh không khí [2].
Các công cụ dùng để đánh giá phương pháp nâng cao truyền nhiệt bằng cách xem xét tương quan đồng thời
của các hệ số hữu ích trong thiết kế SAH cho các ứng dụng cụ thể. Một trong những công cụ được sử dụng
rộng rãi là phương pháp được đề xuất bởi Bejan [3, 4] cái mà đánh giá dựa trên phát sinh entropy. Phương
pháp tối ưu Bejan có tên gọi khác như phương pháp phân tích định luật hai. Phát sinh entropy là sự đo đạc
định lượng tính không thuận nghịch liên quan truyền nhiệt và ma sát. Phương pháp này đo đạc trực tiếp tổn
thất công tiềm ẩn hoặc đối với thiết bị trao đổi nhiệt là tổn thất khả năng truyền nhiệt [5, 6]. Gần đây, Qasem
và cộng sự [7] đã đánh giá phát sinh entropy trung bình cho khoảng 220 kiểu ống collector không khí. Từ
đó họ đề nghị số Reynolds trong khoảng 10000 đến 16000 để đạt được hiệu suất collector lớn nhất và phát
sinh entropy nhỏ nhất.
Phân tích phát sinh entropy trong ống SAH ít được quan tâm bởi các nhà nghiên cứu [8]. Phần lớn các
nghiên cứu trước tập trung phân tích theo định luật nhiệt động thứ nhất. Trong bài báo này tác giả tối thiểu
phát sinh entropy của ống SAH có cánh hướng dòng đặt ở tấm đáy. Lắp đặt này làm tăng tốc dòng khí qua
bề mặt tấm hấp thụ và tạo sự truyền nhiệt tác động (Impingement heat transfer) do đó đạt hiệu quả truyền
nhiệt cao [9, 10]. Phân tích số (Computational fluid dynamics – CFD) được áp dụng để chỉ ra phát sinh
entropy cục bộ do nhiệt và ma sát.
2 MÔ TẢ BÀI TOÁN
Hình 1 trình bày sơ đồ nguyên lý của SAH có các tấm hướng dòng. Các tấm được đặt đối diện bề mặt hấp
thụ với các thông số hình học gồm bước P=160 mm và độ cao e = 7,5 mm. Ống SAH có độ cao H = 20
mm, dài L = 500 mm, rộng W = 300 mm. Đoạn ống dài 250 mm được đặt trước đoạn thử nghiệm để dòng
ở ngõ vào phát triển hoàn toàn và đoạn ống dài 150 mm đặt ở cuối để tạo hòa trộn dòng và loại bỏ dòng hồi
(reverse flow) như theo hướng dẫn của tiêu chuẩn ASHRAE 93-97. Những thông số của tấm tương ứng với
tỷ số bước Pr = P/H = 8 và tỷ số cản trở dòng chảy Br = e/H = 0.375. Phát lưới được thực hiện như minh
họa trong hình 2. Các vách trong phần thử nghiệm được làm mật độ cao (refinement) để xử lý các hiện
tượng dòng liền kề bề mặt và lớp biên ngầm nhớt (visous sub-layer) ở bề mặt hấp thụ. Hơn nữa, lưới thích
nghi (grid adaption) để giá trị y+ xấp xỉ bằng 1 đã được thực hiện cho bề mặt hấp thụ để dự đoán tốt truyền
nhiệt liên quan tới lớp biên tầng ngầm [1].
Hình 1: Collector không khí có tấm hướng đặt ở đáy
Điều kiện biên được áp cho miền tính toán gồm có vận tốc ở ngõ vào (U) và áp suất khí quyển ở ngõ ra.
Một dòng nhiệt cố định của 1000 W/m2 được áp cho tấm hấp thụ để gia nhiệt không khí. Các bề mặt còn
lại là vách với các điều kiện không trượt. Đối với dòng chảy rối, điều kiện biên rối về cường độ rối 5% và
tỷ số độ nhớt rối là 10 đã được sử dụng cho ngõ vào và ra. Mô hình rối k- tiêu chuẩn đã được sử dụng. Kết
quả kiểm tra độc lập lưới cho thấy từ khoảng 120000 phần tử thì số Nusselt ít thay đổi với số lưới. Do đó
để tiết kiệm thời gian và chi phí tính toán, các cài đặt ở số lưới này đã được sử dụng cho các nghiên cứu
tiếp theo. Hình 3 trình bày sự so sánh với kết quả mô phỏng trong nghiên cứu này với kết quả thực nghiệm
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
của Yilmaz [11]. Trong nghiên cứu thực nghiệm một tấm nghiêng được đặt đối diện tấm gia nhiệt để khảo
sát ứng xử nhiệt thủy lực. Sơ đồ nguyên lý của thực nghiệm và các kích thước (millimeter) được thể hiện
trong hình 3a. Kết quả cho thấy có sự đồng ý tốt giữa kết quả mô phỏng trong nghiên cứu hiện tại và kết
quả thực nghiệm.
Hình 2: Chia lưới

80
75
70
65
60
55
50
D P (Pa)
45
40
35
30
25
20
15
10
5
0
10000 15000 20000 25000 30000
Reynolds number
a) Số Nusselt theo số Reynolds b) Tổn thất áp suất (p1-p2) theo số Reynolds
Hình 3: Kiểm chứng kết quả mô phỏng (đường cong) với kết quả thực nghiệm [11] (các chấm)
Từ các giá trị trung bình có trọng theo diện tích gồm nhiệt độ tấm hấp thụ Tap, nhiệt độ không khí ở outlet
To và các áp suất ở các ngõ vào (p1) và ra (p2) của phần thử nghiệm trong hình 1, độ lớn của các thông số
nhiệt thủy lực trong hình 3 được rút ra như sau:
Nhiệt lượng không khí nhận được cân bằng truyền năng lượng từ tấm hấp thụ đến không khí:
Q = mc p (To − Ti ) = hAap (Tap − T f ) (1)
trong đó:
m là lưu lượng khối lượng không khí qua ống SAH
Ti là nhiệt độ không khí ở inlet, Ti = 300 K đã được dùng trong nghiên cứu này.
cp là nhiệt dung riêng khối lượng đẳng áp
h là hệ số truyền nhiệt đối lưu
Aap là diện tích tấm hấp thụ, Aap = LW.
Tf là nhiệt độ trung bình của không khí, Tf = 0.5(Ti + To).
Số Nusselt được tính từ hệ số truyền nhiệt đối lưu như sau:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
hD
Nu = h (2)
k
4WH
trong đó Dh là đường kính thủy lực, Dh = , k là hệ số dẫn nhiệt của không khí.
2(W + H )
Reynolds được định nghĩa như sau Re=UDh/ với  và  lần lượt là khối lượng riêng và độ nhớt không
khí.
Phát sinh entropy cục bộ của dòng chảy trong nhiệt và lưu chất gồm do truyền nhiệt và do ma sát. Chúng
được tính toán như sau [8]:
Phát sinh entropy do truyền nhiệt:
keff  T 2  T 2 
St''' =   +   (3)
x   y  

T2

Phát sinh entropy do ma sát:
eff   u 2  v    u v  
2 2
Sv''' =   
2 + +
    +   (4)
T   x   y    y x  
  
trong đó keff là hệ số dẫn nhiệt hiệu dụng, eff độ nhớt hiệu dụng. u và v là các thành phần vận tốc ngang và
đứng.
Số Bejan được dùng để đánh giá phát sinh entropy do truyền nhiệt so với tổng phát sinh entropy:
St'''
Be = (5)
St + Sv'''
'''
Để lượng hóa tổng phát sinh không thứ nguyên trên toàn ống, số phát sinh entropy (Ns) được dùng bằng
cách tính trung bình trên diện tích (A):
Dh2 1
Ns =
k AA ( )
St''' + Sv''' dA (6)
3 KẾT QUẢ VÀ THẢO LUẬN
Hình 4: Phát sinh entropy (EG) theo số Re
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 4 trình bày phát sinh entropy (EG) theo số Re. Có thể thấy rằng khi Re tăng thì EG do truyền nhiệt
giảm và EG do ma sát tăng. Điều này là do khi tăng Re thì nhiệt độ tấm hấp thụ giảm do đó làm giảm tính
không thuận nghịch. Ngược lại, khi Re tăng làm tăng tổn thất áp suất và xoáy rối mạnh quanh các tấm
hướng do đó tăng EG do ma sát. Khi số Re nhỏ (Re < 7500) EG do ma sát gần như không đáng kể. Độ lớn
của EG do ma sát nhỏ hơn EG do truyền nhiệt. Khi Re > 20000, có thể EG do ma sát lớn hơn do truyền
nhiệt. Từ xu hướng tăng và giảm của EG do ma sát và do truyền nhiệt với Re, tổng EG đạt cực tiểu ở Re =
15000. Do đó ứng với cấu hình SAH hiện tại, số Re từ 12000 đến 18000 được đề nghị áp dụng để tối thiểu
phát sinh entropy. Số phát sinh entropy cũng được biểu diễn trên hình 4. Kết quả cho thấy số phát sinh
entropy thay đổi từ 1.5 đến 2.2.
Để phân tích nguyên nhân gây ra phát sinh entropy do nhiệt và ma sát, biến thiên cục bộ của các thông số
được trình bày trong các hình 5 đến 8. Entropy do nhiệt phát sinh vì các thay đổi nhiệt độ dọc ống và vuông
góc với ống. Thay đổi nhiệt độ dọc ống không đáng kể do không khí tăng dần nhiệt độ khi nhận nhiệt từ
tấm hấp thụ. Do đó thay đổi nhiệt độ theo phương pháp tuyến với bề mặt ống là nguyên nhân chính. Hình
5 trình bày biến thiên nhiệt độ pháp tuyến bề mặt ống. Kết quả cho thấy phát sinh entropy tập trung ở gần
bề mặt hấp thụ và khi Re tăng thì biến thiên nhiệt độ này giảm.
Hình 6 trình bày phát sinh entropy cục bộ do ma sát. Phát sinh entropy do ma sát tập trung ở đầu của cánh
hướng. Kết quả này có thể giải thích là do đảo hướng dòng khí và động năng rối cực lớn ở đầu của phần tử
phát xoáy trong collector không khí [12]. Khi Re tăng thì EG do ma sát tăng một cách rõ ràng. Phát sinh
entropy do ma sát do các gradient của các thành phần vận tốc đóng góp. Để tìm ra gradient nào có ảnh
hưởng lớn đến phát sinh entropy (EG) do ma sát tính từ phương trình (4), kết quả khảo sát cho thấy thành
phần vận tốc ngang theo phương pháp tuyến với bề mặt ống (u/y) gây ra ảnh hưởng lớn nhất đến EG do
ma sát như thể hiện trong hình 7.
Hình 8 biểu thị độ lớn của EG do truyền nhiệt so với tổng EG qua số Bejan. Kết quả cho thấy ở số Re nhỏ,
EG do truyền nhiệt chiếm ưu thế so với EG do ma sát. EG do truyền nhiệt tập trung ở sát bề mặt tấm hấp
thụ và trước tấm hướng. Khi Re tăng thì EG do truyền nhiệt giảm. EG do ma sát có lượng đáng kể ở sát
tấm đáy.
Hình 5: Gradient nhiệt độ theo phương pháp tuyến bề mặt ống
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 6: Phát sinh entropy do ma sát theo Re
Hình 7: Gradient vận tốc ngang theo phương pháp tuyến bề mặt ống
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 8: Số Bejan cục bộ theo số Re
4 KẾT LUẬN
Đánh giá phát sinh entropy là một trong những phương pháp được sử dụng rộng rãi để tối ưu hóa thiết bị
trao đổi nhiệt về mặt nhiệt động. Phân tích CFD về phát sinh entropy trong ống collector không khí có các
tấm hướng dòng đặt ở tấm đáy đã được trình bày trong nghiên cứu này. Mô hình số 2 chiều và mô hình rối
k- được dùng và so sánh kết quả nhiệt-thủy lực với thực nghiệm để xác nhận độ chính xác. Phát sinh
entropy cục bộ do ma sát và truyền nhiệt đã trình bày và giải thích. Thay đổi số Reynolds từ 5000 đến
20000 để tìm kiếm phát sinh entropy nhỏ nhất. Các kết quả chính được rút ra như sau:
• Số Reynolds 15000 đạt được tối thiểu phát sinh entropy tổng. Từ đây lưu lượng không khí thích
hợp có thể được xác định.
• Khi tăng số Re, phát sinh entropy do ma sát tăng và phát sinh entropy do truyền nhiệt giảm. Độ lớn
phát sinh entropy do ma sát nhỏ hơn phát sinh entropy do nhiệt.
• Phát sinh entropy do truyền nhiệt bị chi phối bởi gradient nhiệt độ pháp tuyến gần tấm hấp thụ.
• Phát sinh entropy do ma sát lớn nhất xảy ra ở đỉnh tấm hướng dòng. Các biện pháp cải tiến hình
dạng tấm hướng được đề nghị để giảm phát sinh entropy ở đỉnh tấm.
TÀI LIỆU THAM KHẢO

[1] Ngo, T.T. and Phu, N.M., 2020. Computational fluid dynamics analysis of the heat transfer and pressure drop
of solar air heater with conic-curve profile ribs. Journal of Thermal Analysis and Calorimetry, 139(5), pp.3235-
3246.
[2] Phu, N.M. and Luan, N.T., 2021. A Review of Energy and Exergy Analyses of a Roughened Solar Air
Heater. Journal of Advanced Research in Fluid Mechanics and Thermal Sciences, 77(2), pp.160-175.
[3] A. Bejan, General criterion for rating heat exchanger performance, International Journal of Heat and Mass
Transfer 21 (1978) 655–658.
[4] A. Bejan, Entropy Generation Through Heat and Fluid, Wiley, New York, 1982.
[5] Sahiti, N., Krasniqi, F., Fejzullahu, X., Bunjaku, J. and Muriqi, A., 2008. Entropy generation minimization of
a double-pipe pin fin heat exchanger. Applied Thermal Engineering, 28(17-18), pp.2337-2344.
[6] Khan, W.A., Culham, J.R. and Yovanovich, M.M., 2007. Optimal design of tube banks in crossflow using
entropy generation minimization method. Journal of thermophysics and heat transfer, 21(2), pp.372-378.
[7] Qasem, N.A., Arnous, M.N. and Zubair, S.M., 2020. A comprehensive thermal-hydraulic assessment of solar
flat-plate air heaters. Energy Conversion and Management, 215, p.112922.
[8] Phu, N.M. and Van Hap, N., 2020. Performance Evaluation of a Solar Air Heater Roughened with Conic-Curve
Profile Ribs Based on Efficiencies and Entropy Generation. Arabian Journal for Science and Engineering, 45,
pp.9023-9035.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[9] Phu, N.M., Thao, P.B. and Truyen, D.C., 2021. Heat and Fluid Flow Characteristics of Nanofluid in A Channel
Baffled Opposite to The Heated Wall. CFD Letters, 13(1), pp.33-44.
[10] Menasria, F., Zedairia, M. and Moummi, A., 2017. Numerical study of thermohydraulic performance of solar
air heater duct equipped with novel continuous rectangular baffles with high aspect ratio. Energy, 133, pp.593-
608.
[11] Yilmaz, M., 2003. The effect of inlet flow baffles on heat transfer. International communications in heat and
mass transfer, 30(8), pp.1169-1178.
[12] Mahanand, Y. and Senapati, J.R., Thermo-hydraulic performance analysis of a solar air heater (SAH) with
quarter-circular ribs on the absorber plate: A comparative study. International Journal of Thermal
Sciences, 161, p.106747.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.204
NGHIÊN CỨU CHẾ TẠO CÂN LỰC KHÍ ĐỘNG DÙNG TRONG ỐNG KHÍ ĐỘNG
NGUYỄN TRƯỜNG GIANG 1, CHÂU THANH PHƯƠNG BÌNH 1,
HUỲNH HỮU HIỆP 1, BÙI CHẤN HUY 1
1 Khoa Công Nghệ Động Lực, Trường Đại học Công Nghiệp Thành phố Hồ Chí Minh
gt1221999@gmail.com
Tóm tắt. Lực khí động lực học là một trong những nguyên nhân ảnh hưởng đến khả năng chuyển động của
vật thể. Bài báo này trình bày phương pháp thiết kế và chế tạo cân khí động lực học nhằm xác định các lực
khí động tác dụng lên vật thể khi chuyển động trên đường thông qua kết hợp các cảm biến tải trọng. Bài
báo nghiên cứu sử dụng ba cảm biến tải trọng với thiết kế hình chữ U giúp đo được ba lực tác dụng lên xe
đó là lực cản, lực nâng, lực bên. Thông qua chương trình tính toán được thực hiện bằng mạch xử lý Arduino
và xuất các thông số ra màn hình. Kết quả, cân khí động lực học xác định được các lực khí động tác dụng
lên vật thể. Kết quả nghiên cứu là mô hình cân khí động lực học có thể ứng dụng để phân tích mối liên quan
giữa hình dáng vật thể với vận tốc chuyển động.
Từ khóa. Khí động lực học, cân khí động lực học, ống khí động, cảm biến lực.
DESIGN OF AERODYNAMICS FORCES BALANCE FOR WIND TUNNEL
Abstract. Aerodynamic force is one of the causes affecting the ability of an object to move. This paper
presents a method of designing and manufacturing an aerodynamic balance to determine the impact of the
aerodynamic forces on an object when moving on the road through a combination of load cells. The study
uses three load cells with a U-shaped design to help measure three forces acting on the vehicle: drag, lift,
and lateral force. Through the calculation program made by the Arduino processing circuit and output the
parameters to the screen. As a result, the aerodynamic balance determines the aerodynamic forces acting
on the object. The result of this study is that the aerodynamic scale model can be applied to analyze the
relationship between the shape of an object and the speed of motion.
Keywords. Aerodynamics, force balance, wind tunnel, loadcell.
1 GIỚI THIỆU
Cân khí động là một thiết bị dùng để nghiên cứu đo đạc lực do các dòng khí gây ra khi xe chuyển động, là
một phần không thể thiếu trong quá trình phát triển ngành ô tô. Cân khí động lực có tác dụng đo lực mà các
dòng khí tác động lên xe khi xe chuyển động, thông qua đó tạo được thiết kế hình dạng xe tối ưu. Cân khí
động lực học đã được nghiên cứu gần đây bởi các tác giả ngoài nước như: Tác giả González cùng cộng sự
[1] đã thực hiện chế tạo thiết bị khuếch đại tín hiệu đầu ra của các cảm biến lực và hiện thị kỹ thuật số các
giá trị đo được. Tác giả Post cùng cộng sự [2] đã thiết kế cân đo lực khí động với hai cảm biến lực được sử
dụng để đo lực nâng và lực cản. Đồng thời nhóm tác giả sử dụng một mô tơ dùng để thay đổi góc tấn của
mô hình thí nghiệm. Kết quả, cân khí động lực học hai thành phần đo được các lực khí động với độ chính
xác trong giới hạn cho phép. Tác giả Bueno đã lập trình và sử dụng mạch điều khiển Arduino để xác định
các lực khí động tác dụng lên mô hình thông qua các cảm biến lực đồng thời xác định các hằng số hiệu
chỉnh trong mỗi cảm biến lực nhằm tăng độ chính xác của cân trong quá trình đo lực. Tác giả Tomin cùng
cộng sự [4] đã sử dụng mạch điều khiển Arduino, các tấm acrylic, mô tơ servo và thanh nhôm để chế tạo
cân khí động. Kết quả, nhóm tác giả đã giới thiệu cách thức chế tạo mô hình và tiến hành thử nghiệm đo
lực khí động. Đối với các nghiên cứu trong nước, tác giả Nguyễn Hải Dương [5] đã chế tạo cân khí động
lực học ba thành phần. Kết quả, lực khí động trên hình dạng cánh NACA 4412 được xác định bởi cân sai
lệch so với giá trị tham khảo [6] là 5%.
Hiện nay nghiên cứu chế tạo cân khí động lực học phục vụ công tác đào tạo còn hạn chế. Trong bài báo
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
này, tác giả tiến hành nghiên cứu mô hình cân khí động lực học ba thành phần dùng để đo ba thành phần
lực: Lực nâng, lực cản, lực bên. Đây là các lực khí động tác động trực tiếp lên xe khi chuyển động. Trong
nghiên cứu này, tác giả thực hiện thiết kế vị trí đặt các cảm biến, mối liên quan giữa các thành phần cấu
thành cân do quá trình lắp đặt từ xác định chính xác các thông số lực. Bên cạnh đó chương trình tính toán
được thiết lập và xử ký bằng mạch Arduino nhằm phục vụ quá trình tính toán và hiển thị các giá trị trên
màn hình LCD.
2 CÂN KHÍ ĐỘNG LỰC HỌC BA THÀNH PHẦN

2.1 Bố trí cân khí động lực học
Cơ cấu cân gồm 3 cảm biến lực, với mục đích xác định lực khí động học tác dụng vào mô hình trong ống
khí động. Ba cảm biến lực tương ứng với ba trục tọa độ X, Y, Z nối với nhau được mô tả hình 1. Cảm biến
lực Z đo lực nâng được cố định vào đế của cân. Tiếp theo chân của cảm biến lực Y được nối vào đầu của
cảm biến lực Z, tương tự chân cảm biến lực X được nối với đầu cảm biến lực Y. Cơ cấu gá và điều chỉnh
vật thể được nối vào đầu cảm biến lực X. Khi lực khí động học tác dụng vào vật thể thử nghiệm, thông qua
thanh kết nối giữa vật thể và cảm biến lực lực sẽ truyền đến lần lượt các cảm biến lực X, Y và Z. Từ tín
hiệu nhận được của cả 3 cảm biến lực gửi về Arduino từ đó ta tính được giá trị của lực tác dụng vào vật.
Các cảm biến lực có giá trị tải trọng tối đa 5kg, với các tính toán lý thuyết có để đáp ứng được các yêu cầu
của thử nghiệm.
Hình 1. Sơ đồ bố trí các cảm biến lực
Ba cảm biến lực X, Y, Z được gắn chặt với nhau theo hình chữ U mô tả trong hình 2 bằng các thanh cố
định, cách mặt đáy 1,5cm. Liên kết của từng cảm biến lực như sau: cảm biến lực X được liên kết với vật
thể thông qua thanh bulon chống đở và miếng gỗ. Với nhiệm vụ nhận lực từ vật truyền trung gian (miếng
gỗ và thanh bulon chống đở) và truyền lực tác dụng đến cảm biến lực Y, Z. Cảm biến lực Y liên kết giữa
hai cảm biến lực X, Z, có nhiệm vụ truyền lực tác dụng giữa cảm biến lực X, Z. Cảm biến lực Y liên kết
với cảm biến lực Y và mặt đáy. Có nhiệm vụ cố định mô hình và truyền lực tác dụng cảm biến lực X, Y.
Hình 2. Thiết kế cơ khí cân khí động lực học ba thành phần
Ngoài ra, để tăng tính linh hoạt góc xoay của vật thể thử nghiệm, giữa mô hình cân và vật thể được thiết kế
thêm một mô tơ để vật thể được tác dụng ở nhiều góc độ khác nhau. Cơ cấu xoay được mô tả trong hình 3
gồm 1 mô tơ bước, 1 bộ truyền động đai được mô tơ bước điều khiển để xoay vật thể được gá ở trên.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 3. Cơ cấu xoay vật thể thử nghiệm
2.2 Hệ thống điều khiển cân khí động

Cảm biến lực và Arduino Mega 2560 được kết nối thông qua mạch khếch đại HX711 được mô tả trong
hình 4. Mỗi cảm biến lực sẽ có 4 dây kết nối mạch HX711. Mạch HX711 có nhiệm vụ khuyếch đại tín hiệu
điện, qua chuyển đổi ADC, vi xử lý với phần mềm tích hợp sẵn thực hiện tính toán. Mạch HX711 được
thiết kế tại vị trí trên tấm phẳng dưới ở phần bên phải của cơ cấu cân nhằm tránh sai số do việc dây dẫn
truyền tín hiệu từ cảm biến lực đến các mạch chuyển đổi quá dài.
Hình 4. Kết nối cảm biến lực với Arduino Mega 2560 thông qua HX711
Để đo được tốc độ không khí đi qua vật thể cần tính toán, nhóm nghiên cứu sử dụng một mạch cảm biến
tốc độ không khí, kết hợp với Adruino để đo được tốc độ gió mô tả trong hình 5. Cảm biến tốc độ gió dạng
dây nhiệt đo tốc độ gió thông qua sự thay đổi nhiệt độ khi có lưu lượng không khí đi qua cảm biến. Thông
qua cảm biến đo gió có thể xác định được sự tương phản giữa tốc độ gió và lực gây ra lên vật thể.
Hình 5. Kết nối cảm biến tốc độ gió và Arduino Mega 2560
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
2.3 Công thức tính toán

Khi lực tác dụng lên cảm biến lực cảm biến lực sẽ xuất dữ liệu ra theo lực tác dụng lên trục đo của cảm
biến lực. Tuy nhiên, các cảm biến lực khác không cùng với lực đó cũng sẽ bị tác động thông qua các cơ cấu
liên kết. Vì vậy, hệ số độ nhạy K và hệ phương trình mô tả sự tương tác giữa các lực lên các cảm biến lực
được thiết lập [7].
Phương trình được thiết lập như sau: OFx = K1Fx. (1) (1)
Khi một cảm biến lực bị tác động, đồng thời hai cảm biến lực còn lại cũng chịu ảnh hưởng là OFy và OFz.
Từ đó ta có được hệ phương trình tín hiệu đầu ra của các cảm biến lực khi lực tác dụng lên tất cả các trục
đo cảm biến lực. Từ ma trận nghịch đảo K-1 và các tín hiệu đầu ra của cảm biến lực ta tính được lực tác
dụng lên các trục cần đo của cân khí động.
OFx =
K1·Fx + K2Fy + K3Fz (2)
OFy = K4·Fx + K5Fy + K6Fz (3)
OFz = K7·Fx + K8Fy + K9Fz (4)
Hệ phương trình được giải bằng cách sử dụng phương pháp ma trận nghịch đảo. Về bản chất, đây là một
kỹ thuật đảo ngược các phương trình để thay vì tín hiệu đầu ra cảm biến lực là một hàm số theo các lực tác
dụng. Lực tác dụng lúc này là hàm số theo tín hiệu đầu ra của cảm biến lực. Bằng cách xác đinh ma trận hệ
số K sau đó tính được ma trận nghịch đảo K-1. Từ ma trận nghịch đảo K-1 và các tín hiệu đầu ra của cảm
biến lực ta tính được lực tác dụng lên các trục cần đo của cân khí động.
Ta có :
O = X.K ⟺ X = O.K-1 (5)
Trong đó:
O: ma trận các tín hiệu đầu ra cảm biến lực
X: ma trận các lực tác dụng
K: ma trận hệ số K
K-1: ma trận nghịch đảo của K
Giả sử ta có ma trận nghịch đảo của hệ số K là K-1.
K-11 K-12 K-13
K-1 = K-1 K-1 K-1
4 5 6
K-17 K-18 K-19

Với ma trận K-1 trên ta tính được các lực tác dụng như sau:
Fx = ( K-11. OFx) + (K-12. OFy) + (K-13. OFz) (6)
Fy = ( K-14. OFx) + (K-15. OFy) + (K-16. OFz) (7)
Fz = ( K-17. OFx) + (K-18. OFy) + (K-19. OFz) (8)
3 KẾT QUẢ THỰC NGHIỆM CÂN KHÍ ĐỘNG HỌC
Hình 6. Thử nghiệm 1bố trí mô hình song song với buồng thử nghiệm
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hìnhh 7. Thử nghiệm 2 bố trí mô hình vuông góc với buồng thử nghiệm
Bố trí mô hình thử nghiệm là hình hộp chữ nhật trong ống khí động với kích thước dài = 6cm, rộng =3cm,
cao = 3cm được mô tả hình 6 và hình 7. Tốc độ quạt hút gió 15 m/s. Tiến hành thử nghiệm, thu được kết
quả như sau:
Lực khí động Thực nghiệm 1 Thực nghiệm 2
Lực cản (Drag) 0.17 (N) 0.44 (N)
Lực bên (Side) 0.0 (N) 0.11 (N)
Lực nâng (Lift) 0.02 (N) 0.01 (N)
So sánh kết quả ở 2 thí nghiệm, ta thấy ở thí nghiệm 2 vật thể được quay sang trái một góc 90 độ dẫn đến
tăng diện tích tiếp xúc giữa mô hình thử nghiệm với luồng gió. Kết quả, giá trị lực khí động học sinh ra lớn
hơn so với thí nghiệm 1, đồng thời sinh ra lực bên. Để giải thích cho điều này, ta xem xét công thức sau:
𝑝
𝐹𝐷 = 𝐶𝑑 𝐴 2 𝑣 2 [9] (9)
Trong đó
𝐴 Diện tích cản chính diện của vật thể .
𝐹𝑑 Lực cản khí đọng
𝑝 Khối lượng riêng không khí
𝑣 Tốc độ của dòng khí tác dụng vào vật thử nghiệm
Ở thí nghiệm 2, khi quay vật thể sang góc trái góc 90 độ đã làm tăng 𝐴 của vật thể so với hướng gió tác
dụng vào, sinh ra các lực khí động lớn hơn rất nhiều so với thí nghiệm 1. Để kiểm tra tính chính xác của
các kết quả đo được ở 2 thí nghiệm, ta thay các kết quả đo lực cản vào công thức đã được chứng minh trên
để tính hệ số cản Cd trong thí nghiệm 1 như sau:
1,3
0,17 = 𝐶𝑑. 0,0009. . 15
2
⇒ 𝐶𝑑 = 1,2915
So sánh kết quả Cd trong thí nghiệm 1 với giá trị Cd = 1,05 được trình bày trong nghiên cứu [10], kết quả
tính toán từ cân khí động sai số 23% so với giá trị tham khảo.
4 KẾT LUẬN
Bài báo đã trình bày thiết kế cân khí động ba thành phần thông qua sử dụng ba cảm biến tải trọng với thiết
kế hình chữ U kết hợp với mạch xử lý Arduino giúp đo được ba lực tác dụng lên xe đó là lực cản, lực nâng,
lực bên. Kết quả, cân khí động lực học xác định được các lực khí động tác dụng lên vật thể. Kết quả nghiên
cứu là mô hình cân khí động lực học có thể ứng dụng để phân tích mối liên quan giữa hình dáng vật thể với
vận tốc chuyển động.

[1] Gonzalez, M., Ezquerro, J. M., Lapuerta, V., Laveron, A., & Rodriguez, J., 2011. Components of a wind tunnel
balance: Design and calibration. In J. C. Lerner (Ed.), Wind tunnels and experimental fluid dynamics research.
InTech. https://doi.org/10.5772/21095
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[2] Post, S., & Morris, M., 2010, June. Force balance design for educational wind tunnels. ASEE Annual
Conference, Louisville, KY.
[3] Bueno Tintoré, I., 2018. Design of a three-axis wind tunnel force balance (Undergraduate thesis). Retrieved
from https://urn.nsk.hr/urn:nbn:hr:119:249595
[4] Tomin, M., Scipioni, M., & Gatti, B., 2020. Design, Construction and Testing of a 3-Component Force Balance
for Educational Wind Tunnels in Undergraduate Aerodynamics. Journal of Aviation/Aerospace Education &
Research, 29(1).
[5] Nguyễn Hải Dương, Nghiên cứu, tính toán, thiết kế cân khí dộng 3 thành phần dùng cho ống khí dộng duới
âm, Luận văn tốt nghiệp cao học, (2010).
[6] Ira H. Abbott ,A. E. von Doenhoff, Theory of wings section, Dover Publications (June 1, 1959)
[7] https://hitec.humaneticsgroup.com/perspectives/cross-talk-ompensation-using-matrix-methods
[8] Vakil A., Green S.I., 2009. Drag and lift coefficients of inclined finite circular cylinders at moderate Reynolds
numbers, Computers and Fluids.
[9] Hucho, W.H., Aerodynamics of Road Vehicles, Butterworth and Co. Publishing, Boston, MA, 1990.
[10] Elsayed S. Aziz, Sven Esche, C. Chassapis, 2008. Online Wind Tunnel Laboratory, Proceedings of the 2008
ASEE Annual Conference and Exposition, At: Pittsburgh, Pennsylvania, USA
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.205
CẢI TIẾN GIAO THỨC TRUYỀN THÔNG HAI CHIỀU TIME DIVISION
BROADCAST ĐỂ THU HOẠCH NĂNG LƯỢNG VÔ TUYẾN VÀ
TRUYỀN TIN ĐỒNG THỜI TẠI TRẠM CHUYỂN TIẾP
NGÔ THỊ THANH THẢO 1, HUỲNH THỊ TRÚC QUYÊN 2, PHẠM MINH NAM 3
123
Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
1
thanhthao10299@gmail.com, 2 quyenhuynh.99pt@gmail.com, 3 phamminhnam@iuh.edu.vn
Tóm tắt. Nghiên cứu về mạng nhận thức chuyển tiếp hai chiều (TWCRN: Two-way Cognitive Radio
Networks), trong đó trạm trung gian có thể thu hoạch năng lượng vô tuyến truyền tin trong cả hai chiều,
được đề cập đến sau đây cho thấy các đặc điểm nổi trội trong khả năng truyền thông tin tin cậy và sự linh
động trong triển khai thực tế. Giao thức đề xuất cải biên từ giao thức truyền thông hai chiều TDBC (Time
Division BroadCast) đã được chứng minh là tin cậy nhằm hướng đến khả đánh giá hiệu năng của các mạng
thứ cấp khi thực hiện thu hoạch năng lượng và truyền tin đồng thời. Qua phân tích, chúng tôi dẫn ra các
biểu thức xác suất dừng và thông lượng từ nguồn đến đích với kênh truyền Rayleigh khi thực hiện phân
chia công suất theo dạng PSR (Power Spliting-based Relaying). Cuối cùng, các biểu thức đã dẫn ra được
kiểm chứng tính đúng đắn bằng phương pháp mô phỏng Monte Carlo.
Từ khóa. Mạng vô tuyến nhận thức, Chuyển tiếp hai chiều, Thu hoạch năng lượng, Nhiễu đồng kênh.
IMPROVEMENT OF THE TWO-WAY TIME DIVISION BROADCAST

PROTOCOL FOR SIMULTANEOUS WIRELESS INFORMATION AND POWER
TRANSFER AT THE RELAY
Abstract. In this paper, we study Two-way Cognitive Radio Networks (TWCRN), where the intermediate
transceiver harvests energy from the radio frequency to transmit information in both directions. Our result
showed that the proposed network has many outstanding features about reliability and flexibility in practice.
The proposed protocol is implemented from the TDBC bidirectional communication protocol to be able to
harvest radio energy at the relay. This paper concentrates on evaluating the performance of the secondary
network (SN) while relay harvests energy to transmit. It is also the unique power supply for SN. Based on
our analysis, we derive the closed-form expressions of the outage probability and the throughput over
Rayleigh fading channels, using Power Spliting-based Relaying (PSR) protocol embeded in TDBC frame.
Finally, our derivations are verified by Monte Carlo simulation.
Keywords. Cognitive Radio Network, Two-way relay, Energy harvesting, Co-channel Interference.
1 GIỚI THIỆU
Trong những năm gần đây, thu hoạch năng lượng từ sóng vô tuyến để tạo công suất phát trong các mạng
truyền thông không dây đã nhận được nhiều sự quan tâm của các nhà nghiên cứu. Ngoài nhiên liệu hóa
thạch, năng lượng thủy triều, năng lượng địa nhiệt, v.v., tín hiệu tần số vô tuyến tồn tại trong môi trường
xung quanh được khai thác như là một nguồn cung cấp năng lượng tiềm năng và hiệu quả với nhiều ưu
điểm. Một số công trình nghiên cứu về thu hoạch năng lượng qua sóng vô tuyến EH (EH: Energy
Harvesting) [1-4] gần đây đã chứng minh rằng đây là một giải pháp đầy hứa hẹn để kéo dài tuổi thọ mạng
truyền thông. Các tín hiệu truyền tin không bị can nhiễu bởi các trạm phát năng lượng Power Beacon (PB)
trong trường hợp phân chia thời gian thu hoạch truyền tin rõ ràng hoặc việc thu hoạch năng lượng vô tuyến
ngoài dải tần truyền tin [5]. Ở chiều ngược lại, khi dải tần thu hoạch năng lượng và truyền tin giống nhau,
cần tính đến sự xuyên nhiễu từ các nguồn vô tuyến cung cấp năng lượng [6, 7]. Đây là trường hợp các nhà
nghiên cứu quan tâm nhiều do làm suy giảm hiệu năng mạng trầm trọng. Để khắc phục vấn đề này, các nhà
nghiên cứu thường sử dụng mạng chuyển tiếp. Trong [8], các giao thức khuếch đại và chuyển tiếp AF
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
(Amplify-and-Forward) cùng với EH đã được đề xuất và phân tích, trong đó nút chuyển tiếp thu năng lượng
từ nguồn để truyền dữ liệu nguồn đến đích. Cụ thể hơn, Nasir et al. đã đề xuất hai phương pháp khác nhau
để thu hoạch năng lượng tại nút chuyển tiếp là phân chia theo thời gian TSR (Time Switching-Based
Relaying) và phân chia theo công suất PSR (Power Spliting-based Relaying). Trong tài liệu [9, 10], các tác
giả đã đề xuất và đánh giá hiệu suất của mạng chuyển tiếp có thu hoạch năng lượng vô tuyến dùng giao
thức Giải mã và Chuyển tiếp DF (Decode-and-Forward). Để giải quyết vấn đề khan hiếm phổ tần, Mitola
[11] đã đề xuất một khái niệm về Vô tuyến nhận thức CR (Cognitive Radio) để cải thiện việc sử dụng phổ
tần. Trong CR, người dùng sơ cấp PU (Primary User) có quyền truy cập các băng tần được cấp phép bất kỳ
lúc nào, trong khi người dùng thứ cấp SU (Secondary User) có thể truy cập các băng tần này với công suất
hạn chế để tránh ảnh hưởng đến chất lượng dịch vụ (QoS) của PU. Cụ thể hơn, công suất phát của người
dùng thứ cấp SU phải được giới hạn không lớn hơn công suất can nhiễu tối đa tác động lên người dùng sơ
cấp PU. Tuy nhiên, các công trình đã phân tích ở trên chỉ đề cập đến truyền thông một chiều từ nguồn đến
đích. Trong thực tế các mạng truyền thông Wireless Sensor Network (WSN) hay VANET (Vehicular Ad-
hoc Networks) cần thông tin hai chiều [12, 13]. Mạng chuyển tiếp nhận thức hai chiều TWCRN (Two-way
Cognitive Radio Network) đã được nghiên cứu nhằm khai thác các lợi thế của giao thức chuyển tiếp hai
chiều và vô tuyến nhận thức, phù hợp với thực tiễn [14, 15]. Nhiều tác giả đã đề xuất những giao thức cho
truyền thông hai chiều. Đó là các giao thức Direct Transmission (DT), Hybrid Broadcast (HBC), Multiple
Access Broadcast (MABC), Time Division Broadcast (TDBC) [16]. Trong khi giao thức DT truyền trực
tiếp đã lạc hậu, giao thức HBC dùng quá nhiều pha (4 pha) cho một time block. Vì vậy, hai giao thức sau
thường được khai thác bởi rất nhiều công trình nghiên cứu trong truyền thông hai hướng. Giao thức MABC
hiệu quả hơn về mặt phổ tần do có ít pha hơn, ngược lại TDBC được tin dùng nhiều hơn trong những hệ
thống có sử dụng Maximal Radio Combining (MRC) kết hợp cả tín hiệu từ relay và đường truyền trực tiếp.
Thông thường việc phân chia thời gian cho các pha là bằng nhau, nhưng công trình [17] chỉ ra rằng việc
phân phối thời gian tối ưu giữa hai pha trong MABC-DF hiệu quả hơn cách thông thường khi đặt mục tiêu
tổng tốc độ cả hai chiều truyền dẫn (sum rate) đạt tối đa trong điều kiện có xem xét đến sự tương quan của
công suất hai nguồn và công suất phát của relay. Việc khai thác giao thức MDBC và TDBC là rất phổ biến
trong truyền thông chuyển tiếp hai chiều [18, 19]. Có thể thấy rằng việc trang bị kỹ thuật EH trong mạng
hai chiều ít được các nhà nghiên cứu để ý đến. Ngoài ra, trong điều kiện dải phổ tần cấp phát ngày càng
hạn hẹp, vấn đề tiết kiệm, nâng cao hiệu suất phổ tần nên được tính đến. Trong nghiên cứu dưới đây, chúng
tôi đề xuất cải tiến giao thức chuyển tiếp hai chiều TDBC cho khả năng thu hoạch năng lượng trong mạng
CRN (Cognitive Radio Networks) dạng nền, ở đó trạm trung gian thứ cấp tự tạo công suất phát bằng cách
thu năng lượng từ tín hiệu RF. Những đóng góp chính được liệt kê như sau:
• Xây dựng biểu thức dạng đóng của xác suất dừng OP (Outage Probability) và thông lượng cho
giao thức được đề xuất với sự can nhiễu từ PU.
• Nghiên cứu một số đặc tính của OP qua các tham số hệ thống ảnh hưởng đến hiệu năng mạng.
• Sử dụng kiểm chứng Monte-Carlo để đảm bảo sự chính xác của các biểu thức dẫn ra.
Phần còn lại của bài báo được trình bày như sau: Mục 2 là phương pháp nghiên cứu gồm các chỉ mục nhỏ
như mô hình hệ thống, điều kiện hạn chế công suất, xác suất dừng mạng sơ cấp, phân tích thông lượng. Kết
quả mô phỏng và nhận xét chúng tôi được đưa ra ở Mục 3. Cuối cùng, kết luận được đưa ra trong Mục 4.
2 PHƯƠNG PHÁP NGHIÊN CỨU

2.1 Mô hình nghiên cứu
Nghiên cứu của chúng tôi là các tác động của sự suy giảm phần cứng đến hiệu suất của TWRN trên cơ sở
EH (Energy Harvesting) trong mạng CR. Chúng tôi đề xuất một giao thức chuyển tiếp hai chiều trong mạng
CR lớp nền, trong đó chuyển tiếp thứ cấp tự cấp nguồn bằng cách thu năng lượng từ tín hiệu RF xung quanh
bằng phương pháp PS. Sự chuyển tiếp sử dụng kỹ thuật TDBC để truyền dữ liệu đến hai nguồn thứ cấp.
Mô hình Mạng chuyển tiếp nhận thức hai chiều (TWCRN) hoạt động trên giao thức DF như trong Hình 1.
Mạng đầu tiên bao gồm Một máy phát sơ cấp (PT) và Một máy thu sơ cấp (PR) và được gọi là Mạng sơ
cấp (PN). Một mạng khác được gọi là Mạng thứ cấp (SN), bao gồm hai nguồn (được đặt tên là A và B trong
Hình 1) kết nối đến đích của chúng với sự hỗ trợ của một chuyển tiếp trung gian (có tên là R). Người ta cho
rằng hai nguồn không thể truyền trực tiếp vì sự cố fading nghiêm trọng. Do đó, chuyển tiếp R có thể được
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
sử dụng để cung cấp năng lượng bằng cách thu RF từ hai nguồn thứ cấp và bộ phát nhiễu. Sau đó, nó chuyển
thông tin từ A đến B và ngược lại.
Trong Hình 1, tồn tại các kênh chính và các kênh giao thoa giữa các tập hợp PN = {PT, PR}và SN = {A,
R, B} giả sử chịu ảnh hưởng bởi fading Rayleigh. Đặc biệt, giả định rằng biểu diễn của một tuyến thông
tin từ C đến D được trình bày bằng hệ số kênh của nó, cụ thể là hCD. Do đó, |hCD|2 là độ lợi kênh tương ứng,
có phân bố Rayleigh với giá trị trung bình λCD = (dCD)ρ, với dCD là khoảng cách từ C đến D và ρ đại diện
cho số mũ suy hao kênh truyền.
Hình 1. Mô hình TWCRN với phần cứng không hoàn hảo.
Tín hiệu nhận được tại D do sự truyền của C có thể được biểu thị như sau:
y = PhCD x +  D2 , (1)
Trong đó:
• x và P lần lượt là tín hiệu truyền và công suất của nó.
•  D2 là nhiễu Gaussian tại máy thu D.
2.2 Điều kiện hạn chế công suất
Trong trường hợp chia sẻ phổ tần, đối với chế độ nền, có ít nhất hai máy phát có thể khai thác cùng một
phổ được cấp phép. Điều này dẫn đến tín hiệu từ một máy phát góp phần suy giảm SIR (Signal to
Interference Ratio) của máy thu khác với máy thu được chỉ định. Do đó, để cùng tồn tại, một trong hai máy
phát phải giới hạn công suất truyền để giao tiếp thành công. Nói cách khác, một máy phát có thể truyền
công suất tối đa cho phép miễn là mạng còn lại có thể giải mã thông tin của họ. Công suất tối đa cho phép
phụ thuộc vào khả năng của phần cứng và trạng thái mạng. Đối với mạng không được ưu tiên (mạng thứ
cấp) chỉ có một máy phát có thể truyền vào một thời điểm nhất định tuân theo chế độ bán song công HD
(Half duplex). Nói cách khác, tỉ số công suất tín hiệu trên can nhiễu SIR (Signal to Interference Ratio) tại
đầu thu sơ cấp chịu can nhiễu từ một nút SN tại một thời điểm. Nút đó có thể là A, B hoặc R. Không làm
mất tính tổng quát, chúng tôi chỉ xét xác suất dừng OP của mạng sơ cấp tại thời điểm khi A đang phát. Do
đó, xác suất dừng OP được cho bởi:
 PT hPP 2 
P A
= Pr    
p , (2)
out ,PR
P h 2 
 A APR 
trong đó  p = 2 − 1 là ngưỡng SIR sơ cấp, RP là tốc độ yêu cầu của PN. PT là công suất phát của mọi
RP / Bw
A
nút sơ cấp. PA là công suất phát của nguồn A. Hơn nữa, Bw được chuẩn hóa thành 1 (Hz). Rõ ràng, Pout ,PR
có giá trị thấp hơn ngưỡng xác suất được xác định trước để PN có thể giao tiếp. Chúng tôi định nghĩa Ψ là
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
xác suất lỗi lớn nhất có thể chấp nhận được ở PR. Do đó, xác suất dừng sơ cấp ở PR phải thỏa mãn bất đẳng
thức, được biểu thị như sau:
 PT hPP 2 
P A
= Pr    p  ,
 (3)
out ,PR
P h 2 
 A APR 
Trong đó:
Pr là công suất nhận của mọi nút sơ cấp
PT là công suất phát của mọi nút sơ cấp.
hpp là độ lợi kênh truyền từ PT đến PR
hAPR là độ lợi kênh truyền từ A đến PR
p
là ngưỡng SIR sơ cấp
Đề xuất 1. Giới hạn công suất phát của A do SIR của PR được tính như sau:
PT PP
PA  , (4)
APR  p (1 − )
PA là công suất phát của nguồn A
PT là công suất phát của mọi nút sơ cấp

PP là suy hao đường truyền từ PT đến PR ( PP = d PT_PR )

APR là suy hao đường truyền từ A đến PR ( APR = d A_PR )
 p là ngưỡng SIR sơ cấp
Từ phương trình (3), thể biểu diễn toán học như sau:
V 
Q = Pr  1   p    , (5)
 V2 
1  −v 
Trong đó V1 = PT hPP và V2 = PA hAPR . PDF của V1 và V2 là fV1 ( v1 ) =
2 2
exp  1  và
PP  PP 
1  −v 
fV2 ( v2 ) = exp  2  với các giá trị tương ứng là PP = PT PLPP và APR = PA PLAPR . Lưu ý rằng
APR  APR 
PLCD là suy hao đường truyền từ C đến D. Rõ ràng, PLPP và PLAPR lần lượt là suy hao đường truyền giữa
PT và PR, A và PR. Do đó, chúng ta có thể viết lại (5) thành
  −v2 p 
1 − exp  
 PP
 
  −v 
Q =  FV1 ( −v2 p ) fv2 ( v2 ) dv2   =   exp  2   
0 0
APR  APR 
(6)
  −v2 p 
  1 − exp  
  PT PLPP   −v2 
= exp   
0
PA PLAPR  PA PLAPR 
Dẫn dải thành công (6) sẽ làm tường minh phương trình (4).
Trong bất đẳng thức (4), vế phải thể hiện công suất tối đa trong trường hợp nhận thức. Hơn nữa, trong thực
tế, máy phát không thể hoạt động với công suất lớn không giới hạn. Do đó công suất thực luôn nhỏ hơn
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
mức công suất mà phần cứng có thể đáp ứng được. Gọi Phw biểu thị công suất chấp nhận được của phần
cứng. Tổng quát, có thể viết lại điều kiện hạn chế công suất như sau:
PA  min  PAm , Phw  , (7)
PB  min  PBm , Phw  , (8)
P  min  PRm , Phw  ,
*
R (9)
PT PP PT PP PT PP
Trong đó PAm = , PBm = , PRm = .
APR  p (1 − ) BPR  p (1 − ) RPR  p (1 − )
Thu hoạch năng lượng dựa trên trên lược đồ phân chia công suất (PS)
Hình 2. Phương pháp PS được áp dụng trong khung TDBC.
Như minh họa trong Hình 2, trong hai khe đầu tiên, cả A và B đều gửi thông tin đến R cùng công suất
nhưng trong các khe riêng biệt. Tại trạm chuyển tiếp, R sử dụng một phần ρ của công suất nhận được để
thu hoạch năng lượng và phần còn lại (1 - ρ) để xử lý thông tin, trong đó 0  ρ  1 , ở cả hai khe, như minh
họa trong Hình 2. Xét trong hai khe đầu tiên, R có hai lần thu hoạch năng lượng từ các tín hiệu của A, B
và PT. Năng lượng được thu hoạch tính như sau:
ESRH = 
T
3
(
PAm hAR + PBm hBR + 2 PT hPR
2 2 2
), (10)
trong đó β, 0 ≤ β ≤ 1, là hiệu suất biến đổi năng lượng. Sau đó, ở khe cuối cùng, R chuyển tiếp thông tin
đến cả A và B. Tại đây, nguồn A cố gắng khôi phục thông báo của nguồn B dựa trên cả hai đường truyền
từ nguồn B trong khe thứ hai và relay R trong khe thứ ba. Tương tự như vậy, nguồn B cũng có thể phục hồi
tín hiệu của nguồn A dựa trên thông tin phía khe đầu tiên và tín hiệu nhận được tại nút B trong khe thứ ba.
Công suất phát tại thời điểm đó có thể được biểu thị là:
(
PSRH =  PA hAR + PB hBR + 2 PT hPR
2 2 2
), (11)
Tuy nhiên, trong trường hợp CR, công suất phát tại R phải thỏa mãn:
(
PR = min PSRH , PR* , ) (12)
2.3 Truyền thông chuyển tiếp dựa trên PS

2.3.1 Xác suất dừng tính từ nguồn đến đích OP
SNR thu được tại nút trung gian R khi nguồn tin X phát là:
(1 −  ) PX hXR
2
 XR = , (13)
(1 −  ) PT hPR +  R2
2
SNR thu được tại nút đích Y khi nút trung gian R phát là:
2
PR hRY
 RY = , (14)
PT hPY +  Y2
2
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Theo phương trình (1), tỷ lệ tín hiệu trên nhiễu tức thời tại nút R và nút đích Y trong quá trình tác động qua
lại được cho bởi (13) và (14).  R và  Y là phương sai của nhiễu trắng cộng Gauss. Giả sử rằng  R và
2 2 2
 Y2 bằng nhau và được ký hiệu là  2 .

Về nguyên lý, giao tiếp hai chiều bao gồm hai tác động riêng biệt. Tác động một chiều trải qua hai chặng,
cụ thể là chặng X-R và chặng R-Y. Chiều ngược lại là chặng Y-R và chặng R-X. Do tính riêng biệt của mỗi
tác động một chiều, chúng tôi chỉ nghiên cứu một hướng, sử dụng mô hình hop-by-hop (truyền từng chặng
một), chẳng hạn như X-R-Y. Kết quả là, OP end-to-end (xác suất dừng tính từ nguồn đến đích) tại nút Y
lập một phương trình như sau:
(
PYout (  s ) = Pr min (  XR ,  RY )   s , (15) )
3 Rs
(1−  ) Bw
Trong đó  s = 2 − 1 , và Rs là tốc độ mong muốn.
Xác suất dừng end-to-end của truyền tin một chiều có thể được biểu thị như sau:
PYout (  s ) = FXR (  s ) + FRY (  s ) − FXR (  s ) FRY (  s ) , (16)
trong đó FXR (  s ) và FRY (  s ) lần lượt là xác suất dừng của chặng X-R và R-Y. Ứng dụng hai đề xuất
dưới đây để tìm FXR (  s ) và FRY (  s ) , chúng ta tìm được PYout (  s ) .
2 2
Đề xuất 2: Cho hXR và hPR là Biến ngẫu nhiên độc lập (RV), CDF (Cumulative Distribution Function)
của FXR (  s ) là:
 s    
exp   CXR 2 exp  − s  CXR
  C 2   C 
FXR (  s ) = 1 +  XR  = 1−  XR 
, (17)
−CXR  2 + 1DXR CXR +  s DXR
Trong đó 1 =  s ,  2 = −1 .
Từ phương trình (13), SNR (Signal to Noise Ratio) biểu diễn lại là:
C
 XR = , (18)
D +1
(1 −  ) PXm
2
hXR
trong đó C= là biến ngẫu nhiên (RV- Random Variable) với trung bình
2
(1 −  ) PXm PLXR . (1 −  ) PT (1 −  ) P PL
2
hPR
C = Tương tự, D= với trung bình DXR = . Rõ
2
 2
2 T XR
ràng, CDF của γXR có thể được biểu thị bằng


 C 
FXR (  s ) = Pr    s  =  Pr ( C   s ( y + 1) ) f D ( y ) dy
 D +1  0
, (19)
1

  − s ( y + 1)    −y 
=
DXR 0 1 − exp  CXR   exp  DXR dy

 
Sau khi rút gọn (19), chúng ta thu được (17) trong Đề xuất 2.
Đề xuất 3: Sử dụng các RV riêng biệt hXR , hRY , hPY , CDF của FRY (  s ) là:
2 2 2
FRY (  s ) = M RY (  s ) (1 − E (  s ) ) + E (  s ) N RY (  s ) , (20)
Trong đó
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
 s 
exp   
  RY  2  RY 2
M RY (  s ) = 1 +
−RY  2 + 1PY
, (21)
  
exp  − s  RY
= 1−   RY 
RY +  s PY
Và E (  s ) trong (20) được cho bởi:
I1 − I 2
E ( s ) = , (22)
XR − YR
   − PRR     − PRR   
XR  XR 1 − exp    + PR  −1 + exp  
  XR    PR   
  
I1 = ’
XR − PR
   − PRR     − PRR   
YR  YR 1 − exp    + PR  −1 + exp  
  YR    PR   
  
I2 = ’
YR − PR
PR*
Với PRR = .

Cuối cùng, thuật ngữ NRY(γs) được tính như sau:
N RY (  s ) = 1 − ( H1 (  s ) + H 2 (  s ) + H 3 (  s ) ) (23)
Trong đó:
 c  c
H1 ( s ) = a1 − e1 f1 exp   W−0.5,0   , (24)
 2d1   d1 
XR2
 s 
a1 = , b = exp   , c = 1PY
( XR − YR )( XR − PR )  
 1 PY 
Y XR 1PY a1b
d1 = −XRY  2 , e1 = , f1 =
−2 XRY
 c   c 
H 2 ( s ) = a2 − e2 f 2 exp   W−0.5,0   , (25)
 2d 2   d2 
YR2
Y YR 1PY
a2 = , e2 =
( YR − XR )( YR − PR ) −2
a2b
d 2 = −YR Y  2 , f 2 =
YRY
 c   c 
H 3 ( s ) = a3 − e3 f3 exp   W−0.5,0   , (26)
 2d 3   d3 
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
PR
2
Y PR 1PY a3b
a3 = , d3 = −PR Y  2 , e3 = , f3 = với
( PR − XR )( PR − YR ) −2 PRY
  PLRY
Y = , PLRY là suy hao đường truyền giữa nút R và nút Y. Lưu ý rằng W.,. (.) là hàm Whittaker
N2
([20], 9.22). Giả sử rằng RS giống nhau trên cả hai chặng. Do đó, end-to-end OP trong TWCRN (Two-
Way Cognitive Relay Network) với phương pháp PS và DF (Decode and Forward) được định nghĩa là:
TW
PoutPS = Pr ( min ( RXR , RRY )  Rs , or min ( RYR , RRX )  Rs )
= Pr ( min (  XR ,  RY )   s ) + Pr ( min (  YR ,  RX )   s ) − Pr ( min ( XR ,  RY )   s , min ( YR ,  RX )   s )
PYout PXout PYout PXout
(27)
trong đó PYout được cho bởi (16), và PXout được suy ra từ (16) ngoại trừ Y được thay thế bởi X.
2.3.2 Phân tích thông lượng

Trong chế độ truyền giới hạn độ trễ, thông lượng có thể được suy ra từ OP của hệ thống với tốc độ truyền
cố định. Do đó, thông lượng của TWCRN được tính như sau:
Rs (1 − PAout (  s ) ) Rs (1 − PBout (  s ) )
TW
ThPS = + , (28)
3 3
A B
ThPS ThPS
TW
trong đó Th PS biểu thị thông lượng sử dụng phương pháp PS, A
ThPS là thông lượng của nguồn A và ThPS
B
là
thông lượng của nguồn B. Ngoài ra, PAout (  s ) , PBout (  s ) là các OP tương ứng được cung cấp bởi (16)
với A thay thế cho X, và B cho Y.
3 KẾT QUẢ MÔ PHỎNG

Trong phần này, chúng tôi hiển thị các kết quả bằng số để minh họa ý nghĩa của biểu thức giải tích được
suy ra. Đối với phân tích bằng số, chúng tôi đưa ra cấu trúc liên kết cơ bản của mạng, trong đó các trạm SN
(Secondary Network) và PN (Primary Network) được lắp đặt như sau: nguồn thứ nhất A, trạm chuyển tiếp
R và nguồn thứ hai B ở các tọa độ tương ứng (0,0), (0,0.4) , và (0,1). Nút máy phát chính và nút máy thu
được đặt lần lượt tại (0,2), (1,2). Tham số cơ bản được giả định dưới đây: công suất phát sơ cấp, PT = 20dB;
công suất phần cứng của máy phát thứ cấp giống với công suất phát sơ cấp, cụ thể là Phw = PT, hệ số hiệu
suất chuyển đổi năng lượng được giả sử là β = 0.8; phương sai của tiếng ồn được giả định là σ2 = 10−3; tốc
độ mong muốn Rp = 0.4bits / s / Hz và Rs = 0.2bits / s / Hz. Ngoài ra, tham số phần cứng được đặt là K = 0
đại diện cho phần cứng tốt nhất, theo Tham khảo [21].
Hình 3 thể hiện mối quan hệ giữa xác suất dừng OP (Outage Probability) của mạng thứ cấp và hệ số phân
chia công suất (tức là ρ trong PS). Có thể thấy kết quả phân tích lý thuyết rất khớp với kết quả mô phỏng.
Khi phần thu hoạch năng lượng ρ đang thay đổi từ 0 thành 1, hiệu suất xác suất dừng SN giảm nhanh ở thời
điểm đầu tiên cho đến khi ρ đạt đến giá trị tối ưu cục bộ, cùng ý nghĩa với việc xác suất dừng đạt được tối
thiểu, và sau đó tăng dần từ mức tối thiểu đến giới hạn trên. Điều này được giải thích như sau: Lúc đầu, khi
ρ gần bằng không, thời gian EH (Energy Harvesting) ít hơn dẫn đến OP ≈ 1. Khi ρ tăng với một giá trị nhỏ,
nó dẫn đến nhiều năng lượng hơn để truyền, làm cho OP giảm đáng kể. Khi ρ đủ cao, sẽ có ít thời gian hơn
để truyền dữ liệu, điều này buộc OP phải tăng lên gần cuối khung thời gian. Do đó, giao điểm giữa hai xu
hướng đạt được giá trị tối ưu ρ ∼ 0,04. Chúng ta có thể quan sát thấy rằng mô hình được đề xuất với ρ ∼
0.9 trong hệ thống đang nghiên cứu.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 3. Pout theo phương pháp cải tiến.
Hình 4. Ảnh hưởng của vị trí trạm sơ cấp lên thông lượng của SN.
Quan sát Hình 4, với giả định thông thường, khi dPT-R tăng, thông lượng tăng lúc đầu và đảo ngược đi xuống
sau đó mặc dù khoảng cách liên tục tăng. Khi giá trị khoảng cách nằm trong vùng từ 0 đến 2, năng lượng
thu hoạch lớn hơn những gì trạm chuyển tiếp tiêu thụ, thông lượng SN phụ thuộc hoàn toàn vào SIR (Signal
to Interference Ratio) tại trạm chuyển tiếp. Khi dPT−R ∼ 0, giao thoa từ PT gần như rất lớn. Kết quả là, SIR
tại trạm chuyển tiếp là kém nhất có thể. Do đó, thông lượng gần bằng không. Khi khoảng cách tăng dần,
SIR cải thiện nhanh chóng, có nghĩa là thông lượng đi đến giá trị cao. Trong vùng còn lại, khi khoảng cách
lớn hơn 2, hệ số nhiễu tín hiệu có đóng góp thấp. Việc thiếu năng lượng để truyền ở trạm chuyển tiếp là
quan trọng nhất. Tiếp theo, khi khoảng cách xa hơn, năng lượng thu được ở trạm chuyển tiếp không đủ để
truyền theo yêu cầu. Kết quả là, thông lượng có xu hướng giảm giá trị sau khi PT được di chuyển ra xa trạm
chuyển tiếp. Chúng ta có thể thu được thông lượng tối đa theo tương quan khoảng cách giữa nguồn nhiễu
khả kiến và trạm chuyển tiếp. Nó cung cấp nhiều thông tin về việc thiết lập một trạm mới trong thực tế.
4 KẾT LUẬN
Trong bài báo này, chúng tôi đã nghiên cứu về mạng nhận thức chuyển tiếp hai chiều TWCRN, trong đó
trạm trung gian có thể thu hoạch năng lượng vô tuyến truyền tin trong cả hai chiều, cho thấy các đặc điểm
nổi trội trong khả năng truyền thông tin tin cậy và sự linh động trong triển khai thực tế trong trường hợp có
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
tuyến thông tin sơ cấp tồn tại. Cả hệ thống sơ cấp và thứ cấp đều hoạt động trong mô hình vô tuyến nhận
thức cơ bản và truy cập vào cùng một phổ. Kết quả cho thấy rằng đề xuất cải thiện giao thức TDBC (Time
Division Broadcast) truyền thông hai chiều kết hợp thu hoạch năng lượng là hoàn toàn khả thi. Dựa trên
các đặc điểm của OP trong đề xuất, chúng ta có thể tìm thấy thông lượng tối đa của mạng thứ cấp và hệ số
phân chia công suất ρ tối ưu là 0,04. Ngoài ra, thông lượng có xu hướng giảm giá trị sau khi PT được di
chuyển ra xa trạm chuyển tiếp. Đặc điểm này cung cấp nhiều thông tin về việc thiết lập một trạm mới trong
thực tế.

[1] L. R. Varshney, "Transporting information and energy simultaneously," in 2008 IEEE International
Symposium on Information Theory, Toronto, 2008, pp. 1612-1616: IEEE.
[2] X. Zhou, R. Zhang, and C. K. Ho, "Wireless information and power transfer: Architecture design and rate-
energy tradeoff," IEEE Transactions on Communications, vol. 61, no. 11, pp. 4754 - 4767, 2013.
[3] P. T. Tin, P. M. Nam, T. T. Duy, P. T. Tran, and M. Voznak, "Secrecy Performance of TAS/SC-Based Multi-
Hop Harvest-to-Transmit Cognitive WSNs Under Joint Constraint of Interference and Hardware
Imperfection," Sensors, vol. 19, no. 5, p. 1160, 2019.
[4] T. D. Hieu, T. T. Duy, and B. Kim, "Performance Enhancement for Multihop Harvest-to-Transmit WSNs With
Path-Selection Methods in Presence of Eavesdroppers and Hardware Noises," IEEE Sensors Journal, vol. 18,
no. 12, pp. 5173-5186, 2018.
[5] P. T. Tin, P. M. Nam, T. T. Duy, T. T. Phuong, and M. Voznak, "Throughput Analysis of Power Beacon-Aided
Multi-hop Relaying Networks Employing Non-Orthogonal Multiple Access With Hardware Impairments,"
presented at the AETA2018, part of the Lecture Notes in Electrical Engineering book series Ostrava-Poruba,
Czech Republic 2018.
[6] M. N. Pham, "On the secrecy outage probability and performance trade-off of the multi-hop cognitive relay
networks," Telecommunication Systems, vol. 73, no. 3, pp. 349-358, 2020 2020.
[7] P. M. Nam, P. V. Ca, T. T. Duy, and K. N. Le, "Secrecy Performance Enhancement Using Path Selection over
Cluster-Based Cognitive Radio Networks," in INISCOM2019, Lecture Notes of the Institute for Computer
Sciences, Social Informatics and Telecommunications Engineering, 2019, vol. 293, pp. 65-80: Springer Nature
Switzerland AG
[8] A. A. Nasir, X. Zhou, S. Durrani, and R. A. Kennedy, "Relaying Protocols for Wireless Energy Harvesting and
Information Processing," IEEE Transactions on Wireless Communications, vol. 12, no. 7, pp. 3622-3636, 2013.
[9] A. A. Nasir, X. Zhou, S. Durrani, and R. A. Kennedy, "Throughput and ergodic capacity of wireless energy
harvesting based DF relaying network," in 2014 IEEE International Conference on Communications (ICC),
2014, pp. 4066-4071, Sydney.
[10] Y. Gu and S. Aïssa, "Interference aided energy harvesting in decode-and-forward relaying systems," in 2014
IEEE International Conference on Communications (ICC), Sydney, NSW, Australia, 2014, pp. 5378-5382:
IEEE.
[11] J. Mitola and G. Q. Maguire, "Cognitive radio: making software radios more personal," IEEE Personal
Communications, vol. 6, no. 4, pp. 13-18, 1999.
[12] F. Jameel, Faisal, M. A. A. Haider, and A. A. Butt, "Performance analysis of VANETs under Rayleigh, Rician,
Nakagami-m and Weibull fading," in 2017 International Conference on Communication, Computing and
Digital Systems (C-CODE), 2017, pp. 127-132.
[13] X. Yang, L. Liu, N. H. Vaidya, and F. Zhao, "A vehicle-to-vehicle communication protocol for cooperative
collision warning," in The First Annual International Conference on Mobile and Ubiquitous Systems:
Networking and Services., 2004, pp. 114-123.
[14] D.-T. Do, "Power Switching Protocol for Two-way Relaying Network under Hardware Impairments,"
Radioengineering Journal, vol. 24, no. 3, pp. 765-771, 2015.
[15] M. Ju and I. Kim, "Relay Selection with ANC and TDBC Protocols in Bidirectional Relay Networks," IEEE
Transactions on Communications, vol. 58, no. 12, pp. 3500-3511, 2010.
[16] S. J. Kim, P. Mitran, and V. Tarokh, "Performance Bounds for Bidirectional Coded Cooperation Protocols,"
IEEE Transactions on Information Theory, vol. 54, no. 11, pp. 5235-5241, 2008.
[17] Y. Shim and H. Park, "A Closed-Form Expression of Optimal Time for Two-Way Relay Using DF MABC
Protocol," IEEE Communications Letters, vol. 18, no. 5, pp. 721-724, 2014.
[18] I. Krikidis, "Relay Selection for Two-Way Relay Channels With MABC DF: A Diversity Perspective," IEEE
Transactions on Vehicular Technology, vol. 59, no. 9, pp. 4620-4628, 2010.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[19] S. Bagheri, F. Verde, D. Darsena, and A. Scaglione, "Randomized Decode-and-Forward Strategies for Two-
Way Relay Networks," IEEE Transactions on Wireless Communications, vol. 10, no. 12, pp. 4214-4225, 2011.
[20] I. S. Gradshteyn and I. M. Ryzhik, Table of Integrals, Series, and Products, 7th ed. San Diego, CA: Elsevier
Inc, 2007.
[21] E. Bjornson, M. Matthaiou, M. Debbah, A New Look at Dualhop Relaying: Performance Limits with Hardware
Impairments, IEEE Transactions on Communications 61 (11) (2013) 4512–4525.
doi:10.1109/TCOMM.2013.100913.130282
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.206
KẾT QUẢ NGHIÊN CỨU BƯỚC ĐẦU VỀ ẢNH HƯỞNG CỦA SÓNG SIÊU ÂM
LÊN TÍNH CHẤT ĐIỆN CỦA VẬT LIỆU NANOCOMPOSIT SẮT ĐIỆN
NGUYỄN HOÀI THƯƠNG*, HÀ VĂN ĐẠI
Khoa Công Nghệ Điện, Trường Đại học Công Nghiệp Thành Phố Hồ Chí Minh
*nguyenthuongfee@iuh.edu.vn
Tóm tắt. Sóng siêu âm, một dạng dao động cơ học lan truyền trong không gian có tần số vượt ngưỡng nghe
của con người, được ứng dụng khá nhiều trong công nghệ chế tạo vật liệu nhờ khả năng tán nhỏ các thành
phần vật liệu và giúp chúng tương tác tốt hơn với nhau. Đối với vật liệu điện – điện tử, điều này có ý nghĩa
tiên quyết vì nó quyết định khả năng tương tác điện ở cấp độ nano, giúp hiệu chỉnh các tham số điện của
vật liệu để tương thích với từng điệu kiện ứng dụng cụ thể. Trong nghiên cứu này, chúng tôi trình bày một
số kết quả thu được bước đầu về ảnh hưởng của sóng siêu âm lên tính chất chuyển pha và điện dẫn suất của
vật liệu sắt điện. Dựa trên kết quả thu được cho thấy, sóng siêu âm giúp mở rộng pha sắt điện (vùng nhiệt
độ quan trọng cho các ứng dụng bộ nhớ) và làm giảm điện dẫn suất từ đó giảm tổn hao. Các tham số điện
(hằng số điện môi, điện dẫn suấ) được đo ở tần số thấp từ 1 mHz đến 1 kHz trong điện trường yếu (1 V/cm).
Từ khóa. Sóng siêu âm, sắt điện nanocomposite, sự chuyển pha, hiệu ứng kích thước.
PRELIMINARY RESULTS OVER INFLUENCE OF ULTRASOUND WAVES ON

ELECTROPHYSICAL PROPERTIES OF FERROELECTRIC NANOCOMPOSITES
Abstract. Ultrasound waves (USW), a form of mechanical vibrations having frequencies higher than the
human hearing limit, have been widely used in material synthesis technologies due to the ability to disperse
material components and improve their interaction. For electrical electronics materials, this is essential
because of the enhanced electrical interoperability at the nanoscale level, allowing to adjust electrical
parameters for each specific practical application. The present study aims at presenting preliminary results
over the influence of USW on phase transition and electrical conductivity of ferroelectric nanocomposites.
Indicated that ultrasound waves are capable of expanding the ferroelectric phase – an important temperature
region for memories operation as well as reducing electrical conductivity and therefore dielectric loss
decreases. The electrical parameters (dielectric constant and electrical conductivity) were tested at low
frequencies from 1 mHz to 1 kHz under a weak electric field (1 V/cm).
Keywords. Ultrasound waves, ferroelectric nanocomposites, phase transition, size effects.
1 GIỚI THIỆU
Vật liệu luôn tồn tại khách quan xung quanh chúng ta và phục vụ tất cả các khía cạnh đời sống con người.
Trong lĩnh vực điện – điện tử, vật liệu đóng vai trò chuyển hóa những ý tưởng công nghệ độc đáo đến với
nhân loại. Một quốc gia không thể đạt được trình độ cao về khoa học kỹ thuật mà thiếu đi sự phát triển song
hành của vật liệu. Nói một cách khác, mọi phát minh đều không thể đến tay người tiêu dùng nếu không
truyền tải nó vào trong vật liệu, thứ mà người tiêu dùng có thể chạm vào chúng như điện thoại, máy tính,
tivi, … Mặc dù vậy, công nghệ vật liệu ở Việt Nam chúng ta còn lạc hậu, kéo theo sự thụt lùi trong công
nghệ chế tạo, từ đó kìm hãm tốc độ phát triển của ngành công nghiệp nước nhà. Đó là lý do tại sao vừa qua
Bộ Khoa học và Công nghệ xác định trong tầm nhìn đến năm 2045, phát triển vật liệu là tất yếu hướng đến
công nghiệp hóa và hiện tại hóa đất nước [1].
Một trong những hướng đi triển vọng hiện nay là phát triển các dòng vật liệu thông minh nhưng có kích
thước nhỏ gọn. Nanocomposit sắt điện là một ví dụ. Nanocomposit được cấu thành từ nhiều thành phần vật
liệu khác nhau, trong đó có những thành phần được chế tạo ở kích thước nano, và được dùng để chế tạo các
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
linh kiện điện – điện tử quen thuộc như RAM máy tính, thẻ RFID, các phần tử áp điện, ống dẫn sóng [2,3].
Tính chất đặc biệt của dòng vật liệu này được tạo ra do các đặc tính của pha sắt điện bị biến đổi ở kích
thước nano cũng như do sự tương tác của các pha khác lên nó.
Để tạo ra các vật liệu chất lượng đủ tiêu chuẩn ứng dụng, các điều kiện tổng hợp chúng là vô cùng quan
trọng. Trong nghiên cứu này chúng tôi chỉ đề cập đến sóng siêu âm trong chế tạo hai loại vật liệu điển hình
trên nền tảng triglyxin sunphat (TGS) – chất sắt điển cổ điển quen thuộc – kết hợp với hai thành phần cách
điện là hạt nano SiO2 và nanoxenlulo (NCC). Sóng siêu âm là một dạng dao động cơ học lan truyền trong
không gian có tần số vượt ngưỡng nghe của con người được ứng dụng khá nhiều trong công nghệ chế tạo
vật liệu nhờ khả năng tán nhỏ các thành phần vật liệu và giúp chúng tương tác điện tốt hơn với nhau. Bài
báo chỉ trình bày những nghiên cứu bước đầu thông qua khảo sát nhiệt độ chuyển pha từ pha sắt điện sang
pha thuận điện cùng với những biến đổi của điện dẫn suất vật liệu ở tần số thấp.
2 PHƯƠNG PHÁP CHẾ TẠO VẬT LIỆU VÀ THIẾT BỊ ĐO

2.1 Phương pháp chế tạo vật liệu
Hai vật liệu nanocomposit sắt điện trong nghiên cứu này (SiO2+TGS và NCC+TGS) được chế tạo theo quy
trình đã thực hiện trong những công bố trước [4,5] của chính tác giả. Điểm khác biệt ở đây nằm ở việc bổ
sung sóng siêu âm vào quá trình tổng hợp đó để tăng độ phân tán các hạt nano với mục đích tăng tính tương
tác giữa chúng. Tần số siêu âm được phát liên tục ở 35 kHz trong suốt quá trình khuấy trộn các cặp chất
SiO2/TGS và NCC/TGS, và chỉ được gỡ bỏ khi xuất hiện dạng sệt của vật liệu. Tại thời điểm này, sóng siêu
âm không còn tác dụng nhiều do môi trường trung gian là nước đã bị bốc hơi đáng kể và làm tắt nhanh các
luồng siêu âm. Tỉ lệ khối lượng SiO2:TGS và NCC:TGS là 1:1.
2.1 Các thiết bị đo
Kích các hạt nano NCC (Hình 1a) và SiO2 (Hình 1b) dao động tương ứng từ 10 – 100 nm và 80 – 500 nm
được phân tích bởi khoa Công Nghệ Hóa Học, Đại học Tổng hợp Quốc Gia Voronezh, Liên Bang Nga.
TGS là dạng nguyên chất được mua trực tiếp từ nhà phân phối Sigma-Aldrich.
Hình 1. Phổ kích thước của hạt SiO2 (a) và nanoxenlulo
Sóng siêu âm được phát bởi máy tạo sóng siêu âm Rama MT được sử dụng phổ biến trên thị trường với
đầu phát có thể tạo ra các tần số khác nhau từ 28 – 40 kHz. Vùng chuyển pha của vật liệu và điện dẫn suất
được đo trên máy phân tích trở kháng Solartron 1260 kết nối với modun mở rộng INTERFACE 1269 (Hình
2). Dữ liệu đo được sẽ chuyển đến máy tính và phân tích trực tiếp trong quá trình đo bằng phần mềm
SMART. Từ dữ liệu trên có thể trích xuất sự phụ thuộc của hằng số điện môi vào nhiệt độ để xác định chính
xác vùng chuyển pha sắt điện.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 2. Hệ thống đo tính chất điện vật liệu Solartron cấu thành từ modun chính Solartron SI 1260 (1) và modun mở
rộng Solartron 1296 (2) được đặt tại phòng nghiên cứu thực nghiệm, Đại học Tổng hợp quốc gia Voronezh, Liên
Bang Nga
3 KẾT QUẢ THỰC NGHIỆM

Hình thái và cấu trúc ở cấp độ phân tử của hai vật liệu sắt điện nanocomposite SiO2+TGS và NCC+TGS
đã được chúng tôi nghiên cứu chi tiết ở những công bố trước đây [4,6]. Trước khi bắt đầu phân tích các dữ
liệu mới về ảnh hưởng của sóng siêu âm có thể điểm qua một vài nét đặc biệt rất có ích để giải thích kết
quả thu được trong nghiên cứu này. Đầu tiên, hình ảnh dưới kính hiển vi điện tử quét (SEM) thu được ở
cấp độ nano cho thấy, tinh thể sắt điện TGS được bao bọc bởi hạt nanoxenlulo hoặc SiO2 [4]. Hàm lượng
TGS càng bé thì tinh thể nano của chúng càng tách biệt nhau, đồng thời sự tương tác điện giữa các cặp chất
SiO2/TGS và NCC/TGS càng lớn nhờ liên kết hydro được minh chứng bởi phổ hồng ngoại (FTIR) thu được
ở nhiệt độ phòng [4]. Một điều lưu ý là, trong quá trình tổng hợp vật liệu điện – điện tử nói chung, nước
luôn được khử rất triệt để chống ẩm và gây ra các hiệu ứng điện không mong muốn., Tuy nhiên, nanoxenlulo
có khả năng hút ẩm rất tốt ở điều kiện bình thường, trong khi đó SiO2 có khả năng giữ nước trên bề mặt
nếu được nung ở nhiệt độ dưới 500 oC [7]. Mặc dù vậy, điều này không gây ra hiện tượng ngắn mạch kể cả
trong độ ẩm tương đối lớn hơn 80%. Đây cũng là nét đặc biệt ở hai dòng vật liệu trên.
Sự chuyển từ pha sắt điện sang pha thuận điện đối với vật liệu SiO2+TGS và NCC+TGS được ghi nhận
trên phổ điện môi từ nhiệt độ phòng 20 oC đến 120 oC trong cả hai trường hợp có sử dụng và không sử dụng
sóng siêu âm trong quá trình tổng hợp (Hình 3). Chuyển pha là một quá trình phụ thuộc vào sự gia nhiệt.
Khi nhiệt độ môi trường tăng đến một giá trị xác định, các vùng phân cực tự phát (domen) sẽ biến mất và
cấu trúc TGS chuyển sang trạng thái không phân cực (pha thuận điện). Nhiệt độ tới hạn này gọi là nhiệt độ
chuyển pha (điểm Curie) trong vật liệu sắt điện. Nhận thấy rằng, sóng siêu âm đẩy nhiệt độ chuyển pha vật
liệu lên cao hơn, tương ứng với ΔT = +12.5 oC (SiO2+TGS, Hình 3a) và +6.3 oC (NCC+TGS, Hình 3b).
Nói cách khác, pha sắt điện của TGS được mở rộng hơn rất đáng kể so với các công bố trước đây [4, 6].
Điều đặc biệt hơn nữa là, điểm chuyển pha nhọn hơn và hằng số điện môi trong cả hai trường hợp đều cao
hơn so với khi không sử dụng sóng siêu âm. Theo ý kiến chủ quan của chúng tôi, mặc dù có sự tương tác
điện mạnh giữa TGS và thành phần cách điện (SiO2 hoặc NCC) làm tăng nhiệt độ chuyển pha, hiện tượng
đảo cực domen trong TGS ít bị cản trở hơn. Cần lưu ý thêm rằng, sự phụ thuộc của hằng số điện môi vào
nhiệt độ thu được trong thực nghiệm khá phù hợp với định luật Curie-Weiss [8]:
C
 = (1)
T − Tc
trong đó, ɛˈlà hằng số điện môi, C là hằng số phụ thuộc vào bản chất từng loại vật liệu sắt điện, Tc là nhiệt
độ chuyển pha và T là nhiệt độ môi trường. Việc tuân theo định luật này chứng tỏ sóng siêu âm không làm
thay đổi bản chất sắt điện TGS, ngược lại còn giúp cải thiện hai tham số quan trọng là pha sắt điện và hằng
số điện môi tại nhiệt độ chuyển pha. Giá trị hằng số điện môi tại nhiệt độ chuyển pha mặc dù tăng hơn khi
sử dụng sóng siêu âm (ɛ ~ 600) (Hình 3) nhưng vẫn rất bé so với TGS nguyên chất (ɛ ~ 2.10 5) [9]. Tuy
nhiên, đây là nhược điểm cố hữu của dòng vật liệu này và nó không làm hạn chế đáng kể khả năng ứng
dụng trong thực tế.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
(a) SiO2+TGS (b) NCC+TGS

600 600
2 2
450 450
1 1
'
'
300 300
150 150
Pure SiO2 Pure NCC

0 0
20 40 60 80 100 120 20 40 60 80 100 120
T, oC T, oC
Hình 3. Phổ điện môi của vật liệu sắt điện nanocomposit SiO2+TGS (a) và NCC+TGS (b) đối với trường hợp không
(1) và có sử dụng sóng siêu âm (2). Tỉ lệ khối lượng SiO2/TGS và NCC/TGS là 1:1. Kết quả của chất cách điện
SiO2 và NCC dạng tinh khiết được đưa vào để so sánh
Sự phụ thuộc của điện dẫn suất vào tần số điện áp trong dải 1 mHz đến 1 kHz được thể hiện trên hình 4 đối
với hai loại vật liệu SiO2+TGS và NCC+TGS trên cơ sở so sánh với TGS nguyên chất. Trước hết, giá trị
điện dẫn suất ở trạng thái composit đều cao hơn TGS nguyên chất. Đây là điều dễ hiểu do khả năng hút ẩm
tự nhiên của các hạt nano SiO2 và TGS ở điều kiện thường. Sự phụ thuộc của điện dẫn suất vào tần số điện
áp có thể được miêu tả bằng phương trình sau [10,11]:
 ac ( f ) =  dc + Af n (2)
với σac là điện dẫn suất tổng cộng, σdc là điện dẫn suất không đổi và không phụ thuộc tần số, A là hằng số, f
là tần số góc, n là bậc của hàm mũ (n ≥ 0). Tại n = 0, điện dẫn suất sẽ không phụ thuộc vào tần số điện áp.
Điều này có thể xảy ra khi tần số quá cao dẫn đến sự đảo cực quá nhanh của điện áp, từ đó các điện tích
không kịp chuyển động dẫn đến sự sụt giảm điện dẫn suất. Giá trị n đặc trưng cho mức độ kết nối các rãnh
dẫn điện trong vật liệu giúp cho các hạt mang điện có thể chuyển động và tạo thành dòng [11]. Đối với TGS
nguyên chất, thành phần σdc không tồn tại (Hình 4), từ đó có thể khẳng định độ tinh khiết của vật liệu đầu
vào. Khi kết hợp với SiO2 (Hình 4a) hoặc NCC (Hình 4b) khi không sử dụng sóng siêu âm, thành phần σdc
xuất hiện trên phổ khá rộng (đường cong số 1, Hình 4). Khi áp dụng sóng siêu âm vào quá trình tổng hợp,
vùng DC được nén lại. Hơn thế nữa, giá trị điện dẫn suất trên toàn bộ vùng tần số đo cũng giảm theo. Đây
là tín hiệu tích cực giúp giảm thiểu tổn hao trong quá trình vận hành của các thiết bị điện – điện tử. Nguyên
nhân dẫn đến bất thường này sẽ được phân tích rõ hơn trong phần biện luận kết quả.
(b) -6
NCC+TGS
(a) -6
SiO2+TGS 10
10
-7
-7 1 10
10 1
ac(S.m-1)
ac(S.m-1)
2
-8
dc 10
-8 2
10 dc
-9
-9 10
10 dc dc
Pure TGS Pure TGS
-10
-10
10 10
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
10 10 10 10 10 10 10 10 10 10 10 10 10 10
f (Hz) f (Hz)
Hình 4. Điện dẫn suất ở phổ tần số thấp của vật liệu sắt điện nanocomposit SiO 2+TGS (a) và NCC+TGS (b) đối với
trường hợp không (1) và có sử dụng sóng siêu âm (2). Kết quả của chất cách điện SiO 2 và NCC dạng tinh khiết được
đưa vào để so sánh
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4 BIỆN LUẬN KẾT QUẢ

Việc mở rộng pha sắt điện (tăng nhiệt độ chuyển pha Tc) có thể được giải thích thông qua sự tương tác điện
giữa các thành phần vật liệu được miêu tả ngắn gọn trên hình 5 bên dưới. Như đã biết [12-14], TGS có cấu
trúc dạng domen với các phân cực tự phát (được minh họa bằng mũi tên màu đỏ trên hình 5) - yếu tố then
chốt trong việc lưu trữ bộ nhớ của các dòng vật liệu này. Trạng thái phân cực này sẽ bị phá vỡ khi nhiệt độ
tăng cao hơn Tc, và vật liệu sẽ chuyển sang pha thuận điện. Nói cách khác, nếu chúng ta có thể tăng độ bền
của các vùng phân cực tự phát thì nhiệt độ chuyển pha sẽ bị đẩy lên cao hơn. Trong vật liệu composit khi
có sự tham gia của SiO2 hoặc nanoxenlulo thông qua tương tác điện, trạng thái phân cực trong TGS được
tăng cường. Khi có xuất hiện của sóng siêu âm, lực cơ học sẽ giúp quá trình phân tán vật liệu tốt hơn. Khi
đó, TGS sẽ được bao bọc và cô lập với nhau hoàn toàn bởi các hạt SiO2/NCC, giúp tăng cường sự tương
tác tĩnh điện. Kết quả là, nhiệt độ chuyển pha Tc sẽ cao hơn trong trường hợp không sử dụng sóng siêu âm.
Hình 5. Sơ đồ tương tác điện giữa các hạt nano SiO2 hoặc nanoxenlulo với TGS
Sự cô lập các tinh thể TGS với nhau bằng các hạt nano SiO2 và NCC sẽ giúp cắt đứt các đường dẫn điện
trong vật liệu, từ đó các hạt dẫn điện tự do rất khó có thể di chuyển trong khoảng cách xa để hình thành
dòng DC. Đây là nguyên nhân dẫn đến việc giảm điện dẫn suất DC khi sử dụng sóng siêu âm trong quá
trình tổng hợp vật liệu. Từ đó giảm đáng kể công suất tổn hao trong các thiết bị điện – điện tử.
5 KẾT LUẬN
Kết quả thu được bước đầu cho thấy những tín hiệu rất khả quan về việc sử dụng sóng siêu âm vào quá
trình chế tạo vật liệu sắt điện composit, đặc biệt là các vật liệu có kích thước nano. Sóng siêu âm giúp cho
quá trình phân tán các thành phần vật liệu tốt hơn, từ đó tăng sự tương tác điện. Riêng hai vật liệu cấu thành
trên nền tảng TGS kết hợp với các hạt nano SiO2 và nanoxenlulo trong nghiên cứu này, sóng siêu âm giúp
mở rộng pha sắt điện nhờ duy trì trạng thái phân cực tự phát cũng như giảm dòng DC do sự cô lập các tinh
thể TGS bởi các hạt nano không dẫn điện. Trong các nghiên cứu tiếp theo, các tác giả sẽ tập trung vào việc
mở rộng nghiên cứu với các dòng vật liệu khác để thấy được bức tranh toàn cảnh về ảnh hưởng của sóng
siêu âm, mở ra triển vọng về việc cải tiến đáng kể tính chất điện của các vật liệu sẵn có, từ đó tăng giá trị
ứng dụng của chúng vào trong thực tiễn công nghệ kỹ thuật điện – điện tử tương lai.

[1] Nguyễn Xuân, Bộ trưởng Bộ Khoa học và Công nghệ “đặt hàng” nghiên cứu về vật liệu
[https://www.most.gov.vn/vn/tin-tuc/18894/bo-truong-bo-khoa-hoc-va-cong-nghe-dat-hang-nghien-cuu-ve-
vat-lieu.aspx]
[2] C. S. Hwang and T. Mikolajick, Advances in Non-Volatile Memory and Storage Technology (Second Edition),
(Woodhead Publishing, 2019), pp. 393-441.
[3] E. Tang, H. Luo, Y. Cheng, Y. Han and C. Chen, Research on thermal evolution of typical ferroelectric RAM
irradiated by femtosecond pulsed laser, Materials Science in Semiconductor Processing, vol. 121, pp. 105358,
2021.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[4] Bich Dung Mai, Hoai Thuong Nguyen and A. Yu. Milinskiy, Influence of silicon dioxide nanoparticles on
dielectric relaxation of triglycine sulfate, Ferroelectrics, vol. 559, pp. 141-149, 2020.
[5] Hoai Thuong Nguyen, Bich Dung Mai and A. Yu Milinskiy, Dielectric properties of an eco-friendly ferroelectric
nanocomposite from cellulose nanoparticles mixed with Rochelle salt, Ferroelectrics, vol. 560, pp. 27-32, 2020.
[6] N. H. Thu’o’ng, A. S. Sidorkin and S. D. Milovidova, Dispersion of Dielectric Permittivity in a Nanocrystalline
Cellulose–Triglycine Sulfate Composite at Low and Ultralow Frequencies, Physics of the Solid State, vol. 60,
pp. 559-565, 2018.
[7] N. Mai Phuong, K. Neishi, Y. Sutou and J. Koike, Effects of Adsorbed Moisture in SiO 2 Substrates on the
Formation of a Mn Oxide Layer by Chemical Vapor Deposition. The Journal of Physical Chemistry C, vol. 115,
pp. 16731-16736, 2011.
[8] M. Trainer, Ferroelectrics and the Curie-Weiss law, European Journal of Physics, vol. 21, pp. 459-464, 2000.
[9] T. Sekido and T. Mitsui, Dielectric constant of triglycine sulfate at the Curie point, Journal of Physics and
Chemistry of Solids, vol. 28, pp. 967-970, 1967).
[10] A. K. Jonscher, Dielectric relaxation in solids. Journal of Physics D: Applied Physics, vol. 32, 57-70, 1999.
[11] B. M. Greenhoe, M. K. Hassan, J. S. Wiggins and K. A. Mauritz, Universal power law behavior of the AC
conductivity versus frequency of agglomerate morphologies in conductive carbon nanotube-reinforced epoxy
networks, Journal of Polymer Science Part B: Polymer Physics, vol. 54, pp. 1918-1923, 2016.
[12] N. A. Tikhomirova, S. A. Pikin, L. A. Shuvalov, L. I. Dontsova, E. S. Popov, A. V. Shilnikov and L. G. Bulatova,
Visualization of static and the dynamics of domain structure in triglycine sulfate by liquid crystals, Ferroelectrics,
vol. 29, pp. 145-156, 1980.
[13] I. Peruhov and E. Mihaylova, Domain structure investigation of triglycine sulfate by digital in-line holographic
microscopy, Ferroelectrics, vol. 493, pp. 172-182, 2016.
[14] A. L. Tolstikhina, N. V. Belugina, R. V. Gainutdinov, E. S. Ivanova, A. K. Lashkova, V. N. Shut, I. F. Kashevich
and S. E. Mozzharov, Domain structure and properties of triglycine sulfate crystals with profile D,L-α- and L-α-
alanine-doped layers, Crystallography Reports, vol. 61, pp. 1008-1014, 2016.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.207
NGHIÊN CỨU THIẾT KẾ HỆ THỐNG CẢNH BÁO CÓ NGƯỜI BÊN TRONG

XE KHI XE KHÔNG HOẠT ĐỘNG
ĐINH HOÀNG BẢO HY 1 *, TRẦN QUỐC HUY 2, TRẦN ĐỨC LƯƠNG 1, NGUYỄN VŨ LINH 1,
NGUYỄN VĂN TÚ 1, NGUYỄN THÀNH TÂM 1
12
Khoa Công nghệ Động lực, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
* hydinh1111@gmail.com; 2 tranquochuy7291@gmail.com
Tóm tắt. Thực trạng đáng báo động hiện nay là có phụ huynh, người lớn bỏ quên trẻ em trên ô tô dẫn đến
hậu quả đáng tiếc. Trang bị hệ thống cảnh báo có người khi xe ngừng hoạt động nhằm ngăn ngừa những tai
nạn thương tâm có thể xảy ra là cần thiết. Nghiên cứu này thực hiện thiết kế, thử nghiệm hệ thống cảnh báo
phát hiện có người trong xe và gửi thông tin đến người liên quan. Ứng dụng trí tuệ nhân tạo (AI), cảm biến,
camera cho việc xác định có người, vật thể di chuyển trên xe khi xe ngừng hoạt động. Sử dụng ngôn ngữ
lập trình Python tiến hành lập trình điều khiển thu thập và xử lý tín hiệu cho bộ xử lý trung tâm. Thực hiện
lắp đặt, thử nghiệm hệ thống cảnh báo trên xe đảm bảo yêu cầu kỹ thuật và thẩm mỹ. Kết quả nghiên cứu
cho thấy, hệ thống nhận diện được người và vật trên xe; cảnh báo đến người lái, người có liên quan bằng
chuông cảnh báo đồng thời truyền thông tin qua điện thoại thông minh; hạn chế được những tai nạn thương
tâm.
Từ khóa. hệ thống cảnh báo, trí tuệ nhân tạo, lập trình điều khiển, nhận diện, trẻ em.
A STUDY ON THE WARNING SYSTEM OF DETECTING HAVING PEOPLE IN CARS
Abstract. A current alarming problem is that some parents and adults have neglected or forgotten, by
accident, their children in cars leading to unfortunate consequences. Equipping with warning systems of
detecting having people in cars is necessary when the cars are not working to avoid tragic accidences. In
this study, the warning system is designed and tested to detect having people in the vehicle and send
feedbacks to the related operator. Artificial intelligence (AI), sensors, cameras are applied for identifying
people and objects moving on the vehicle while the cars are not working. Besides, the Python programming
language is used to program, collect, and process signals for the central processor. The results show that
the system has recognized successfully having people and objects inside the cars. The warning system gives
an announcement to the driver and relevant person through an alert bell and transmits feedbacks to a
smartphone. As a result, tragic accidents are reduced significantly.
Key words. warning system, artificial intelligence, program, identification, children
1 LỜI NÓI ĐẦU

Thương vong liên quan đến phương tiện giao thông là thách thức lớn đối với sức khỏe chung của xã hội.
Những cải tiến về thiết kế an toàn bị động đã phát triển rõ rệt trong những năm gần đây, tuy nhiên các
nghiên cứu an toàn chủ động, hệ thống cảnh báo những nguy hiểm liên quan đến mất ý thức con người vẫn
còn hạn chế. Thương vong con người do thiếu oxi, tăng thân nhiệt ở trong xe là những nguy cơ xảy ra khi
cửa xe đóng kín, không khí không đối lưu, nhiệt độ tăng, trong đó việc bỏ quên trẻ em trong xe quá lâu dẫn
đến tử vong là cơn ác mộng của hầu hết các bậc phụ huynh [1]. Theo báo cáo của tổ chức Kids and Cars
thống kê trung bình mỗi năm có khoảng 37 trẻ em tử vong do bị bỏ quên trong xe, vô tình tự nhốt mình
trong cabin, thùng xe, hoặc trong một số trường hợp trẻ em cố tình bị bỏ lại trong xe. Cho dù người lớn bỏ
con cái họ chỉ vì một phút, trẻ em có xu hướng đối mặt với những rủi ro như vậy [2]. Ở Việt Nam, sự cố bỏ
quên trẻ em trong xe gây ra hậu quả nghiêm trọng trong những năm gần đây, điển hình như vụ ở Cơ sở
mầm non Đồ Rê Mí, Bắc Ninh [3]; Trường Gateway, Hà Nội [4].
Khi xe ô tô đã tắt động cơ, đóng kín cửa, nhiệt độ bên trong ô tô sẽ tăng lên nhanh chóng ngay cả những
ngày có nhiệt độ khí trời khoảng 21℃; do khả năng điều nhiệt của trẻ chưa phát triển hoàn thiện, tình trạng
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
này có thể dẫn đến sốc nhiệt, đột quỵ. Sự an toàn của trẻ em cần được đảm bảo dưới sự giám sát của người
lớn, tuy nhiên trong lúc bất cẩn, người lái, phụ huynh có thể quên trẻ trong xe. Những sự cố này có thể
được ngăn chặn bằng hệ thống phát hiện trẻ em trong xe và cảnh báo. Tác giả Norizam Sulaiman nghiên
cứu về hệ thống nhận diện cảnh báo trẻ em thông qua giọng nói [5]. Tác giả Alexis D. LaMott thiết kế hệ
thống an toàn “ghế ô tô smartseat” để ngăn ngừa đột quỵ do nhiệt ở trẻ em [6] . N. M. Z. Hashim nghiên
cứu cảm nhận chấn động cabin xe để nhận dạng trẻ em [7]. Tác giả Gali Suresh nghiên cứu nhiệt độ thay
đổi cabin xe [8]. Các nghiên cứu của các tác giả nêu trên còn hạn chế nhất định, có những điểm mù trong
xe mà hệ thống chưa nhận diện được như trẻ sơ sinh ngủ quên, nằm dưới phần sàn cabin xe.
Nghiên cứu này ứng dụng trí tuệ nhân tạo (AI), cảm biến nhiệt, camera cho việc xác định có người, vật thể
di chuyển trên xe khi xe ngừng hoạt động. Sử dụng ngôn ngữ lập trình Python tiến hành lập trình điều khiển
thu thập và xử lý tín hiệu cho bộ xử lý trung tâm. Kết quả hệ thống đã nhận diện có người ở trong xe, báo
động và truyền thông tin cảnh báo đến điện thoại người có liên quan.
2 THIẾT LẬP THỬ NGHIỆM HỆ THỐNG

2.1 Quá trình thiết kế
Quá trình thiết kế bắt đầu bằng cách chọn các tín hiệu đầu vào phù hợp, bộ xử lí tín hiệu và các tín hiệu
phản hồi hiệu quả. Do đó quá trình nghiên cứu được chia thành ba thành phần: tín hiệu vào, bộ xử lý và tín
hiệu ra, được thể hiện ở Hình 1. Trong nghiên cứu này tín hiệu đầu vào được chọn là hình ảnh từ camera
tích hợp cảm biến hồng ngoại, tín hiệu công tắc AC, cửa kính, cửa xe. Mạch Waveshare SIM7600G-H
4G/3G/2G/GSM/GPRS/GNSS HAT For Jetson Nano Global Version được sử dụng để cung cấp mạng di
động hỗ trợ cho việc gửi thông báo, hình ảnh đến điện thoại thông minh. Nhiệm vụ quan trọng nhất trong
nghiên cứu này là hệ thống xử lý tín hiệu đầu vào, Jetson Nano được sử dụng làm bộ xử lý trung tâm nhận
diện bằng Machine Learning để phân loại người, vật thể trong từng khung ảnh nhận từ camara, tiến hành
xử lí và điều khiển tín hiệu đầu ra, bật chuông báo động, đèn cảnh báo và gửi thông báo, hình ảnh đến điện
thoại thông minh.
Tín hiệu
công tắc AC Relay Chuông báo
Jetson động
Tín hiệu nano

công tắc
cửa kính
Đèn
cảnh báo
Tín hiệu
công tắc cửa
Mô-đun
Wavesh
Hình ảnh từ Điện
are
camera, cảm thoại
SIM760
biến hồng
0G
ngoại
Tín hiệu đầu vào Bộ xử lí trung tâm Tín hiệu đầu ra
Hình 5: Sơ đồ khối của tín hiệu đầu vào, bộ xử lí và tín hiệu ra
2.2 Sơ đồ thuật toán mô hình

Để đảm bảo cho việc phát hiện/nhận diện người hoặc vật thể chính xác, việc lựa chọn các linh kiện, mô-
dun là quan trọng để làm tăng số lượng các tính năng, như RAM, tốc độ xử lí các tác vụ điều khiển lập
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
trình, có thể chạy được các thuật toán nhận dạng hình ảnh hoặc thị giác, cấu trúc hệ thống được xây dựng
bao gồm:
- Một Camera IMX219-160IR tích hợp cảm biến hồng ngoại
- Một bộ xử lý trung tâm Jetson Nano
- Một Wireless NIC For Jetson Nano, WiFi/Bluetooth
- Một SIM7600G-H 4G/3G/2G/GNSS Module cho Jetson Nano
Kết hợp các mô-đun, linh kiện trên là lựa chọn tối ưu để hệ thống hoạt động hiệu quả. Trong nghiên cứu
này sử dung camera, cảm biến hồng ngoại làm tín hiệu ngõ vào xác nhận người vì khả năng nhận dạng hiệu
quả, tin cậy. Tuy nhiên vấn đề cần giải quyết là tiết kiệm tiêu thụ năng lượng, vì vậy hệ thống chỉ hoạt động
trong vòng 5 phút khi không phát hiện người bên trong xe. Sơ đồ thuật toán điều khiển quá trình nhận diện
và cảnh báo được thể hiện ở Hình 2.
Hình 6: Lưu đồ giải thuật điều khiển
Khi ô tô đã tắt động cơ, cửa đóng, kính đóng hệ thống sẽ tự khởi động trong vòng 2 phút. Nó sẽ nhận diện
người thông qua camera, cảm biến hồng ngoại, thực hiện cảnh báo và truyền thông tin hình ảnh qua điện
thoại thông minh, được thể hiện trong Hình 1 và Hình 2. Để đảm bảo cho việc phát hiện toàn diện, cảnh
báo tối ưu, nghiên cứu tích hợp thêm mô-đun SIM7600G-H 4G/3G/2G/GNSS để gửi thông báo đến điện
thoại thông minh, giải pháp này không phụ thuộc vào khoảng cách giữa người lái và phương tiện.
Thử nghiệm đầu tiên với thuật toán nhận diện, cần phải bổ sung dữ liệu, bằng cách thu thập thêm hình ảnh
nhận diện thực tế có thể xảy ra như:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
- Làm tối hình ảnh, mô phỏng một môi trường không có ánh sáng, như bãi đậu xe ngầm hoặc vào
buổi tối;
- Làm sáng hình ảnh, mô phỏng ánh sáng ban ngày;
- Thêm hiệu ứng mờ Gaussian vào hình ảnh;
- Thêm nhiễu vào hình ảnh;
- Tạo các hộp đen che khuất mắt, miệng hoặc mũi của trẻ sơ sinh.
Khi xe tắt động cơ, hệ thống khởi động trong 1-2 phút để xử lý từng hình ảnh. Sau khi thử nghiệm việc
nhận dạng hệ thống gần như nhận diện chính xác người và vật thể, được thể hiện ở Hình 3.
Hình 7: Minh họa thử nghiệm hệ thống tín hiệu giả lập
3 THỬ NGHIỆM THỰC TẾ TRÊN XE

3.1 Bố trí lắp đặt hệ thống
Nghiên cứu sử dụng xe Camry XLE cho việc thực nghiệm hệ thống nhận diện và cảnh báo có ngưởi trong
xe, được thể hiện ở Hình 4.
Hình 8: Xe thực nghiệm Camry XLE
Để có góc nhìn quan sát toàn diện cabin xe, camera được lắp đặt trên đỉnh đầu hàng ghế sau của xe. Hệ
thống nhận dạng, xử lý tín hiệu và cảnh báo được thể hiện ở Hình 5 và Hình 6.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 9: Mô phỏng vị trí lắp đặt camera nhận diện trên xe
Hình 10: Cụm bộ chi tiết lắp đặt thử nghiệm trên xe
Khi thử nghiệm, động cơ ô tô tắt, cửa đóng, kính đóng minh họa hình 7 với một kịch bản giả lập là một
người đang nằm trên hàng ghế sau xe, được minh họa ở Hình 8.
Hình 7 Minh họa xe tắt động cơ, cửa đóng, kính đóng
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 8: Minh họa thử nghiệm hệ thống nhận dạng
Sau khi giả lập các tín hiệu đầu vào và đầu ra hệ thống, kết quả thử nghiệm đạt hiệu quả như mong đợi, nó
có độ chính xác cao đưa ra cảnh báo nhanh, chính xác, có độ tin cậy cao cho người dùng. Hệ thống đưa ra
được cảnh báo bằng cách bật relay kích hoạt chuông báo động, đèn báo động như Hình 8.
Hình 9: Tín hiệu kích hoạt chuông báo động
Sau khi chuông báo động, đèn cảnh báo được kích hoạt. Mô-đun SIM7600G-H 4G/3G/2G/GNSS cung cấp
mạng di động cho bộ xử lý Jetson Nano gửi dữ liệu hình ảnh nhận diện phát hiện người trong xe, kích hoạt
cảnh báo tin nhắn thông qua điện thoại của người dùng minh họa như Hình 9.
Hình 11: Tín hiệu cảnh báo nhận diện người bằng điện thoại thông minh
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4 KẾT LUẬN
Nghiên cứu này thực hiện thiết kế chế tạo được hệ thống cảnh báo có người trong xe, hệ thống hoạt động
chính xác, ổn định. Ưu điểm chính của hệ thống là ứng dụng trí tuệ nhân tạo (AI), cảm biến, camera cho
việc xác định có người, vật thể di chuyển trên xe, gửi hình ảnh về điện thoại thông minh, tiện ích cho người
dùng. Kết quả của nghiên cứu cho thấy hệ thống nhận diện người, vật thể rất hiệu quả để phát hiện sự hiện
diện của người trong xe khi không có người giám sát, hạn chế xảy ra tai nạn.
LỜI CẢM ƠN
Nhóm tác giả xin bày tỏ cảm ơn giảng viên hướng dẫn và các thành viên trong nhóm nghiên cứu đã giúp
đỡ và hỗ trợ rất nhiều trong quá trình thực hiện và thử nghiệm dự án. Tác giả cũng biết ơn Trường Đại học
Công nghiệp TP. HCM đã hỗ trợ tài chính thông qua đề tài NCKH cấp Trường, 21/1DL01.
REFERENCES
[1] Guard A et al. Heat related deaths to young children in parked cars: an analysis of 171 fatalities in the United
States, 1995–2002. Injury Prevention. 11:33-37
[2] M M H Rosli, et. Study of unattended child presence detection system for ASEAN NCAP safety rating. Materials
Science and Engineering 572 (2019) 012115.
[3] https://laodong.vn/xa-hoi/be-3-tuoi-bi-bo-quen-tren-xe-o-bac-ninh-phat-hien-su-viec-tu-chiec-quan-bo-
754926.ldo
[4] https://tuoitre.vn/vu-hoc-sinh-truong-gateway-chet-tren-xe-nguoi-dua-don-bo-tap-huan-
20200114110531877.htm
[5] Norizam Sulaiman, et al. Development of comprehensive unattended child warning and feedback system in
vehicle, 2017.
[6] LaMott, et al. Design of SmartSeat Car Seat Safety System to Prevent Child Vehicular Heat Stroke, 2016.
[7] N. M. Z. Hashim, et al, Centre for Telecommunication Research and Innovation (CeTRI), Faculty of Electronic
and Computer Engineering, Universiti Teknikal Malaysia Melaka (UTeM), Child in car alarm system using
various sensors, vol. 9, NO. 9, 2014.
[8] Gali Suresh, Psvvn Chanukaya. Advanced child-left-behind warning system based on sensors and gsm, in Nalanda
Institute Of Technology, 2018, vol. 10.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.208
THIẾT KẾ VÀ XÂY DỰNG VƯỜN TRỒNG LAN TỰ ĐỘNG HOÁ DỰA TRÊN
NỀN TẢNG VẠN VẬT KẾT NỐI
LU HUU DAN 1, TRUONG BAO PHU 2, TRAN THI MINH KHOA 3*
1
Faculty of Information Technology, Industrial University of Ho Chi Minh City,
luhuudan141199@gmail.com, baophu1936@gmail.com, ttmkhoa@iuh.edu.vn
Tóm tắt. Ngày nay nông nghiệp thông minh hay nông nghiệp 4.0 có thể hiểu là nền nông nghiệp ứng dụng
công nghệ cao (cơ giới hóa, tự động hóa,...). Trên thị trường hiện tại có rất nhiều mô hình sử dụng các thiết
bị điện tử để điều khiển hệ thống thông minh. Nhưng mục đích chính mà nhóm sẽ hướng tới sẽ là hộ gia
đình với diện tích vườn cây nhỏ hoặc những cơ sở kinh doanh sản xuất với quy mô nhỏ cần đầu tư hệ thống
thông minh để nâng cao chất lượng trong trồng trọt và tiết kiệm thời gian chăm sóc. Từ nhu cầu của người
dùng nhóm đã xây dựng hệ thống vườn lan thông minh dựa trên công nghệ thu thập thông tin qua các thiết
bị điện tử, truyền và nhận dữ liệu từ VPS Cloud [1], phát triển hệ thống website quản lý việc trồng lan với
công nghệ NodeJS. Người dùng có thể quản lý thông tin môi trường của vườn lan thông qua website, theo
dõi và lựa chọn chế độ thích hợp với vườn lan. Có nhiều chế độ để người dùng có thể dễ dàng điều khiển
hoạt động của các thiết bị thông qua trình duyệt web ở bất cứ đâu có mạng Internet.
Từ khóa. Nông nghiệp thông minh, vạn vật kết nối, vườn cây thông minh.
AN IOT SYSTEM FOR AUTOMATIC ORCHIDS GARDEN MANAGEMENT
Abstract. Smart agriculture or agriculture 4.0 can be understood as agriculture systems that applying high
technologies for monitoring and controlling. In this paper, we aim to develop an IoT system for small orchid
garden in order to improve the quality of cultivation as well as decrease system building cost and the take
care time. From the user’s requirements, the orchid garden is developed using internet of things and cloud
technologies. Sensing devices are responsible to collect sense data, transfer collected data to VPS cloud,
receive control signals from the user website. Users can monitor the orchid garden environment through
the website, select the appropriate mode (manual/automatic mode) for the orchid garden as well as manage
the system through the website.
Keywords. Internet of Thing, smart agriculture, cloud technology
1 GIỚI THIỆU
Nông nghiệp thông minh là một hệ thống nông nghiệp ứng dụng các công nghệ số để giám sát, điều khiển
và chăm sóc cây trồng tự động, giúp tối đa hóa năng suất và chất lượng nông sản. IoT là công nghệ đóng
vai trò quan trọng và bắt đầu tác động đến nhiều lĩnh vực và ngành công nghiệp, từ sản xuất, y tế, truyền
thông, năng lượng cho đến ngành nông nghiệp. IoT bao gồm cơ sở hạ tầng truyền thông cơ bản được sử
dụng để kết nối các đối tượng thông minh từ cảm biến, phương tiện, thiết bị di động đến việc thu thập dữ
liệu từ xa dựa trên phân tích thông minh, giao tiếp người dùng và cách mạng hóa ngành nông nghiệp [2].
Với sự phát triển của cuộc sống hiện đại, áp lực công việc ngày càng cao vì vậy không phải ai cũng có thể
có thời gian để tự tay chăm sóc cho thú vui của bản thân mình. Vì vậy khi so sánh với mô hình trồng lan
bằng phương pháp truyền thống thông thường thì khi áp dụng thiết bị IOT vào quy trình trồng lan sẽ giúp
cho quá trình trồng diễn ra một cách nhẹ nhàng hơn. Hằng ngày người trồng lan không phải trực tiếp tưới
nước, không phải lấy dụng cụ ra đo nhiệt độ, độ ẩm của vườn lan, mà tất cả việc đó bây giờ sẽ được giao
hết cho hệ thống, hệ thống sẽ thay thế người trồng làm tất cả những việc trên. Hơn thế nữa từ bây giờ người
trồng sẽ chẳng phải lo lắng khi phải đi công tác mà không có người chăm sóc, bởi vì ngoài việc tự động
hóa ra thì hệ thống còn được lập trình để người dùng có thể điều khiển từ xa, có thể tự tay chăm sóc nếu
như muốn thư giãn xõa stress hay muốn tự tay tưới lan. Ngoài chi phí đầu tư ban đầu cho hệ thống thì trong
quá trình sẽ không phải tốn thêm chi phí gì cho quy trình nữa, vì hệ thống đã được lập trình theo quy trình
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
kỹ thuật và cơ địa của từng loại lan nên sẽ giúp lan phát triển tốt hơn so với mô hình truyền thống mà xưa
nay vẫn áp dụng.
2 THIẾT KẾ VÀ XÂY DỰNG VƯỜN TRỒNG LAN TỰ ĐỘNG HOÁ DỰA TRÊN NỀN
TẢNG IOT
Trong quy trình sản xuất nuôi trồng lan, việc áp dụng một số công nghệ cao về tự động hóa, công nghệ
thông tin sẽ giúp nâng cao chất lượng nhân giống cho đến nuôi trồng thông qua việc điều chỉnh độ ẩm, cân
bằng dòng khí đối lưu, nhiệt độ và độ sáng thích hợp cho từng giai đoạn phát triển của cây. Để đảm bảo
điều kiện các thông số nhiệt độ, độ ẩm và ánh sáng đáp ứng đúng tiêu chuẩn môi trường nuôi trồng hoa cây
cảnh, khu nhà lưới trồng trọt cần một số hạ tầng yêu cầu như: hệ thống hạ nhiệt và phun sương tự động để
duy trì độ ẩm thích hợp cho vườn, hệ thống điều chỉnh ánh sáng sử dụng hệ thống đèn chiếu sáng để duy
trì ánh sáng cho vườn. Dựa vào các yêu cầu người dùng và đặc tính sinh trưởng của lan. Trong phần này,
nhóm trình bày chi tiết quá trình thiết kế và xây dựng hệ thống vườn trồng lan tự động dựa trên nền tảng
IoT [3].
Kiến trúc hệ thống gồm bốn tầng: Tầng thiết bị (Devices layer), Tầng gateway, Tầng lưu trữ đám mây
(Cloud layer), và Tầng ứng dụng (Application layer).
- Tầng thiết bị: gồm khối thiết bị và khối cảm biến. Khối cảm biến gồm các cảm biến (nhiệt độ, độ
ẩm, ánh sáng) chịu trách thu thập các dữ liệu về môi trường bên ngoài, khối điều khiển bao gồm các thiết
bị nhận các tín hiệu điều khiển tự động (máy bơm, đèn, quạt, máy phun sương).
- Tầng gateway: gồm các thiết bị xử lý việc truyền nhận thông tin từ khối cảm biến cũng như xử lý
các tín hiệu điều khiển.
- Tầng lưu trữ đám mây: là hệ thống đám mây do VPS cloud điều hành, bao gồm máy chủ và cơ sở
dữ liệu, có trách nhiệm lưu trữ thông tin, cung cấp cho tầng ứng dụng, đồng thời nhận yêu cầu điều khiển
từ tầng ứng dụng gởi đến khối điều khiển.
- Tầng ứng dụng: tương tác giữa người dùng và hệ thống, là hệ thống trang web giúp người dùng có
thể giám sát chi tiết các thông tin và điều khiển vườn lan của mình theo thời gian thực.
Hình 1 mô tả kiến trúc của hệ thống vườn trồng lan tự động:
Hình 1. Sơ đồ kiến trúc hệ thống
2.1 Thiết kế phần cứng

Dựa vào yêu cầu thiết kế để xây dựng hệ thống vườn lan thông minh, để xây dựng hệ thống, theo các khối
chức năng, các thiết bị bao gồm các cảm biến: cảm biến ánh sáng, cảm biến nhiệt độ, cảm biến độ ẩm, cảm
biến độ ẩm đất,…các thiết bị điều khiển: quạt, đèn, bơm phun sương, bơm nước,…
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Bảng 1 thể hiện thông tin thông số các thiết bị phần cứng được sử dụng trong hệ thống:
Bảng thiết bị
Thiết bị Thông số kỹ thuật
Raspberry pi 3 Vi xử lý: Broadcom BCM2837BVi xử lý: Broadcom
BCM2837B0, quad-core A53 (ARMv8) 64-bit SoC @1.4GHz
RAM: 1GB LPDDR2 SDRAM
Kết nối: 2.4GHz and 5GHz IEEE 802.11 b/g/n/ac wireless
LAN, Bluetooth 4.2, BLE, Gigabit Ethernet over USB 2.0 (Tối
đa 300Mbps).
Cổng USB: 4 x 2.0
Lưu trữ: MicroSD
Nguồn điện sử dụng: 5V/2.5A DC cổng microUSB, 5V DC
trên chân GPIO, Power over Ethernet (PoE) (yêu cầu thêm
PoE HAT).0, quad-core A53 (ARMv8) 64-bit SoC @1.4GHz
Arduino UNO R3 Vi điều khiển: ATmega328 họ 8bit
Điện áp hoạt động: 5V DC (chỉ được cấp qua cổng USB)
Tần số hoạt động: 16 MHz
Dòng tiêu thụ: khoảng 30mA
Điện áp vào khuyên dùng/ giới hạn: 7-12V DC/ 6-20V DC
Số chân Digital/ Analog: 14/6
Bộ nhớ flash: 32 KB (ATmega328) với 0.5KB dùng bởi
bootloader
Cảm Biến Ánh Sáng Điện áp làm việc: 3.3~5VDC
Quang Trở 4 Chân Sử dụng LM393
Sử dụng quang trở có độ nhạy cảm cao
Có biến trở để điều chỉnh
Kích thước: 32x14mm
DHT22 Chip sử dụng: DHT22
Điện áp hoạt động: 3~5VDC
Phạm vi đo độ ẩm: 0~100%rh
phạm vi đo nhiệt độ: -40 --- 80 ° C
độ chính xác đo nhiệt độ: ± 0,5 ° C
độ chính xác đo độ ẩm: ± 2% rh
Khoảng cách giữa các chân:0.1mm
Cảm Biến Độ Ẩm Đất Điện áp làm việc 3.3~ 5VDC
Có lỗ cố định để lắp đặt thuận tiện
PCB có kích thước nhỏ 32x14mm
Sử dung chip LM393 để so sánh, ổn định làm việc
Động Cơ Bơm Ly Tâm Điện áp định mức: 12VDC
370 12V Dòng điện hoạt động 300mA
Điện áp hoạt động: 8~12VDC
ZQ-2203 Động Cơ Bơm Điện áp hoạt động: 12VDC (9~14VDC)
12V Dòng điện: 3A
Lưu lượng: 4/min
Áp lực: 100PSI
Quạt 12x12x2.5cm 12V Kích thước: 12x12x2.5cm
Chất liệu: Nhựa
Màu sắc: Đen
Khối lượng: 125g
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Điện áp: 12VDC

Công suất: 3W
LED 12v Loại bóng đèn: LED
Số lượng đèn LED: 15 bóng
Chống nước
Kích thước: Dài 30cm x Rộng 0.8cm x Dày 0.20cm
Điện áp: 12V
Module 4 Relay Kích Điện áp hoạt động: 5VDC
Mức Cao-Thấp 5V Dòng điện: 200mA/relay
Sử dụng 4 relay dòng cao AC250V-10A hoặc DC30V-10A
Giao diện chuẩn, có thể kết nối mở rộng module
Có đèn báo đóng ngắt
Thích hợp cho nhiều nền tảng 51/AVR/ARM
Để thu thập các thông tin về môi trường các cảm biến cần kết nối với arduino, cụ thể muốn đo được nhiệt
độ và độ ẩm cần cảm biến DHT22, để đo được cường độ ánh sáng cần cảm biến ánh sáng, để đo được độ
ẩm đất cần cảm biến độ ẩm đất. Các cảm biến thu thập dữ liệu và đưa vào arduino, sau đó arduino gửi dữ
liệu qua raspi thông qua cổng USB.
Để thực hiện các lệnh điều khiển cần có các thiết bị gồm: đèn 12v, quạt 12v, bơm 12v, bơm phun sương
12v. Các thiết bị được kết nối với một relay 5v (chịu trách nhiệm đóng ngắt nguồn điện 12v), các lệnh điều
khiển được thực hiện thông qua code python trên Raspi 3 đồng thời code python cũng gửi các dữ liệu nhận
được arduino để gửi lên database trên VSP Cloud [4]. VPS Cloud sử dụng database đả thu thập được phục
vụ cho web để người dùng có thể thực hiện các chức năng của hệ thống.
Hình 2 thể hiện kết nối của các thiết bị:
Hình 2. Sơ đồ kết nối thiết bị
2.2 Thiết kế phần mềm

Từ các dữ liệu về môi trường được thu thập vào arduino bằng các cảm biến, raspberry pi sẻ tiếp nhận và xử
lý chúng thông qua kết nối với arduino [5]. Các dữ liệu này được gửi trực tiếp đến database MySQL nằm
trên VPS Cloud để trang web có thể sử dụng rồi hiển thị ra cho người dùng, ngoài ra dữ liệu này còn được
sử dụng để điều khiển trạng thái hoạt động của các thiết bị nhằm đem lại môi trường thích hợp nhất cho
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
khu vườn. Trang web được thiết kế đơn giản, đầy đủ thông tin để người dùng có thể dễ dàng sử dụng đồng
thời các thông tin được truyền, lưu trử và sử dụng một cách nhanh nhẹn giúp việc quản lý khu vườn trở nên
thuận tiện, hiệu quả hơn khi quản lý với thời gian thực. Trang web gồm có các chức năng: Xem thông tin
môi trường (nhiệt độ, độ ẩm, ánh sáng) và phần điều khiển trạng thái hoạt đông của hệ thống, điều khiển
hoạt động của từng thiết bị cụ thể. Trong phần chi tiết của từng chậu đều thể hiện thông tin về tên, thời gian
trồng và thông tin môi trường cụ thể ở cây đó. Ở mỗi chậu củng có thể điều chỉnh hai trạng thái về việc tưới
nước cho cây (tự động và tùy chọn). Web được thiết kế trên nền tảng nodejs một nền tảng được xây dựng
trên V8 JavaScript Engine – trình thông dịch thực thi mã JavaScript, giúp xây dựng các ứng dụng web một
cách đơn giản và dễ dàng mở rộng [6]. Người dùng có thể dễ dàng truy cập bất cứ khi nào và bất cứ ở đâu
khi thiết bị kết nối mạng bằng trình duyệt web
3 KẾT QUẢ VÀ HƯỚNG PHÁT TRIỂN

3.1 Kết quả
Giao tiếp và truyền dữ liệu thành công giữa Arduino với Pi, cảm biến DHT22[7], cảm biến độ ẩm đất, cảm
biến ánh sáng, động cơ 5V, module relay, mạch tạo hơi sương. Cập nhật dữ liệu lên website thành công với
thời gian thực. Kiểm tra được trạng thái đóng mở thiết bị, thông số nhiệt độ, độ ẩm. Các cảm biến hoạt
động khá ổn định, sai số tương đối không quá 2%.
Thiết kế tủ điểu khiển hệ thống để quản lý các thiết bị điện tử dễ dàng và an toàn. Thiết kế mạch điều khiển
thiết bị điện 5V DC và 12V DC. Tủ điều khiển bao gồm: nguồn, raspberry pi 3, arduino, module 4 relay
kích mức cao-thấp 5V. Hộp điều khiển, Hình 3, chứa các thiết bị điện tử giúp quản lý các thiết bị một cách
có hệ thống đồng thời bảo vệ các thiết bị, tránh các hư tổn do môi trường tác động.
Hình 3. Tủ điều khiển
Giàn lan, Hình 4, bao gồm các chậu lan, mỗi chậu được tích hợp thêm một ống nước nhỏ và một cảm biến
phụ trách việc tưới nước và thu thập thông tin độ ẩm đất. Phía trên bao gồm 2 quạt, đèn, phun sương và khu
vực cảm biến, chứa các cảm biến thu thập dữ liệu. Đèn chiếu sáng để kích thích ra hoa đúng thời điểm, đảm
bảo đủ ánh sáng cho lan. Máy bơm tạo độ ẩm, tưới nước điều khiển lượng nước làm mát để đảm bảo độ ẩm
cần thiết cho lan. Quạt đối lưu giúp đối lưu không khí trong vườn nhằm hạ nhiệt độ và tạo CO2 cho lan
quang hợp. Cảm biến nhiệt độ, độ ẩm thu nhập thông tin về nhiệt độ, độ ẩm trong vườn lan, thông báo về
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
hệ thống điều khiển để bộ điều khiển đảm bảo nhiệt độ, độ ẩm trong vườn lan.
Hình 4. Giàn lan
Để tăng tính bảo mật cho hệ thống, người dùng được cung cấp tài khoản và mật khẩu để đăng nhập vào hệ
thống, Hình 5.
Hình 5. Phần đăng nhập hệ thống
Hệ thống website quản lý giá trị nhiệt độ, độ ẩm dễ sử dụng, đáp ứng nhu cầu thực tiễn. Hệ thống website
điều khiển thiết bị dễ sử dụng, tiện lợi, đáp ứng nhu cầu cơ bản về sử dụng thiết bị của người dùng. Giao
diện trang chủ, Hình 6, bên trái thể hiện các giàn lan hiện có, mỗi giàn thể hiện số lượng chậu của từng
giàn. Ở mỗi chậu, khi viền màu xanh ý nghĩa chậu đang được thiết lập ở chế độ chăm sóc tự động, khi viền
màu vàng nghĩa là chậu đang ở chế độ chăm sóc thủ công. Bên trái trang web hiển thị bảng điều khiển thể
hiện các thông tin nhiệt độ, độ ẩm, ánh sáng. Bên cạnh còn thể hiện thông tin thời gian thực và trạng thái
của các thiết bị khối điều khiển. Bảng điều khiển có hai chế độ: tự động cho phép người dùng giao các công
việc điều khiển cho hệ thống đã được cài đặt sẵn, chế độ thủ công cho phép người dùng có thể tự tay bật tắt
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
các thiết bị điều khiển như đèn, quạt và phun sương.
Hình 6. Giao diện trang chủ
Để hệ thống hoạt động tốt ở chế độ tự động, người dùng có thể nhấn vào phần cài đặt chế độ chăm sóc tự
động cho người dùng thiết lập các tiểu chuẩn chung về nhiệt độ, ánh sáng độ ẩm và độ ẩm đất của riêng
từng chậu để khối điều khiển thực hiện khi nhận dữ liệu đạt đúng điều kiện người dùng đặt ra. Hình 7 mô
tả giao diện cài đặt hệ thống tự động.
Hình 7. Giao diện cài đặt chế độ chăm sóc tự động
Người dùng cũng có thể xem thông tin hoặc thiết lập điều khiển cho từng chậu bằng cách chọn chậu mình
muốn. Bên trong mỗi chậu hiển thị các thông tin như lan thuộc giàn nào, mã chậu, tên cây, ngày trồng, thời
gian trồng và các thông tin cơ bản về môi trường. Ngoài ra ở mỗi chậu đều thể hiện mức đánh giá % độ ẩm
đất (mỗi chậu có 1 mức đánh giá độ ẩm khác nhau). Phần chăm sóc có thể thay đổi giữa hai chế tưới nước
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
thủ công hoặc tự động. Ở chế độ thủ công thì người dùng có thể điều khiển bật hoặc tắt máy bơm tưới nước
thông qua trang web. Hình 8 mô tả thông tin từng chậu lan người dùng có thể thấy qua trang web.
Hình 8. Chậu lan G1-1
Ngoài ra khi nhấn vào phần lịch sử, người dùng có thể chọn ngày để xem lại dữ liệu cũ. Phần dữ liệu được
thống kê lưu lại ở lịch sử và được cập nhật hằng ngày qua mail giúp người dùng dễ dàng theo dõi. Hình 9
mô tả lịch sử thông tin môi trường theo từng ngày cụ thể. Dữ liệu này được tự động gửi vào email của người
dùng vào 6 giờ sáng hằng ngày để tiện theo dõi thông tin môi trường [8].
Hình 9. Lịch sử dữ liệu theo ngày
Bên cạnh việc lưu lại lịch sử dữ liệu, hệ thống còn có thêm phần cảnh báo thời tiết. Chức năng cảnh báo
thời tiết giúp người dùng chủ động theo dõi khu vườn trong các điều kiện khác nhau, Hình 10. Dữ liệu thời
tiết được lấy từ AccuWeather thông qua API[9], các dữ liệu này được gửi đến người dùng vào 6 giờ sáng
hằng ngày thông qua tin nhắn SMS[10].
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Với biểu đồ thống kê môi trường, người dùng có thể quan sát và năm rõ thông tin cơ bản về: nhiệt độ, độ
ẩm và ánh sáng trong 12 giờ gần nhất, Hình 11.
Hình 10. Dự báo thời tiết và đưa ra cảnh báo phù hợp
Hình 11. Biểu đồ thông tin môi trường
3.2 Hướng phát triển

Hệ thống có thể kết hợp với camera để giám sát thông qua hình ảnh trực tiếp. Giám sát và điều khiển thiết
bị thông qua tin nhắn điện thoại khi không có wifi. Kết hợp với một số module cảm biến đo độ dinh dưỡng
và hệ thống cung cấp chất dinh dưởng cần thiết. Thêm chức năng thiết lập ngày giờ, lập lịch để tự động hóa
các thiết bị. Phát triển ứng dụng trên Android, IOS để người dùng có thể trực tiếp giám sát thông qua app
trên thiết bị di động. Ứng dụng của đề tài không những áp dụng cho một vườn lan mà còn có thể mở rộng
trong sản xuất cây cảnh.
REFERENCES
[1] https://www.ibm.com/cloud/learn/vps
[2] https://aita.gov.vn/ung-dung-iot-trong-nong-nghiep-thong-minh
[3] https://www.thegioimaychu.vn/blog/tong-hop/nen-tang-iot-la-gi-va-y-nghia-cua-no-trong-cuoc-cach-mang-cong-
nghe-lan-thu-4-p963/
[4] https://www.raspberrypi.org/ documentation/usage/gpio/python/README.md
[5] https://www.arduino.cc/education
[6] https://vn.got-it.ai/blog/nodejs-la-gi-tai-lieu-hoc-nodejs-co-ban-ban-nen-tham-khao
[7] http://arduino.vn/tags/dht22
[8] https://realpython.com/python-send-email/
[9] https://developer.accuweather.com/apis
[10] https://www.twilio.com/docs/sms
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.209
THIẾT KẾ VÀ THI CÔNG MÔ HÌNH THỰC NGHIỆM MẠCH DC-DC BOOST

TỈ SỐ ĐỘ LỢI CAO
NGUYỄN TẤN TIẾN 1, LÊ CHÍ THIỆN 2, NGUYỄN THANH NHÀN 3, TRẦN MINH HOÀI 4
1234
Khoa Công Nghệ Điện, Trường Đại học Công Nghiệp Thành phố Hồ Chí Minh
1
tiennguyentan33@gmail.com; 2 thienars99@gmail.com; 3 nguyenthanhnhan2.10.1999@gmail.com; 4
minhhoai254@gmail.com
Tóm tắt. Bài báo đề xuất và xây dựng một bộ thí nghiệm về mạch tăng áp có tỉ số biến áp cao để phục vụ
cho sinh viên trong học tập và nghiên cứu khoa học. Mô hình có khả năng tăng áp từ 50 V lên 400V với
công suất định mức 500W. Mô hình được thiết kế theo dạng module giúp cho người học dễ dàng tiếp cận
làm quen với một hướng mới trong lĩnh vực điện tử công suất. Mô hình có khả năng phục vụ nhu cầu cấp
nguồn cho các bộ nghịch lưu hòa lưới không biến áp từ các nguồn điện áp thấp như năng lượng mặt trời
hay máy phát điện gió công suất nhỏ và trong các bộ lưu điện.
Từ khóa. bộ tăng áp có tỉ số biến áp cao, bộ lưu điện, pin năng lượng mặt trời, điện tử công suất.
DESIGN AND BUILD OF EXPERIMENTAL MODEL OF HIGH-LEVEL DC-DC

BOOST CONVERTER
Abstract. The article proposes and builds a set of High-Level DC-DC Boost Converters to serve students
in learning and scientific research. The model is capable of boosting from 50 V to 400 V with a rated power
of 500W. The model is designed in a modular form to help learners easily approach a new direction in the
field of power electronics. The model is capable of serving the needs of powering transformerless grid
inverters from low voltage sources such as photovoltaics or small wind generators and Uninterruptible
Power Supply.
Keywords. High Level DC-DC Boost, Uninterruptible Power Supply, Photovoltaics, Power Electronics.
1 GIỚI THIỆU
Các hệ thống lưu trữ điện năng hiện nay thường sử dụng các bình ắc quy chì để lưu trữ điện năng nhằm
giảm chi phí mua sắm [1]. Các hệ thống lưu trữ năng lượng có công suất nhỏ của các thiết bị thiết yếu
(UPS) thường có điện áp 12V vì lý do an toàn. Để cung cấp công suất cho các mạch chỉnh lưu có ngõ ra
220Vac trong chế độ không có điện lưới thì cần phải chuyển nguồn điện áp thấp này thành nguồn điện áp
một chiều caso hơn 311 Vdc. Điều này là không thể đạt được đối với mạch tăng điện áp thông thường với
tỉ số điều chế được xác định dựa trên mối liên hệ ngõ vào và ngõ ra theo phương trình (1).
V − Vs 320 − 12
D= o = = 0.9625 (1)
Vo 320
Các bộ tăng áp có tỉ số biến áp cao được sử dụng rộng rãi hiện nay trong các bộ lưu điện nhằm giải quyết
bài toán tăng áp với tỉ số cao mà vẫn không làm quá tải công suất dòng điện trên các cuộn dây và bán dẫn
công suất. Với những ưu điểm và vai trò đặc thù khi đưa điện áp lên mức cao hơn với một tỉ lệ lớn, các bộ
HLDCDCB được các nhà nghiên cứu chú ý khai thác và đã có nhiều công bố trong những năm gần đây.
Tùy vào ứng dụng, chúng có cấu trúc được cách ly [2][3][4] hoặc không cách ly [5][6][7].
Các bộ biến đổi dựa trên biến áp bao gồm flyback [2][3], forward [8], toàn cầu [9][10], bán cầu [11][12][13],
bộ chuyển đổi push-pull [14] hoặc các biến thể của chúng có thể dễ dàng đạt được độ lợi điện áp cao bằng
cách điều chỉnh tỷ số vòng dây và sử dụng các linh kiện có giá trị định mức thấp để giảm tổn thất công suất
tác dụng. Tuy nhiên, các điện cảm rò gây ra các trường điện từ có biên độ lớn với tần số cao đã gây nhiễu
đến các linh kiện công suất. Điều đó dẫn đến yêu cầu phải có các mạch dập xung cao tần đáng tin cậy cho
các linh kiện này. Hệ quả là chi phí và độ phức tạp trong mạch điện sẽ tăng lên. Ngoài ra, việc sử dụng các
biến áp xung gây nên tình trạng giới hạn công suất khi luồng công suất phải đi qua biến đổi điện từ hoàn
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
toàn. Chính vì vậy các mạch cách ly thường chỉ có công suất vừa và nhỏ. Đối với các nguồn điện yêu cầu
công suất lớn thì hầu như không thể đáp ứng khi kích thước linh kiện trở nên cồng kềnh và đắt đỏ.
Để tăng công suất các bộ HLDCDCB, các mạch không cách ly được đề xuất. Một số cấu hình tiêu biểu có
thể kể đến là mạch Cascade [6] [15][16], mạch tăng áp bậc 2 [17][5] [18], tăng áp DC-DC ba bậc [7][19],
Mạch nhân điện áp [20]. Nhược điểm chính của các mạch này là không được cách ly giữa nguồn vào là
nguồn ra. Với việc nguồn vào và nguồn ra được kết nối chủ yếu với nhau thông qua các linh kiện bán dẫn,
cuộn dây nên có thể tăng công suất ngõ ra lên rất cao.
Có thể nhận thấy có nhiều nghiên cứu và ứng dụng các bộ HLDCDCB trong lĩnh vực điện tử công suất như
biến tần kết nối lưới [21][22][23], hệ thống UPS [24][25], xe điện (EV) [26], hệ thống phát điện phân tán
[27] được thực hiện rất nhiều trên thế giới. Với xu thế phát triển năng lượng sạch, tiết kiệm năng lượng và
nâng cao hiệu suất hoạt động của các thiết bị điện thì còn nhiều nghiên cứu hơn nữa được thực hiện trong
những năm tiếp theo.
Trong những năm gần đây, cùng với sự phát triển nở rộ của điện năng lượng mặt trời thì các nghiên cứu về
HLDCDCB cũng được chú ý. Đã có một số công bố của các tác giả Việt Nam nghiên cứu về vấn đề này và
đã có một số công bố.
Tác giả Trịnh Trung Hiếu và đồng nghiệp đã công bố nghiên cứu về cấu hình tăng áp mới trong [28]. Bài
báo đã thiết kế bộ chuyển đổi DC/DC gồm nhiều bộ chuyển đổi nhỏ sử dụng cho hệ thống điện mặt trời
nhằm nâng cao hiệu suất của nhà máy điện mặt trời. Các bộ chuyển đổi nhỏ này được nối song song ở đầu
vào và nối nối tiếp ở đầu ra nhằm đạt được điện áp đầu ra mong muốn. Bộ chuyển đổi DC/DC này đã được
lắp mạch thực tế và kiểm tra. Kết quả cho thấy bộ chuyển đổi DC/DC làm việc tốt và hiệu suất của bộ
chuyển đổi DC/DC được cải thiện trong giai đoạn cường độ bức xạ mặt trời thấp.
Tác giả Quách Thanh Hải đã đề xuất một cấu trúc kết hợp giữa mạch tăng áp DC-DC Boost và mạch nhân
áp ngõ ra trong nghiên cứu [29]. Cấu hình mạch tăng áp đề xuất đã tạo ra được điện áp cao mong muốn,
tạo được nguồn đối xứng phù hợp với các bộ nghịch ba bậc hình T, NPC (Neutral Point Clamped), có thể
mở rộng dải điện áp ngõ ra bằng cách mắc thêm nhiều module - đó là các điểm nổi bật của cấu hình đề
xuất. So với các cấu hình khác, cấu hình đề xuất chỉ sử dụng một khóa bán dẫn, điều đó dẫn đến việc điều
khiển trở nên dễ dàng hơn, thu được điện áp cao và giảm được chi phí cũng như kích thước của hệ thống.
Tuy khá phổ biến trong các mạch điện tử công suất hiện nay khi có nguồn nuôi điện áp thấp và yêu cầu cấp
cho bộ nghịch lưu giá trị điện áp cao, các bộ HLDCDCB thường không được nghiên cứu và tiếp cận đầy
đủ trong môi trường đại học do thời lượng chương trình không thể đi sâu vào các mạch chuyên dụng. Điều
này làm hạn chế phần nào sự tiếp cận của sinh viên với các hướng nghiên cứu về năng lượng bền vững. Đó
là lý do để đề xuất một mô hình thực nghiệm bộ HLDCDCB. Với một mô hình thực tế có thể đo đạt các
thông số, hiển thị các dạng sóng tín hiệu một cách trực quan sẽ giúp sinh viên nâng cao hiểu biết và thu
được nhiều kiến thức hơn trong hướng nghiên cứu điện tử công suất ứng dụng trong thực tế.
Bài báo thiết kế và thi công một mô hình một bộ HLDCDCB có công suất ngõ ra đạt 500W tại điện áp
400VDC theo cấu hình được đề xuất trong [30]. Bộ tăng áp có khả năng tăng áp đến 8 lần khi điện áp ngõ
vào đạt 50VDC. Với kết cấu theo kiểu module, bộ thí nghiệm có khả năng tăng công suất chuyển đổi thông
qua thay thế các module hiện tại bằng các module tương ứng. Các nội dung chi tiết và các kết quả đạt được
sẽ được trình bày trong các phần tiếp theo sau.
Các phần còn lại của bài báo được cấu trúc với phần 2 giới thiệu về cấu trúc, nguyên lý hoạt động và chức
năng nghiệm vụ các khối trong bộ thí nghiệm HLDCDCB. Phần 3 trình bày các kết quả thi công của mô
hình và các kết quả thực nghiệm ban đầu của mô hình. Phần 4 là kết luận của bài báo.
2 CẤU TRÚC MÔ HÌNH

2.1 Cấu trúc của bộ HLDCDCB được sử dụng
Một bộ HLDCDCB sử dụng mạch tăng áp truyền thống kiểu cascaded kết hợp với mạch nhân áp có khả
năng hoạt động trong phạm vi điều khiển rộng và khả năng điều khiển tối ưu được đề xuất trong [30] và có
cấu hình phần công suất như thể hiện trong Hình 12(a). Phương pháp điều khiển với điện áp đầu ra gần như
tuyến tính và ổn định. Kỹ thuật điều khiển linh hoạt vì phạm vi điều khiển rộng với hai biến thể của chu kỳ
làm việc D và hệ số nhân điện áp N.
Hình 12(a) cho thấy rằng bộ chuyển đổi có một số mức xếp tầng cơ bản như cuộn cảm, MOSFET, diode và
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
tụ điện. Cuộn cảm là bộ lưu trữ năng lượng được từ hóa trong thời gian khóa bán dẫn đóng lại và khử từ
trong thời gian ngắt khóa bán dẫn tương ứng; điốt được sử dụng để định hướng dòng điện, và tụ điện có tác
dụng nạp và xả năng lượng.
(a) Cấu hình mạch HLDCDCB (b) Giai đoạn 1 [t0 – t1]
(c) Giai đoạn 2 [t1 – t2] (d) Giai đoạn 3 [t2 – t0]
Hình 12. Cấu hình và các giai đoạn hoạt động của bộ HLDCDCB được sử dụng
2.2 Nguyên lý hoạt động của mạch HLDCDCB

Hình 13 cho thấy dạng sóng dòng điện và điện áp trong một chu kỳ hoạt động của các thành phần cơ bản
trong một bộ HLDCDCB. Trong cấu hình điều khiển này, S1 và S3 được kích cùng một xung điều khiển,
S2 và S4 cùng được kích bằng một xung điều khiển và tín hiệu S2 là tín hiệu bị lệch đi 180 0 của S1. Các
giai đoạn hoạt động của mạch HLDCDCB được tổng hợp lại như trong Bảng 1.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 13. Dạng sóng xung kích MOSFET (a), điện áp và dòng điện của MOSFET (c-f), của cuộn dây (b)và của tụ
điện
Bảng 1. Các trạng thái hoạt động của HLDCDCB được dùng.
Trạng thái Các khóa đóng Các khóa ngắt Giai đoạn Kết quả
Tất cả các tụ đều nạp năng lượng.
1 S1, S2, S3, S4 D1, D2, D3, D4 t1 ‐ t2
Tụ C4 xả ra cấp cho tải
Tụ C1 và C3 nạp, tụ C2 xả.
2 S2, S4, D1, D3 S1, S3, D2, D4 t2 ‐ t3
Tụ C4 xả ra tải
Tụ C2 và C4 nạp.
3 S1, S3, D2, D4 S2, S4, D1, D3 t3 ‐ t4
tụ C1 và C3 xả.
Giai đoạn 1 [t0 – t1]:
Tất cả các khóa điện đều đóng và 4 cuộn dây được nạp điện bởi nguồn đầu vào. Tụ điện Co tại ngõ ra cấp
điện duy trì điện áp trên tải. Dòng điện nạp vào cuộn dây được tính theo công thức sau:
V
iL1 ( t ) = I L1 ( t0 ) + in ( t − t0 ) (2)
L1
V
iL 2 ( t ) = I L 2 ( t0 ) + in ( t − t0 ) (3)
L2
Hai khóa S1 và S3 chuyển sang trạng thái ngắt trong khi 2 khóa còn lại vẫn giữ nguyên trạng thái. Điện
năng tích trữ trong cuộn dây L1 cộng với điện áp đầu vào phóng điện nạp cho tụ điện tầng thứ nhất C1,
tương tự tụ C3 được nạp điện. Các tầng 2 và 4 vẫn giữ nguyên trạng thái nạp điện cho cuộn dây nhưng dòng
điện trên 2 khóa S2 và S4 bằng tổng dòng nạp vào cuộn dây và dòng nạp vào tụ cộng lại. Tải vẫn được cấp
điện bởi tụ Co.
V
VC1 = VS1 = VS 3 = in (4)
1− D
V V
VC 3 = VC 2 + in = 3 in (5)
1− D 1− D
Các trạng thái hoạt động của giai đoạn này tương tự như với giai đoạn 2 nhưng trạng thái của các khóa và
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
các tụ điện đảo ngược lại. Tụ C1 và tụ C3 bây giờ trở thành tụ phóng năng lượng vừa nạp cho lần lượt 2 tụ
C2 và Co vừa cấp điện cho tải
V
VS 2 = VS 4 = in (6)
1− D
V
VC 2 = 2 in (7)
1− D
V V
VC 0 = VC 3 + in = 4 in (8)
1− D 1− D
2.3 Cấu hình và thiết kế bộ thí nghiệm HLDCDCB
Sơ đồ khối bộ HLDCDCB được thể hiện như trong Hình 14. Với mục tiêu đánh giá hiệu quả và kiểm tra
trạng thái hoạt động của các linh kiện, các thành phần trong bộ HLDCDCB, bộ thí nghiệm được phân chia
thành từng khối riêng lẻ có nhiệm vụ cụ thể. Nhiệm vụ của từng khối được xác định như sau:
5 VDC
12 VDC 50 VDC Lựa chọn tải
PWM1 GS1
PWM2 GS2
Vref Mạch Bộ chuyển đổi Vout
Vi điều khiển PWM3 GS3 Tải
kích công suất
PWM4 GS4
Variac 5 VDC
3 Phase 12 VDC
Nguồn
10 Kvar 50 VDC
220 Vac
Hình 14. Sơ đồ kết nối của bộ HLDCDCB
2.3.1 Khối vi điều khiển (VĐK)

Khối VĐK có trách nhiệm tạo ra xung PWM có tỉ số thời gian D. Giá trị D được tùy chỉnh thông qua việc
quay biến trở của người vận hành. Điện áp tham chiếu sẽ được đưa vào bộ ADC của VĐK. Giá trị điện áp
biến trở thay đổi trong khoảng [0;5V] tương ứng với D nằm trong khoảng [0.2; 0.8]. Dựa trên giá trị D tính
được, xung PWM qua sự hỗ trợ của khối PWM bên trong VĐK. Để đảm bảo khả năng tạo ra hai xung kích
PWM lệch pha 1800, hai bộ PWM được sử dụng để tạo ra 4 xung PWM theo yêu cầu. Nguyên lý làm việc
này được thể hiện như trong Hình 15.
Với yêu cầu chỉ cần có một ADC ngõ vào cho tín hiêu analog là điện áp ngõ ra bộ chiết áp và hai bộ PWM
ngõ ra cấp xung điều khiển, mô hình sử dụng Arduino Uno R3 cho khối VĐK.
PWM1
Vref V D
ADC f(V) PWM_1 PWM3
PWM2
PWM_2 PWM4
Hình 15. Nguyên lý làm việc của VĐK
2.3.2 Khối mạch kích

Các MOSFET phải được kích bằng điện áp cao thì mới dẫn bão hòa được. Để làm được điều này, một mạch
kích được xây dựng giữa VĐK và bộ công suất. Mạch kích có nhiệm vụ nhận xung kích từ VĐK có điện
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
áp thấp (3.3V) thành điện áp cao (12V).

Nhằm đảm bảo an toàn khi làm việc với điện áp cao của các nguồn công suất ngõ vào và ngõ ra, mạch kích
đã sử dụng OPTO TLP350 làm IC cách ly. Kết hợp nguồn cách ly 12Vdc từ IC B1212S-1W của hãng
Mornsun sẽ đủ công suất và cấp điện áp cần thiết kích dẫn và kích ngắt MOSFET trong khối công suất.
Nguyên lý và kết nối khối mạch kích của một MOSFET được đề xuất như trong Hình 16. Trong mô hình
bao gồm 4 mạch kích độc lập nhau. Mỗi nguồn được cấp công suất ngõ ra độc lập. Điều này cho phép nâng
cao độ linh hoạt trong hoạt động của mạch kích, hoàn toàn không phụ thuộc cấu trúc của mạch công suất
phía sau. Đây là ưu điểm cho phép mô hình có thể dễ dàng nâng cấp, thay thế hay chỉnh sửa khi có nhu cầu
thay đổi công suất, cách thức hoạt động của mạch HLDCDCB sau này.
Hình 16. Kết nối mạch kích MOSFET
2.3.3 Bộ chuyển đổi công suất

Nhiệm vụ của bộ chuyển đổi công suất là đưa điện áp đầu vào thấp ra điện áp đầu ra cao dựa trên xung kích
được cấp cho các MOSFET trong mạch.
Nguyên lý làm việc được thể hiện như trong Hình 12. Nguồn vào được lấy từ bộ nguồn một chiều 50V và
ngõ ra cấp cho tải điện áp 400V với công suất định mức 500W.
Ngõ vào mạch ngoài phần công suất DC đã trình bày, bốn mạch kích được áp vào 4 MOSFET dùng để điều
chỉnh trạng thái MOSFET theo yêu cầu. Nhằm đảm bảo điều khiển thay đổi nhanh theo điều kiện làm việc
của mạch, tần số PWM được chọn cho bộ điều khiển là 50kHz. Dựa trên quá trình tính toán giá trị, điều
kiện dòng điện và điện áp của linh kiện, thống kê về linh kiện được đưa ra như trong Bảng 2.
Bảng 2. Thông số các linh kiện chính trong bộ công suất
Loại linh kiện Điều kiện điện áp Điều kiện dòng Linh kiện Thông số cơ bản
(V) điện (A) được chọn
MOSFET 100 10 12N60 600V N-Channel 12A
DIODE 100 10 MBR40100PT Schottky 40A 100V
Cuộn dây 100 10 Tự quấn 100uF
2.3.4 Khối tải
VDC 400 V
100W-220V 150W-220V
K2 100W-220V 150W-220V
K1 65W-220V 65W-220V
Hình 17. Cấu trúc khối công suất tải
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Khối tải được thiết kế để có công suất định mức 500W tại điện áp 400V. Nhằm đánh giá được sự tác động
của việc thay đổi tải lên hoạt động của mô hình, ba tải song song tại cấp điện áp 400V được kết nối với
nhau và có công tắc để bật tải (hoặc tắt tải) từ đó thay đổi công suất tải ngõ ra. Cấu trúc song song cho phép
việc lựa chọn và thay đổi công suất tải được thực hiện đơn giản và linh hoạt.
Nguồn áp 400V không phải là cấp điện áp có sẳn trên hệ thống điện nên không có thiết bị được thiết kế
hoạt động tại cấp điện áp này trên thị trường. Nhóm nghiên cứu đã sử dụng các bóng đèn và thanh nhiệt tại
cấp điện áp 220V nối tiếp nhau để đạt được các cấp công suất theo như thể hiện trong Hình 17
3 KẾT QUẢ THI CÔNG VÀ THÍ NGHIỆM

3.1 Kết quả thi công mô hình
Cấu trúc chính của bộ thí nghiệm HLDCDCB được thể hiện như trong Hình 14. Qua mô hình có thể nhận
thấy được các ngõ vào ra, các đường cấp nguồn chính và liên kết hoạt động giữa các mô hình nhỏ trong
tổng thể của bộ thí nghiệm.
Sau quá trình thiết kế và thi công, mô hình bộ thí nghiệm HLDCDCB có kết quả như thể hiện trong Hình
18. Mô hình có giao diện mặt trước như trên Hình 18(a) với mạch chỉnh lưu công suất ngõ vào, mô hình bộ
thí nghiệm chính và mô hình tải. Mặt sau của mô hình bộ thí nghiệm chính được thể hiện trong Hình 18(b)
Với các khối chức năng được thi công riêng.
(a) Mặt trước
Mạch kích MOSFET
Vi điều khiển
Nguồn 12V Mạch công suất

(b) Mặt sau
Hình 18. Kết quả thi công bộ thí nghiệm HLDCDCB
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.2 Các kết quả thí nghiệm

Mô hình thực nghiệm có công suất thiết kế là 500W với điện áp đầu vào tối đa là 70V, với bốn khóa bán
dẫn như đã trình bày ở các phần trên.
Kết quả thí nghiệm trong trường hợp đóng có sự thay đổi tải ngõ ra. Qua thí nghiệm nhận thấy rằng khi có
sự thay đổi công suất tải ngõ ra thì sẽ làm điện áp và dòng điện đều thay đổi theo. Tuy nhiên sự thay đổi
dòng điện nhiều hơn sự thay đổi điện áp.
Hình 19. Kết quả đáp ứng dòng điện và điện áp vào ra khi tải thay đổi
Khi đặt tỉ số D=0.65, kết quả đo điện áp trên các khóa bán dẫn MOSFET được thể hiện như trên Hình 20.
Kết quả cho thấy rằng góc đóng của các MOSFET có sự lệch nhau một góc 1800 như đề xuất. Điều này thể
hiện tính hiệu quả và chính xác của phương pháp tăng áp được đề xuất.
Hình 20. Điện áp trên các MOSFET khi D=0.65
4 KẾT LUẬN
Bài báo đã đề xuất thiết kế và thi công một mô hình thí nghiệm cho mạch tăng áp với tỉ số biến áp cao. Qua
kết quả thu được cho thấy mô hình có thể hoạt động ổn định và đáng tin cậy. Ngoài ra, với cách thiết kế
theo kiểu mô đun giúp việc tìm hiểu, nghiên cứu và học tập được dễ dàng hơn, có khả năng nâng công suất
chuyển đổi khi có nhu cầu. Mô hình có khả đáp ứng được nhu cầu là nguồn áp một chiều cho các bộ nghịch
lưu một pha dưới 500W như trong các ứng dụng hòa lưới một pha của pin năng lượng mặt trời, của máy
phát điện năng lượng gió công suất nhỏ. Đây là mô hình được xây dựng lần đầu nên mô hình còn nhiều
khiếm khuyết cần được nghiên cứu kỹ hơn trong các nghiên cứu tiếp theo như khả năng tích hợp nhằm tăng
tính hiệu quả, các vấn đề về tính toán hiệu suất và tích hợp khả năng điều áp cho bộ thí nghiệm để mở rộng
khả năng áp dụng cho các môn học khác như điều khiển tự động.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
XÁC NHẬN
Nghiên cứu này được tài trợ bởi Trường Đại học Công nghiệp Thành phố Hồ Chí Minh theo hợp đồng số
21/1DSV03, tháng 03 năm 2021.

[1] M. Faisal, M. A. Hannan, P. J. Ker, A. Hussain, M. Bin Mansor, and F. Blaabjerg, “Review of energy storage
system technologies in microgrid applications: Issues and challenges,” IEEE Access, vol. 6, no. 1, pp. 35143–
35164, 2018, doi: 10.1109/ACCESS.2018.2841407.
[2] R. Watson, F. C. Lee, and G. C. Hua, “Utilization of an active-clamp circuit to achieve soft switching in flyback
converters,” IEEE Trans. Power Electron., vol. 11, no. 1, pp. 162–169, 1996, doi: 10.1109/63.484429.
[3] M. Pahlevaninezhad, P. Das, J. Drobnik, P. K. Jain, and A. Bakhshai, “A Novel ZVZCS Full-Bridge DC/DC
Converter Used for Electric Vehicles,” IEEE Trans. Power Electron., vol. 27, no. 6, pp. 2752–2769, Jun. 2012,
doi: 10.1109/TPEL.2011.2178103.
[4] G. Spiazzi, P. Mattavelli, and A. Costabeber, “High Step-Up Ratio Flyback Converter With Active Clamp and
Voltage Multiplier,” IEEE Trans. Power Electron., vol. 26, no. 11, pp. 3205–3214, Nov. 2011, doi:
10.1109/TPEL.2011.2134871.
[5] L. H. Diaz-Saldierna, J. A. Morales-Saldaña, J. Leyva-Ramos, and M. G. Ortiz-Lopez, “Switching regulator
using a quadratic boost converter for wide DC conversion ratios,” IET Power Electron., vol. 2, no. 5, pp. 605–
613, Sep. 2009, doi: 10.1049/iet-pel.2008.0169.
[6] L. Huber and M. M. Jovanovic, “A design approach for server power supplies for networking applications,” in
APEC 2000. Fifteenth Annual IEEE Applied Power Electronics Conference and Exposition (Cat.
No.00CH37058), 2000, vol. 2, pp. 1163–1169, doi: 10.1109/APEC.2000.822834.
[7] B. Mahdavikhah and A. Prodic, “Low-Volume PFC Rectifier Based on Nonsymmetric Multilevel Boost
Converter,” IEEE Trans. Power Electron., vol. 30, no. 3, pp. 1356–1372, Mar. 2015, doi:
10.1109/TPEL.2014.2317723.
[8] H. Wu and Y. Xing, “Families of forward converters suitable for wide input voltage range applications,” IEEE
Trans. Power Electron., vol. 29, no. 11, pp. 6006–6017, 2014, doi: 10.1109/TPEL.2014.2298617.
[9] J.-F. Chen, R.-Y. Chen, and T.-J. Liang, “Study and Implementation of a Single-Stage Current-Fed Boost PFC
Converter With ZCS for High Voltage Applications,” IEEE Trans. Power Electron., vol. 23, no. 1, pp. 379–386,
Jan. 2008, doi: 10.1109/TPEL.2007.909283.
[10] X. Kong and A. M. Khambadkone, “Analysis and Implementation of a High Efficiency, Interleaved Current-Fed
Full Bridge Converter for Fuel Cell System,” IEEE Trans. Power Electron., vol. 22, no. 2, pp. 543–550, Mar.
2007, doi: 10.1109/TPEL.2006.889985.
[11] S.-J. Jang, C.-Y. Won, B.-K. Lee, and J. Hur, “Fuel Cell Generation System With a New Active Clamping
Current-Fed Half-Bridge Converter,” IEEE Trans. Energy Convers., vol. 22, no. 2, pp. 332–340, Jun. 2007, doi:
10.1109/TEC.2006.874208.
[12] S. K. Han, H. K. Yoon, G. W. Moon, M. J. Youn, Y. H. Kim, and K. H. Lee, “A new active clamping zero-
voltage switching PWM current-fed half-bridge converter,” IEEE Trans. Power Electron., vol. 20, no. 6, pp.
1271–1279, 2005, doi: 10.1109/TPEL.2005.857525.
[13] Q. Li and P. Wolfs, “A Current Fed Two-Inductor Boost Converter With an Integrated Magnetic Structure and
Passive Lossless Snubbers for Photovoltaic Module Integrated Converter Applications,” IEEE Trans. Power
Electron., vol. 22, no. 1, pp. 309–321, Jan. 2007, doi: 10.1109/TPEL.2006.886597.
[14] R. Gopinath, S. Kim, J. H. Hahn, P. N. Enjeti, M. B. Yeary, and J. W. Howze, “Development of a low cost fuel
cell inverter system with DSP control,” IEEE Trans. Power Electron., vol. 19, no. 5, pp. 1256–1262, 2004, doi:
10.1109/TPEL.2004.833432.
[15] Wuhua Li, Lingli Fan, Yi Zhao, Xiangning He, Dewei Xu, and Bin Wu, “High-Step-Up and High-Efficiency
Fuel-Cell Power-Generation System With Active-Clamp Flyback–Forward Converter,” IEEE Trans. Ind.
Electron., vol. 59, no. 1, pp. 599–610, Jan. 2012, doi: 10.1109/TIE.2011.2130499.
[16] Tsai-Fu Wu and Shih-An Liang, “A systematic approach to developing single-stage soft switching PWM
converters,” IEEE Trans. Power Electron., vol. 16, no. 5, pp. 581–593, 2001, doi: 10.1109/63.949491.
[17] Tsai-Fu Wu and Te-Hung Yu, “Unified approach to developing single-stage power converters,” IEEE Trans.
Aerosp. Electron. Syst., vol. 34, no. 1, pp. 211–223, 1998, doi: 10.1109/7.640279.
[18] L. H. S. C. Barreto, E. A. A. Coelho, V. J. Farias, J. C. DeOliveira, L. C. DeFreitas, and J. B. Vieira Jr., “A
Quasi-Resonant Quadratic Boost Converter Using a Single Resonant Network,” IEEE Trans. Ind. Electron., vol.
52, no. 2, pp. 552–557, Apr. 2005, doi: 10.1109/TIE.2005.844255.
[19] M. T. Zhang, Yimin Jiang, F. C. Lee, and M. M. Jovanovic, “Single-phase three-level boost power factor
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
correction converter,” in Proceedings of 1995 IEEE Applied Power Electronics Conference and Exposition -
APEC’95, 2002, vol. 2, pp. 434–439, doi: 10.1109/APEC.1995.468984.
[20] M. Prudente, L. L. Pfitscher, G. Emmendoerfer, E. F. Romaneli, and R. Gules, “Voltage multiplier cells applied
to non-isolated DC-DC converters,” IEEE Trans. Power Electron., vol. 23, no. 2, pp. 871–887, 2008, doi:
10.1109/TPEL.2007.915762.
[21] M. Armstrong, D. J. Atkinson, C. M. Johnson, and T. D. Abeyasekera, “Low order harmonic cancellation in a
grid connected multiple inverter system via current control parameter randomization,” IEEE Trans. Power
Electron., vol. 20, no. 4, pp. 885–892, 2005, doi: 10.1109/TPEL.2005.850949.
[22] M. Armstrong, D. J. Atkinson, C. M. Johnson, and T. D. Abeyasekera, “Auto-Calibrating DC Link Current
Sensing Technique for Transformerless, Grid Connected, H-Bridge Inverter Systems,” IEEE Trans. Power
Electron., vol. 21, no. 5, pp. 1385–1393, Sep. 2006, doi: 10.1109/TPEL.2006.880267.
[23] J. T. Bialasiewicz, “Renewable Energy Systems With Photovoltaic Power Generators: Operation and Modeling,”
IEEE Trans. Ind. Electron., vol. 55, no. 7, pp. 2752–2758, 2008, doi: 10.1109/TIE.2008.920583.
[24] C. G. C. Branco, C. M. T. Cruz, R. P. Torrico-Bascopé, and F. L. M. Antunes, “A nonisolated single-phase UPS
topology with 110-V/220-V input-output voltage ratings,” IEEE Trans. Ind. Electron., vol. 55, no. 8, pp. 2974–
2983, 2008, doi: 10.1109/TIE.2008.918478.
[25] R. P. Torrico-Bascope, D. S. Oliveira, C. G. C. Branco, and F. L. M. Antunes, “A UPS With 110-V/220-V Input
Voltage and High-Frequency Transformer Isolation,” IEEE Trans. Ind. Electron., vol. 55, no. 8, pp. 2984–2996,
Aug. 2008, doi: 10.1109/TIE.2008.918480.
[26] A. Emadi, Young Joo Lee, and K. Rajashekara, “Power Electronics and Motor Drives in Electric, Hybrid
Electric, and Plug-In Hybrid Electric Vehicles,” IEEE Trans. Ind. Electron., vol. 55, no. 6, pp. 2237–2245, 2008,
doi: 10.1109/TIE.2008.922768.
[27] B. Sri Revathi and M. Prabhakar, “Non isolated high gain DC-DC converter topologies for PV applications – A
comprehensive review,” Renew. Sustain. Energy Rev., vol. 66, pp. 920–933, 2016, doi:
10.1016/j.rser.2016.08.057.
[28] L. T. T. M. Trịnh Trung Hiếu, Đoàn Anh Tuấn, “THIẾT KẾ BỘ CHUYỂN ĐỔI DC / DC MỚI CHO HỆ THỐNG
ĐIỆN SỬ DỤNG NĂNG LƯỢNG MẶT TRỜI,” TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG,
vol. 17, no. 3, pp. 18–22, 2019.
[29] L. H. P. Quách Thanh Hải, Trương Việt Anh, “Research Dc/Dc Boost Topology With Neutral Point With Dc
Source,” Tạp chí KHOA HỌC CÔNG NGHỆ, vol. 51, no. 4, 2019.
[30] V. A. Truong, X. T. Luong, P. T. Nguyen, and T. H. Quach, “The improvement switching technique for high
step-up dc-dc boost converter,” Electronics (Switzerland), vol. 9, no. 6. 2020, doi: 10.3390/electronics9060981.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.210
PROGRAMMING AND CONTROL FOR A FIVE-FLOOR ELEVATOR

USING FPGA
PHAN PHUC THANG1, NGUYEN MINH HIEU2, VU THI HONG NGA3
123
Industrial University of Ho Chi Minh City;
1
phanphucthang2@gmail.com, 2 hieu821411@gmail.com, 3 vuthihongnga@iuh.edu.vn
Abstract. Currently, our country is developing more and more, urbanization increases. Therefore, highrise
buildings, apartments are growing more and more and elevators are an indispensable system because of its
convenience, helping us to save time and effort. The elevator can be programmed and controlled on many
different chips or processors such as ARM, PLC, Arduino, ...
Therefore, the paper presented the design of a five-floor elevator controller using FPGA, the use of FPGA
in elevator programming because FPGA is a simple, flexible, and fast-reprogrammable IC, high stability.
Keywords. Elevator, FPGA, elevator control.
LẬP TRÌNH VÀ ĐIỀU KHIỂN THANG MÁY NĂM TẦNG DÙNG FPGA
Tóm tắt. Hiện nay, đất nước ta ngày càng phát triển, đô thị hóa tăng cao. Do đó, nhà cao tầng, chung cư
đang mọc lên ngày càng nhiều và thang máy là một hệ thống không thể thiếu vì sự tiện lợi của nó, giúp ta
tiết kiệm thời gian và công sức. Thang máy có thể lập trình điều khiển trên nhiều chip hay vi xử lí khác
nhau như: ARM, PLC, Adruino, …
Do đó, bài báo đã trình bày thiết kế bộ điều khiển thang máy năm tầng dùng FPGA, việc dùng FPGA trong
lập trình thang máy vì FPGA là vi mạch có thể tái lập trình đơn giản, linh động, tốc độ xử lí nhanh, độ ổn
định cao.
Từ khóa. Thang máy, FPGA, điều khiển thang máy.
1 INTRODUCTION
With the strong development of the electrical - electronic technology industry, the small size programmable
semiconductor circuits, low power consumption, chips designed on ASIC technology, are the
manufacturerdesigned hardware architecture is fixed during production, and cannot be changed or modified
by the user. Application programmers or firmware programmers must study and master the architecture of
each type of microcontroller above to develop software, corresponding algorithms. Therefore,
programming microcontroller is also known as programming software based on available hardware. As for
FPGA, users can redesign the hardware architecture as desired, along with building corresponding drivers
to develop more optimized application software and algorithms. Therefore, suitable for control circuits,
peripheral communication.
Meanwhile, the elevator is an important and convenient system for high-rise buildings or apartments. The
elevator can be programmed by many different types of chips, microcontrollers, but programming by FPGA
has many advantages such as simple and flexible reprogramming, fast processing speed, high stability. So,
we decided to choose the topic: "Programming and control for a five-floor elevator using FPGA".
2 IMPLEMENTATION PROCESS
First, we learn about the structure and the principle of operation of the elevator to understand how it works
and its components. We learn about FPGA chips that incorporate programming and control electronic
components to simulate elevators. Finally, we build a simulation model of an elevator with electronic
components.
2.1 Theoretical basis
a. Structure of the elevator system:
• Electrical parts:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Signal cable: The signal cable is connected from the electrical cabinet on the engine room to the control
box installed on the roof of the cabin, including control box on the roof of the cabin, the lighting system
along the lift pit. Travel limit switch system.
Automatic rescue system: This is a very important device for passenger lifts, it will help people not get
stuck in the elevator during a sudden power failure. The automatic rescue system works based on backup
from batteries.
On the engine room: Control cabinet: is the control center for all activities of an elevator including cabinet,
relay system, contactor, signal control, speed control, intermediate boards.
The two most important devices of an elevator control cabinet are: signal control and speed control.
• Mechanical part:
The interior structure of the family elevator pit will include guide rails, counterweights and cabin guide
rails, normal passenger lifts will have a cabin.
Counterweight: The counterweight weight is calculated based on the weight of the lift car and the load of
the lift.
Cabin system: The elevator cabin includes the chassis, floor, roof, cabin wall Damper system, including
counterweight dampers and cabin dampers.
The floor door is installed outside of each floor, when properly installed, the floor door cannot open by
itself and cannot be opened manually without a key. The door opening and opening is controlled by the
cabin door.
Figure 1: Structure of the elevator
b. Principle of elevator operation:

Customers press the button to call the floor in the direction they want to go and then wait until the cabin
arrives. When the cabin reaches the floor door, the door opens.
The customer enters the cabin, the door closes. We can press the door open button to keep the door open,
press the door close if you want the door to close faster. Press the floor call button on the dashboard, the
cabin will move to the selected floor.
When the cabin reaches the selected floor, the door opens, the customer walks out of the cabin, the door
closes.
c. Handling elevator safety:
When there is an object blocking the door when the door closes, the door will automatically reopen. If there
is a fire or an elevator jam, you can press the alarm button in the cabin to alert the elevator manager for
help.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
If the building loses power, the elevator will automatically switch to backup power. When the elevator
cables break or travel over speed, a system detects the overspeed to activate the car brake.
When the weight in the elevator exceeds the regulation, the lift will signal and prevent the elevator from
moving.
2.2 Altera Cyclone IV EP4CE FPGA Kit
Altera Cyclone IV EP4CE FPGA Kit is the output kit of ALTERA FPGA Cyclone IV EP4CE6E22C8N
chip, used in FPGA studies, high-speed processing, ...
Figure 2: Altera Cyclone IV EP4CE FPGA Kit
Technical parameters:
• Power: 5VDC supplied via USB or DC circular jack.
• Main chip: ALTERA FPGA Cyclone IV generation EP4CE6E22C8N.
• Supports SOPC, NIOSII development (when using NIOS, need to add SRAM module).
• High-precision 50MHz crystal provides the entire system pulse.
• Integrated voltage regulator IC.
• A reset button, which can also be programmed as an input key.
• 1 hold-down power switch
• 1 power LED indicator
• The 2 double fences are the IO pins of the chip that are clearly marked and named • JTAG and AS
2 loading soles available.
3 SYSTEM ANALYSIS AND DESIGN

3.1 Block diagram
Figure 3: Block diagram
Functions for each block:

• Push button: Through the processing process, perform the functions from the request of the push
button, carry out moving to the floors and the motor opens the door.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
• H-bridge circuit: Use the forward / reverse rotation motor control to pull up or down the cabin, the
elevator door engine and adjust the engine speed.
• Sensor block: The limit switch is located in the position of the floors to prevent the engine pulling
the cabin beyond the selected floor. The infrared sensor is located at the door, the transceiver LEDs are
located at 2 doors, to confirm whether there are obstacles or not. Load cell weight sensor helps to alarm
when the volume in the lift exceeds allow.
• Led display, siren: The 7-segment LEDs are placed in the floors so that the user knows the location
of the elevator, a 7-segment led and 1 arrow LED, to show up or down and ladder position moving machine.
The siren emits a sound when there is an electric current, the buzzer is used in combination with a push
button to alarm when something goes wrong.
• Engine block: Includes 2 motors, receives control signals from the H-bridge circuit, motor 1
performs pull up, pulls down the elevator, and motor 2 opens and closes the elevator doors.
• FPGA module: Using the FPGA Altera Cyclone IV EP4CE Kit, this is considered the controller of
the system to receive data from the push button and from the sensor. The process then functions from the
push button request, the movement to the floors, pulls the lift, and the motor opens and closes.
3.2 System operation principle
Power supply voltage for keyboard, led display, siren and H bridge circuit, FPGA module.
The FPGA module will pick up a sensor signal and push button to identify the lift user. The module receives
the processing signal and then sends the PWM pulse signal to the H-bridge circuit to control the
forward/reverse motor speed to pull up/down the elevator and close/open the cabin door. The module sends
a signal to the LED to display the number of cabins in the cabin, the direction of the elevator and the siren
when there is a signal from the alarm button.
3.3 Algorithm flowchart
System algorithm flowchart:
Figure 4: Algorithm flowchart
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
The system will start operating when someone presses the call button for the elevator, the cabin will move
to the called floor, the door will open for people to enter and choose the floor you want to go to. The elevator
moves to the selected floor and opens the door for people to exit. The cabin door closes and ends operations
(the lift will continue to operate upon new calls.
Process FPGA flowchart:
Figure 5: Flowchart of FPGA processing
When the floor button is pressed, the engine will operate to pull the cabin moving, when the floor limit
switch is called, the engine stops. Another motor will operate to control the door opening, if the infrared
sensor receives logic 0, the motor will close (if the infrared sensor receives logic level 1, the motor will
reopen) and end the operation.
4 RESULTS ACHIEVEMENT
Through many times of correcting the code error of the control software and the accuracy of the hardware
installation, we have completed the model of the elevator with stable operation with the same principle of
operation as the real elevator.
The system also has a handle when the elevator exceeds the allowed volume and alarms when the user
presses the alarm button. Since the elevator model is rudimentary, there is no safe handling when the cables
break and the cabin is moving over speed, nor the fire alarm system.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
5 CONCLUSIONS AND DEVELOPMENT

This article is about building and stopping elevator control system. After researching and designing,
conducting programming to test and fix errors, the elevator model has run stably and accurately.
Developed more safety handling functions in case of fires and broken cab lifts for the model. Programming
and control of the elevator by voice recognition makes the elevator smarter and more convenient.
REFERENCES
[1] Verilog HDL A guide to Digital Design and Synthesis, Samir Palnitkar, SunSoft Press, 1996.
[2] FPGA PROTOTYPING BY VERILOG EXAMPLES: XILINX Spartan-3 Version, LONG P.CHU, 2008.
[3] Digital VLSI Systems Design a Design Manual for Implementation of Projects on FPGAs and ASICs Using
Verilog, Dr. S. Ramachandran, India.
[4] Digital Logic and Microprocessor Design With VHDL, Enoch O. Hwang, La Sierra University, Riverside.
[5] The Verilog® Hardware Description Language, Fifth Edition, Donald E. Thomas, Philip R. Moorby.
[6] Verilog Digital System Design, Second Edition, Zainalabedin Navabi, Ph.D.
[7] Quartus II Introduction Using VHDL Design (2011) – Altera.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.211
NONLINEAR CONTROL STRUCTURE FOR FOC VECTOR CONTROL OF

SPIM DRIVES
NGOC THUY PHAM 1, THUAN DUC LE 2
12
Faculty of Electrical Engineering Technology, Industrial University of Ho Chi Minh City
1
ngocpham1020@gmail.com, 2 ldthuaniuh@gmail.com
Abstract. This paper presents a novel control structure combing the adaptive backstepping (BS) and sliding
mode (SM) control technicques to improve the performance and enhance the robustness of the vector
control of six phase induction motor (SPIM) drives. The outter speed closed loop control uses the BS
controller with the integral error tracking component added to improve its sustainability. Second order
sliding mode controller is proposed for the inner current closed loop control to can effectively compensate
for load disturbance in the system so the proposed method is more robust, stability and faster dynamics
response, chattering free performance. The proposed vector speed control scheme is validated through
Matlab-Simulink. The simulation results confirm the good dynamics and robustness of the proposed control
algorithm based on (BS_SOSM) technique.
Keywords. Six phase induction motor drive, Backstepping control, Sliding Mode.
CẤU TRÚC ĐIỀU KHIỂN PHI TUYẾN CHO ĐIỀU KHIỂN VECTOR FOC CỦA HỆ
TRUYỀN ĐỘNG SPIM
Tóm tắt. Bài báo này trình bày một cấu trúc điều khiển phi tuyến mới kết hợp điều khiển backstepping
(BS) và điều khiển trượt (SM) để cải thiện chất lượng điều khiển và nâng cao tính bền vững trong điều
khiển véc tơ FOC của hệ truyền động động cơ không đồng bộ sáu pha (SPIM). Trong đề xuất này, điều
khiển vòng kín tốc độ vòng ngoài sử dụng bộ điều khiển BS với thành phần theo dõi lỗi tích hợp được thêm
vào để cải thiện độ chính xác và tính bền vững. Điều khiển dòng vòng trong sử dụng bộ điều khiển trượt
bậc hai (SOSM) nên có đáp ứng động học nhanh, có khả năng bù đắp một cách hiệu quả ảnh hưởng của sự
thay đổi thông số hệ thống, nhiễu tải,... vì vậy nâng cao tính ổn định và bền vững của hệ thống truyền động.
Hiệu quả của hệ thống điều khiển phi tuyến mới được xác nhận thông qua mô phỏng bằng phần mềm
Matlab-Simulink. Các kết quả mô phỏng đã xác nhận hệ thống điều khiển được đề xuất dựa trên kỹ thuật
(BS_SOSM) cho đáp ứng động nhanh, chính xác, tính ổn định và bền vững của hệ truyền động SPIM được
cải thiện đáng kể trong điều kiện tham số không chắc chắn và nhiễu tải bên ngoài.
Từ khóa. Hệ truyền động động cơ không đồng bộ sáu pha (SPIM), điều khiển FOC, điều khiển phi tuyến,
điều khiển Backstepping, điều khiển trượt, điều khiển trượt bậc 2
1 INTRODUCTION
Multi-phase ac motor drives are strong candidature for variable speed application, due to numerous
advantages that they offer when compared to their three phase counterparts such as higher torque density,
greater efficiency, reduced torque pulsations, fault tolerance, and reduction in the required rating per
inverter leg [1]. Especially, these drives are often considered in some applications such as locomotive
traction, electrical ship propulsion, in high power applications such as automotive, aerospace, military and
nuclear [2]. With its reliable working characteristics and high failure tolerance nowadays, these motors are
even considered in the small power applications requiring high reliability and fault tolerance, where are
expected that the loss of one or more phases the machine still can provide a significant electromagnetic
torque to continue operating the system. Among the many types of multiphase motors, SPIM is one of the
most widely used multiphase motors.
For SPIM drives, in cases uncertainties and disturbances are appreciable, traditional control techniques
using PID control for SPIM drives are not able to guarantee optimal performance or can require a
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
considerably time consuming and plant dependent design stage. Therefore, to overcome these drawbacks
the nonlinear control techniques have been followed, such as, for instance, linear output feedback control
[3,4], Sliding mode (SM) [5-6], Backstepping control (BS) [8-12], Fuzzy Logic (FL) control [13-14] neural
networks (NN) control [15-17], predictive control, [18], Hamiltonian control [19-24]. In the proposed
techniques, the BS design techniques have received great attention due to its systematic and recursive design
methodology for nonlinear feedback control. The BS design can be used to force a nonlinear system to
behave like a linear system in a new set of coordinates. The major advantages are that it has the flexibility
to avoid cancelations of useful nonlinearities and pursues the objectives of stabilization and tracking.
However, the detailed and accurate information about system dynamics is required when designing
traditional BS. To overcome this drawback many strategies have been proposed, in [25] the authors
proposed a new BS control scheme using a dynamical induction motor model based on the traditional BS
control with the unknown of the damping coefficient, the motor inertia, the load torque and the uncertainty
of the machine parameters. The tests carried out without applying a load torque. However, the speed ripple
and the performance of the tracking the reference speed is not good, and it also does not guarantee a total
rejection of the load torque disturbance. In [26,27], an integral version of the control and an adaptive
observer using the backstepping technique was proposed. The results show the good performance of the
control law and the observer, but it may be noted that the problem with this method is the complexity of
solving differential equations, which require more computing time for processor, since the model will be
increased by two states. In [10] proposed a BS design method for both the control and observer, by adding
the integral error tracking component to increase the stability of the transmission system, this method for
good dynamic response, precise controls. However, the torque ripple is recorded as quite large, the
performance at low-speed range and regenerating modes not reported in [10]. From the above analysis it is
easy to see that the BS control, which represents a precise model-based control method, was difficult to
obtain satisfactory control performance when using independently, especially in the cases applied to control
the nonlinear systems. Therefore, the combination of BS and different robust adaptive control has been
received more attentions [28]-[37]. such as sliding mode control [28-30], neuron network [31-35], fuzzy
logic system (FLS) [36,37]. In this paper, the author proposes a new combined control structure: The BS
controller is applied in outer speed closed loop control. In this proposed BS-based controller design, the
integral error tracking component added to improve its sustainability. Due to the fact that SM control can
effectively compensate for load disturbance, so the proposed method uses SM in inner current control closed
loop is more robust than the conventional adaptive backstepping control used in inner current closed loop
control [10]. The success of this SM type of control for electric drives is mainly due to its disturbance
rejection, strong robustness, and simple implementation, as shown by a large number of papers on AC
drives, that use the standard approach of SM control. The main obstacle to put this technique into industrial
application is the chattering behavior, which consists in a high frequency oscillation when the sliding mode
takes place. The higher order sliding mode algorithm is one of the solutions to alleviate the chattering
behavior with the robustness unchanged. In this paper, second order sliding mode controller is proposed for
the inner current closed loop control can effectively compensate for load disturbance in the system, so the
proposed method is not only more robust, stability and faster dynamics response but also chattering free
performance. The novel BS_SOSM nonlinear combination structure is proposed in this paper ensure
stability, robustness and fast error dynamics for SPIM drives. The effectiveness of this proposed control
structure is verified by simulation using MATLAB/ Simulink.
The paper is organized into five sections, in section 2, the basic theory of the model of the SPIM and the
SPIM drive are presented. Section 3 introduces the proposed (BS_SOSM) controller. Simulation and
discuss are presented in Section 4. Finally, the concluding is provided in Section 5.
2 MODEL OF SPIM
The system under study consists of an SPIM fed by a six-phase Voltage Source Inverter (VSI) and a DC
link. A detailed scheme of the drive is provided in Fig.1. By applying the Vector Space Decomposition
(VSD) technique introduced in [18], the original six-dimensional space of the machine is transformed into
three two-dimensional orthogonal subspaces in the stationary reference frame (D-Q), (x - y) and (zl -z2).
This transformation is obtained by means of 6 x 6 transformation matrix (1).
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
 3 1 3 1 
1 − − − 0
 2 2 2 2 
 1 3 1 3 
0 − −1
 2 2 2 2 
1  3 1 3 1  (1)
T6 = 1 − − − 0
3 2 2 2 2 
 1 3 1 3 
0 − −1
 2 2 2 2 
1 0 1 0 1 0
 
0 1 0 1 0 1
In order to develop SPIM model for control purposes, some basic assumptions should be made. Hence, the
windings are assumed to be sinusoidally distributed, the magnetic saturation, the mutual leakage
inductances, and the core losses are neglected. The electrical matrix equations in the stationary reference
frame for the stator and the rotor may be written as
V  =  R  I  + P( L  I  +  Lm  I )
s s s s s r
0 =  R  I  + P ( L  I  +  Lm  I )
r r r r s
(2)
where: [V], [I], [R], [L] and [Lm] are voltage, current, resistant, self and mutual inductance vectors,
respectively. P is differential operator. Subscript r and s related to the rotor and stator resistance
respectively. Since the rotor is squirrel cage, [Vr] is equal to zero. The electromechanical energy conversion
only takes place in the DQ subsystem:
cos( r ) − sin( r ) 
Tdq =   (3)
 sin( r ) cos( r ) 
where δr is the rotor angular position referred to the stator as shown in Fig. 1.
O a b y c z
DC Link x
Vd
+ + + + + +
Vas Vds Vbs Ves Vcs Vfs
_ _ _ _ _ _
Figure 1. A general scheme of an SPIM drive

As these equations implies, the electromechanical conversion, only takes place in the D-Q subspace and
the other subspaces just produce losses. Therefore, the control is based on determining the applied voltage
in the αβ reference frame. With this transformation, the 6PIM control technique is similar to the classical
three phase IM FOC. The control for the motor in the stationary reference frame is difficult, even for a three
phase IM, so the transformation of SPIM model in a dq rotating reference frame to obtain currents with dc
components [1] of 1 is necessary, a transformation matrix must be used to represent the stationary reference
fame (α-β) in the dynamic reference (d - q). This matrix is given:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
VsD   Rs + PLs 0 PLm 0   I s 

V   0 Rs + PLs 0
 
PLm  I s
 sQ  =   
 0   PLm r Lm Rr + PLr r Lr   I r 
   − L  
0  r m PLm −r Lm Rr + PLr   I r   (4)
The field-oriented control (FOC) is the most used strategy in the industrial field. Its objective is to improve
the static and dynamic behaviour of asynchronous machine unlike the scalar control. It allows decoupling
the electromagnetic quantities in order to make the control similar to DC machine. The principle of the
FOC is to align the d axis of the rotating frame (d-q) with the desired flux as shown in Fig. 1. Therefore,
the flux will be controlled by the direct component of the stator current (isd) and the torque by the quadratic
 = 0; rd =  rd
component (isq). In this case we obtain: rq . Using Eqs. (1) and (4), the new model
motor dynamics is described by the following space vector differential equations:
 d  3  Ls TL
 dt = 2 n p J ( rd isQ ) − J − B

 d rd = Lm i − 1 

 dt r
sD
r
rd

 L disD = − ai + L  i + bR  + cu
 s dt sD s s sQ r rd sD

 L disQ = − ai + L  i + b   + cu

 dt
s sQ s s sD r r rd sQ
(5)
Lm Rr + Lr Rs
2 2 2 2
Lm 1 Lm Rr
 = 1− ;a = ;c = ;b =
Ls Lr  Lr
2
  L2r
where
The new expression of the electromagnetic torque and the slip frequency are given by:
3 M
Te = np  ri sQ (6)
2 Lr
M
sl =  ri sQ (7)
Lr
3 CONTROL DESIGN FOR THE VECTOR CONTROL OF SPIM DRIVE USING

BS_SOSM
3.1 Backstepping design for the outer speed and flux loops
In this part, a modification on the BS technique SPIM is proposed for vector control of SPIM drives. As
part of the trajectory tracking, the basic idea of the BSC is to make the system equivalent to a cascade first
order subsystem, giving it strength qualities and overall stability of the asymptotic tracking error. The
stability and performance of the systems is studied using the Lyapunov theory [1,2, TLTK]. BSC technique
is a systematic and recursive method for synthesizing nonlinear control laws. So, a virtual command, that
will been generated to ensure the convergence of the systems to their equilibrium states. it allows the
synthesis of robust control law despite different types of disturbances and parametric uncertainties [20,
TLTK]. In this proposal, the robustness of this scheme is improved by introducing integral terms of the
tracking errors in the control design.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
TL
ω*
+ ++ ++
- + +
*
ψrd
+ ++ ++
- + +
ψrd
Figure 2. The virtual inputs i sq and i sd.

The following tracking errors are defined:
t
  =  * −  + k'  ( * −  ) dt
0
t (8)
 =  *
rd − rd + k  ( ' *
rd − rd ) dt
0
To ensure the stability of the outer loops, the virtual inputs isq and isd are used. The dynamics of the
tracking errors are given by:
. .
3  Ls Tl
 = * − n p
 rd i +
sq
+ B + k' ( * −  )
2 J J
. . (9)
Lm 1
 =  rd* − isd +  rd + k' ( rd* − rd )
r r
To design BSC scheme, the Lyapunov function is selected as
1
V( , ) = ( 2 + 2 ) (10)
2
its derivative can obtain:
. . . .
Tl  . L 1 
V ( ,  ) =     +   =   [ * − k t  rd isq* + + B + k' ( * −  ) +  rd  rd* − m isd* +  rd + k' ( rd* − rd )  (11)
J   r
 r 
wher 3 δσLs
kt = np
e 2 J
To satisfy V’< 0, BS control laws are designed as follows:

1  .
Tl 
isq* = k   +  + B + + k ( −  ) 
* ' *
k t  rd  J 
r  .
1 
isd* = k  + rd +  rd + k ( rd − rd ) 
* ' *
Lm  r  (12)
Where kω , kѰ are positive constants. Substituting (12) into (11), the derivative of the Lyapunov function
can obtain as:
.
V ( , ) = −k  2 − k 2  0
(13)
The Eqs. (12) can be summarized as follows (Fig.2)
In order to realize the tracking of the stator current of induction motors, the SM control is used in the inner
loop of SPIM motor.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.2 SMC design for in the inner current loops

In this paper, the inner current control objective is to make the measured stator currents is reach the desired
currents value is*. SMC is adopted for the currents loop of SPIM drives, an adaptation law for this SMC
scheme is derived based on Lyapunov theory to ensure stability and fast error dynamics.
Defining the current tracking errors as:
 isd = isd* − isd ;  isq = isq* − isq (14)
Consider s1 and s2 are the two sliding surfaces are defined for isd and isq, respectively. These sliding
surfaces can be described as
t
s1=  isd + k1   isd dt
(15)
0
t
s2=  iq + k2   isq dt (16)
0
where k1 and k2 are the undetermined coefficient. The time derivative of Lyapunov function yields:
. .
s1 =  isd + k1 isd (17)
. .
s 2 =  iq + k2 isq (18)
Substituting Equation (5) to Equation (17-18) and combination to the sliding mode exponential approach
law, we get the following equation:
.
s1 =  i + k1 i = isd* +  ai - Lss i - bRr rd - cu  + k1 i = us1

. .
1
sd sd sq sd
sd
Ls sd
 ai - Lss i - br r rd - cu  + k2 i = us 2

. .
1 (19)
s 2 =  iq + k2 i = isq* + sq sd sD
sq
L s
sq
The second order sliding controller which was proposed:

 us
 1 = − 1sign ( s1 ) + 1sign ( ps1 ) 
 (20)
u = −  2sign ( s2 ) + 2sign ( ps2 ) 
 s2
    0
where, α1, α2, β1, β2 are positive constants with:  1 1 . The sign(s) function is defined as:
 2   2  0
−1 if si  0 
 
sign ( si ) =  0 if si = 0  with i = 1; 2 (21)
+1 if si  0 
 
The SM control law can be found using:

1 (22)
V = (s12 + s22 )
2
The time derivative of Lyapunov function can be calculated as:
. . .
V = s1 s1 + s2 s2 (23)
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
According to Lyapunov theory, if the function V is negative definite, this will ensure that the state trajectory
will be driven and attracted toward the sliding surface s and once reached, it will remain sliding on it until
the origin is reached asymptotically.

1 sign ( s1 ) + 1 sign ( ps1 ) + pisd* + ( aisd − Lss isq − bRr rd ) + k1 i 
Ls 1
usd = sd
c Ls 
(24)

usq = s  2 sign ( s2 ) +  2 sign ( ps2 ) + pisq* + ( aisq − Lss isd − br rd ) + k 2 isq 
L 1
c Ls 
This ensure that:

.
V = − 1sign ( s1 ) + 1sign ( ps1 )   s1  −  2 sign ( s2 ) + 2 sign ( ps2 )  s2   0 (25)
4 SIMULINK AND DISCUSSION

The vector control for IFOC induction motor drive system is simulated by using MATLAB software. The
block diagram of system is shown in Fig. 3. The proposed BST_SM control is compared to the classical
control using a PI controller, to show the effectiveness of the proposed algorithm. The results analysis
shows the characteristic robustness of the BST_SM control to disturbances of the load, the speed variations.
SPIM parameters: 220V, 50 Hz, 4 pole, 1450 rpm. Rs = 10.1, Rr = 9.8546, Ls = 0.833457 H, Lr =
0.830811 H, m = 0.783106H, Ji = 0.0088 kg.m2. Rs is nominal value of stator resistance.
4.1 Dynamic performance of SPIM on Speed Reversal
The speed, torque and current stator responses are shown in Fig. 4. The speed reference in this case is set
up speed reversal from 1000 rpm to −1000 rpm at rated load for PI and BS_ SOSM controllers, respectively.
Initially, motor is accelerated in both the cases, is easy to see that BS_ SOSM controller can provide stability
and fast dynamic responses, speed transient time from zero to 1000 rpm at in the case of PI controller is
0.17s and b 0.081s in the case of BS_ SOSM controller as shown in Figure 4, respectively. When motor
runs at steady state at 1000 rpm, a step speed command of −1000 rpm is applied at t = 1s. As soon as −1000
rpm is applied, negative torque is developed on the shaft of the rotor, consequently motor starts decelerating
achieving zero speed and then starts accelerating in reverse direction and finally get in settled down at
−1000 rpm. The time taken speed reversal of the SPIM drive using PI controller is 0.112s, and 0.075s using
BS_SOSM controller, respectively. Comparison the response time of load torque dynamics of
BS_SOSMand PI techniques for the FOC SPIM drive its speed reverse from 1000 rpm to −1000 rpm is
0.155s in case of PI controller and s 0.1s in case of BS_SOSM controller.
From the simulation results show that the dynamic performance of the vector control of SPIM drive are
using BS_ SOSM very good, the real speed follows the reference speed, the speed tracking efficiency is
high, fast dynamic responses. Compare with the results obtained using PI controller, we can see that the
proposed SPIM vector control strategy using BS_SOSM controller give better dynamic performance for
using conventional PI controller. In this proposed vector control, tracking performance, overshoot,
transition time are better. Also proposed controller has the fast torque response and low torque ripple.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Rectifier bridge 6 Phase Inverter SPIM
DC link
Hardwave
3_ Phase
AC Supply
Field Oriented Control

ψ*r * u*sd usD
isd
+
-
BSC SOSM -1 -1
ω* usd T2 T6
+ +
usQ
- -
isq
^
+
-Speed Controller is Current Controller θs
ꞷ
isd isD
T2 i T6
isq sQ
Figure 3. The vector control of SPIM drive using BS_SOSM control

Ref
1000 PI 1000
BS-SOSM
Speed (rpm)
500
Speed (rpm)
0 500
-500
Ref
-1000 0 PI
BS-SOSM
0 0.5 1 1.5 2 0 0.05 0.1 0.15 0.2 0.25
Time (s) Time (s)
1500
TL Ref
20
PI 1000 PI
Torque (Nm)
BS-SOSM BS-SOSM
Speed (rpm)
10 500
0 0
-10 -500
-1000
-20
-1500
0 0.5 1 1.5 2 1 1.05 1.1 1.15 1.2
Time (s) Time (s)
10
10 PI
Current isq (A)
Current isa (A)
BS-SOSM 5
5
0 0
-5 -5
PI
BS-SOSM
-10 -10
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Time (s) Time (s)
Figure 4. The dynamics preformance of SPIM drive with PI and BS_SOSM controller
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4.2 Performance of IM on Step Load Disturbance

SPIM is started without load torque until the sudden rated load is supplied at t = 1s. The reference speed is
increased from 800 rpm to 1200 rpm at t = 0.5s and decreased from 1200 rpm to 600 rpm at t = 1.5s. The
responses of SPIM drive are shown in Fig.5. In the PI control, it reached 800 rpm in 0.075s, and 0. 0.58s
with BS_SOSM control. The transition time of BST_SM controller is shorter than PI controller for all
reference speed. In the PI control study, the speed dips to 1150 rpm and takes 0.5 sec to recover the speed
to reference value. In the BS_ SOSM, the speed dips to 1192 rpm and takes 0.21s to recover the speed to
reference value. Fig.5 shows that BS_SOSM controller has a shorter rise time, settling time, and recovery
time than PI controller. Also proposed controller has the fast torque response and low torque ripple. The
simulation results show that the characteristic robustness of the BST_SM control to disturbances of the load
and the speed variations is better than conventional the PI control.
1200 800
1000
Speed (rpm)
Speed (rpm)
600
800
600 400
400 Reference
Reference 200
200 PI PI
BS-SOSM BS-SOSM
0 0
0 0.5 1 1.5 2 0 0.05 0.1 0.15
Time (s) Time (s)
20 1240
10 1220
Torque (Nm)
Speed (rpm)
0 1200
1180
-10
1160
-20 TL Reference
Te(PI) 1140 BS-SOSM
-30 BS-SOSM PI
1120
0 0.5 1 1.5 2 0.95 1 1.05 1.1 1.15
Time (s) Time (s)
10 10
Current isa (A)
Current isq (A)
5 5
0 0
-5 -5
PI
-10 PI
BS-SOSM -10 BS-SOSM
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Time (s) Time (s)
Figure 5. Performance of SPIM drive on the load disturbance
5 CONCLUSIONS
In this paper, a novel structure of Backstepping _ Second Order Sliding Mode nonlinear control
(BS_SOSM) of the six-phase induction motor (SPIM) is presented. The control design is based on
combination SM and BS techniques to improve its performance and robustness, enables very good static
and dynamic performance of SPIM drive system, perfect tuning of the speed reference values, fast response
of the motor current and torque, high accuracy of speed regulation, and robust for the disturbances of the
load, the speed variations and chattering free performance. The simulation results and discussion in section
4 confirmed the good dynamics and robustness of the proposed control algorithm based on the BS_SOSM.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
REFERENCES
[1] E. Levi, Multiphase electric machines for variable-speed applications, IEEE Transactions on Industrial Electronics.
Vol 55, no. 5,1893 – 1909, 2008.
[2] J. W. Finch and D. Giaouris, “Controlled AC electrical drives,” IEEE Trans. Ind. Electron., vol. 55, no. 2, pp. 481–
491, Feb. 2008.
[3] F. Alonge, M. Cirrincione, M. Pucci and A. Sferlazza, "Input–Output Feedback Linearization Control with On-
Line MRAS-Based Inductor Resistance Estimation of Linear Induction Motors Including the Dynamic End
Effects," in IEEE Transactions on Industry Applications, vol. 52, no. 1, pp. 254-266, Jan.-Feb. 2016
[4] Hamou Ait Abbasa, Mohammed Belkheirib, Boubakeur Zegninia, Feedback Linearization Control of An Induction
Machine Augmented by Single Hidden Layer Neural Networks, International Journal of Control, 140-155, DOI:
http: //dx.doi.org/ 10.1080/00207179.2015.1063162, 2015.
[5] T. Orlowska-Kowalska, M. Dybkowski and K. Szabat, "Adaptive Sliding Mode Neuro Fuzzy Control of the Two-
Mass Induction Motor Drive Without Mechanical Sensors," IEEE Transactions on Industrial Electronics, vol.
57, no. 2, pp. 553-564, Feb. 2010
[6] G. Bartolini, E. Punta, T. Zolezzi, “Approximability Properties for Second-Order Sliding Mode Control Systems”,
IEEE Transactions on Automatic Control, vol. 52, Issue 10, pp. 1813 – 1825, Oct 2007.
[7] Tohidi, A., Shamsaddinlou, A., Sedigh, A.K.: ‘Multivariable input-output linearization sliding mode control of
DFIG based wind energy conversion system’. 9th Asian Control Conf. (ASCC), Istanbul, Turkey, pp. 1–6, June
2013.
[8] Y. Tan, J. Chang, H. Tan, “Adaptive back-stepping control and friction compensation for AC servo with inertia
and load uncertainties,” IEEE Transactions on Industrial Electronics, vol. 50, pp. 944-952, 2003.
[9] M.R Jovanovic, B. Bamieh, “Architecture Induced by Distributed Backstepping Design”, IEEE Transactions on
Automatic Control, vol 52, Issue 1, pp. 108 – 113, Jan 2007.
[10] Abderrahmen Zaafouri, Chiheb Ben Regaya , Hechmi Ben Azza, Abdelkader Châari, zDSP-based adaptive
backstepping using the tracking errors for high-performance sensorless speed control of induction motor drive,
ISA Transactions, Vol. 60, pp. 333-347, 2016.
[11] Traoré D, De Leon J, Glumineau A, Sensorless induction motor adaptive observer-backstepping controller:
experimental robustness tests on low frequencies benchmark, IET Control Theory, Vol 48, no. 11, pp. 1989–
2002, 2010.
[12] Morawiec M, Z type observer backstepping for induction machines, IEEE Trans Ind Electron, Vol 99, no.1, 2014.
[13] Padmanaban, S., Febin Daya, J.L., Blaabjergc, F., Mir-Nasirid, N., Ertase A. H., Numerical implementation of
wavelet and fuzzy, transform IFOC for three-phase induction motor. J. Sci. Engineering Science and Technology,
published by Elsevier- ScienceDirect Ltd. 19(1), 96-100.2016.
[14] Masumpoor, S., yaghobi, H., Khanesar, M. A., Adaptive sliding-mode type-2 neuro-fuzzy control of an induction
motor. J. Sci. Expert Systems with Applications, published by Elsevier- ScienceDirect Ltd. 42 (19), 6635–6647,
2015.
[15] Xingang Fu,, and Shuhui Li, A Novel Neural Network Vector Control Technique for Induction Motor Drive,
IEEE Transactions on Energy Conversion, Vol. 30 , no. 4 , pp. 1428 – 1437, 2015.
[16] Nasir Uddin M. Huang Z. R.; Siddique Hossain A. B. M., Development and Implementation of a Simplified Self-
Tuned Neuro–FuzzyBased IM Drive. J. Sci. IEEE Transactions on Industry Applications 50 (1), 51-59, 2014.
[17] Ali Saghafinia, Hew Wooi Ping, Mohammad Nasir Uddin, Sensored Field Oriented Control of a Robust Induction
Motor Drive Using a Novel Boundary Layer Fuzzy Controller, sensors, Vol 13, 17025-17056;
doi:10.3390/s131217025, 2013.
[18] Ying Liu, Shanmei Cheng, Bowen Ning, Yesong Li, Performance enhancement using durational model predictive
control combined with backstepping control and disturbance observer for electrical drives, Journal of Vibration
and Control, DOI: 10.1177/1077546318807018, 2018.
[19] C. Cecati, “Position control of the induction motor using a passivitybased Controller,” IEEE Transactions on
Industry Applications, vol. 36, pp. 1277-1284, 2000.
[20] H. Yu, K. Zhao, H. Wang, L. Guo, “Energy shaping control of PM synchronous motor based on load torque
observer,” Systems Engineering and Electronics, vol. 28, no. 11, pp. 1740-1742, 2006.
[21] H. YU, K. Zhao, L. Guo, H. WANG, “Maximum Torque Per Ampere Control of PMSM Based on Port-controlled
Hamiltonian Theory,” Proceedings of the CSEE, vol. 26, no.8, pp. 82-87, May. 2006.
[22] Zhiping Cheng, Liucheng Jiao, Hamiltonian Modeling and Passivity-based Control of Permanent Magnet Linear
Synchronous Motor, Journal of Computers, Vol. 8, no. 2, February 2013.
[23] Der Schaft “L2-Gain and Passiving Techniquess in Nonlinear Control, “London Springer-Verlag, 2000.
[24] Ortega R, Vander Scjhaftb A.J, Mareels, etal. “Interconnection and damping assignment passivity-based contron
of port-controlled Hamiltionian systems, “Automatica, Vol, 38 No.4, pp. 585-596, 2002.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[25] Hou-Tsan Lee, Fu Li-Chen, Lian Feng-Li. Sensorless adaptive backstepping speed control of induction motor.
In: Proceedings of the 45th IEEE conference on decision and control. USA; p. 1252–57, 13–15 December 2006.
[26] Mehazzem F, Nemmour AL, Reama A, Benalla H. Nonlinear integral backstepping control for induction motors.
In: Proceedings of 2011 international Aegean conference on electrical machines and power electronics and 2011
Electromotion Joint Conference (ACEMP); 2011. p. 331–36.
[27] Traoré D, De Leon J, Glumineau A. Sensorless induction motor adaptive observer-backstepping controller:
experimental robustness tests on low frequencies benchmark. IET Control Theory Appl 2010;48(10):1989–2002
[28] J. Liu, S. Vazquez, L. Wu, et al., Extended state observer-based sliding-mode control for three-phase power
converters, IEEE Trans. Ind. Electron. 64 (1) 22–31. (2017)
[29] J. Liu, W. Luo, X. Yang, et al., Robust model-based fault diagnosis for PEM fuel vell air-feed system, IEEE
Trans. Ind. Electron. 63 (5) 3261–3270. 2016
[30] Q. Su, W. Quan, G. Cai, et al., Improved adaptive backstepping sliding mode control for generator steam valves
of non-linear power systems, IET ControlTheory Appl. 11 (9) 1414–1419. 2017
[31] W. Chen, S. Ge, J. Wu, et al., Globally stable adaptive backstepping neural network control for uncertain strict-
feedback systems with tracking accuracy known a priori, IEEE Trans Neural Netw. Learn. Syst. 26 (9) 1842–
1854. 2015
[32] Z. Liu, B. Chen, C. Lin, Adaptive neural backstepping for a class of switched nonlinear system without strict-
feedback form, IEEE Trans. Syst. Man Cybern. Syst. 47 (7) 1315–1320. 2017
[33] Z. Liu, B. Chen, C. Lin, Output-feedback control design for switched nonlinear systems: adaptive neural
backstepping approach, Inf. Sci. 457 62–75. 2018
[34] Y. Sun, B. Chen, C. Lin, Adaptive neural control for a class of stochastic nonlinear systems by backstepping
approach, Inf. Sci. 369 748–764. (2016)
[35] J. Yu, B. Chen, H. Yu, et al., Neural networks-based command filtering control of nonlinear systems with
uncertain disturbance, Inf. Sci, 426, 50–60. 2017
[36] H. Li, L. Wang, H. Du, et al., Adaptive fuzzy backstepping tracking control for strict-feedback systems with input
delay, IEEE Trans. Fuzzy Syst. 25 (3) 642–652. 2017
[37] J. Yu, P. Shi, W. Dong, et al., Observer and command-filter-based adaptive fuzzy output feedback control of
uncertain nonlinear systems, IEEE Trans. Ind. Electron. 62 (9) 5962–5970. 2015
[38] Abhisek Pal, Sukanta Das, and Ajit K. Chattopadhyay, An Improved Rotor Flux Space Vector Based MRAS for
Field Oriented Control of Induction Motor Drives, IEEE Transactions on Power Electronics, Vol. 33 , No. 6 ,
pp. 5131 – 5141, 2018.
[39] K. J. Astrom and B. Wittenmark, Adaptive Control. New York, NY, USA: Addison-Wesley, 1995.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSCF.212
AppIUH: CÔNG CỤ HỖ TRỢ TUYỂN SINH TẠI TRƯỜNG ĐẠI HỌC

CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH
TÔN LONG PHƯỚC1, NGUYỄN THÀNH CHÍNH1, NGUYỄN DUY HƯNG1
1
Khoa Công nghệ Thông tin, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
tonlongphuoc@iuh.edu.vn, ntchinh271099@gmail.com, nguyenduyhung261199@gmail.com
Tóm tắt. Hằng năm, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh tuyển sinh khoảng 5000 sinh
viên cho các hệ đào tạo trong số hơn 50 ngàn hồ sơ của các ứng cử viên trong cả nước. Nhà trường cần có
một hệ thống hỗ trợ tư vấn và chọn lựa ngành nghề cho khoảng hơn 44 chuyên ngành mà Nhà trường tuyển
sinh. Chính vì lẻ đó, việc xây dựng một hệ thống hỗ trợ cho công tác tuyển sinh là cần thiết. AppIUH là
một công cụ mà chúng tôi xây dựng nhằm giải quyết các vấn đề tư vấn tuyển sinh như: nộp hồ sơ ứng cử;
chọn chuyên ngành; tìm kiếm các nhóm chuyên ngành, kết quả xét tuyển và hỏi đáp các nội dung liên quan.
AppIUH chia làm hai phân hệ gồm: ứng dụng web và ứng dụng trên thiết bị di động. Cả hai phân hệ này sẽ
được triển khai đồng bộ cho trong cùng một dữ liệu nhằm đáp ứng kịp thời cho nhu cầu của các ứng cử
viên. AppIUH được xây dựng trên các nền tảng công nghệ như: ngôn ngữ lập trình JavaScript, Nodejs,
React.js, ExpressJS, nền tảng Android, MongoDB, Cloud Computing. AppIUH sẽ được triển khai cho
Phòng Đào tạo nhằm kiểm chứng tính đúng đắn và hiệu quả. Trong tương lai, chúng tôi sẽ mở rộng đối
tượng sử dụng cũng như tích hợp vào hệ thống PMT hiện có.
Từ khóa. Công cụ hỗ trợ, Tuyển sinh, Ứng dụng web, Ứng dụng trên di động.
AppIUH: A TOOL TO AID THE COLLEGE ADMISSIONS PROCESS AT

INDUSTRIAL UNIVERSITY OF HO CHI MINH CITY
Abstract. Every year, the Industrial University of Ho Chi Minh City enrolls about 5000 students for
training systems out of more than 50,000,000 profiles of candidates across the country. The university needs
a system of college admission process support for more than 44 majors that the university enrolls. Because
of that, the construction of a support system for enrollment is necessary. AppIUH is a support tool that we
built to solve problems of the admission process such as: applying for applications; choose a major; search
for a major; search for results and ask and answer relevant content. AppIUH is divided into two modules:
a web application and a mobile application. Both modules will be deployed synchronously for the same
data to meet the needs of candidates promptly. AppIUH is built on many technology platforms such as
JavaScript programming language; Nodejs; React.js; ExpressJS; Android platform; MongoDB; Cloud
Computing. AppIUH will be deployed to the training room to verify the correctness and effectiveness. In
the future, we will expand the audience as well as integrate it into the existing PMT system.
Keywords. Support Tools, Admissions Process, Web Application, Mobile Application
1 GIỚI THIỆU
Trường Đại học Công Nghiệp Thành phố Hồ Chí Minh là trường đại học công lập thuộc bộ Công thương,
trường có quy mô đào tạo lớn của cả nước, khoảng 40.000 sinh viên đại học, cao học và nghiên cứu sinh1.
Trường đã được Bộ Công thương quyết định xây dựng thành trường đại học trọng điểm quốc gia. Trường
đào tạo đa ngành, đa bậc học và nhiều chương trình liên kết quốc tế. Trường đã đầu tư cơ sở vật chất rất tốt
bao gồm hệ thống phòng thực hành, phòng thí nghiệm hiện đại bậc nhất Việt Nam. Không chỉ khối ngành
kỹ thuật, công nghệ mà các ngành kinh tế cũng có các phòng thực hành mô phỏng giúp sinh viên được làm
quen với môi trường làm việc trên thực tế ngay trong thời gian học tập tại đây. Kỹ năng nghề nghiệp của
1
http://www.iuh.edu.vn
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
sinh viên Trường Đại học Công Nghiệp Thành phố Hồ Chí Minh sau khi tốt nghiệp được các đơn vị sử
dụng lao động rất tin tưởng, đã trở thành thương hiệu có uy tín trong nhiều năm qua. Trường luôn đứng ở
tốp đầu toàn quốc trong các kỳ thi tay nghề quốc gia và quốc tế. Chính vì lẽ đó, trường hằng năm được
hàng chục nghìn thí sinh khắp cả nước ứng tuyển vào. Do đó, nhà trường cần có một hệ thống website và
phần mềm hỗ trợ trên thiết bị di động (app) hỗ trợ tuyển sinh một cách hiệu quả và kịp thời cho các thí sinh.
Tuy nhiên, hệ thống website và app hỗ trợ cho học sinh hiện nay còn nhiều bất cập. Điển hình là khả năng
đáp ứng thông tin của người dùng bị hạn chế, không được phổ biến. App cho công tác tuyển sinh vẫn chưa
có cho thí sinh. Hiện tại, trường có các trang tuyển sinh chỉ là những trang tin tức, ít có giao tác trực tiếp
với các thí sinh. Hiện chưa có phần mềm tuyển sinh trực tuyến nào, đa số hầu hết thì phương thức tuyển
sinh của trường là phương thức truyền thống. Điều này rất bất tiện cho các bạn thí sinh ở xa, không có cơ
hội để lên trường nộp hồ sơ tuyển sinh hoặc tham gia tư vấn trực tiếp. Ngoài ra, hằng năm nhà trường cũng
tổ chức hàng loạt các buổi tư vấn tuyển sinh cho các học sinh ở các trường trong thành phố và các tỉnh.
Hoạt động này rất thường xuyên và tốn kém chi phí thời gian cho nhà trường cũng như thí sinh. Và gần
đây, tình hình dịch bệnh Covid-19 ngày càng phức tạp, chưa biết khi nào mới quay lại trạng thái bình
thường. Do đó, một giải pháp tốt nhất là học sinh gửi hồ sơ xét tuyển qua mạng internet về nhà trường.
Đồng thời, học sinh cũng sẽ biết được thông tin trạng thái hồ sơ của mình như thế nào. Với giải pháp này,
thông tin của nhà trường đến các học sinh sẽ nhanh và chính xác. Nó cũng giúp cho nhà trường kiểm soát
được các hoạt động tuyển sinh thường xuyên ổn định, an toàn và hiệu quả. Tuy nhiên, việc triển khai hệ
thống tuyển sinh qua mạng internet sẽ có một số vấn đề cần giải quyết như đảm bảo mạng thông suốt; các
giao tác trên hệ thống web ổn định; hệ thống giải quyết quá tải trong thời gian ngắn phải đảm bảo; thông
tin phản hồi kịp thời và chính xác.
Để giải quyết vấn đề trên, chúng tôi đưa ra giải pháp gồm hai đề xuất. Thứ nhất, dùng điện toán đám mây
(cloud computing) nhằm tổ chức lưu trữ và xử lý các nghiệp vụ; thứ hai, xây dựng hệ thống website và ứng
dụng trên di động (app) cho sinh viên dễ dàng xử lý và giảm tải cho máy chủ. Nói về giải pháp sử dụng các
dịch vụ trên điện toán đám mây như dịch vụ cho thuê máy chủ, dịch vụ web…là những giải pháp hữu ích
nhất cho các vấn đề trên. Hiện nay, có nhiều công ty tổ chức cho các dịch vụ điện toán đám mây nổi tiếng
như: Amazon với AWS, Microsoft với Azure…trong nước có các tổ chức như Viettel, FPT, Sao Bắc Đẩu…
Những hệ thống này khi triển khai trên điện toán đám mây sẽ có chi phí rẻ, cấu hình đơn giản nhưng vẫn
an toàn, bảo mật tốt, khả năng nâng cấp bảo trì hệ thống dễ dàng. Hơn hết trong các ưu điểm trên là khả
năng cân bằng tải, đó là ưu điểm tuyệt vời của điện toán đám mây. Cân bằng tải (scale) là dịch vụ có khả
năng tự động điều chỉnh số lượng máy chủ để đáp ứng nhu cầu truy cập của khách hàng (tăng khi yêu cầu
nhiều và giảm khi yêu cầu ít). Do đó nhà phát triển hệ thống không còn phải đầu tư quá nhiều chi phí chỉ
để giải quyết nhu cầu hạ tầng kỹ thuật.
Riêng đề xuất xây dựng website và ứng dụng trên di động cho thí sinh sử dụng nhằm giải quyết các nguyên
nhân được liệt kê sau đây. Nguyên nhân thứ nhất là do website của trường chưa có phần nhập liệu về thông
tin tuyển sinh. Nguyên nhân thứ hai là website của trường thực hiện cơ chế kết xuất máy chủ Server Side
Rendering (SSR). Cơ chế SSR có nhiều ưu điểm tuyệt vời như khả năng Search Engine Optimization (SEO)
hiệu quả, chạy được trên phần lớn các trình duyệt thông dụng (kể cả disable JavaScript vẫn chạy tốt), hiệu
năng cho lần tải trang đầu tiên tốt... Nhưng cơ chế SSR lại có một nhược điểm lớn chính là máy chủ phải
đảm nhiệm gánh nặng kết xuất trang web (thuật toán kết xuất lại tốn nhiều chi phí), gánh nặng trả về nội
dung trang web (tốn nhiều băng thông) và vô tình làm tăng số lượng nhu cầu phải xử lý cho máy chủ [1].
Và khi nhu cầu truy cập website tăng cao đột biến ở thời điểm tuyển sinh, máy chủ phải thực hiện một số
lượng yêu cầu cực lớn và còn phải phụ trách gánh nặng kết xuất trang web và gửi trả về nó càng làm tình
hình xấu đi. Nguyên nhân thứ ba là những trường hợp không mong muốn khi ứng viên nộp hồ sơ bằng
đường bưu điện và quan trọng nhất là tình hình dịch bệnh chưa có dấu hiệu suy giảm. Đó cũng là lý do
chúng tôi xây dựng ứng dụng cho thiết bị di động nhằm hỗ trợ cá nhân hóa cũng như giảm tải cho máy chủ
trong hệ thống. Chúng tôi cho ra AppIUH dành riêng cho thí sinh để dùng đăng ký tuyển sinh dù có ở bất
cứ đâu trên cả nước. Các thí sinh không cần phải lên trường nộp hồ sơ nữa mà chỉ cần đăng ký hồ sơ trực
tiếp trên AppIUH là có thể trở thành sinh viên Trường Đại học Công Nghiệp Thành phố Hồ Chí Minh.
AppIUH tạo ra để giúp các thí sinh giải quyết mọi vấn đề về tuyển sinh, có độ thân thiện cao, dễ sử dụng.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
AppIUH hiện tại có trên hai nền tảng là Web Application và App Mobile. Bài báo của chúng tôi chia làm
5 phần: Phần 1 - Giới thiệu tổng quan về hệ thống; Phần 2 - Các công nghệ liên quan; Phần 3 - Công cụ
AppIUH; Phần 4 - Kiểm nghiệm thực tế và Phần 5 - Kết luận và hướng phát triển. Trong đó Phần 3 là phần
đóng góp chính của bài báo.
2 CÁC CÔNG NGHỆ LIÊN QUAN

2.1 Ngôn ngữ lập trình JavaScript
JavaScript là một ngôn ngữ lập trình được sử dụng để tạo ra những trang web có độ tương tác cao. Nó được
tích hợp và nhúng trong giao diện HTML. JavaScript cho phép kiểm soát các hành vi chức năng của trang
web tốt hơn so với khi chỉ sử dụng mỗi giao diện HTML. JavaScript kết hợp vào giao diện HTML, chạy
trên Windows, Macintosh và Linux cũng như các hệ thống hỗ trợ Netscape khác [2]. JavaScript được phát
triển trong 10 ngày bởi Brendan, JavaScript cho phép các nhà phát triển viết code theo nhiều kiểu khác
nhau bằng
một ngôn ngữ gần giống với các ngôn ngữ phổ biến khác ngày nay, như Java, C++ hay C. Mặc dù có tên
tương tự, nhưng cần phải nhấn mạnh rằng, JavaScript không liên quan gì đến ngôn ngữ lập trình Java được
phát triển bởi Sun Microsystems. JavaScript ban đầu được gọi là LiveScript (tên nội bộ là Mocha), trước
khi được đổi tên để tận dụng sự thành công và phổ biến của Java. Cần quan tâm một điểm rằng, JavaScript
không phải là ngôn ngữ lập trình web đầu tiên. Một trình duyệt web trước đây được gọi là ViolaWWW,
chứa một ngôn ngữ kịch bản thô sơ và là tiền thân của CSS. Tuy nhiên, nó không bao giờ bắt kịp và ngôn
ngữ kịch bản của nó không bao giờ thực sự trở thành một tiêu chuẩn. Một năm sau khi JavaScript được
phát hành, Microsoft đã chuyển nó sang Internet Explorer. Trong những năm tiếp theo, JavaScript trở thành
một phần thiết yếu khi xây dựng web và nó được tìm thấy trên hầu hết các trang web, được hỗ trợ bởi hầu
hết các trình duyệt web. JavaScript cũng thành công hơn nữa khi trở thành ngôn ngữ cho việc phát triển
trang web, ứng dụng chạy trên các thiết bị điện thoại thông minh [3].
Hình 2.1: Quá trình hoạt động của JavaScript [3]

2.2 React.js
React.js là một thư viện viết bằng Javascript, dùng để xây dựng giao diện người dùng (UI). React.js được
sử dụng rộng rãi và có hệ sinh thái đa dạng phong phú. Giao diện người dùng tất nhiên là quan trọng, nhưng
không phải là tất cả. Ngoài ra giao diện người dùng ở đây được dùng chính ở hai nền tảng web và mobile.
Ở lĩnh vực web, sử dụng React.js có thể đem lại trải nghiệm tốt cho người dùng, cũng như khả năng cập
nhật nhanh (Hot Reload) giúp lập trình nhanh hơn. Nhìn chung tất cả những tính năng hay sức mạnh của
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
React.js thường xuất phát từ việc tập trung vào các phần riêng lẻ chính vì điểm này nên khi làm việc trên
web thay vì nó sẽ làm việc trên toàn bộ ứng dụng của website thì React.js cho phép người phát triển có chức
năng phá vỡ giao diện của người dùng từ một cách phức tạp và biến nó trở thành các phần đơn giản hơn
nhiều lần [4]. Nghĩa là render dữ liệu không chỉ được thực hiện ở vị trí máy chủ mà còn có thể thực hiện ở
vị trí máy khách khi sử dụng React.js. Sự liên kết và mối quan hệ giữa các component trong React.js cần
được quan tâm đặc biệt là vì luồng dữ liệu một chiều từ cha xuống con là luồng dữ liệu duy nhất trong một
React.js. Việc sử dụng luồng dữ liệu một chiều này có một chút khó khăn cho những người mới tìm hiểu sử
dụng, bên cạnh mặt hạn chế vẫn có mặt nổi trội đó chính là React.js sẽ phát huy được hết tất cả chức năng
vai trò của mình khi sử dụng cơ chế một chiều này vì nó sẽ làm cho các chức năng của khung nhìn trở nên
chặt chẽ hơn. Lợi ích đầu tiên mà React.js đó chính là việc tạo ra cho chính bản thân nó một DOM ảo, đây
là nơi mà các thành phần được tồn tại trên đó. Việc tạo ra DOM như vậy giúp cải thiện hiệu suất làm việc
rất nhiều, khi có tính toán cần thay đổi hoặc cần cập nhật những gì lên DOM thì React.js đều tính toán trước
và việc còn lại chỉ là thực hiện chúng lên DOM [5]. Như vậy, sẽ giúp cho React.js tránh được những thao
tác không cần có trên một DOM mà không cần tốn thêm bất cứ chi phí nào. Lợi ích thứ hai mà React.js đem
lại đó chính là việc viết các đoạn code JS sẽ trở nên dễ dàng hơn vì nó sử dụng một cú pháp đặc biệt đó chính
là cú pháp JSX. Nghĩa là, cú pháp này cho phép chúng ta trộn được giữa code HTML và Javascript. Ngoài
ra chúng ta còn có thể đem đoạn code trên thêm vào trong hàm render mà không cần phải thực hiện việc nối
chuỗi và đây được đánh giá là một trong những đặc tính thú vị của React.js. Đồng thời việc chuyển đổi các
đoạn HTML thành các hàm khởi động đều được thực hiện từ bộ biến đổi chính đó chính là JSX [6].
Hình 2.2: Cơ chế hoạt động của React.js [6]

2.3 Nodejs
Node.js là một hệ thống phần mềm được thiết kế để viết các ứng dụng internet có khả năng mở rộng, đặc
biệt là máy chủ web [7]. Chương trình được viết bằng JavaScript, sử dụng kỹ thuật điều khiển theo sự
kiện, nhập/xuất không đồng bộ để tối thiểu tổng chi phí và tối đa khả năng mở rộng. Node.js gồm có các
thành phần như sau: V8 JavaScript engine của Google, libUV và vài thư viện khác. Bình thường thì chúng
ta cũng có thể tải bộ V8 và nhúng nó vào bất cứ hệ thống web nào. Node.js làm điều đó đối với các web
server. JavaScript cũng chỉ là một ngôn ngữ, vậy nó có thể sử dụng trên môi trường server tốt như là trong
trình duyệt của người dùng. Trong một môi trường server điển hình LAMP (Linux-Apache-MySQL-PHP),
chúng ta có một web server là Apache hoặc NGINX phía dưới, cùng với PHP chạy trên nó. Mỗi một kết nối
tới server sẽ sinh ra một thread mới, và điều này khiến ứng dụng sớm trở nên chậm chạp hoặc quá tải [8].
Chỉnh vì lẽ đó, cách duy nhất để hỗ trợ nhiều người dùng hơn là bằng cách bổ sung thêm nhiều máy chủ.
Nhưng với Node.js thì điều này không phải là vấn đề lớn. Không có một máy chủ Apache lắng nghe các kết
nối tới và trả về mã trạng thái HTTP. Chúng ta sẽ phải tự quản lý kiến trúc lõi của máy chủ đó. May mắn
thay, có một số module giúp thực hiện điều này được dễ dàng hơn, nhưng công việc này vẫn gây cho chúng
ta một chút khó khăn khi mới bắt đầu. Một khái niệm cốt lõi của Node.js đó là các chức năng bất đồng bộ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
(asynchronous functions) [9]. Cho nên, cơ bản thì mọi thứ đều có thể chạy được trên nền tảng này. Hầu hết
các ngôn ngữ kịch bản máy chủ khác, chương trình phải đợi mỗi function thực thi xong trước khi có thể tiếp
tục chạy tiếp. Chúng tôi xác định các function sẽ chạy để hoàn thành một tác vụ nào đó, trong khi phần còn
lại của ứng dụng vẫn chạy đồng thời. Nó là một vấn đề phức tạp mà chúng tôi sẽ khó có giải pháp hiệu quả,
nhưng đó là một trong những đặc trưng tiêu biểu của Node.js [10].
Hình 2.3: Cơ chế hoạt động của Nodejs [10]

2.4 Framwork Express JS
Expressjs là một framework được xây dựng trên nền tảng của Nodejs. Nó cung cấp các tính năng mạnh mẽ
để phát triển web hoặc ứng dụng chạy trên thiết bị điện thoại di động. Expressjs hỗ trợ các method HTTP
và midleware tạo ra API vô cùng mạnh mẽ và dễ sử dụng. Framework giúp cho việc phát triển ứng dụng
được rút ngắn đi rất nhiều [11]. Ngoài ra, framework dựa trên những ngôn ngữ khác như Rails (Ruby);
Django (Python); Laravel, CakePHP (PHP). Express hỗ trợ việc phát triển ứng dụng theo mô hình MVC.
Trong đó mô hình MVC là mô hình phổ biến nhất cho việc lập trình web hiện nay [12]. Đồng thời, Expressjs
cho phép định nghĩa Middleware hỗ trợ cho việc tổ chức và tái sử dụng mã nguồn. Định nghĩa routes và
các request method đến server một cách dễ dàng cũng như hỗ trợ REST API của các chức năng [13].
Hình 2.4: Luồng hoạt động của Express JS [13]
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
2.5 MongoDB (NoSQL)

NoSQL là một dạng dữ liệu không cấu trúc mã nguồn mở (viết tắt bởi: None-Relational SQL). NoSQL
được phát triển trên Javascript Framework với kiểu dữ liệu là JSON và dạng dữ liệu theo kiểu key và value.
NoSQL ra đời như nhằm giải quyết các khuyết điểm và thiếu sót cũng như hạn chế của mô hình dữ liệu
quan hệ RDBMS (Relational Database Management System - Hệ quản trị cơ sở dữ liệu quan hệ) về tốc độ,
tính năng, khả năng mở rộng [14]. Với NoSQL, chúng ta có thể mở rộng dữ liệu mà không lo tới những
việc như tạo khóa ngoại, khóa chính, kiểm tra ràng buộc v.v... NoSQL bỏ qua tính toàn vẹn của dữ liệu và
transaction để đổi lấy hiệu suất nhanh và khả năng mở rộng. NoSQL được sử dụng ở rất nhiều công ty, tập
đoàn lớn, ví dụ như FaceBook sử dụng Cassandra do FaceBook phát triển, BigTable do Google phát triển...
Tuy nhiên, NoSQL không phải vì thế mà không thể ràng buộc được dữ liệu, chúng ta vẫn có thể viết các
function ràng buộc dữ liệu một cách dễ dàng [15]. Trong khi đó, MongoDB là một hệ quản trị cơ sở dữ liệu
mã nguồn mở. Nó là cơ sở dữ liệu thuộc NoSQL và được hàng triệu người sử dụng. MongoDB là một cơ
sở dữ liệu hướng tài liệu (document), các dữ liệu được lưu trữ trong document bằng kiểu JSON thay vì dạng
bảng như CSDL quan hệ nên truy vấn sẽ rất nhanh. Với dữ liệu quan hệ chúng ta có khái niệm bảng như
MySQL, SQL, Oracle, DB2,… Server sử dụng các bảng để lưu dữ liệu thì với MongoDB chúng ta sẽ dùng
khái niệm là tập hợp (collection) thay vì bảng so với cơ sở dữ liệu quan hệ. Trong MongoDB collection ứng
với các table, còn document sẽ ứng với row, MongoDB sẽ dùng các document thay cho row trong cở sở dữ
liệu quan hệ. Các collection trong MongoDB được cấu trúc rất linh hoạt, cho phép các dữ liệu lưu trữ không
cần tuân theo một cấu trúc nhất định. Thông tin liên quan được lưu trữ cùng nhau để truy cập truy vấn
nhanh thông qua ngôn ngữ truy vấn MongoDB [16].
Hình 2.5: Cơ chế hoạt động của MongoDB [16]

2.6 Cloud Computing
Cloud computing hay điện toán đám mây là công cụ cung cấp các dịch vụ điện toán (computing) bao gồm
máy chủ (server), store (lưu trữ), dữ liệu (database), mạng (network), phần mềm (software), phân tích
(analytic), trí tuệ nhân tạo (AI) và các dịch vụ khác. Các dịch vụ này được phép sử dụng thông qua internet
(hay cloud) để cung cấp sự chuyển đổi nhanh chóng, linh hoạt về tài nguyên, quy mô kinh tế dễ dàng. Điện
toán đám mây giúp loại bỏ các khoản chi phí dùng để mua phần cứng, phần mềm, thiết lập và duy trì trung
tâm dữ liệu như các tủ rack server, nguồn điện, máy lạnh, network, và những nhân lực để duy trì và quản
lý trung tâm dữ liệu [17]. Hầu hết các dịch vụ điện toán đám mây được cung cấp theo dịch vụ dựa trên nhu
cầu sử dụng, thậm chí khi chúng ta cần số lượng lớn tài nguyên máy tính có thể được cung cấp chỉ trong
vài phút đồng hồ chỉ với vài click chuột. Điều này giúp doanh nghiệp trở nên linh hoạt hơn và giảm được
áp lực khi lên kết hoạch cho các hoạt động của họ. Những lợi ích của các dịch vụ điện toán đám mây bao
gồm khả năng mở rộng quy mô linh hoạt. Nghĩa là cung cấp đúng lượng tài nguyên mà công ty muốn sử
dụng. Điều này đem lại cho doanh nghiệp một số lợi ích so với việc sử dụng một trung tâm dữ liệu riêng
của công ty, bao gồm giảm độ trễ đường truyền internet cho các ứng dụng và đem lại tính hiệu quả kinh tế
cao hơn. Rất nhiều các nhà cung cấp dịch vụ đám mây áp dụng một loạt các chính sách, công nghệ và kiểm
soát giúp tăng cường củng cố tổng thể trạng thái bảo mật, giúp bảo vệ dữ liệu, ứng dụng, và cơ sở hạ tầng
từ các mối đe dọa tiềm ẩn. Các trung tâm dữ liệu thường đòi hỏi phải được cài đặt phần cứng trên các tủ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
rack liên tục khi dữ liệu tăng, cập nhật bản vá phần mềm và các công việc quản lý tài sản, dịch vụ tốn kém
thời gian khác. Điện toán đám mây giúp loại bỏ những tác vụ phức tạp này [18-20].
3 APPIUH: CÔNG CỤ HỖ TRỢ TUYỂN SINH
Để triển khai các giải pháp mà chúng tôi nêu ra trong phần giới thiệu, chúng tôi đề xuất xây dựng ứng dụng
AcadIUH. Đối tượng nhắm đến là các thí sinh trong cả nước, nhằm giúp thí sinh ở nhà vẫn có thể đăng ký
hồ sơ tuyển sinh tại Trường Đại học Công nghiệp Thành phố Hồ Chí Minh. Ứng dụng này chúng tôi xây
dựng dựa vào các công nghệ như Nodejs, ReactJS, Express. Ngoài ra, ứng dụng cũng hỗ trợ cho nhân viên
Phòng Đào tạo trong công tác tuyển sinh tại trường. Hệ thống web và app chúng tôi cũng dùng các dịch vụ
như AWS trên điện toán đám mây nhằm tối ưu hóa các dịch vụ cũng như đảm bảo hệ thống ổn định, chính
xác và hiệu quả. Hệ thống AppIUH gồm ứng dụng trên điện thoại (app) và hệ thống website. Trong đó,
ReactJS tạo ứng dụng trên điện thoại hệ điều hành Android/iOS và ứng dụng web trên công cụ Visual
Studio Code. NodeJS chịu trách nhiệm tạo ra các API, xử lý các request. MongoDB dùng lưu trữ dữ liệu
của toàn hệ thống như dữ liệu thí sinh, dữ liệu tuyển sinh…Dịch vụ điện toán đám mây sử dụng trong AWS
EC2. Trong đó, EC2 là dịch vụ đảm nhiệm vai trò chạy máy ảo cho toàn hệ thống.
3.1 Kiến trúc phần mềm đề xuất
Kiến trúc mà chúng tôi đề xuất cho hệ thống AppIUH là kiến trúc MVC (Model – View – Controller). Đây
là một kiến trúc phần mềm thông dụng cho hệ thống web, và là mô hình thiết kế được sử dụng trong kỹ
thuật phần mềm. Nó giúp cho các nhà phát triển phần mềm tách ứng dụng của họ ra thành ba thành phần
khác nhau như Model, View và Controller. Mỗi thành phần có một nhiệm vụ riêng biệt và độc lập với các
thành phần khác. Mô hình kiến trúc này giúp chia tách các tầng trình diễn thông tin nội bộ khỏi các thông
tin được biểu diễn. Nó phân tách sự phụ thuộc các thành phần và cho phép tái sử dụng code hiệu quả hơn.
Đồng thời chúng thôi cũng đề xuất dịch vụ EC2 của AWS cho việc chạy máy ảo trên nền tảng điện toán
đám mây. Dữ liệu tổ chức lưu trữ chúng tôi cũng đề xuất tổ chức lưu trữ trên MongoDB NoSQL server
(Hình 3.1).
Hình 3.1: Kiến trúc MVC của AppIUH đề xuất
3.2 Sơ lược công nghệ sử dụng

Chúng tôi đề xuất sử dụng công cụ ReacJS nhằm xây dựng Front-end. Công cụ này tạo giao diện website
lẫn giao diện ứng dụng chạy trên thiết bị điện thoại di động. Đồng thời thực hiện các chức năng chính trên
hệ thống AppIUH của thí sinh. Phần Back-end chúng tôi đề xuất công cụ NodeJS (JavaScript). Nó là
framework hiện đại và mới của ngôn ngữ lập trình Java. NodeJS chịu trách nhiệm tạo ra các API, xử lý các
yêu cầu (request), đồng thời cũng chịu trách nhiệu xử lý và lưu dữ liệu xuống cơ sở dữ liệu. Riêng phần cơ
sở dữ liệu chúng tôi sẽ tổ chức và lưu trữ trên MongoDB. Nó là nơi lưu trữ các dữ liệu của toàn hệ thống
như dữ liệu tuyển sinh, dữ liệu đăng ký tuyển sinh, dữ liệu nhập học…Để triển khai toàn bộ hệ thống
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
AppIUH chúng tôi đề xuất triển khai trên nền tảng điện toán đám mây. Trong đó, dịch vụ máy ảo chúng tôi
dùng EC2 của AWS. Amazon Elastic Compute Cloud (Amazon EC2) là dịch vụ cung cấp các ứng dụng
máy tính ảo hoá có thể mở rộng về khả năng xử lý cùng các thành phần phần cứng ảo như bộ nhớ máy tính,
vi xử lý. Dịch vụ linh hoạt trong việc lựa chọn các phân vùng lưu trữ dữ liệu ở các nền tảng khác nhau và
sự an toàn trong quản lý dịch vụ bởi kiến trúc ảo hoá đám mây mạnh mẽ của AWS. Ngoài ra, để cân bằng
tải chúng tôi còn dùng các dịch vụ khác của AWS.
3.3 Phân tích thiết kế hệ thống AppIUH
Đối tượng người dùng cho hệ thống AppIUH gồm có Thí sinh và Quản trị của nhân viên Phòng Đào tạo,
Trường đại học Công nghiệp Thành phố Hồ Chí Minh. Các chức năng của hai đối đối tượng được mô tả
trong Bảng 3.3.1. Trong đó, chúng tôi tập trung vào các chức năng chính của hệ thống mà hiện nay nhà
trường chưa có là đăng ký tuyển sinh và đăng ký nhập học. Ngoài ra, các chức năng của quản trị viên cũng
được đưa vào nhằm hỗ trợ thay đổi các thông tin cần thiết qua mỗi đợt xét tuyển trong năm như điểm xét
tuyển, ngành xét tuyển, hình thức xét tuyển, chỉ tiêu…
Từ những chức năng trên, chúng tôi tập trung gán các quyền cho các đối tượng vào các chức năng chính
như: Đăng ký tuyển sinh, đăng ký nhập học, quản lý ngành đào tạo và sau đó chúng tôi mở rộng các chức
năng phù hợp cho appIUH như trong Hình 3.3.1
Bảng 3.3.1: Các chức năng trong AppIUH
Đối tượng Chức năng Mô tả

Đăng ký xét tuyển Cho phép thí sinh điền các thông tin cần thiết vào
form đăng ký để xét tuyển nhập học
Đăng ký nhập học Cho phép thí sinh được phép gửi xác nhận đăng ký
nhập học sau khi đã được thông báo trúng tuyển các
ngành đã đăng ký
Thí sinh
Xem giới thiệu trường Xem giới thiệu và các hoạt động của trường
Xem thông tin xét tuyển Xem thông tin xét tuyển của các năm (ngành, điểm xét
tuyển, tổ hợp môn, hình thức xét tuyển)
Xem thông tin thí sinh Xem các thông tin cá nhân của thí sinh
Xem danh sách xét tuyển Xem danh sách các thí sinh đã đăng ký xét tuyển (thí
sinh đã trúng tuyển và không trúng tuyển)
Quản lý điểm xét tuyển Cho phép thay đổi điểm của các ngành qua các năm
Quản lý ngành đào tạo Cho phép thay đổi hình thức đào tạo, xóa và thêm
ngành đào tạo qua các năm
Xem thông tin xét tuyển của các năm (ngành, điểm xét
Quản trị
Xem thông tin xét tuyển

tuyển, tổ hợp môn)
Xem danh sách xét tuyển Xem danh sách các thí sinh đã đăng ký xét tuyển (thí
sinh đã trúng tuyển và không trúng tuyển)
Quản lý tổ hợp xét tuyển Cho phép thêm, xóa cập nhật các tổ hợp xét tuyển của
các ngành đào tạo
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 3.3.1: UseCase cho toàn bộ hệ thống AppIUH
Với các chức năng được mô tả ở trên trên, chúng tôi thiết kế mô hình dữ liệu thể hiện toàn bộ mô hình cơ
sở dữ liệu của hệ thống AppIUH (Hình 3.3.2). Trong đó, chúng tôi quan tâm đến các collection quan trọng
như tuyensinh, khi số lượng thuộc tính khá nhiều và phức tạp. Đồng thời, collection này cũng có số lượng
mối kết hợp nhiều nhất. Bên cạnh đó, collection danhsachtuyensinh cũng là liên kết cần phải bận tâm. Đây
là collection mà các thao tác xử lý cho đối tượng thí sinh thường xuyên truy xuất dữ liệu. Việc xác định các
collection, thuộc tính và các mối kết hợp chính xác cũng góp phần cho nghiệp vụ xử lý dễ dàng hơn trong
hệ thống AppIUH.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 3.3.2: Mô hình cơ sở dữ liệu tổ chức trên MongoDB của AppIUH

3.4 Giao diện đồ họa (các màn hình đại diện)
AppIUH triển khai trên hai nền tảng là web và ứng dụng chạy trên thiết bị điện thoại di động. Trong đó hệ
thống web có giao diện thân thiện, đảm bảo tính chính xác và đầy đủ thông tin nhất. Phần này, chúng tôi
xin giới thiệu một vài giao diện web mà chúng tôi đã triển khai trong hệ thống. Trước tiên, thí sinh vào
trang web tuyển sinh của hệ thống AppIUH, giao diện các hình thức tuyển sinh và form điền thông tin của
thí sinh sẽ xuất hiện như Hình 3.4.1 và Hình 3.4.2.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 3.4.1: Giao diện điền thông tin thí sinh
Trong đó, hệ thống sẽ cung cấp các thực đơn cho phép thí sinh chọn lựa hình thức xét tuyển cho ngành
mình đăng ký nguyện vọng. Thí sinh sẽ điền thông tin cá nhân đầy đủ và chính xác. Sau khi thí sinh đã điền
thông tin cá nhân hoàn tất, thí sinh sẽ chọn mục đăng ký xét tuyển các ngành học. Các ngành học này sẽ
được quản trị viên của nhà trường cập nhật và xét duyệt để bổ sung vào hệ thống.
Hình 3.4.2: Giao diện đăng ký tuyển sinh của hệ thống AppIUH
4 KIỂM NGHIỆM THỰC TẾ

Chúng tôi đã tiến hành triển khai hệ thống máy chủ ảo cho AppIUH trên hệ thống điện toán đám mây của
AWS. Trong giai đoạn này chúng tôi sử dụng EC2 của AWS. Dịch vụ này bao gồm một instance (máy chủ)
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
và các dịch vụ cân bằng tải khác của AWS. Dịch vụ máy chủ sẽ được xác định chạy là EC2 (chúng tôi chọn
hệ điều hành Linux, phiên bản t2.micro) như Hình 4.1.
Hình 4.1: Dịch vụ máy chủ ảo EC2 trên hệ thống AWS của AppIUH
Chúng tôi cũng tiến hành tạo một cơ sở dữ liệu cho AppIUH trên hệ thống đám mây của Google. Trong
giai đoạn này chúng tôi sẽ sử dụng MongoDB là một dạng cơ sở sữ liệu không cấu trúc (NonSQL).
MongoDB sẽ là nơi lưu trữ tất cả dữ liệu của toàn hệ thống AppIUH (Hình 4.2). Ngoài ra, trên hệ thống
AWS, chúng tôi chọn region ở Singapore để việc truy xuất dữ liệu nhanh nhất có thể.
Hình 4.2: Dữ liệu của hệ thống AppIUH được tổ chức trênMongo DB
5. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Từ những phân tích và đánh giá hiện trạng của công tác tuyển sinh tại Trường Đại học Công nghiệp Thành
phố Hồ Chí Minh, chúng tôi đã đề xuất giải pháp để giải quyết bài toán trên với hệ thống AppIUH. Bài báo
này, chúng tôi đã trình bày giải pháp với hệ thống AppIUH gồm hai đề xuất. Thứ nhất, xây dựng hệ thống
web và ứng dụng chạy trên thiết bị di động nhằm hỗ trợ cho các nghiệp vụ của thí sinh và nhân viên tuyển
sinh (quản trị) tại Phòng Đào tạo trường Trường Đại học Công nghiệp Thành phố Hồ Chí Minh. Thứ hai,
hệ thống AppIUH được triển khai trên nền tảng điện toán đám mây nhằm đảm bảo tính ổn định, hiệu quả
và chính xác cho hệ thống. Cả hai đề xuất trên chúng tôi điều triển khai trên các nền công nghệ mới như
ReacJS (Front-end); NodeJS (Back-end); dữ liệu trên MongoDB. Riêng phần hiện thực hệ thống trên điện
toán đám mây chúng tôi chọn EC2 của AWS và các dịch vụ cân bằng tải khác. Hệ thống AppIUH cũng đã
cài đặt và triển khai thử nghiệm đến người dùng, trong đó chủ yếu tập trung cho các sinh viên tại bộ môn
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Công nghệ phần mềm, Khoa Công nghệ thông tin. Những phản hồi tích cực từ người dùng giúp chúng tôi
cố gắng hoàn thiện sản phẩm hơn. Trong tương lai, chúng tôi sẽ triển khai hệ thống cho người dùng một
cách rộng rãi hơn. Chúng tôi sẽ tích hợp hệ thống vào phần mềm PMT của nhà trường nhằm đồng nhất
thông tin dữ liệu cho người học sau khi đã trúng tuyển vào trường. Về mặt kỹ thuật, chúng tôi sẽ triển khai
mô hình micro service cho ứng dụng di động để khi một chức năng bị “không phản hồi” thì các chức năng
khác vẫn hoạt động bình thường. Từ đó, tăng cường tính ổn định và hiệu quả của hệ thống.

[1] Konshin, K. (2018). Next. js Quick Start Guide: Server-side rendering done right. Packt Publishing Ltd.
[2] https://developer.mozilla.org/vi/docs/Learn/JavaScript/First_steps/What_is_JavaScript, acccessed 10/4/2021.
[3] https://viblo.asia/p/javascript-javascript-hoat-dong-nhu-the-nao-m68Z03A9KkG, acccessed 10/4/2021.
[4] Gackenheimer, C. (2015). Introduction to React. Apress.
[5] https://reactjs.org/tutorial/tutorial.html acccessed 09/4/2021
[6]https://medium.com/@shakungrover01/why-we-use-react-js-in-website-development-process-7a4f49053813
acccessed 09/4/2021.
[7] Node.js Application Developer’s Guide – MarkLogic, Web Development with Node and Express – Ethan Brown,
Node.js By Example – Krasimir Tsonev.
[8] https://www.freecodecamp.org/news/what-exactly-is-node-js-ae36e97449f5/, acccessed 16/4/2021.
[9] https://kipalog.com/posts/Co-che-hoat-dong-cua-javascript-va-nodejs, accessed 16/4/2021
[10] Express in Action: Writing, building, and testing Node.js applications – EVAN M. HAHN,
[11] Mardan, A. (2014). Express. js Guide: The Comprehensive Book on Express. js. Azat Mardan.
[12] https://expressjs.com/en/guide/routing.html, acccessed 15/4/2021.
[13] https://viblo.asia/p/hieu-co-ban-ve-expressjs-thong-qua-mot-vi-du-thuc-te-m68Z0OQ6KkG, acccessed 16/4/2021.
[14] Chickerur, S., Goudar, A., & Kinnerkar, A. (2015, November). Comparison of relational database with document-
oriented database (mongodb) for big data applications. In 2015 8th International Conference on Advanced
Software Engineering & Its Applications (ASEA) (pp. 41-47). IEEE.
[15] https://sv.ctvc.edu.vn/wp-content/uploads/2016/10/MongoDB.pdf acccessed 15/4/2021.
[16] https://websolutions.com.vn/mongodb-la-gi-tong-quan-ve-mongodb/ acccessed 16/4/2021.
[17] Kaushik, A., & Kumar, A. (2013). Application of cloud computing in libraries. International Journal of
Information Dissemination and Technology, 3(4), 270.
[18] https://aws.amazon.com/vi/what-is-cloud-computing/ acccessed 15/4/2021.
[19] https://trendigi.vn/home/detail/lap-trinh-website-theo-mo-hinh-mvc-110.html acccessed 16/4/2021.
[20] https://docs.aws.amazon.com/AWSEC2/latest/UserGuide/concepts.html acccessed 15/4/2021.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSCF.213
ĐÁNH GIÁ TÁC ĐỘNG CỦA ỨNG DỤNG CÔNG NGHỆ THÔNG TIN TRONG
NỀN KINH TẾ VIỆT NAM GIAI ĐOẠN 2006 – 2020
NGUYỄN HOÀNG NAM1
1
Trường Đại học Kinh tế Thành phố Hồ Chí Minh
nguyenhoangnam2506@gmail.com
Tóm tắt. Trong bối cảnh Cuộc cách mạng công nghiệp 4.0, việc ứng dụng công nghệ thông tin trong hoạt
động kinh tế là vô cùng cần thiết. Tại Việt Nam, chưa có nhiều nghiên cứu định lượng xem xét tác động
của công nghệ đối với hoạt động kinh tế. Mục tiêu nghiên cứu nhằm đánh giá tác động của ứng dụng công
nghệ thông tin trong nền kinh tế Việt Nam thông qua việc đo lường ảnh hưởng của chỉ số Công nghệ thông
tin và truyền thông (ICT) đối với sự tăng trưởng của nền kinh tế, bao gồm: Tổng sản phẩm nội địa (GDP),
lạm phát và Độ mở thương mại. Mô hình nghiên cứu được thiết lập dựa trên những nghiên cứu trước đây
của Mahyideen và Ismail (2012), Albiman và Sulong (2017) và Elena và cộng sự (2018). Dữ liệu nghiên
cứu được thu thập từ số liệu công bố của Ngân hàng thế giới, Tổng cục thống kê và Bộ Thông tin và Truyền
thông trong giai đoạn từ năm 2006 đến năm 2020. Nghiên cứu sử dụng phương pháp định lượng, kiểm định
tương quan các biến độc lập đối với biến phụ thuộc bằng kiểm định tương quan Pearson và phân tích hồi
quy tuyến tính bội được sử dụng qua công cụ phần mềm thống kê phân tích Stata 14. Kết quả nghiên cứu
cho thấy có sự tác động của việc ứng dụng công nghệ thông tin đối với nền kinh tế Việt Nam. Trong đó, hạ
tầng kỹ thuật, hạ tầng nhân lực và ứng dụng công nghệ đối với tăng trưởng GDP, độ mở thương mại qua
các năm cho tác động tích cực. Nghiên cứu có ý nghĩa khi đã xây dựng được mô hình nghiên cứu và có giá
trị tham khảo đối với những nghiên cứu sau này.
Từ khóa. Công nghệ thông tin, ICT, Kinh tế, Việt Nam.
ASSESSING THE IMPACT OF INFORMATION TECHNOLOGY APPLICATION ON

VIETNAM'S ECONOMY IN THE PERIOD 2006 – 2020
Abstract. In the context of Industrial Revolution 4.0, the application of information technology in
economic activities is extremely necessary. In Vietnam, there are not many quantitative studies examining
the impact of technology on economic activity. The research objective is to assess the impact of information
technology application in the Vietnamese economy by measuring the impact of the Information and
Communication Technology (ICT) Index on economic growth, including Gross Domestic Product (GDP),
Inflation, and Trade Openness. The research model is established based on previous studies by Mahyideen
and Ismail (2012), Albiman and Sulong (2017), and Elena et al. (2018). Research data is collected from
data published by the World Bank, the General Statistics Office, and the Ministry of Information and
Communications in the period from 2006 to 2020. The study uses quantitative methods, testing the
correlation of independent variables for the dependent variable by Pearson correlation test and multiple
linear regression analysis used by tools statistical analysis software Stata 14. Research results show that
there is an impact of the application of information technology to the Vietnamese economy. In particular,
technical infrastructure, human infrastructure, and technology application to GDP growth, trade openness
over the years have positive effects. The research is meaningful when it has built a research model and has
a reference value for later studies.
Keywords. Economy, Information technology, ICT, Vietnam.
1 GIỚI THIỆU
Việt Nam là một trong những quốc gia có tốc độ tăng trưởng mạnh mẽ. Trong năm 2020, dù phải đối mặt
với nhiều khó khăn do dịch bệnh Covid-19, nền kinh tế Việt Nam vẫn đạt mức tăng trưởng GDP là 2.91%,
đây cũng là mức tăng trưởng thuộc nhóm cao nhất thế giới. Bên cạnh việc khai thác những lợi thế vốn có,
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ứng dụng công nghệ thông tin trong nhiều lĩnh vực là một trong những chiến lược trọng tâm được Chính
phủ và các cơ quan ban ngành tại Việt Nam chú trọng phát triển.
Trong một sự kiện công nghệ gần đây, Bộ trưởng Bộ Thông tin và Truyền thông - Nguyễn Mạnh Hùng cho
biết, Việt Nam cần phát triển thêm 50.000 doanh nghiệp công nghệ thông tin để đẩy nhanh chuyển đổi số
Việt Nam. Trong đó, phát triển kinh tế số phải gắn liền với tăng trưởng kinh tế lành mạnh. Nhiều nghiên
cứu cho thấy có tác động trong tăng cường áp dụng công nghệ thông tin và truyền thông (ICT) có xu hướng
tương quan chặt chẽ với tăng trưởng kinh tế và năng suất lao động.
Tại Việt Nam, việc ứng dụng công nghệ thông tin trong hoạt động kinh tế bước đầu nhận được tín hiệu khả
quan khi những năm gần đây, nền kinh tế Việt Nam cho thấy sự hấp dẫn đối với dòng vốn đầu tư nước
ngoài và duy trì mức phát triển ổn định. Năm 2019, tổng doanh thu lĩnh vực công nghiệp ICT đạt hơn 112
tỷ USD, trong đó xuất khẩu công nghiệp ICT đạt 91,5 tỷ USD, tăng 10% so với năm 2018. Công nghiệp
ICT đã đưa ngành Thông tin và Truyền thông trở thành một trong những ngành có đóng góp lớn trong cơ
cấu GDP của cả nước với khoảng 5,59% năm 2018; 7,55% trong năm 2019 và năm 2020 dự kiến đóng góp
khoảng 7,3%, nếu tính cả khối đầu tư trực tiếp nước ngoài (FDI) thì ngành Thông tin và Truyền thông đóng
góp khoảng trên 16% GDP [1].
Thống kê của Ngân hàng Thế giới từ năm 2000 đến năm 2019, Việt Nam với mức tăng trưởng GDP thấp
nhất là 5.24% vào năm 2012 và cao nhất là 7.54% vào năm 2005. Cùng với đó là tình hình lạm phát của
Việt Nam được kiểm soát và duy trì ở mức độ vừa phải, phù hợp với mức tăng trưởng của nền kinh tế.
25
20
15
%
10
0
Năm
-5
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
GDP 6.7876.1936.3216.8997.5367.5476.978 7.13 5.6625.3986.423 6.24 5.2475.4225.9846.6796.2116.8127.0767.017 2.91
Lạm phát -1.71 -0.43 3.8313.2357.7558.2857.4188.34423.126.7179.20718.689.0956.5934.0850.6312.668 3.52 3.54 2.796 3.23
Hình 1: Mức tăng trưởng GDP và lạm phát của Việt giai đoạn 2000 - 2020
(Nguồn: Ngân hàng Thế giới -World bank)
Bên cạnh đó, một thách thức quan trọng đối với các chiến lược phát triển của các nước là làm thế nào để
nắm bắt những lợi ích lớn hơn của ICT cho tăng trưởng và phát triển kinh tế [2]. Sự phổ biến nhanh chóng
của Internet, của điện thoại di động và của các mạng băng thông rộng, tất cả đều chứng tỏ công nghệ này
đã trở nên phổ biến (OECD, 2004). Những phát triển công nghệ và ứng dụng công nghệ thông tin vào xã
hội mang đến nhiều lợi ích cho phát triển kinh tế.
Để có những phân tích đo lường cụ thể về ảnh hưởng của ứng dụng công nghệ thông tin đối với nền kinh
tế, qua bài nghiên cứu này, tác giả mong muốn xác định, đánh giá và cung cấp bằng chứng thực nghiệm về
tác động của công nghệ thông tin đến sự tăng trưởng của nền kinh tế Việt Nam.
2 CƠ SỞ LÝ THUYẾT
2.1 Khái niệm về ICT
Công nghệ thông tin và truyền thông (ICT) là một lĩnh vực đầu tư rất năng động trong thập kỷ qua (OECD,
2004). ICT là sự kết hợp giữa truyền thông và viễn thông, các hệ thống quản lý tòa nhà thông minh, hệ
thống nghe nhìn trong công nghệ thông tin hiện đại,…Công nghệ thông tin và truyền thông bao gồm đài và
vô tuyến, cũng như các công nghệ kỹ thuật số mới hơn như máy tính và Internet được coi là những công cụ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
tiềm năng mạnh mẽ có khả năng tạo ra những thay đổi và cải cách cho giáo dục nói chung và công việc
giảng dạy trực tuyến nói riêng [3].
Vai trò của ICT trong hoạt động kinh doanh có thể được tóm tắt theo hai đường: sản xuất và tiêu dùng [4].
Những lợi ích của việc tăng năng suất do ICT gây ra thực sự hiện hữu trong nền kinh tế. Cụ thể hơn, lợi ích
của các đổi mới do ICT mang lại có ảnh hưởng đến sự thay đổi của nền kinh tế. Một trong những ưu điểm
rõ ràng khi ứng dụng công nghệ thông tin là việc so sánh các mô hình năng suất giữa các khu vực đã áp
dụng ICT không đồng đều và do đó, cũng ít có khả năng được hưởng lợi như nhau từ tiềm năng mà nền
kinh tế dựa trên tri thức mang lại [5]. Bên cạnh đó, ICT còn đóng một vai trò quan trọng trong việc thúc
đẩy khả năng cạnh tranh trong nền kinh tế quốc tế, cũng như nâng cao năng suất trong tất cả các lĩnh vực
của nền kinh tế [6].
2.2 Các nghiên cứu trước đây
Một trong những nghiên cứu tiêu biểu liên quan đến tác động của ICT đến nền kinh tế là nghiên cứu của
tác giả Mahyideen và Ismail [7] điều tra thực nghiệm sự đóng góp của cơ sở hạ tầng công nghệ thông tin
và truyền thông (ICT) trong việc ảnh hưởng đến tăng trưởng kinh tế ở một số nước ASEAN trong giai đoạn
1980–2009. Các nghiên cứu về cơ sở hạ tầng ICT đã nhận được rất nhiều sự quan tâm trong các nghiên cứu
gần đây do vai trò tiềm năng của nó trong việc góp phần vào tăng trưởng nhanh hơn và tăng năng suất. Tuy
nhiên, bằng chứng thực nghiệm về tầm quan trọng của cơ sở hạ tầng ICT đối với hoạt động tăng trưởng,
đặc biệt là đối với các nước ASEAN, vẫn còn rất ít trong tài liệu. Nghiên cứu đã xem xét đóng góp của ICT
bằng cách sử dụng dữ liệu gần đây hơn. Sự sẵn có của cơ sở hạ tầng ICT được nắm bắt bởi các thuê bao
điện thoại di động đường dây cố định (trên 100 dân). Ngoài ra, nghiên cứu này cũng bao gồm hai thước đo
CNTT khác là thuê bao di động (trên 100 dân) và số người dùng internet (trên 100 dân). Bằng cách sử dụng
các phương pháp hồi quy OLS động (DOLS) bảng điều khiển, kết quả cho thấy mối tương quan có ý nghĩa
và tích cực cho cả ba biến nắm bắt cơ sở hạ tầng ICT. Nghiên cứu cho thấy cơ sở hạ tầng ICT thực sự là
động lực chính cho hiệu quả tăng trưởng của ASEAN.
Trong nghiên cứu của Elena và cộng sự [8] xác định và đánh giá hiệu quả sử dụng cơ sở hạ tầng ICT vào
tăng trưởng kinh tế ở các nước Liên minh Châu Âu (EU) trong giai đoạn 18 năm (2000–2017). Sử dụng kỹ
thuật ước tính dữ liệu bảng, nghiên cứu tiến hành điều tra theo kinh nghiệm xem các chỉ số về cơ sở hạ tầng
ICT ảnh hưởng đến tăng trưởng kinh tế, được đề xuất theo GDP bình quân đầu người. Kết quả nghiên cứu
cho thấy có sự tác động tích cực và mạnh mẽ của việc sử dụng cơ sở hạ tầng ICT đối với tăng trưởng kinh
tế ở các nước thành viên EU, nhưng mức độ của hiệu ứng khác nhau tùy thuộc vào loại công nghệ được
kiểm tra. Về tác động của các yếu tố kinh tế vĩ mô, nghiên cứu chỉ ra rằng tỷ lệ lạm phát, tỷ lệ thất nghiệp,
mức độ mở cửa thương mại, chi tiêu của chính phủ và đầu tư trực tiếp nước ngoài sẽ ảnh hưởng đáng kể
đến GDP bình quân đầu người ở cấp độ EU.
Nghiên cứu khác của Albiman và Sulong [9] kiểm tra cả tác động tuyến tính và phi tuyến tính của ICT đối
với tăng trưởng kinh tế đối với ba loại thu nhập trong khu vực SSA. Dữ liệu được thu thập trong 24 năm
trong giai đoạn 1990 - 2014. Dựa trên các phân loại thu nhập, các quốc gia có thu nhập trung bình có lợi
thế đầu tiên hơn khi tiếp cận các lợi ích từ ICT so với các quốc gia có thu nhập thấp hơn và thu nhập cao.
Hơn nữa, kết quả thu được từ đường dây điện thoại có định danh cao hơn so với đường dây điện thoại di
động mặc dù tác động tích cực của đường dây điện thoại sau là mạnh mẽ hơn đối với từng loại thu nhập.
Mặc dù tác động tuyến tính của việc thâm nhập và sử dụng Internet là và có ý nghĩa đối với các quốc gia
có thu nhập trung bình, nhưng kết quả vẫn chưa có kết quả so với các đổi mới ICT khác. Dựa trên quan
điểm chính sách, tất cả các nhóm thu nhập cần tập trung chiến lược vào việc thúc đẩy các đổi mới ICT cấp
độ cao để đảm bảo phát triển kinh tế bền vững, đặc biệt là các nước có thu nhập trung bình, những nước có
lợi thế đi đầu so với các nước có thu nhập thấp hơn và thu nhập cao.
2.3 Tác động của ứng dụng công nghệ thông tin đối với nền kinh tế
ICT là nền tảng của tăng trưởng kinh tế bền vững và lấy giá trị làm trung tâm [10]. Khi xem xét hiệu suất
của các chỉ số tạo nên ICT trên tăng trưởng GDP thì tác động của chỉ số người sử dụng Internet là chỉ số có
hiệu suất cao nhất [11]. Các thước đo chỉ tiêu cho ICT theo giá hiện hành có giá trị đối với một số chỉ số,
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
chẳng hạn như tỷ trọng của ICT trong tổng đầu tư hoặc trong GDP. Sự đóng góp của ICT vào hiệu suất
tăng trưởng khu vực sản xuất gần đây phản ánh năng suất của các ngành liên quan đến ICT khác nhau trong
nền kinh tế (OECD, 2004). ICT đầy đủ và hiệu quả là điều cần thiết để thúc đẩy tăng trưởng kinh tế, đặc
biệt đối với các nước ASEAN khác như Campuchia, Lào, Myanmar và Việt Nam (CLMV) khi cơ sở hạ
tầng công nghệ vẫn chưa thật sự phát triển [12].
Tại Việt Nam, theo Khoản 2 Điều 2 Nghị Định Số: 73/2019/NĐ-CP ngày 05/09/2019 quy định về đối tượng
áp dụng trong quản lý đầu tư ứng dụng công nghệ thông tin sử dụng nguồn vốn ngân sách nhà nước thì:
“Khuyến khích tổ chức, cá nhân liên quan đến hoạt động đầu tư ứng dụng công nghệ thông tin sử dụng
nguồn vốn khác”. Có thể thấy rằng việc ứng dụng công nghệ thông tin trong các hoạt động sản xuất, phân
phối, đầu tư, tài chính,... đang nhận được sự hỗ trợ rất lớn từ các cơ quan ban ngành tại Việt Nam.
Trong đó, các chính sách về ưu tiên nguồn lực đầu tư phát triển đối với ứng dụng công nghệ thông tin, cụ
thể là trong hệ thống ngân hàng Việt Nam có những tiến bộ. Hệ thống ngân hàng nước ta đã xây dựng được
hạ tầng kỹ thuật công nghệ thông tin tương đối hiện đại và đồng bộ, kết nối hoạt động kinh doanh của các
tổ chức tín dụng với các hoạt động quản lý và điều hành của Ngân hàng Nhà nước [13].
Hơn thế, việc xem xét mối quan hệ nhân quả giữa ứng dụng công nghệ thông tin và tăng trưởng kinh tế vẫn
chưa được giải quyết và vẫn còn tiềm năng về quan hệ nhân quả nội sinh, đồng thời và ngược lại. Nói cách
khác, vẫn có khả năng các tác động kinh tế của Internet là do biến số thứ ba gây ra, các tác động kinh tế
dẫn đến thích ứng với internet đồng thời với việc thích ứng với internet dẫn đến các tác động kinh tế và
tăng trưởng kinh tế gây ra sự thích ứng với internet thay vì ngược lại. Hơn nữa, các mối tương quan có xu
hướng rất không đồng nhất, có sự khác nhau về không gian và thời gian; cho thấy rằng mối quan hệ này
không phải lúc nào cũng có. [14] Tiêu biểu ở đây là mức ảnh hưởng của các yếu tố khác đến việc sử dụng
ICT và mạng Internet khác nhau giữa các ngành vì thực tế chỉ tính đến tăng trưởng năng suất lao động trong
điều kiện tăng trưởng sử dụng ICT (OECD, 2004).
Ngoài ra, lĩnh vực dịch vụ sản xuất ICT (dịch vụ viễn thông và máy tính) đóng một vai trò nhỏ hơn trong
tăng trưởng năng suất lao động, mặc dù nó cũng có đặc điểm là cải thiện nhanh chóng. Việc sử dụng máy
tính cũng thường được kết hợp với việc sử dụng các phương pháp kinh doanh tiên tiến, thành lập các công
ty và tổ chức lại công ty (OECD, 2004). Số lượng thuê bao di động ở nhiều quốc gia châu Á như Indonesia,
Hàn Quốc, Malaysia, Philippines, Singapore và Thái Lan vượt quá tổng dân số tương ứng của quốc gia đó
[15].
2.4 Mô hình và giả thuyết nghiên cứu
Dựa trên các nghiên cứu trước đây của Mahyideen và Ismail (2012), Albiman và Sulong (2017) và Elena
và cộng sự (2018) về tác động của ứng dụng công nghệ thông tin đối với nền kinh tế, đo lường thông qua
chỉ số ICT, tác giả tiến hành thiết lập mô hình nghiên cứu để đánh giá ảnh hưởng của ứng dụng công nghệ
thông tin đối với nền kinh tế Việt Nam, cụ thể mô hình nghiên cứu theo hình dưới đây:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 2: Mô hình nghiên cứu

(Nguồn: Tổng hợp của tác giả)
Dựa theo mô hình nghiên cứu đề xuất, tác giả đặt ra giả thuyết nghiên cứu:
H0: Có sự tác động của ứng dụng Công nghệ thông tin (ICT) đối với nền kinh tế Việt Nam.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.1 Quy trình nghiên cứu
Hình 3: Quy trình nghiên cứu

3.2 Dữ liệu nghiên cứu

Dữ liệu nghiên cứu được thu thập từ dữ liệu công bố của Ngân hàng Thế giới và các cơ quan ban ngành tại
Việt Nam trong 15 năm, giai đoạn từ năm 2006 đến năm 2020. Chi tiết nguồn dữ liệu nghiên cứu liên quan
đến ICT và các chỉ số kinh tế của Việt Nam được lấy từ Website điện tử của các trang uy tín, bao gồm: Bộ
Thông tin và Truyền thông (https://m.mic.gov.vn/), Ngân hàng Thế giới (https://data.worldbank.org/), Tổng
cục thống kê (https://www.gso.gov.vn/). Danh sách chi tiết dữ liệu sau thống kê, xử lý xem tại phụ lục cuối
bài.
Mô hình hồi quy của nghiên cứu có dạng:
GDP = β0 + β1*HTKT + β2*HTNL+ β3*UDCN+ β4*TRADE+ β5*INF + β6*LABOR+ β7*EIA+

β8*EII+ β9*EIS+ εi (1)
TRADE = β0 + β1*HTKT + β2*HTNL+ β3*UDCN+ β4*GDP+ β5*INF + β6*LABOR+ β7*EIA+
INF = β0 + β1*HTKT + β2*HTNL+ β3*UDCN+ β4*GDP + β5*TRADE + β6*LABOR+ β7*EIA+
Trong đó:
Y (Biến phụ thuộc): Tăng trưởng của nền kinh tế Việt Nam với 3 đại diện, bao gồm: GDP (Tổng sản phẩm
nội địa), TRADE (Độ mở thương mại) và INF (Lạm phát).
Các biến độc lập trong mô hình, bao gồm: Ứng dụng công nghệ thông tin và truyền thông (ICT) với 3 đại
diện, cụ thể như sau:
- HTKT: Tỷ lệ Hộ gia đình có kết nối Internet băng rộng (%).
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
- HTNL: Tỷ lệ Cán bộ Công chức, Viên chức biết sử dụng máy tính trong công việc / Tỷ lệ trường Cao
đẳng, Đại học có chuyên ngành Công nghệ thông tin (%).
- UDCN: Tỷ lệ CBCC sử dụng thư điện tử trong công việc (%).
Các biến ngoại lai khác trong mô hình với 4 đại diện, bao gồm:
- LABOR: Lao động từ 15 tuổi trở lên đang làm việc hàng năm (% Tính theo loại hình kinh tế nhà nước).
- EIA: Việc làm trong lĩnh vực nông nghiệp (% tổng số việc làm).
- EII: Việc làm trong lĩnh vực công nghiệp (% tổng số việc làm).
- EIS: Việc làm trong lĩnh vực dịch vụ (% tổng số việc làm).
- β0: Hệ số tự do.
- β1, β2, β3, β4, β5, β6, β7, β8, β9: Các tham số chưa biết của mô hình.
- ε: Sai số của mô hình.
- i: giai đoạn theo từng năm, nghiên cứu lấy giai đoạn 15 năm, từ 2006 đến năm 2020.
Bảng 1: Các biến của mô hình
STT Tên biến Ký hiệu Nội dung Nguồn
Tỷ lệ Hộ gia đình có kết nối Internet

1 HTKT
băng rộng (%)
Ứng dụng Tỷ lệ Cán bộ Công chức, Viên chức
công nghệ biết sử dụng máy tính trong công Bộ Thông tin và Truyền
2 thông tin và HTNL việc / Tỷ lệ trường Cao đẳng, Đại thông
truyền thông học có chuyên ngành Công nghệ (https://m.mic.gov.vn/)
(ICT) thông tin (%)
Tỷ lệ CBCC sử dụng thư điện tử
3 UDCN
trong công việc (%)
Các chỉ số Tăng trưởng tổng sản phẩm nội địa
4 GDP Ngân hàng Thế giới
quan trọng (% hàng năm)
(Worldbank)
5 của nền kinh TRADE Độ mở thương mại (% GDP)
(https://data.worldbank.org/)
6 tế Việt Nam INF Lạm phát (% hàng năm)
Lao động từ 15 tuổi trở lên đang làm
7 LABOR việc hàng năm (% Tính theo loại
hình kinh tế nhà nước)
Các chỉ số Việc làm trong lĩnh vực nông nghiệp Tổng cục thống kê
8 EIA
liên quan (% tổng số việc làm) (https://www.gso.gov.vn/)
khác Việc làm trong lĩnh vực công nghiệp
9 EII
(% tổng số việc làm)
Việc làm trong lĩnh vực dịch vụ (%
10 EIS
tổng số việc làm)
3.3 Phương pháp nghiên cứu
3.3.1 Phương pháp xử lý dữ liệu
Dựa vào các nguồn dữ liệu thu thập được, tác giả tiến hành tổng hợp trên phần mềm Microsoft Excel, dữ
liệu nghiên cứu giai đoạn từ năm 2006 đến năm 2020. Sau khi xử lý thủ công bằng phần mềm Excel, tác
giả tiến hành chạy các kiểm định liên quan đến mô hình nghiên cứu. Trong đó: Biến phụ thuộc là tăng
trưởng của nền kinh tế Việt Nam bao gồm GDP, TRADE và INF; các biến độc lập trong mô hình bao gồm
HTKT, HTNL, UDCN, LABOR, EIA, EII và EIS. Qua kiểm định, tác giả sẽ xác định mức độ tương quan,
xem xét sự phù hợp của mô hình nghiên cứu và tiến hành phân tích, ước lượng mức ảnh hưởng của các
nhân tố trong nghiên cứu.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.3.2 Phương pháp kiểm định

Tác giả kiểm định độ phù hợp của mô hình hồi quy qua kiểm định tương quan biến Pearson. Ngoài ra,
nghiên cứu sẽ xác định mức độ ảnh hưởng của các yếu tố thông qua hệ số beta, nhân tố có hệ số beta càng
lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên
cứu.
3.3.3 Phân tích hồi quy bội
Mô hình hồi quy bội được thực hiện nhằm kiểm định lại các giả thuyết ở mô hình nghiên cứu. Mô hình hồi
quy bội cũng giống như phân tích nhân tố khẳng định, nhưng mô hình hồi quy bội là một dạng mở rộng, có
thể phân tích được các mối quan hệ phức tạp giữa các thành phần trong mô hình nghiên cứu. Chính vì thế,
khi thực hiện phân tích dữ liệu trong mô hình hồi quy cũng cần phải xem xét sự phù hợp thông qua kiểm
định về tính đơn hướng. Bên cạnh đó, cần xem xét giá trị trọng số đã chuẩn hóa để xác định mức độ tác
động giữa các yếu tố; giá trị R2 để kiểm tra khả năng giải thích của mô hình nghiên cứu. Sử dụng phân tích
hồi quy bằng phương pháp bình phương nhỏ nhất (OLS) trong việc ước lượng các tham số của mô hình với
biến phụ thuộc là tăng trưởng của nền kinh tế Việt Nam. Mục đích của phân tích mô hình hồi quy trong
nghiên cứu này nhằm đo lường mức tác động của ICT đối với nền kinh tế Việt Nam, qua đó đánh giá giả
thuyết đặt ra ban đầu.
4 KẾT QUẢ NGHIÊN CỨU

4.1 Thống kê mô tả
Qua dữ liệu đã thu thập trong giai đoạn từ năm 2006 đến năm 2020, nghiên cứu tiến hành chạy phân tích
thống kê để xem xét mức độ của các biến trong nghiên cứu. Bảng 2 thể hiện thống kê mô tả các biến trong
mô hình.
Bảng 2: Tổng hợp thống kê biến
Các biến Trung bình Độ lệch chuẩn Giá trị lớn nhất Giá trị nhỏ nhất
HTKT 23.4987 19.56567 6.08 60.00
HTNL 73.1353 6.86902 57.96 79.70
UDCN 49.7733 13.27718 34.60 76.00
GDP 6.0793 1.09083 2.91 7.13
INF 7.3091 6.15234 .63 23.12
TRADE 172.0535 25.57380 134.71 210.40
EIA 44.8668 4.84647 36.23 51.67
EII 23.0899 2.79138 20.19 28.36
EIS 32.0433 2.17729 28.15 35.41
LABOR 9.5067 1.12025 7.70 11.20
(Nguồn: Tính toán của tác giả qua Stata 14)
Qua bảng 2 ta thấy các biến trong mô hình nghiên cứu có giá trị trung bình và độ lệch chuẩn là tương đối
ổn định. Mẫu quan sát tổng thể với 10 biến trong giai đoạn 15 năm (2006-2020), trong đó có 3 biến phụ
thuộc là GDP, INF, TRADE; 3 biến độc lập là HTKT, HTNL, UDCN và 4 biến ngoại lai là EIA, EII, EIS
và LABOR.
4.2 Xem xét mối tương quan tuyến tính giữa các biến thành phần
Mục tiêu của phân tích tương quan là tính toán ra độ mạnh hay mức độ liên hệ tuyến tính giữa 2 biến số.
Mặc dù phân tích tương quan không chú ý đến mối liên hệ nhân quả như phân tích hồi quy, nhưng hai phân
tích này có mối liên hệ chặt chẽ và phân tích tương quan được xem như là công cụ bổ trợ hữu ích cho phân
tích hồi quy. Trước tiên chúng ta xem qua mối tương quan tuyến tính giữa hai thành phần là ứng dụng công
nghệ thông tin và các chỉ số của nền kinh tế Việt Nam thông qua ma trận tương quan với giá trị kiểm định
là hệ số tương quan Pearson. Các giả thuyết H0 của kiểm định này cho rằng không có tương quan giữa 2
biến (tức các hệ số không có ý nghĩa thống kê). Chúng ta sẽ xem xét với độ tin cậy 95% các giá trị p-value
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
(mức ý nghĩa Sig) có < 0.05 hay không? Nếu Sig < 0.05 thì ta có đủ cơ sở bác bỏ giả thuyết H0. Tức là hệ
số tương quan giữa 2 biến là có ý nghĩa. Ngược lại, nếu Sig > 0.05 thì ta chấp nhận giả thuyết H0. Tức là
hệ số tương quan tuyến tính giữa 2 biến là không có ý nghĩa.
Bảng 3: Sự tương quan giữa các biến nghiên cứu
Dựa vào bảng 3 về tương quan giữa các biến phụ thuộc với các biến độc lập cho ta kết quả từ phép kiểm
định tương quan Pearson, so với biến phụ thuộc thì khi xét sự tương quan với biến độc lập thì tương quan
nào có hệ số Sig < 0.05 thì chứng tỏ có mối tương quan giữa các biến, và các biến này sẽ sử dụng trong
phân tích hồi quy. Như vậy, xét sự tương quan giữa các biến độc lập với biến phụ thuộc tăng trưởng của
nền kinh tế (GDP, INF và TRADE), có sự tương quan giữa biến phụ thuộc với các biến HTKT, HTNL,
UDCN, EIA, EII, EIS và LABOR. Cụ thể:
- Đối với biến GDP, có sự tương quan đồng biến giữa biến phụ thuộc với các biến độc lập trong mô hình
HTNL và EIA; tương ứng hệ số tương quan trung bình giữa các biến lần lượt là 0.256 và 0.208. Ngoài ra,
có sự tương quan nghịch biến với các biến HTKT, UDCN, INF, TRADE, EII, EIS, LABOR; tương ứng hệ
số tương quan trung bình giữa các biến lần lượt là -0.168, -0.197, -0.061, -0.072, -0.194, -0.215 và -0.165.
- Đối với biến INF, có sự tương quan đồng biến giữa biến phụ thuộc với các biến độc lập trong mô hình
EIA và LABOR; tương ứng hệ số tương quan trung bình giữa các biến lần lượt là 0.574 và 0.613. Ngoài ra,
có sự tương quan nghịch biến với các biến HTKT, HTNL, UDCN, GDP, EII, EIS, LABOR; tương ứng hệ
số tương quan trung bình giữa các biến lần lượt là -0.581, -0.602, -0.573, -0.061, -0.525 và -0.606. Loại trừ
biến TRADE vì có mức ý nghĩa Sig lớn hơn 0.05.
- Đối với biến TRADE, có sự tương quan đồng biến giữa biến phụ thuộc với các biến độc lập trong mô
hình HTKT, HTNL, UDCN, EII và EIS; tương ứng hệ số tương quan trung bình giữa các biến lần lượt là
0.952, 0.663, 0.915, 0.924 và 0.944. Ngoài ra, có sự tương quan nghịch biến với các biến GDP, EIA và
LABOR; tương ứng hệ số tương quan trung bình giữa các biến lần lượt là -0.072, -0.956 và -0.939. Loại
trừ biến INF vì có mức ý nghĩa Sig lớn hơn 0.05.
4.3 Phân tích hồi quy bội
Sau khi xem xét kiểm định mức độ tương quan giữa các biến trong mô hình nghiên cứu, tác giả tiến hành
phân tích hồi quy để đánh giá tác động ảnh hưởng của việc ứng dụng công nghệ thông tin và truyền thông
ICT đối với tăng trưởng kinh tế, được thể hiện tổng hợp qua bảng kết quả sau:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Bảng 4: Kết quả phân tích hồi quy bội

(1) (2) (3)
GDP INF TRADE
HTKT (Tỷ lệ hộ GĐ có kết nối Internet 1.18 -0.52 0.57
băng rộng) (0.292) (0.623) (0.587)
HTNL (Tỷ lệ CBCCVC biết sử dụng máy
1.36 -0.75 1.18
tính trong công việc hoặc Tỷ lệ trường
(0.233) (0.480) (0.283)
CĐ, ĐH có chuyên ngành CNTT-TT)
UDCN (Tỷ lệ CBCC sử dụng thư điện tử 0.32 0.24 0.13
trong công việc) (0.762) (0.818) (0.898)
-0.02 0.79
GDP (Tổng sản phẩm nội địa)
(0.988) (0.460)
-1.94
INF (Lạm phát)
(0.109)
2.17
TRADE (Độ mở thương mại)
(0.083)
EIA (Việc làm trong lĩnh vực nông 0.68 -0.30 -0.45
nghiệp) (0.524) (0.771) (0.669)
0.68 -0.30 -0.45
EII (Việc làm trong lĩnh vực công nghiệp)
(0.524) (0.771) (0.669)
0.68 -0.30 -0.45
EIS Việc làm trong lĩnh vực dịch vụ)
(0.526) (0.771) (0.670)
LABOR (Lao động từ 15 tuổi trở lên đang -0.20 -0.06 0.02
làm việc hàng năm) (0.847) (0.957) (0.984)
-0.68 0.30 0.45
Hằng số
(0.525) (0.771) (0.669)
Prob > F 0.4987 0.6307 0.0010
R-squared 0.6577 0.5134 0.9619
Adj R-squared 0.6417 0.5053 0.9111
Kết quả hồi quy ở bảng 4 cho thấy, có giá trị Sig tương ứng với các biến đều nhỏ hơn 0.05 và VIF lần lượt
nhỏ hơn 2. Do vậy, với mức ý nghĩa 5% có thể kết luận biến độc lập HTKT, UDCN có ảnh hưởng đến các
biến phụ thuộc GDP, INF và TRADE. Cụ thể, các biến Hạ tầng kỹ thuật (HTKT), Hạ tầng nhân lực (HTNL)
và Ứng dụng công nghệ (UDCN) có tác động cùng chiều đối với biến Tăng trưởng tổng sản phẩm nội địa
(GDP) và Độ mở thương mại (TRADE). Xem xét tác động đến biến Lạm phát (INF), Ứng dụng công nghệ
(UDCN) có tác động cùng chiều đối với biến Lạm phát (INF). Ở chiều ngược lại, các biến Hạ tầng kỹ thuật
(HTKT), Hạ tầng nhân lực (HTNL) cho kết quả tác động ngược chiều đối với biến Lạm phát (INF). Ngoài
ra, hệ số điều chỉnh (Adj R-squared) đối với các biến Tăng trưởng tổng sản phẩm nội địa (GDP), Lạm phát
(INF) và Độ mở thương mại (TRADE) trong mô hình nghiên cứu có ý nghĩa lần lượt là 64.17%, 50.53%
và 91.11%. Điều này cho thấy các biến độc lập trong mô hình nghiên cứu giải thích được tác động đối với
các biến phụ thuộc GDP, INF và TRADE. Tuy nhiên, vẫn còn nhiều những chỉ số khác chưa được đề cập
đến cũng tác động đối với các biến GDP, INF và TRADE.
4.4 Thảo luận kết quả nghiên cứu
Từ việc thực hiện phân tích hồi quy, nghiên cứu cho thấy có sự tác động của việc ứng dụng công nghệ
thông tin đối với nền kinh tế. Sự đóng góp của việc sử dụng ICT đối với tăng trưởng kinh tế đánh giá dựa
trên 3 khía cạnh: hạ tầng kỹ thuật, hạ tầng nhân lực và ứng dụng công nghệ cho các kết quả tác động khác
nhau. Đầu tiên, tác động của Hạ tầng kỹ thuật, Hạ tầng nhân lực và Ứng dụng công nghệ đối với tăng trưởng
GDP, Độ mở thương mại qua các năm cho tác động tích cực, điều này đồng thuận với kết quả nghiên cứu
trước đây của Mahyideen và Ismail (2012), Albiman và Sulong (2017) và Elena và cộng sự (2018). Nghiên
cứu cũng cho thấy sự nghịch biến giữa ứng dụng ICT đến lạm phát của Việt Nam. Ngoài ra, kết quả phân
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
tích hồi quy cũng cho thấy tác động qua lại giữa tăng trưởng GDP, lạm phát và độ mở thương mại, điều
nảy phù hợp với kết luận trong nghiên cứu Elena và cộng sự (2018).
5. KẾT LUẬN
Kết quả nghiên cứu cho thấy có sự tác động tích cực của ứng dụng công nghệ thông tin đối với nền kinh tế
Việt Nam. Qua nghiên cứu này, tác giả đã xem xét ảnh hưởng của ICT tăng trưởng kinh tế của Việt Nam
qua các chỉ số vi mô, vĩ mô, đóng góp về mặt thực tiễn thông qua việc cung cấp thêm bằng chứng thực
nghiệm về tác động của ICT đến nền kinh tế Việt Nam. Nghiên cứu cũng xây dựng được mô hình cho hồi
quy tuyến tính bội thể hiện sự tương quan của nhóm chỉ số ICT. Từ đó cung cấp cơ sở khoa học cho những
nghiên cứu sau thông qua mô hình nghiên cứu và kết quả nghiên cứu. Để từ đó những nghiên cứu sau có
thể tham khảo mô hình và kết quả nghiên cứu để mở rộng đưa ra những khuyến nghị.
Tác động tăng trưởng của ứng dụng công nghệ thông tin có thể được tối đa hóa thông qua việc nâng cao hạ
tầng kỹ thuật, lực lượng lao động có kỹ năng và môi trường chính sách ICT thuận lợi. Nâng cao hạ tầng kỹ
thuật và chất lượng nhân lực đã được khẳng định như một yếu tố bổ sung cho mối quan hệ giữa ICT và
tăng trưởng kinh tế. Do đó, đầu tư phát triển cơ sở hạ tầng, cũng như bồi dưỡng chất lượng nguồn nhân lực
là một chính sách quan trọng cần xem xét để cải thiện hiệu quả của công nghệ thông tin và truyền thông,
qua đó hiệu quả tăng trưởng kinh tế cũng sẽ được nâng cao.
Tuy nhiên, nghiên cứu vẫn còn tồn tại nhiều hạn chế nhất định. Thứ nhất, nghiên cứu thu thập dữ liệu từ
Ngân hàng Thế giới và các cơ quan ban ngành tại Việt Nam trong giai đoạn từ năm 2006 đến năm 2020,
theo phương pháp lấy mẫu chọn lọc. Theo kinh nghiệm của các nhà nghiên cứu thì phương pháp này cũng
thu thập được mức độ đại diện cần thiết của tổng thể. Nếu giá trị của nghiên cứu sẽ được nâng cao hơn nữa
sẽ có thể mang lại mức độ đại diện được cao hơn. Thứ hai, tác giả xem xét tác động của 3 nhân tố trong
ứng dụng công nghệ thông tin, bao gồm: Hạ tầng kỹ thuật, Hạ tầng nhân lực và Ứng dụng công nghệ, đại
diện tương ứng lần lượt là Tỷ lệ hộ gia đình có kết nối Internet băng rộng (%), Tỷ lệ cán bộ công chức viên
chức biết sử dụng máy tính trong công việc hoặc Tỷ lệ trường Cao đẳng, Đại học có chuyên ngành Công
nghệ thông tin và Truyền thông (%), Tỷ lệ cán bộ công chức sử dụng thư điện tử trong công việc (%) đối
với tăng trưởng kinh tế. Trên thực tế còn nhiều các yếu tố khác tác động đến tăng trưởng của nền kinh tế
như: Tỷ lệ triển khai phần mềm, Tỷ lệ áp dụng Dịch vụ công trực tuyến, Chỉ số Năng lực cạnh tranh cấp
tỉnh (PCI), Chỉ số Cải cách hành chính (PAR Index), Chỉ số Hiệu quả quản trị và hành chính công cấp tỉnh
(PAPI), Chỉ số Thương mại điện tử (EBI),… chưa được đề cập trong nghiên cứu này. Vì vậy, các nghiên
cứu sau có thể xem xét mở rộng các biến trong mô hình để nghiên cứu được bao quát hơn. Thứ ba, các
nghiên cứu tiếp theo có thể mở rộng hoặc tập trung mẫu nghiên cứu ở một tỉnh thành phố cụ thể để thấy
được mức độ ảnh hưởng của ứng dụng công nghệ thông tin đối với tăng trưởng kinh tế.

[1] Giang Phạm, Thực hiện chiến lược Make in Viet Nam hướng tới một nền công nghiệp ICT tự chủ, Bộ Thông Tin
Và Truyền Thông, 2020.
[2] OECD, The Economic Impact of ICT: Measurement, Evidence and Implications, Organisation for Economic Co-
Operation and Development (OECD), 2004.
[3] V. L. Tinio, Công nghệ thông tin và truyền thông (ICT) trong giáo dục. Chương trình Phát triển Liên Hiệp Quốc
(UNDP), tr. 6, 2003.
[4] M. Draca, R. Martin and R. S. Guarner, The Evolving Role of ICT in the Economy. The London School of
Economics and Political Science (LSE), pp. 13, 2018.
[5] J. Rodríguez, and D. Martínez, The Role of ICT in the Economic Growth and Productivity of Andalucia. JSC
Scientific and Technical Reports, 2007.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[6] A. Sen and M. O. Saray, Information and Communication Technologies and Economic Growth: Evidence from
EU and Turkey, Journal of Economic Cooperation and Development, vol. 40, no. 2, pp. 169-192, 2019.
[7] J. M. Mahyideen and N. W. Ismail, ICT Infrastructure and Economic Growth: Evidence from Asean-5 using
panel dynamic OLS Analysis, 3rd International Conference On Business And Economic Research ( 3rd ICBER),
pp. 1742-1759, 2012.
[8] T.Elena, N. F. Bogdan, R.Angela and G. A. Sorin, Impact of Information and Communication Technology
Infrastructure on Economic Growth: An Empirical Assessment for the EU Countries. Sustainability, vol. 10, no.
3750, pp. 1-22, 2018.
[9] M. M. Albiman and Z. Sulong, The linear and non-linear impacts of ICT on economic growth, of disaggregate
income groups within SSA region, Telecommunications Policy, vol. 41, no. 7-8, pp. 555-572, 2017.
[10] H. Kouam, The impact of ICT and value-added exports on per capita GDP in Cameroon, Journal of Business
and Economic Management, vol. 3, no. 3, 2020.
[11] A. F. Portillo, M. A. González and R. H. Mogollón, Impact of ICT development on economic growth. A study
of OECD European union countries, Technology in Society, vol. 63, Article. 101420, 2020.
[12] J. M. Mahyideen, N. W. Ismail and S. H. Law, A pooled mean group estimation on ICT infrastructure and
economic growth in ASEAN-5 countries, International Journal of Economics and Management, vol. 6, no. 2,
pp. 360-378, 2012.
[13] Đinh Văn Chức, Ứng dụng công nghệ thông tin trong phát triển sản phẩm dịch vụ ngân hàng ở Việt Nam, Tạp
chí Tài chính, Kỳ 2 Tháng 8/2020, pp. 35-37.
[14] K. Hernandez, B. Faith, P. P. Martín and B. Ramalingam, The Impact of Digital Technology on Economic
Growth and Productivity, and its Implications for Employment and Equality: An Evidence Review, IDS Evidence
Report 207, Brighton: Institute of Development Studies (IDS), 2016.
[15] A. Das, S. Khan and M. Chowdhury, Effects of ICT Development on Economic Growth in Emerging Asian
Countries, ICTs in Developing Countries, pp. 141-159, 2016.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSCF.214
ĐIỀU KHIỂN TỐI ƯU BỀN VỮNG DỰA TRÊN QUY HOẠCH ĐỘNG THÍCH
NGHI VÀ ZERO-SUM GAMES CHO HỆ THỐNG LƯU TRỮ NĂNG LƯỢNG
TÁI TẠO
HUỲNH TUYẾT VY1, LÊ VĂN HÙNG2, TRƯƠNG NĂNG TOÀN3, ĐẶNG QUANG MINH4,
NGUYỄN THANH ĐĂNG5, TRẦN HỒNG VINH6, NGUYỄN TẤN LŨY7(*)
*1
ztuyetvy@gmail.com, 2levanhung@iuh.edu.vn, 3truongnangtoan@iuh.edu.vn
4
dangquangminh@iuh.edu.vn, 5nguyenthanhdang@iuh.edu.vn , 6tranhongvinh@iuh.edu.vn,
7
nguyentanluy@iuh.edu.vn
Tóm tắt. Điện lưới thông minh kết hợp nguồn năng lượng mặt trời tái tạo đang được phát triển nhanh
chóng do nguồn năng lượng mặt trời là miễn phí và các ứng dụng điều khiển tự động để tối thiểu chi phí
phải trả. Hệ thống lưới điện thông minh có thể gồm đầy đủ hoặc ít hơn các thành phần sau: lưới điện, nguồn
năng lượng tái tạo, hệ thống lưu trữ và tải tiêu thụ. Dựa vào lý thuyết của quy hoạch động thích nghi ADP
(Adaptive Dynamic Programming) và zero-sum games, chúng tôi đề xuất thuật toán nhằm xây dựng luật
điều khiển tối ưu cho hệ thống lưu trữ và loại trừ nhiễu trong. Dựa vào thông tin của giá điện, nhu cầu tải,
nguồn năng lượng mặt trời thu được thực tế và tuổi thọ bộ lưu trữ, hàm chỉ tiêu chất lượng được thiết lập.
Thuật toán ADP đề xuất với hai chỉ số lặp, đảm bảo tính hội tụ của hàm giá trị, luật điều khiển và luật nhiễu
xấu nhất đến giá trị gần tối ưu. Hàm giá trị của thuật toán được xấp xỉ tại mỗi bước lặp và hội tụ khi sai
khác của giá trị hiện tại với giá trị trước đó nhỏ hơn ngưỡng cho phép. Hàm chỉ tiêu chất lượng là tối thiểu
khi nhiễu trong được loại bỏ. Một số kết quả mô phỏng và so sánh được minh họa để chứng minh tính hiệu
quả của thuật toán.
Từ khóa. Quy hoạch động thích nghi, năng lượng tái tạo mặt trời, lưới điện thông minh, hệ thống lưu trữ,
điều khiển tối ưu, thuật toán zero-sum games.
ZERO-SUM GAMES AND ADAPTIVE DYNAMIC PROGRAMMING - BASED

ROBUST OPTIMAL CONTROL FOR RENEWABLE ENERGY STORAGE SYSTEMS
Abstract. Smart grid with solar renewable energy is rapidly developing due to the free solar power and
the automatic control applications to reduce cost which is as minimum as possible. A smart grid system
may include full or less of the following components: grid, renewable energy, storage system, and load.
Based on the theory of ADP (Adaptive Dynamic Programming) and the zero-sum games (ZSG), we propose
an algorithm to not only achieve the optimal control law of storage systems but also reject external
disturbances. Based on the real-time electricity price, load demand, solar energy, and extension of the
battery’s lifetime the performance index function is established. The proposed ADP algorithm has two
iterative indexes that ensure the convergence of the value function, the optimal control law, and the worst
disturbance law to the near-optimal values. The value function in the algorithm is approximated at every
iterative step and will converge when the difference of the previous and current values surpasses a given
threshold. As a result, the performance index function is minimized while the external disturbances are
rejected. Some numerical results are given to illustrate the effectiveness of the proposed algorithm.
Keywords. ADP, solar renewable energy, smart grid, storage system, optimal control, zero-sum games.
1 GIỚI THIỆU
Lưới điện thông minh được mô tả như hệ thống cung cấp điện thế hệ mới. Cùng với sự phát triển của các kỹ
thuật truyền thông, kỹ thuật điều khiển thông minh và sự tích hợp nguồn năng lượng tái tạo như là nguồn cung
cấp điện thay thế nhằm cải thiện chất lượng, hiệu quả và độ tin cậy Error! Reference source not found.-
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Error! Reference source not found.. Các thành phần chính của hệ thống lưới điện thông minh được kết nối
thông qua thành phần quản lý PMU (power management unit), được xem như là bộ não của hệ thống có trách
nhiệm điều phối toàn bộ hoạt động của hệ thống với mục tiêu sử dụng tối ưu nguồn năng lượng Error!
Reference source not found.Error! Reference source not found.. Trong đó, hệ thống lưu trữ năng lượng
ESS (energy storage system), một thành phần của mạng lưới điện thông minh, được chú trọng đầu tư và phát
triển để sử dụng hiệu quả nguồn năng lượng tái tạo, là nguồn năng lượng miễn phí nhưng không liên tục và
không thể dự đoán. Một số kỹ thuật mới được đề xuất để cái thiện tính hiệu quả, chất lượng của hệ thống ESS,
đặc biệt là hệ thống lưu trữ năng lượng mặt trời PV (photovoltaic). Bên cạnh đó, các kỹ thuật điều khiển thông
minh cũng được quan tâm đáng kể nhằm đạt sự tối ưu trong thiết kế, sử dụng và quản lý Error! Reference
source not found.-Error! Reference source not found.. Tất cả đã và đang làm nên cuộc cách mạng cho
nguồn năng lượng điện và một trong những chìa khóa quan trọng cho sự thành công là điều khiển tối ưu nhằm
tiết kiệm chi phí và cải thiện chất lượng của mạng lưới điện thông minh.
Dựa trên nguyên lý của tối ưu và quy hoạch động, thuật toán quy hoạch động thích nghi ADP (Adaptive
dynamic programming) được sử dụng rộng rãi để giải quyết bài toán điều khiển tối ưu Error! Reference
source not found.-Error! Reference source not found.. Một số kỹ thuật ADP, được phân loại và đề xuất
bởi Werbo Error! Reference source not found., đã được áp dụng để tối ưu hiệu suất trong quản lý năng
lượng Error! Reference source not found.-Error! Reference source not found.. Trong Error!
Reference source not found.và Error! Reference source not found., thuật toán TBQL (time based Q-
learning), một phương pháp ADP tiêu biểu, được sử dụng để tối ưu hệ thống năng lượng nội khu bao gồm
nguồn điện lưới, hệ thống lưu trữ và tải. Trong Error! Reference source not found.,Error! Reference
source not found., thuật toán TBQL tiếp tục được sử dụng để điều khiển tối ưu hệ thống năng lượng thông
minh nhưng có xem xét thêm nguồn năng lượng gió và mặt trời. Trong Error! Reference source not
found., để tăng tốc độ huấn luyện mạng NN (neuron network), thuật toán PSO (particle swarm
optimization) được đề xuất. Thay vì xấp xỉ tối ưu bằng mạng NN như trong Error! Reference source not
found.,Error! Reference source not found., thuật toán ADP lặp kép Error! Reference source not found.
được giới thiệu để giảm thiểu độ phức tạp tính toán tối ưu khi đưa thêm nguồn năng lượng mặt trời vào hệ
thống nhưng vẫn đảm bảo sự hội tụ của hàm giá trị về giá trị tối ưu bằng các vòng lặp.
Các thuật toán ADP áp dụng cho quản lý năng lượng được liệt kê ở trên đã chứng minh tính hiệu quả bằng
các kết quả mô phỏng và so sánh những cải tiến ở mỗi thuật toán đề xuất mới với các thuật toán trước đó.
Tuy nhiên, khả năng áp dụng thực tế của các thuật toán chưa được kiểm chứng trên các mô hình thực
nghiệm hay trong môi trường thực tế. Hơn nữa, một vài thuật toán được tính toán áp dụng cho hệ thống
lưới điện không đầy đủ, ví dụ thiếu nguồn năng lượng tái tạo hay thiếu thiết bị lưu trữ. Các đặc tính cấu
trúc của hệ thống cũng cần xem xét một cách đầy đủ để đánh giá tính đúng đắn của thuật toán một cách
toàn vẹn cũng như khả năng áp dụng vào môi trường thực tế. Trong Error! Reference source not found.,
tác giả đề xuất thuật toán Q-learning lặp kép để quản lý tối ưu nguồn năng lượng cho hệ thống lưới điện
nội khu không bao gồm nguồn năng lượng tái tạo. Trong Error! Reference source not found., nguồn năng
lượng tái tạo được đưa thêm vào xem xét và thuật toán ADP lặp kép mới được giới thiệu để tìm điểm hoạt
động tối ưu với 2 mục tiêu: tối thiểu chi phí phải trả cho nhà cung cấp điện lưới và kéo dài tuổi thọ của bộ
lưu trữ. Các mục tiêu này đã được chứng minh bằng các so sánh dựa trên mô phỏng và đã được tác giả đề
cập rất chi tiết trong bài Error! Reference source not found.. Tuy nhiên, khi sử dụng thuật toán này trên
mô hình thực nghiệm với cùng các tham số được thiết lập như mô phỏng, kết quả thu được không lý tưởng
như mô phỏng do ảnh hưởng của nhiễu đầu vào hệ thống.
Trong thời gian gần đây, kỹ thuật ADP bền vững, thiết kế dựa trên lý thuyết ZSG, là kỹ thuật mở rộng của
ADP áp dụng cho hệ thống động không chắc chắn, được đề xuất để giải quyết các bài toán có nhiễu. Trong
thuật toán ADP bền vững, hàm chỉ tiêu 𝐻∞ được định nghĩa, luật điều khiển và luật nhiễu xấu được xấp xỉ
đến giá trị tối ưu. Mặc dù thuật toán ADP bền vững có khả năng giải quyết nhiễu, nhưng các nghiên cứu đề
xuất áp dụng thuật toán này vào quản lý lưu trữ năng lượng chưa được quan tâm.
Trong bài báo này, dựa trên các kết quả nghiên cứu của bài Error! Reference source not found., đề xuất
thuật toán ADP lặp bền vững cho hệ thống lưới điện đầy đủ có nguồn năng lượng mặt trời với nhiễu là ngõ
vào được xem xét. Bài báo gồm các nội dung sau: mô tả mô hình hệ thống, các ngõ vào, các giả định và
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
mục tiêu tối ưu; thiết lập hàm chỉ tiêu chất lượng; xấp xỉ tìm luật điều khiển tối ưu và luật nhiễu xấu bằng
các vòng lặp; các kết quả mô phỏng và so sánh giữa thuật toán chưa khảo sát nhiễu và thuật toán có khảo
sát nhiễu.
2 MÔ TẢ HỆ THỐNG VÀ CÁC GIẢ THIẾT
Nội dung phần này mô tả mô hình và các thành phần trong hệ thống lưới điện thông minh, các giả định và
các mục tiêu tối ưu cần đạt. Hàm chỉ tiêu chất lượng được thiết lập với nhiễu hệ thống được xem xét như
là một ngõ vào điều khiển.
A. Hệ thống lưới điện thông minh
Hệ thống lưới điện thông minh khảo sát trong bài báo
này được mô tả ở Hình 1. Hệ thống bao gồm các
thành phần: nguồn điện lưới, nguồn năng lượng mặt
trời, bộ lưu trữ, tải và bộ quản lý PMU. Dựa trên các
tham số gồm tỉ giá điện, nhu cầu tải, công suất năng
lượng mặt trời và công suất bộ lưu trữ, hàm chỉ tiêu
chất lượng được tối ưu và tín hiệu điều khiển thu
đươc điều phối hoạt động các nguồn cung cấp năng
lượng cho tải và nạp/xả của bộ lưu trữ. Trong mô
hình này, luồng năng lượng điện đi/đến giữa các
thành phần được mô tả như sau: (i) nguồn năng
lượng mặt trời dùng để đáp ứng nhu cầu tải và nạp
cho bộ lưu trữ; (ii) nguồn điện lưới là nguồn điện
Hình 21: Hệ thống lưới điện thông minh
một chiều cung cấp điện cho tải và nạp cho bộ lưu
trữ khi cần, hướng ngược lại từ bộ lưu trữ hoặc từ
năng lượng mặt trời lên điện lưới không được phép; (iii) các trạng thái của bộ lưu trữ: trạng thái nạp từ năng
lượng mặt trời hoặc điện lưới, trạng thái xả cung cấp công suất cho tải và trạng thái rỗi; (iv) tải có thể nhận
năng lượng từ một hay nhiều nguồn cung cấp đồng thời tùy thuộc vào yêu cầu tải, các nguồn cung cấp năng
lượng cho tải gồm năng lượng mặt trời, nguồn điện lưới và bộ lưu trữ. Dựa vào các mô tả trên, cân bằng tải
và điện lưới được định nghĩa như sau:
TL ,k = TRL ,k + TGL ,k + TBL ,k (9)
TG ,k = TGL,k + TGB ,k (10)
Nguồn năng lượng mặt trời được xem xét trong mô hình này là nguồn năng lượng tái tạo miễn
phí nhưng phụ thuộc vào thời tiết, mùa và thời điểm trong ngày. Nguồn năng lượng thu được ưu
tiên cung cấp cho tải và phần dư sẽ được nạp cho bộ lưu trữ. Cân bằng năng lượng mặt trời được
định nghĩa như sau:
TR ,k = TRL ,k + TRB ,k
(11)
Bộ lưu trữ trong bài báo này được thiết kế không cho phép nạp và xả đồng thời. Mô hình bộ lưu trữ được
biểu diễn như sau:
0.173TBL,k TGB ,k
Fb,k +1 = Fb,k − TBL,k (0.898 − ) + (TBL,k + TGB,k )0.898 − 0.173(TRB,k + ) (12)
Trate Trate
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Với Fb ,k là giới hạn mức lưu trữ: Fb

min
 Fb,k  Fbmax ; Fbmin , Fbmax lần lượt là mức lưu trữ tối thiểu và mức
lưu trữ tối đa của bộ lưu trữ; khả năng bộ lưu trữ tự xả không được phép trong bài báo này; Fb,k  0 khi bộ
lưu trữ xả; Fb,k  0 khi bộ lưu trữ nạp và Fb,k = 0 khi bộ lưu trữ ở trạng thái rỗi.
B. Mục tiêu tối ưu và hàm chỉ tiêu chất lượng
Đề xuất 3 mục tiêu cần thỏa mãn khi tối ưu hàm chỉ tiêu chất lượng: (i) tối thiểu tổng chi phí phải trả cho
nhà cung cấp nguồn điện lưới; (ii) tối đa hiệu quả sử dụng bộ lưu trữ, kéo dài tuổi thọ của bộ lưu trữ; (iii)
loại nhiễu đầu vào hệ thống. Do đó, hàm chỉ tiêu chất lượng Error! Reference source not found.Error!
Reference source not found. cần được tối thiểu và được định nghĩa như sau:

 ( (CkTGL,k )2 +  ( Fb,k − Fb0 )2 +  (TRB ,k + TGB ,k − TBL ,k )2 −  ( d k ) )

k 2
(13)
k =0
1 min
Với Fb0 = ( Fb + Fbmax ) là mức lưu trữ trung bình của bộ lưu trữ. Thành phần đầu tiên trong hàm chỉ tiêu
2
chất lượng mô tả tổng chi phí phải trả cho nhà cung cấp điện lưới cần phải tối thiểu. Thành phần thứ 2 bảo
đảm mức lưu trữ của bộ lưu trữ xấp xỉ xung quanh mức lưu trữ trung bình. Thành phần thứ 3 ngăn chặn
việc nạp/xả nhiều của bộ lưu trữ. Thành phần 2 và 3 nhằm thỏa mãn mục tiêu kéo dài tuổi thọ của bộ lưu
trữ. Thành phần thứ 4 để loại nhiễu hệ thống khi hàm chỉ tiêu chất lượng được tối thiểu.
Hàm chỉ tiêu chất lượng (13) được thiết lập để đạt 3 mục tiêu kể trên dựa vào các giả thiết sau:
Giả thiết 1: tỉ giá điện, tải và năng lượng mặt trời là những giá trị rời rạc được lấy mẫu mỗi giờ và lặp lại
sau thời gian λ = 24h.
Ck = Ck + ; TL ,k = TL ,k + ; TR ,k = TR ,k + (14)
Giả thiết 2: luồng năng lượng đến điện lưới từ nguồn năng lượng mặt trời hay bộ lưu trữ là không cho
phép, do đó công suất điện lưới luôn dương TG ,t  0 .
3 THUẬT TOÁN ĐIỀU KHIỂN TỐI ƯU BỀN VỮNG DỰA TRÊN ADP VÀ ZSG CHO HỆ
THỐNG LƯU TRỮ NĂNG LƯỢNG TÁI TẠO
Trong phần này, một thuật toán mới được đề xuất dựa trên lý thuyết của ADP và ZSG để tìm luật điều khiển
tối ưu và luật nhiễu đề xuất áp dụng cho hệ thống lưu trữ năng lượng tái tạo.
A. Thiết lập hệ thống và thuật toán
Năng lượng mặt trời là miễn phí nên ưu tiên sử dụng cho tải, phần còn lại sử dụng để nạp cho bộ lưu trữ.
Do đó:
TR ,k , TL ,k  TR ,k
TRL ,k =  (15)
TL,k , TL,k  TR ,k
0, TL,k  TR ,k
TRB ,k =  (16)
TR ,k − TL,k , TL ,k  TR ,k
Theo (10), (16), phương trình cân bằng tải từ công thức (9) được viết lại như sau:
PL ,k = TG ,k + (TBL ,k − TGB ,k ) (17)
Để thuận tiện cho phân tích, PL ,k , TBL,k và TGB ,k được làm trễ và hàm cân bằng tải được viết lại
PL ,k −1 = TG ,k + TBL ,k −1 − TGB ,k −1 . Hai trạng thái của hệ thống gồm x1,k = TG ,k và x2, k = Fb , k − Fb . Từ những
0
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
mô tả về mô hình bộ lưu trữ được nêu ở trên, công suất xả từ bộ lưu trữ đến tải TBL,k và công suất nạp từ
nguồn điện lưới đến bộ lưu trữ TGB ,k là những giá trị luôn dương. Giá trị TGB ,k = 0 khi TBL ,k  0 ; TBL ,k = 0
khi TGB ,k  0. Vì thế, luật điều khiển u k được xác định uk = TBL ,k − TGB ,k và trạng thái hệ thống là
T
xk =  x1,k , x2,k  .
Phương trình mô tả hệ thống:
xk +1 = F ( xk , uk , d k , k )
 PL ,k − u k + d k  (18)
=
 x − (u − P ) (u − P ) 
 2,k k R ,k k R ,k 
Với d k là nhiễu;  (uk − PR ,k ) = 0.898 − 0.173 uk − PR ,k / Trate ; u k = (uk , uk +1 ,...) và w k = ( w k , w k +1 ,...)

lần lượt là chuỗi luật điều khiển và luật nhiễu, wk là luật nhiễu xấu tại bước thứ k sẽ được thiết kế sau.
 C 0 2
Đặt M k =   và
k x0 là trạng thái khởi tạo của hệ thống. Hàm chỉ tiêu chất lượng (13) được viết lại
 0  

J ( x0 , u 0 , w 0 , k ) =   k ( xk , uk , w k , k ) , với H ( xk , uk , w k , k ) = xk M k xk +  uk −  d k .
T 2 2
k =0
Dựa trên quy tắc Bellman, hàm chỉ tiêu chất lượng tối ưu thỏa phương trình HJB:
J * ( xk , k ) = max min H ( xk , uk , wk , k ) +  J * ( xk +1 , k + 1) (19)
wk uk
Phần tiếp theo sẽ trình bày các chi tiết để xây dựng thuật toán. Một hệ thống mới được định nghĩa như sau.
Với chỉ số lặp j = 1,...,  , công thức (18) được viết lại:
xk +1 = ( xk , uk , d k , j )
 PL , −1− j − u k + d k  (20)
=
 x2,k − (uk − PR , −1− j ) (uk − PR , −1− j ) 
 
For j = 1,...,  , hàm tiện ích được xác định:
U ( xk , uk , w k , j ) = xkT M  −1− j xk +  uk2 −  d k2 (21)
 C2−1− j 0
Với M  −1− j = 
0  
Đặt i, j là các chỉ số lặp. Đầu tiên, khởi tạo hàm  ( xk ) là hàm bán xác định dương bất kỳ và gán hàm này
cho hàm giá trị lặp đầu tiên V1 ( xk ) =  ( xk ) tại i = 1; j = 1 . Theo công thức số (20) và (21), luật điều
1
khiển và luật nhiễu xấu được xác định bằng công thức sau cho chỉ số lặp j = 1,..., 

y1j ( xk ) = arg max U ( xk , uk , w k , j ) +  V1 j ( xk +1 )
wk
 (22)
v ( x ) = arg min U ( x , u , w , j ) +  V
1
j
k k k k 1
j
( xk +1 ) (23)
uk
Tiếp theo, hàm giá trị lặp được cập nhật:

V1 j +1 ( xk ) = U ( xk , v1j ( xk ), y1j ( xk ), j ) +  V1 j ( F ( xk , v1j ( xk ), y1j ( xk ), j )) (24)
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Khi kết thúc vòng lặp j, giá trị của hàm giá trị V1 ( xk ) được xác định tại j =  và i = 1 . Tiếp tục tăng chỉ
số lặp i thêm 1 đơn vị và gán Vi1 ( xk ) = Vi −1 ( xk ) . Luật điều khiển lặp và luật nhiễu xấu được xác định tại
mỗi bước lặp i, j được xác định như sau:

yij ( xk ) = arg max U ( xk , uk , w k , j ) +  Vi j ( xk +1 )
wk
 (25)
v ( x ) = arg min U ( x , u , w , j ) +  V
i
j
k k k k i
j
( xk +1 ) (26)
uk
Hàm giá trị lặp được cập nhật tại mỗi bước lặp i, j:
Vi j +1 ( xk ) = U ( xk , v1j ( xk ), y1j ( xk ), j ) +  V1 j ( F ( xk , v1j ( xk ), y1j ( xk ), j )) (27)
Với 2 chỉ số lặp i, j, chuỗi luật điều khiển lặp và chuỗi luật nhiễu xấu được xác định:
 ij ( xk ) = vij ( xk ), vij −1 ( xk ),..., vi0 ( xk ), vi ( xk ), vi −1 ( xk ),..., vij +1 ( xk ) (28)
ij ( xk ) =  yij ( xk ), yij −1 ( xk ),..., yi0 ( xk ), yi ( xk ), yi −1 ( xk ),..., yij +1 ( xk ) (29)
Thuật toán được tóm tắt từng bước thực hiện ở trong bảng 1
Bảng 1: Thuật toán điều khiển tối ưu bền vững dựa trên ZSG và ADP
Thuật toán 1 Thuật toán điều khiển tối ưu bền vững dựa trên ZSG và ADP
Khởi tạo:
1: Thu thập và xử lý dữ liệu thành các mảng giá trị rời rạc trong 24 giờ với chu kỳ
lấy mẫu là 1 giờ. Dữ liệu gồm tỉ giá điện, năng lượng mặt trời và nhu cầu tải.
2: x , đặt hàm bán xác định dương bất kỳ  ( x )
k k
3: Đặt ngưỡng đủ nhỏ làm tiêu chuẩn hội tụ   0

4: Thiết lập các tham số  ,  ,  ,  và trạng thái ban đầu hệ thống x0
Lặp:
5: Tại i = 1, j = 1 . Khởi tạo V 1 ( x ) =  ( x )
1 0 0
6: Với j = 1, 2,...,  , xác định w , u , V j +1 theo công thức số (22), (23), (24)
k k 1
7: Tăng i = i + 1 . Gán V 1 ( x ) = V  ( x )
i k i −1 k
8: Với j = 1, 2,...,  , xác định u , w , V j +1 theo công thức số (26), (25), (27),
k k i
9: Nếu V ( x ) − V ( x )   , nhảy đến bước tiếp theo. Ngược lại, quay lại bước
i k i −1 k
7
10: Với j = 1, 2,...,  , xác định v j ( x ) , y j ( x ) theo công thức số (26), (25) và
i k i k
 ij ( xk ) ,  ij ( xk ) theo công thức số (28), (29)

11: Xác định V ( x ) ,  j ( x ) và  j ( x )
i k i k i k
B. Phân tích đặc tính thuật toán

Trong phần này, quá trình hội tụ của thuật toán được phân tích
Định lý 1: Khi giả thiết 1 và 2 thỏa mãn, với bất kỳ trạng thái xk ( k = 1, 2,...,  ), thì hàm chỉ tiêu chất
lượng H  J ( x k , k ) là hàm tuần hoàn với chu kỳ  và thỏa mãn công thức sau
J ( xk , k ) = J ( x k , k +  ) (30)
Chứng minh định lý này dựa theo Error! Reference source not found. và không trình bày ở đây.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Định lý 2: Với i = 1, 2,... và j = 1, 2,...,  , các hàm Vi ( xk ) , vi ( xk ) , yi ( xk ) được định nghĩa ở công
j +1 j j
thức số (26), (25), (27), luật nhiễu xấu và luật điều khiển tối ưu và được xác định theo công thức số (22),
(23), các giả thiết 1 và 2 thỏa mãn, thì hàm đánh giá Vi ( xk ) với chỉ số j = 1, 2,...,  , hội tụ đến hàm chỉ
j +1
tiêu chất lượng H  khi i →  .

lim Vi j +1 ( xk ) = J * ( xk ,  − j )
i → (31)
Chứng minh định lý này dựa theo Error! Reference source not found. và không trình bày ở đây.

Trong phần này, các dữ liệu mô phỏng và các tham số thiết lập để thực hiện thuật toán và các kết quả mô
phỏng được trình bày để minh chứng tính đúng đắn của thuật toán được đề xuất.
A. Dữ liệu mô phỏng
Các dữ liệu mô phỏng được lấy từ các nguồn và các tham số được thiết lập như sau:
Tỉ giá điện được tham chiếu từ công ty ComEd Company Error! Reference source not found.. Công suất
tải tiêu thụ được tham chiếu từ báo cáo kết quả thống kê của NAHB Research report Error! Reference
source not found.. Tỉ giá điện (centsKWh) và công suất tải trong 168 giờ (1 tuần) được biểu diễn ở hình
1(a) và 1(c). Tỉ giá điện và công suất tải trung bình trong 24 giờ (1 ngày) được suy ra từ tỉ giá điện và công
suất tải trong 168 giờ, hình 1(b) và 1(d).
Nguồn năng lượng mặt trời đo được ở tuần đầu tiên vào T8/2014 ở San Francisco.
Hình 22: Tỉ giá điện và công suất tải

(a) tỉ giá điện trong 168 giờ (b) tỉ giá điện trung bình trong 24 giờ
(c) công suât tải trong 168 giờ (d) công suất tải trong 24 giờ
Công suất năng lượng mặt trời được lấy mẫu trong 7 ngày và công suất trung bình trong 1 ngày được mô
tả ở hình 3(a) và 3(b)
Hình 23: Năng lượng mặt trời ở San Francisco

(a) năng lượng mặt trời trong 168 giờ (b) năng lượng mặt trời trung bình trong 24 giờ
Ghi chú: tỉ giá điện trung bình, công suất tải trung bình và năng lượng mặt trời trung bình trong 24 giờ
được sử dụng là những giá trị tuần hoàn lặp lại sau thời gian  = 24h khi thực hiện thuật toán.
Bộ lưu trữ có dung lượng 16kWh, công suất định mức Crate = 3KWh , giới hạn công suất tối đa và tối thiểu
bộ lưu trữ lần lượt là Fb = 14 KWh , Fb = 2 KWh , giả sử công suất của bộ lưu trữ tại thời điểm bắt đầu
max min
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
thuật toán là 9KWh. Chọn hệ số giảm dần  = 0.95 , hàm chỉ tiêu chất lượng được định nghĩa ở công thức
số (13) với giá trị các hệ số được thiết lập  = 1,  = 0.3,  = 0.2 . Hàm chỉ tiêu chất lượng khởi điểm được
tính bởi công thức  ( xk ) = xk Pxk với P =  2.05, 0.11, 0.11,8.07  . Trạng thái khởi tạo ban đầu của hệ
T
thống x0 = 1,9 .
T
B. Mô phỏng và kết quả

Mô phỏng được thực hiện với các dữ liệu và thông số được thiết lập như trên. Nhiễu đầu vào hệ thống trong
hai trường hợp của mô phỏng là hàm ngẫu nhiên với 24 mẫu và lặp lại sau 24 giờ. Mô phỏng thực hiện với
trường hợp 1 sử dụng thuật toán được đề xuất trong bài báo Error! Reference source not found. và trường
hợp 2 sử dụng thuật toán đề xuất áp dụng ZSG để giải quyết nhiễu đầu vào hệ thống. Tất cả các dữ liệu và
thông số thiết lập cho cả hai trường hợp là tương tự. Kết quả mô phỏng được so sánh trong hai trường hợp
này.
Kết quả biểu diễn ở Hình 4 cho thấy với ngưỡng so sánh  = 0.001 , số vòng lặp để thuật toán hội tụ cho
cả hai trường hợp 1 và 2 thay đổi tùy thuộc vào giá trị nhiễu đầu vào là hàm ngẫu nhiên. Số vòng lặp hội tụ
cho trường hợp 2 luôn bằng hoặc nhỏ hơn trường hợp 1 và kết quả cho thấy thuật toán có áp dụng ZSG hội
tụ nhanh hơn, sai số hàm giá trị tại mỗi bước lặp so với giá trị của bước lặp trước đó luôn nhỏ hơn ở trường
hợp 2 so với trường hợp 1.
Hình 24: Số vòng lặp hội tụ và sai số tương ứng của thu ật toán trong trường hợp 1 và 2
Nguồn công suất điện lưới đã sử dụng cấp nguồn cho tải và bộ lưu trữ được trình bày ở Hình 5.
Hình 25: Nguồn công suất điện lưới trong trường hợp 1 và 2
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Kết quả (Hình 5) cho thấy nguồn điện lưới đã sử dụng khi có áp dụng ZSG có chu kỳ biến thiên nhanh hơn
và tổng chi phí phải trả cho nhà cung cấp nguồn điện lưới (tổng số KWh trong 7 ngày nhân với tỉ giá điện
áp dụng đã nêu ở Hình 2) lần lượt trong trường hợp 1 và 2 là 728.075 cents và 701.7 cents. Như vậy, khi
áp dụng ZSG vào thuật toán đã tiết kiệm thêm 3,6% chi phí phải trả cho nhà cung cấp nguồn điện lưới.
Ghi chú: Với các thông số mô phỏng trong bài báo này được thiết lập tương tự như trong bài báo Error!
Reference source not found.. Cùng một thuật toán được sử dụng (ADP lặp kép ở bài báo Error! Reference
source not found. và thuật toán không áp dụng ZSG trong bài này) nhưng chi phí phải trả (Bảng 1 trong
Error! Reference source not found.) trong bài báo Error! Reference source not found. thấp hơn do
nhiễu hệ thống đã được khảo sát thêm vào ở mô phỏng trong bài báo này.
Hình 6: Công suất bộ lưu trữ trong trường hợp 1 và 2
Công suất bộ lưu trữ khi chạy thuật toán có áp dụng ZSG (đường màu đỏ trong Hình 6) có công suất nạp
cao nhất (xấp xỉ 10 KWh) và công suất xả thấp nhất (xấp xỉ 4.5 KWh) gần mức công suất trung bình của
bộ lưu trữ hơn khi không áp dụng ZSG (đường màu xanh trong Hình 6) với công suất nạp cao nhất và công
suất xả thấp nhất lần lượt xấp xỉ 11 KWh và 4 KWh. Hàm chỉ tiêu chất lượng được thiết kế ban đầu cần tối
thiểu đảm bảo việc nạp/xả của bộ lưu trữ xung quanh mức công suất trung bình để kéo dài tuổi thọ bộ lưu
trữ. Hình 6 cho thấy thuật toán khi có áp dụng ZSG cho kết quả tối ưu tốt hơn khi không áp dụng ZSG.
Hình 7: Luật điều khiển tối ưu trong trường hợp 1 và 2
Các kết quả mô phỏng cho thấy, nguồn điện lưới (Hình 5), năng lượng bộ lưu trữ (Hình 6) và luật điều
khiển tối ưu (Hình 7) trong hai trường hợp là giống nhau ở 2 ngày đầu tiên (48 giờ) và sai khác nhau ở
những ngày tiếp theo sau đó. Các thuật toán trong hai trường hợp đã hoạt động theo đúng quy luật thiết kế.
Công suất nạp/xả của bộ lưu trữ tại mỗi giờ thay đổi tương thích với luật điều khiển tối ưu. Bộ lưu trữ
nạp/xả xung quanh giá trị trung bình (8KWh), không nạp đầy và xả cạn để tăng tuổi thọ của bộ lưu trữ. Tại
thời điểm nguồn năng lượng mặt trời cao, ưu tiên sử dụng nguồn năng lượng này cho tải, tối thiểu lấy nguồn
từ điện lưới hoặc bộ lưu trữ.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Thuật toán khi áp dụng ZSG để loại nhiễu đầu vào hệ thống cho kết quả tối ưu tốt hơn, thỏa mãn các mục
tiêu đặt ra khi thiết kế. Thông qua các kết quả mô phỏng, thuật toán đề xuất mới có tốc độ hội tụ nhanh hơn,
tiết kiệm chi phí phải trả cho nhà cung cấp nguồn điện lưới cao hơn và đảm bảo công suất bộ lưu trữ còn
lại luôn xoay quanh mức công suất trung bình nhằm kéo dài tuổi thọ của bộ lưu trữ. Đồng thời, thuật toán
cũng giải quyết được nhiễu đầu vào hệ thống, tăng tính khả thi của thuật toán khi áp dụng vào các mô hình
thực nghiệm hay trong môi trường thực tế.
5 KẾT LUẬN
Bài báo đề xuất thuật toán điều khiển tối ưu việc nạp/xả của bộ lưu trữ, tải hoạt động từ nguồn năng lượng
điện lưới, năng lượng mặt trời PV hay bộ lưu trữ tuân theo quy tắc của luật điều khiển. Hệ thống lưu trữ bị
tác động bởi nhiễu ngoài. Thuật toán điều khiển tối ưu bền vững được đề xuất. Kết quả mô phỏng có so
sánh đã chứng minh tính đúng đắn và hiệu quả của thuật toán. Thuật toán hoàn toàn có thể ứng dụng cho
thực tế, đảm bảo tính hiệu quả và kinh tế. Hướng phát triển thuật toán sẽ kiểm chứng trên mô hình thực
nghiệm để đánh giá tính khả thi khi áp dụng trên các hệ thống thực.

[1]. J. M. Guerrero, M. Chandorkar, T. Lee and P. C. Loh, "Advanced Control Architectures for Intelligent
Microgrids—Part I: Decentralized and Hierarchical Control," IEEE Transactions on Industrial Electronics, vol. 60,
no. 4, pp. 1254-1262, April 2013.
[2]. F. De Angelis, M. Boaro, D. Fuselli, S. Squartini, F. Piazza and Q. Wei, "Optimal Home Energy Management
Under Dynamic Electrical and Thermal Constraints," IEEE Transactions on Industrial Informatics, vol. 9, no. 3, pp.
1518-1527, Aug. 2013.
[3]. C. S. Lai and M. D. McCulloch, "Sizing of Stand-Alone Solar PV and Storage System With Anaerobic Digestion
Biogas Power Plants," IEEE Transactions on Industrial Electronics, vol. 64, no. 3, pp. 2112-2121, March 2017.
[4]. H. Liu, P. C. Loh, X. Wang, Y. Yang, W. Wang and D. Xu, "Droop Control With Improved Disturbance Adaption
for a PV System With Two Power Conversion Stages," IEEE Transactions on Industrial Electronics, vol. 63, no. 10,
pp. 6073-6085, Oct. 2016.
[5]. J. von Appen, T. Stetz, M. Braun and A. Schmiegel, "Local Voltage Control Strategies for PV Storage Systems
in Distribution Grids," IEEE Transactions on Smart Grid, vol. 5, no. 2, pp. 1002-1009, March 2014.
[6]. Q. Shafiee, Č. Stefanović, T. Dragičević, P. Popovski, J. C. Vasquez and J. M. Guerrero, "Robust Networked
Control Scheme for Distributed Secondary Control of Islanded Microgrids," IEEE Transactions on Industrial
Electronics, vol. 61, no. 10, pp. 5363-5374, Oct. 2014.
[7]. S. Park, J. Lee, S. Bae, G. Hwang and J. K. Choi, "Contribution-Based Energy-Trading Mechanism in Microgrids
for Future Smart Grid: A Game Theoretic Approach," IEEE Transactions on Industrial Electronics, vol. 63, no. 7, pp.
4255-4265, July 2016.
[8]. Y. Lee, W. Hsiao, C. Huang and S. T. Chou, "An integrated cloud-based smart home management system with
community hierarchy," in IEEE Transactions on Consumer Electronics, vol. 62, no. 1, pp. 1-9, February 2016.
[9]. Q. Wei, D. Liu, Y. Liu and R. Song, "Optimal constrained self-learning battery sequential management in
microgrid via adaptive dynamic programming," IEEE/CAA Journal of Automatica Sinica, vol. 4, no. 2, pp. 168-176,
April 2017.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[10]. F. L. Lewis, D. Vrabie, and K. G. Vamvoudakis, “Reinforcement learning and feedback control: Using natural
decision methods to design optimal adaptive controllers,” IEEE Control Systems, vol. 32, no. 6, pp. 76–105, Dec.
2012.
[11]. Q. Yang, S. Jagannathan, and Y. Sun, “Robust integral of neural network and error sign control of MIMO
nonlinear systems,” IEEE Transactions on Neural Networks and Learning Systems, vol. 26, no. 12, pp. 3278– 3286,
Dec. 2015.
[12]. Y. Jiang and Z. P. Jiang, “Robust adaptive dynamic programming and feedback stabilization of nonlinear
systems,” IEEE Transactions on Neural Networks and Learning Systems, vol. 25, no. 5, pp. 882–893, May 2014.
[13]. Z. Ni, H. He, D. Zhao, X. Xu, and D. V. Prokhorov, “GrDHP: A general utility function representation for dual
heuristic dynamic programming,” IEEE Transactions on Neural Networks and Learning Systems, vol. 26, no. 3, pp.
614–627, Mar. 2015.
[14]. Q. Wei, D. Liu, and H. Lin, “Value iteration adaptive dynamic programming for optimal control of discrete-time
nonlinear systems,” IEEE Transactions on Cybernetics, vol. 46, no. 3, pp. 840–853, Mar. 2016.
[15]. Q. Wei, R. Song, and P. Yan, “Data-driven zero-sum neuro-optimal control for a class of continuous-time
unknown nonlinear systems with disturbance using ADP,” IEEE Transactions on Neural Networks and Learning
Systems, vol. 27, no. 2, pp. 444–458, Feb. 2016.
[16]. Q. Wei, D. Liu, and X. Yang, “Infinite horizon self-learning optimal control of nonaffine discrete-time nonlinear
systems,” IEEE Transactions on Neural Networks and Learning Systems, vol. 26, no. 4, pp. 866–879, Apr. 2015.
[17]. Q. Wei, F. Wang, D. Liu, and X. Yang, “Finite-approximation-error based discrete-time iterative adaptive
dynamic programming,” IEEE Transactions on Cybernetics, vol. 44, no. 12, pp. 2820–2833, Dec. 2014.
[18]. Q. Wei and D. Liu, “Data-driven neuro-optimal temperature control of water gas shift reaction using stable
iterative adaptive dynamic programming,” IEEE Transactions on Industrial Electronics, vol. 61, no. 11, pp. 6399–
6408, Nov. 2014.
[19]. Q. Wei, F. L. Lewis, D. Liu, R. Song, and H. Lin, “Discrete-time local value Iteration adaptive dynamic
programming: Convergence analysis,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, article in
press, 2016.
[20]. R. Song, F. L. Lewis, Q. Wei, H. Zhang, Z. Jiang, and D. Levine, “Multiple actor-critic structures for continuous-
time optimal control using input-output data,” IEEE Transactions on Neural Networks and Learning Systems, vol. 26,
no. 4, pp. 851–865, Apr. 2015.
[21]. R. Song, F. L. Lewis, Q. Wei, and H. Zhang, “Off-policy actor-critic structure for optimal control of unknown
systems with disturbances,” IEEE Transactions on Cybernetics, vol. 46, no. 5, pp. 1041–1050, Apr. 2016.
[22]. Paul Werbos, “Advanced forecasting methods for global crisis warning and models of intelligence”, General
system, vol.22, 1977.
[23]. Q. Wei, D. Liu, G. Shi, and Y. Liu, “Optimal multi-battery coordination control for home energy management
systems via distributed iterative adaptive dynamic programming,” IEEE Transactions on Industrial Electronics, vol.
42, no. 7, pp. 4203–4214, Jul. 2015.
[24]. Q. Wei, D. Liu, F. L. Lewis, and Y. Liu, “Mixed iterative adaptive dynamic programming for optimal battery
energy control in smart residential microgrids,” IEEE Transactions on Industrial Electronics, accept, 2016.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[25]. R. Song, W. Xiao, H. Zhang, and C. Sun, “Adaptive dynamic programming for a class of complex-valued
nonlinear systems,” IEEE Transactions on Neural Networks and Learning Systems, vol. 25, no. 9, pp. 1733–1739,
Sep. 2014.
[26]. G. K. Venayagamoorthy, R. K. Sharma, P. K. Gautam, and A. Ahmadi, “Dynamic energy management system
for a smart microgrid,” IEEE Transactions on Neural Networks and Learning Systems, article in press, 2016.
[27]. T. Huang and D. Liu, “A self-learning scheme for residential energy system control and management,” Neural
Comput. Appl., vol. 22, no. 2, pp. 259–269, Feb. 2013.
[28]. J. Si and Y.-T. Wang, “On-line learning control by association and reinforcement,” IEEE Trans. Neural Netw.,
vol. 12, no. 2, pp. 264–276, Mar. 2001.
[29]. M. Boaro et al., “Adaptive dynamic programming algorithm for renewable energy scheduling and battery
management,” Cognitive Comput., vol. 5, no. 2, pp. 264–277, Jun. 2013.
[30]. D. Fuselli et al., “Action dependent heuristic dynamic programming for home energy resource scheduling,” Int.
J. Elect. Power Energy Syst., vol. 48, pp. 148–160, Jun. 2013.
[31]. D. Fuselli, F. D. Angelis, M. Boaro, D. Liu, Q. Wei, S. Squartini, and F. Piazza, “Action dependent heuristic
dynamic programming for home energy resource scheduling,” International Journal of Electrical Power and Energy
Systems, vol. 48, pp. 148–160, Jun. 2013.
[32]. Q. Wei, D. Liu and G. Shi, "A novel dual iterative Q-learning method for optimal battery management in smart
residential environments," IEEE Transactions on Industrial Electronics, vol. 62, no. 4, pp. 2509-2518, April 2015.
[33]. Q. Wei, G. Shi, R. Song and Y. Liu, "Adaptive Dynamic Programming-Based Optimal Control Scheme for
Energy Storage Systems With Solar Renewable Energy," IEEE Transactions on Industrial Electronics, vol. 64, no. 7,
pp. 5468-5478, July 2017.
[34]. Boaro, M., Fuselli, D., Angelis, F.D. et al., "Adaptive Dynamic Programming Algorithm for Renewable Energy
Scheduling and Battery Management," Cognitive Computation, vol. 5, no. 2, pp. 264–277, Jun. 2013.
[35]. Fuselli, D., Angelis, F.D., Boaro, M. et al., "Action dependent heuristic dynamic programming for home energy
resource scheduling, " International Journal of Electrical Power & Energy Systems, vol. 48, pp. 148-160, Jun. 2013.
[36]. Q. Wei, D. Liu and G. Shi, "A novel dual iterative Q-learning method for optimal battery management in smart
residential environments," IEEE Transactions on Industrial Electronics, vol. 62, no. 4, pp. 2509-2518, April 2015.
[37]. Huang, T., Liu, D. "A self-learning scheme for residential energy system control and management, " Neural
Computing & Applications, vol. 22, no. 2, pp. 259–269, Feb. 2013.
[38]. T. Lee, "Operating Schedule of Battery Energy Storage System in a Time-of-Use Rate Industrial User With
Wind Turbine Generators: A Multipass Iteration Particle Swarm Optimization Approach," IEEE Transactions on
Energy Conversion, vol. 22, no. 3, pp. 774-782, Sept. 2007.
[39]. T. Yau, L. N. Walker, H. L. Graham, A. Gupta and R. Raithel, "Effects of Battery Storage Devices on Power
System Dispatch," IEEE Transactions on Power Apparatus and Systems, vol. PAS-100, no. 1, pp. 375-383, Jan. 1981.
[40]. R. E. Bellman, Dynamic Programming. Princeton, NJ, USA: Princeton Univ. Press, 1957.
[41]. Data of electricity rate from ComEd Company, USA. [Online]. https://rrtp.comed.com/live-prices/?.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[42]. NAHB Research Center, Inc., “Review of residential electrical energy use data,” 400 Prince George’s Boulevard
Upper Marlboro, MD, USA, July 16, 2001. [Online]. http://www.toolbase.org/PDF/CaseStudies /Res -Electrical-
EnergyUseData.pdf
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSCF.215
THIẾT BỊ ĐEO THÔNG MINH DÀNH CHO NGƯỜI KHIẾM THỊ
VÕ TẤN TÀI1, TRẦN THỊ MAI PHƯƠNG2, TRẦN THỊ THẢO NGUYÊN2, HOÀNG ĐỨC QUÝ3*
1
Khoa Công nghệ Cơ khí, Trường Đại học Công Nghiệp Thành phố Hồ Chí Minh
2
Khoa Ngoại ngữ, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
3
Khoa Công nghệ Điện tử, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
*
taivo1698@gmail.com, maiphuong21.10.2000@gmail.com, tranthithaonguyen2501@gmail.com,
19630241@stu.iuh.edu.vn
Tóm tắt. Người khiếm thị là người có triệu chứng mất khả năng cảm nhận thị giác một phần hoặc toàn
phần. Do đó, họ thường gặp nhiều khó khăn trong sinh hoạt hằng ngày. Ở bài báo này, chúng tôi tập trung
vào việc thiết kế ra một thiết bị thông minh hỗ trợ người khiếm thị di chuyển thuận tiện hơn. Mục tiêu thiết
kế là sản phẩm phải nhỏ gọn, tích hợp một hệ thống điện tử nhúng có khả năng tự nhận biết vật cản theo
hướng chỉ định trong tầm 1.5 mét và cảnh báo người sử dụng theo mức độ rung. Cụ thể hơn khi người sử
dụng càng tiến tới gần vật cản thì mức độ rung càng mạnh. Với mục đích giúp đỡ cộng đồng người khiếm
thị, nhóm chúng tôi đã tạo ra được sản phẩm đúng với yêu cầu thực tế của người dùng. Sản phẩm hiện đang
tham gia cuộc thi Dự án kỹ thuật phục vụ cộng đồng lần thứ tư (EPICS 4).
Từ khóa. Người khiếm thị, hệ thống thông minh, phát hiện vật cản, thiết bị đeo thông minh.
SMART WEARABLE DEVICE FOR VISUALLY IMPAIRED PEOPLE
Abstract. Visually impaired people, who have complete or nearly complete vision loss, often faced with
several troubles in their life. In this article, we focus on creating a smart device to help them travel more
easily. The design model has to small enough, with an electronic embedded system which able to detect
objects in 1.5 meters and warning the user according to the level of vibration. In more specific, the device
will vibrate stronger when the user walks close to the object. With an urge to help the visually impaired
community, our team has created a product that fulfills user desire. The product is participating in the fourth
Engineering Projects in Community Service (EPICS 4).
Keyword. Visually impaired people, smart system, object detection, smart wearable device.
1 GIỚI THIỆU
Dựa theo số liệu thống kê của World Health Organization (WHO) [1], số người khiếm thị được tính toán
là 285 triệu người, trong đó 39 triệu người là mù hoàn toàn. Ở Việt Nam, trên phạm vi cả nước có hơn 1
triệu người bị khiếm thị, chiếm 1.12% dân số cả nước. Trong đó, hơn 600 nghìn người bị mất hoàn toàn thị
giác. Người khiếm thị là những người bị hạn chế về thị giác - cơ quan được đánh giá là tiếp nhận đến trên
80% thông tin về một đối tượng. Việc cảm thụ thế giới xung quanh hay việc đọc, tiếp nhận nội dung thông
tin của họ nhờ vào một phần thị giác còn lại và phụ thuộc hoàn toàn vào các giác quan khác: xúc giác, vị
giác, khứu giác, thính giác. Người khiếm thị gặp rất nhiều khó khăn trong việc đi lại do đa số còn sử dụng
gậy dò đường thủ công, họ gặp nhiều trở ngại trong việc xác định các chướng ngại vật và định hướng như:
không thể nhận biết được các vật thể ở chiều cao tương đối mà gậy không chạm tới được, dễ mất phương
hướng khi đi vào ngõ cụt hoặc khi liên tục phải thay đổi hướng đi do không thể nhận biết được các vật cản
trong quá trình di chuyển, một nguyên nhân khác khiến việc định hướng của người khiếm thị bị ảnh hưởng
là khi đầu gậy bị biến dạng do tác động vật lý (ví dụ như bị người đi đường đạp trúng, bị xe cán qua…).
Chính vì vậy, việc sáng tạo ra những sản phẩm có thể hỗ trợ tốt nhất cho người khiếm thị đang là vấn đề
của nhiều nước đã và đang phát triển trên thế giới. Cụ thể, Nguyễn Quốc Hùng [2] đề xuất phương pháp
phát hiện và ước lượng khoảng cách vật cản sử dụng camera gắn trên robot nhằm ứng dụng trong việc trợ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
giúp dẫn đường cho người khiếm thị, Chen et al [3] đề xuất sản phẩm gậy thông minh kết hợp với một thiết
bị di dộng (điện thoại, tablet) có khả năng nhận biết các vị trí trong nhà và đưa ra chỉ dẫn đường đi cho
người khiếm thị. Agarwal et al [4] thiết kế một cặp kính nhận diện vật cản bằng sóng siêu âm và cảnh báo
người sử dụng bằng chuông.
Mặc dù trên thị trường hiện nay cũng có nhiều sản phẩm giúp hỗ trợ cho người khiếm thị nhưng còn chưa
có tính khả thi, giá thành sản phẩm cao là rào cản ngăn sản phẩm chưa thể đến tay người dùng. Vậy nên
phát triển thiết bị hỗ trợ người khiếm thị với chi phí thấp, tiện dụng chính là vấn đề cấp thiết của xã hội, cần
được ưu tiên phát triển nhằm giúp đỡ họ di chuyển và tránh các vật cản trên đường một cách thuận lợi.
Trong bài báo này, chúng tôi đã thiết kế và chế tạo thiết bị đeo thông minh hỗ trợ người khiếm thị giúp phát
hiện vật cản ở phía trước thông qua cảm biến hồng ngoại, sau đó cảnh báo người dùng bằng cơ chế rung.
Thiết bị sử dụng dễ dàng và linh hoạt, có thể chuyển đổi vị trí đeo một cách dễ dàng.
2 THIẾT KẾ VÀ THI CÔNG SẢN PHẨM
2.1 Cơ sở lý thuyết
Nguyên tắc Time-of-Flight (ToF) hay nguyên tắc thời gian bay (Hình 1) là một phương pháp đo khoảng
cách giữa cảm biến và một đối tượng, dựa trên chênh lệch thời gian giữa tín hiệu phát và tín hiệu thu lại
cảm biến, sau khi bị phản xạ bởi một đối tượng. Nhiều loại tín hiệu khác nhau (còn được gọi là sóng mang)
có thể được sử dụng với nguyên tắc Thời gian bay, phổ biến nhất là âm thanh và ánh sáng.
Khoảng cách
Hình 1: Nguyên tắc thời gian bay.
Ở bài báo này, nguyên tắc thời gian bay được sử dụng để đo khoảng cách giữa người sử dụng và vật cản và
được tính theo công thức số 1. Trong đó, d là khoảng cách từ vật cản đến cảm biến khoảng cách (người sử
dụng), c là tốc độ ánh sáng truyền trong không khí, t là thời gian cảm biến phát và nhận lại tín hiệu phản
hồi từ vật cản.
2.2 Cách thức hoạt động của sản phẩm
Hình 2 thể hiện cơ chế hoạt động của sản phẩm. Cụ thể, sản phẩm hoạt động dựa trên hai tính năng là phát
hiện vật thể và cảnh báo người sử dụng. Khi sản phẩm hoạt động, cảm biến phát ra tia laser và nhận tín hiệu
phản xạ từ các vật cản, từ đó xác định khoảng cách giữa người sử dụng đến vật. Khi khoảng cách giữa người
sử dụng đến vật cản dưới một mức ngưỡng cụ thể ở đây là 1 mét thì sản phẩm sẽ cảnh báo người sử dụng
bằng cơ chế rung.
Sản phẩm được thiết kế tập trung vào hai tiêu chí là đơn giản và linh hoạt. Đơn giản ở đây là đơn giản trong
việc sử dụng do đối tượng là người khiếm thị. Để sử dụng sản phẩm, người sử dụng chỉ cần thao tác đóng
mở công tắc, mọi tính năng còn lại đã được tích hợp trong một mạch điện tử nhỏ gọn nằm trong thân sản
phẩm.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 2: Cách thức hoạt động của sản phẩm
2.3 Thiết kế sản phẩm

2.3.1 Sơ đồ khối của thiết bị
Phần cứng của sản phẩm (Hình 3) bao gồm các khối: khối nguồn, khối cảm biến, khối xử lý và khối chấp
hành.
Hình 3: Sơ đồ khối thiết bị đeo thông minh
Khối nguồn là một viên pin sạc Lithium điện áp 3.7V có dung lượng 400 mAh, qua bộ chỉnh lưu xuống
điện áp 3.3V cung cấp nguồn cho các khối khác. Ngoài ra, một mạch sạc cho pin cũng được tích hợp vào hệ
thống giúp người dùng không cần phải thay thế pin mỗi lần hết dung lượng.
Khối cảm biến gồm một cảm biến khoảng cách thời gian bay. Khối xử lý gồm một con vi xử lý 32-bit.
Khối chấp hành gồm một động cơ rung.
2.3.2 Thiết kế 3D
Hình 4 trình bày mô hình thiết kế 3D của sản phẩm bằng phần mềm Solidwork2019. Cụ thể sản phẩm có
kích thước
(W x L x H ) = (40mm x 60mm x 30mm). Chất liệu vỏ hộp làm bằng nhựa in 3D nên trọng lượng của sản
phẩm khá nhẹ (150 gram) phù hợp cho việc đeo trên người, không tạo cảm giác quá nặng cho người đeo.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 4: Mô hình 3D của sản phẩm
3 KẾT QUẢ
3.1 Sản phẩm thực tế
Hình 5: Sản phẩm thực tế
Hình 5 thể hiện hình ảnh thực tế của sản phẩm. Người sử dụng có thể linh hoạt đeo sản phẩm ở nhiều vị
trí trên cơ thể như: trên tay, trên nón, trên giày, và trên đai lưng để có thể phát hiện vật cản ở nhiều tầm.
3.2 Kết quả thử nghiệm

3.2.1 Độ chính xác phát hiện vật cản
Bảng 1:Độ chính xác của sản phẩm trong việc phát hiện vật cản trong khoảng cách đặt trước
Khoảng cách đặt Khoảng cách phát Độ chính xác Khoảng cách phát Độ chính xác (%)
hiện (trong hiện (ngoài
nhà) trời)
Vật có màu sáng 1m 1m 100% 80cm 80%
Vật có màu tối 1m 90cm 90% 50cm 50%
Kết quả từ bảng 1 cho thấy khi hoạt động trong nhà thiết bị hoạt động chính xác hơn so với ngoài trời trong
việc phát hiện vật cản trong tầm 1 mét. Ngoài ra, kết quả còn cho thấy đối với các vật cản có màu tối thì độ
chính xác kém hơn so với vật cản có màu sáng.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.2.2 So sánh với các sản phẩm khác

Bảng 2: So sánh sản phẩm với những sản phẩm trước đó.
Sản phẩm của chúng tôi Gậy thông minh [3] Mắt kính thông minh [4]
Phát hiện vật cản tầm thấp Có Có Không
Phát hiện vật cản tầm cao Có Không Có
Độ linh hoạt Cao Thấp Thấp
Chi phí Thấp Cao Cao
Bảng 2 cho thấy sản phẩm của chúng tôi có nhiều ưu điểm so với những sản phẩm khác như gậy thông
minh, mắt kính thông minh. Cụ thể, sản phẩm của chúng tôi có thể phát hiện vật cản ở nhiều tầm khác nhau
tùy theo cách đeo sản phẩm của người sử dụng. Ngoài ra, độ linh hoạt của sản phẩm cao do thiết kế nhỏ
gọn, dễ dàng cất giữ trong túi hoặc ba lô, cách sử dụng đa dạng tùy vào mục đích của người dùng. Chi phí
của sản phẩm thấp phù hợp với khả năng của người Việt.
3.3 Phản hồi của người sử dụng
Sản phẩm được tiến hành cho người sử dụng dùng thử trong hai tuần. Một số phản hồi của người sử dụng
(Hình 6) như sau:
Hình 6: Phản hồi của người sử dụng
Sản phẩm giúp giảm thiểu sự va chạm của người khiếm thị với vật thể xung quanh. Tuy nhiên, một số hạn
chế còn tồn tại như: khoảng cách phát hiện vật còn thấp (dưới 1 mét) nên người sử dụng không kịp phản
ứng khi thiết bị cảnh báo. Thời lượng pin của sản phẩm thấp và mau hết pin, đai đeo của sản phẩm thiết kế
chưa được chắc chắn. Ngoài ra, độ rung của sản phẩm còn hơi nhẹ, người sử dụng khó nhận biết được trong
môi trường bên ngoài.
4 KẾT LUẬN
Trong bài báo này, sản phẩm đeo thông minh cho người khiếm thị được đề xuất nhằm giải quyết những khó
khăn trong việc di chuyển của họ. Đóng góp của nghiên cứu này gồm: (1) ứng dụng được yếu tố kỹ thuật vào
việc cải thiện đời sống của cộng đồng người khiếm thị, (2) thiết kế và chế tạo được một sản phẩm mang
tính ứng dụng cho cộng đồng người khiếm thị, (3) cung cấp một tài liệu tham khảo cho học sinh, sinh viên
trong việc áp dụng kỹ thuật vào đời sống.

[1] Pascolini D, Mariotti SPM. Global estimates of visual impairment: 2010. British Journal Ophthalmology Online
First published December 1, 2011 as 10.1136/bjophthalmol-2011-300539.
[2] Hùng, N. Q., Hải, T. T. T., Hải, V., Nam, H. V., & Hoan, N. Q. (2016). Phát hiện và ước lượng khoảng cách vật
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
cản, ứng dụng trợ giúp dẫn đường cho người khiếm thị. Journal of Science and Technology on Information and
Communications, 1(1), 29-42.
[3] Chen, Q., Khan, M., Tsangouri, C., Yang, C., Li, B., Xiao, J., & Zhu, Z. (2017, July). CCNY smart cane. In 2017
IEEE 7th Annual International Conference on CYBER Technology in Automation, Control, and Intelligent Systems
(CYBER) (pp. 1246-1251). IEEE.
[4] Agarwal, R., Ladha, N., Agarwal, M., Majee, K. K., Das, A., Kumar, S., ... & Saha, H. N. (2017, October). Low
cost ultrasonic smart glasses for blind. In 2017 8th IEEE Annual Information Technology, Electronics and Mobile
Communication Conference (IEMCON) (pp. 210-213). IEEE.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSCF.216
MÔ HÌNH HỌC MÁY LIÊN KẾT

ĐÀO DUY TRƯỜNG1(*), QUÁCH TRỌNG NGHĨA1, PHẠM MINH TUẤN1, ĐINH TUẤN ANH1,
NGUYỄN CHÍ KIÊN1, NGUYỄN HỮU TÌNH1
1
*aotruong123@gmail.com, trongnghia110401@gmail.com, mtp92621@gmail.com, bylycun@gmail.com,
nguyenchikien@iuh.edu.vn, nguyenhuutinh@iuh.edu.vn
Tóm tắt: Ngày nay, rất nhiều hệ thống học máy phải thu thập dữ liệu để phát triển mô hình đồng thời vẫn
đảm bảo tính riêng tư cho dữ liệu. Trong dự án nghiên cứu này chúng tôi sẽ xây dựng mô hình học máy
liên kết (HMLK) với trọng tâm là đảm bảo tính bảo mật dữ liệu và công bằng. Mô hình của chúng tôi sẽ
sử dụng mô hình và kĩ thuật sau đây: (i) mô hình phân tán bao gồm một Parameter Server và các node mạng
local, (ii) kỹ thuật Differential Privacy trong đó dữ liệu ban đầu có thể được thay đổi để đảm bảo tính riêng
tư cho dữ liệu nhưng không ảnh hưởng nhiều đến phát triển mô hình, (iii) cơ chế khuyến khích các node
mạng đóng góp dữ liệu nhiều hơn sẽ được sử dụng mô hình chính xác hơn. Hiện tại dự án đã hoàn thành
nghiên cứu phần lý thuyết, với mục tiêu ngắn hạn sử dụng mô hình như một giáo cụ trực quan hỗ trợ việc
phát triển các mô hình học máy mà không lo ngại rào cản bảo mật dữ liệu trong ngành Công nghệ Thông
Tin, Khoa học Dữ liệu. Mô hình HMLK có thể phát triển trở thành hệ thống HMLK ứng dụng máy học
trong bán hàng, tài chính và nhiều ngành khác.
Từ khóa: học máy liên kết, client-server, cơ chế khuyến khích, bảo mật dữ liệu, máy học
FEDERATED LEARNING
Abstract: In many applications of Machine Learning and Deep Learning, we have to collect training data
from multiple sources. In such situations, there are a few issues we have to take into accounts. First, we
need to ensure data privacy for each party that contributes the training data. Second, we also want to make
sure that those parties who contribute more data and quality data will receive a model that works better on
their data. In this project, we aim to build a federated learning model with an emphasis on data security and
fairness using the following model/ technique: (i) distributed models that consist of Parameter Server and
local network nodes, (ii) Differential Privacy techniques where the original data is modified without
affecting the developed model, and (iii) Incentive mechanism where the network nodes that contribute more
data will receive better models. Our short-term goal is to build a Federated Learning model that takes into
account data privacy and fairness. In the long term, we can apply the theoretical framework to Machine
Learning models in sales, financial, and other industries.
Keywords: federated learning, client-server, incentives mechanism, data privacy, machine learning
1 GIỚI THIỆU
AI - Artificial Intelligence (Trí thông minh nhân tạo), cụ thể hơn là Machine Learning đang phát triển vô
cùng mạnh mẽ vào những năm gần đây. Hệ thống đề xuất short clip của TikTok, trợ lý ảo Alexa của
Amazon, AlphaGo của Google DeepMind,... Với những thành công đó, con người đang ngày càng kỳ vọng
AI sẽ xuất hiện trong mọi mặt của cuộc sống. Tuy nhiên, thực tế thì khá thất vọng: để có thể huấn luyện
được những mô hình Machine Learning (máy học) thì cần phải có một lượng lớn dữ liệu, ngoại trừ một số
lĩnh vực, đa phần dữ liệu đều ít ỏi. Nếu vậy chúng ta chỉ cần thu thập dữ liệu là được, đúng không? Rất tiếc,
chúng ta lại gặp phải rào cản mới - bảo mật dữ liệu.
Với sự tăng trưởng của internet và mạng di động, quyền riêng tư dữ liệu là mối quan hàng đầu của người
dùng. Các bê bối dữ liệu nhận được sự quan tâm lớn từ truyền thông và cả chính phủ, ví dụ như Facebook
đã bị người dùng lên án sau vụ bê bối Cambridge Analytica. Để giải quyết tình trạng này, ngày 25/5/2018
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
EU đã thi hành bộ luật “Quy định bảo vệ dữ liệu chung” (GDPR) với mục tiêu là bảo vệ thông tin nhận
dạng của các cá nhân. Rõ ràng, những quy định này giúp xây dựng một xã hội mạng an toàn hơn nhưng nó
cũng gây ra thách thức to lớn với việc phát triển AI.
Phương pháp huấn luyện mô hình Machine Learning thông thường, chúng ta thu thập, lưu trữ dữ liệu trên
các thiết bị cục bộ của chúng ta để huấn luyện mô hình. Việc này lại vi phạm với các điều luật bảo vệ dữ
liệu nêu trên và khiến cho các nhà khoa học về Machine Learning/ AI rơi vào tình trạng tiến thoái lưỡng
nan.
Để giải quyết tình trạng trên, chúng tôi đề xuất xây dựng mô hình học máy mới - Học liên kết (Federated
Learning) - là một mô hình học máy phân tán với trọng tâm là tính bảo mật dữ liệu, đồng thời xây dựng
thêm cơ chế công bằng để khuyến khích các bên tham gia đóng góp thêm nhiều dữ liệu hơn.
2 TỔNG QUAN VỀ HỌC LIÊN KẾT
Học liên kết (Federated Learning) được Google đề xuất lần đầu trong một bài báo khoa học vào năm 2017,
ý tưởng chính là một kỹ thuật đào tạo mô hình Machine Learning trên bộ dữ liệu phi tập trung lưu trữ trên
nhiều thiết bị (hay còn gọi là máy khách) mà dữ liệu không bao giờ rời khỏi chúng và được điều phối bởi
máy chủ, thay vào đó các thiết bị cập nhật định kỳ kết quả huấn luyện cho máy chủ. Mục đích của kỹ thuật
này nhằm hạn chế tối đa việc truy cập trực tiếp vào dữ liệu thô, từ đó giảm thiểu đáng kể rủi ro về quyền
riêng tư dữ liệu, quyền bảo mật dữ liệu, quyền truy cập dữ liệu.
Các thiết bị (máy khách) chúng tôi định nghĩa rằng đó là các bên tham gia đóng góp dữ liệu với mong muốn
nhận được lợi ích từ mô hình Machine Learning. Vì vậy để khuyến khích các bên đóng góp thêm nhiều dữ
liệu hơn để tăng độ chính xác của mô hình Machine Learning chúng tôi áp dụng thêm cơ chế khuyến khích:
các bên đóng góp dữ liệu nhiều hơn sẽ nhận được mô hình chính xác hơn.
Việc đào tạo mô hình từ dữ liệu phân tán đặt ra thách thức về bảo mật dữ liệu người dùng và rò rỉ dữ liệu
người dùng khi tham gia vào đóng góp dữ liệu. Trong học máy liên kết chúng tôi sẽ sử dụng phương pháp
Differential Privacy để bảo vệ thông tin khách hàng giúp đảm bảo dữ liệu của khách hàng được an toàn và
có thể yên tâm tham gia vào học liên kết.
Trong bài nghiên cứu này, chúng tôi tập trung vào thiết kế mô hình học máy liên kết với một parameter
server và các node mạng local - giả định rằng node mạng là các bên tham gia đóng góp dữ liệu, sử dụng kĩ
thuật Differential Privacy để bảo đảm tính riêng tư của dữ liệu và tích hợp thêm cơ chế khuyến khích đảm
bảo tính công bằng giữa các node mạng đóng góp dữ liệu.
2.1 Khái niệm
Ta có N các bên đóng góp dữ liệu (chủ sở hữu dữ liệu) {𝐹1 , . . . 𝐹𝑁 }, tất cả đều muốn đào tạo mô hình Machine
Learning bằng cách hợp nhất dữ liệu giữa các bên tương ứng với {𝐷1 , . . . 𝐷𝑁 }. Thay vì phải tập hợp các dữ
liệu với nhau theo cách thông thường 𝐷 = 𝐷1 ∪ 𝐷2 . . .∪ 𝐷𝑁 để đào tạo mô hình 𝑀𝑆𝑈𝑀 thì với kỹ thuật
Federated Learning các chủ sở hữu dữ liệu hợp tác đào tạo mô hình 𝑀𝐹𝐸𝐷 , trong quá trình xử lý bất kì chủ
sở hữu dữ liệu 𝐹𝑖 nào cũng không để lộ 𝐷𝑖 với bên khác. Ngoài ra, độ chính xác của 𝑀𝐹𝐸𝐷 được định nghĩa
là 𝑉𝐹𝐸𝐷 cũng phải rất gần so với độ chính xác của 𝑀𝑆𝑈𝑀 là 𝑉𝑆𝑈𝑀 [1]. Giả sử 𝛿là một số thực không âm. Ta
có:
|𝑉𝐹𝐸𝐷 − 𝑉𝑆𝑈𝑀 | < 𝛿
Ta nói thuật toán Federated Learning có 𝛿- accuracy loss. Khi huấn luyện với kỹ thuật Federated Learning
chúng ta sẽ mong muốn 𝛿nhỏ nhất.
2.2 Tính bảo mật của Federated Learning
Học liên kết mở ra một thế giới cơ hội mới để đào tạo các mô hình học máy mà không ảnh hưởng đến quyền
riêng tư của dữ liệu. Tuy nhiên, nó cần được thực hiện cẩn thận để giảm thiểu các vấn đề bảo mật và khả
năng lộ dữ liệu người dùng. Để bảo vệ dữ liệu người dùng có thể tham gia vào học liên kết mà không bị rò
rỉ, chúng tôi mã hóa các bản tóm tắt bằng các thuật toán thích hợp và sau đó gửi về máy chủ. Bên cạnh đó,
chúng tôi sử dụng phương pháp Differential Privacy để thêm một lượng thông tin nhiễu vào dữ liệu trước
khi nó rời khỏi thiết bị của người dùng, ngăn cản máy chủ và những kẻ tấn công khác truy cập vào các bản
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
cập nhập ở dạng ban đầu của chúng. Như vậy khi tham gia học liên kết người dùng sẽ không phải lo lắng
bị bất cứ ai đánh cắp thông tin.
2.3 Sự công bằng giữa các bên tham gia
Để áp dụng học liên kết trong thực tế, ví dụ như giữa các doanh nghiệp với nhau thì việc tạo ra hệ thống
công bằng và khuyến khích là điều cần thiết. Vì nhiều lý do cả về chủ quan lẫn khách quan, các bên tham
gia đóng góp dữ liệu không thể đồng đều dữ liệu về cả chất lượng và số lượng. Các bên tham gia cung cấp
nhiều dữ liệu sẽ tốt hơn, và hiệu quả của mô hình phụ thuộc vào dữ liệu đã được đóng góp. Cơ chế khuyến
khích sẽ giúp bên nào đóng góp dữ liệu nhiều hơn sẽ nhận được mô hình chính xác hơn, đồng thời bên còn
lại sẽ có động lực để gia tăng việc đóng góp dữ liệu.
2.4 Tối ưu liên kết trong mạng không đồng nhất
Ngoài sự không đồng nhất về dữ liệu, một sự không đồng nhất tự nhiên khác là sự không đồng nhất về thiết
bị lưu trữ dữ liệu (PC, laptop, điện thoại,..). Trong quá trình tối ưu hóa liên kết, chúng tôi nhận thấy hai thử
thách chính trong Học liên kết: (1) Sự thay đổi đặc điểm hệ thống giữa các thiết bị trong mạng (Hệ thống
không đồng nhất ), (2) Dữ liệu được phân phối khác nhau qua mạng (Thống kê không đồng nhất).
2.5 Các định nghĩa liên quan
Học máy: là một lĩnh vực nhỏ của Khoa Học Máy Tính, có khả năng tự học hỏi dựa trên dữ liệu đưa vào
mà không cần phải được lập trình cụ thể.
Học sâu: là một lĩnh vực nhỏ của học máy, dựa trên một tập hợp các thuật toán để cố gắng mô hình dữ liệu
trừu tượng hóa ở mức cao bằng cách sử dụng nhiều lớp xử lý với cấu trúc phức tạp.
Học máy phân tán: là mô hình cho phép dữ liệu được định vị ở các nơi khác nhau. Không tập trung vào địa
điểm nên việc training không phụ thuộc vào thời gian và địa điểm.
Epoch, Batch Size, Iterations: Khi dữ liệu quá lớn, chúng ta không thể nào đưa hết tất cả vào để huấn luyện,
buộc ta phải chia nhỏ tập dữ liệu thành các batch (kích thước nhỏ hơn). Với Batch Size, đại diện cho kích
thước của batch và số lượng mẫu dữ liệu trong một batch. Đồng thời sử dụng Iterations là số lần lặp để
hoàn thành 1 epoch.
3 CƠ SỞ LÝ THUYẾT
3.1 Lý thuyết hệ thống server-client federated learning
Giao thức giao tiếp cho phép các thiết bị tiến lên mô hình toàn cục, một mô hình phổ biến FL thường bao
gồm 3 giai đoạn:
Chọn lựa: Định kỳ, máy chủ chọn các thiết bị đáp ứng được điều kiện (sạc, kết nối tốt) dựa trên mục tiêu
nhất định như số thiết bị tham gia tối ưu.
Cấu hình: server cấu hình dựa trên cơ chế tổng hợp được lựa chọn cho các thiết bị đã chọn, server gửi
các FL plan và FL checkpoint cùng với mô hình toàn cục cho từng thiết bị.
Báo cáo: server đợi các thiết bị tham gia cập nhật báo cáo, khi các bản cập nhật được nhận, server sẽ tổng
hợp chúng bằng các thuật toán như FedAvg. Nếu đủ các báo cáo, server sẽ kết thúc 1 vòng và cập nhật
mô hình toàn cục.
3.1.1 Server
Server phải được thiết kế để có thể hoạt động cùng với hàng chục cho đến hàng trăm ngàn thiết bị, xử lý
hàng tấn các cập nhật liên tục, với các gói tin truyền tải từ số KiloByte đến hàng Megabyte. Theo lý thuyết,
nhiệm vụ của máy chủ
Điều phối: chịu trách nhiệm quản lý một tập các FL task, nhận thông tin về số lượng device được chọn,
kiểm tra các thiết bị chấp nhận tham gia và lên kế hoạch, quản lý các vòng của mỗi FL task.
Lựa chọn: chịu trách nhiệm về chấp nhận và chuyển tiếp kết nối của thiết bị, định kỳ nhận thông tin từ giai
đoạn điều phối về bao nhiêu thiết bị cần thiết cho mỗi nhóm FL và đưa ra quyết định chấp nhận hoặc không
mỗi thiết bị
Tổng hợp: quản lý các vòng của mỗi FL task.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.1.2 Device
Các thiết bị có trách nhiệm lưu trữ và duy trì lượng dữ liệu được thu thập để huấn luyện và đánh giá mô
hình.
Cấu hình xử lý: cấu hình thời gian chạy FL, yêu cầu các điều kiện cần thiết để chạy 1 vòng giao tiếp (sạc,
mạng wifi,..)
Yêu cầu công việc: FL runtime liên lạc với FL server thông báo đã sẵn sàng chạy các tác vụ. Máy chủ sẽ
quyết định xem có bất kỳ tác vụ nào cần thực hiện và trả về FL plan hoặc đưa ra yêu cầu chờ.
Thực hiện tác vụ: nếu thiết bị được lựa chọn, FL runtime nhận FL plan truy vấn tìm dữ liệu theo yêu cầu,
tính toán các chỉ số và cập nhật mô hình.
Báo cáo: sau khi thực hiện các tác vụ, FL runtime báo cáo các bản cập nhật tính toán và số liệu cho máy
chủ.
3.2 Lý thuyết tối ưu hóa liên kết mạng không đồng nhất
Để giải quyết vấn đề không đồng nhất trong mạng liên kết này, chúng tôi sử dụng FedProx. Về mặt lý
thuyết, chúng tôi vẫn đảm bảo kết quả hội tụ cho framework của chúng tôi khi học dữ liệu được phân phối
không giống nhau (Thống kê không đồng nhất) và đồng thời vẫn tôn trọng các ràng buộc về mặt thiết bị
bằng cách cho mỗi thiết bị tham gia có thể thay đổi số lượng công việc thực hiện (Hệ thống không đồng
nhất).
Phương pháp phân tích: Để phân tích hành vi hội tụ chúng tôi sẽ thông qua các đặc điểm thống kê không
giống nhau giữa các hàm cục bộ, song song là dự tính đến những ràng buộc của các hệ thống thực tế. Ngoài
ra, chúng tôi sẽ thêm các thông số để sử dụng cho việc phân tích không đồng nhất.
Thuật toán FedProx được lấy cảm hứng từ thuật toán FedAvg. Bởi những mặt hạn chế của FedAvg như
không linh hoạt số lượng công việc cục bộ và bỏ các thiết bị tính toán lỗi trong một khoảng thời gian cụ
thể.
Thuật toán FedProx:

Input: 𝐾, 𝑇, 𝜇, 𝛾, 𝑤 0 , 𝑁, 𝑝𝑘 , 𝑘 = 1, ⋯ , 𝑁
for 𝑡 = 0, … , 𝑇 − 1 𝑑𝑜
Server chọn một tập con 𝑆𝑡 của 𝐾 các thiết bị ngẫu nhiên (với mỗi thiết bị
thứ 𝑘 được chọn có xác suất 𝑝𝑘 ).
Server gửi 𝑤 𝑡 tới tất cả thiết bị được chọn.
Mỗi thiết bị đã được chọn 𝑘 ∈ 𝑆𝑡 tìm một 𝑤𝑘𝑡+1 sao cho 𝛾𝑘𝑡 giảm thiểu nhỏ
𝜇
nhất của 𝑤𝑘𝑡+1 ≈ 𝑎𝑟𝑔 𝑚𝑖𝑛 ℎ𝑘 (𝑤; 𝑤 𝑡 ) = 𝐹𝑘 (𝑤) + 2 ‖𝑤 − 𝑤 𝑡 ‖2
Mỗi thiết bị 𝑘 ∈ 𝑆𝑡 gửi 𝑤𝑘𝑡+1 về cho server
1
Server tổng hợp 𝑤 𝑡+1 = 𝐾 ∑𝑘∈𝑆𝑡 𝑤𝑘𝑡+1 .
end for
Trong đó:
● 𝐾 là tổng số các thiết bị.
● 𝑇 là tổng số vòng.
● 𝜇 là giá trị trung bình.
● 𝛾 là tham số đo lường lượng tính cục bộ không chính xác.
● 𝑤 0 là trọng số ban đầu.
● 𝑝𝑘 là xác suất thiết bị thứ k tương ứng.
Chúng tôi đã điều chỉnh số lượng 𝐸 epochs thay đổi ở mỗi lần lặp, trên mỗi thiết bị như một hàm của dữ
liệu, hệ thống và theo tình trạng mạng. Cùng với kết hợp cẩn thận giải pháp dựa theo tính không đồng nhất.
Trong phần Tolerating partial work do hạn chế phần tính toán, tình trạng kết nối mạng, đặc biệt thật phi lý
khi thực hiện một lượng công việc giống nhau giữa các thiết bị khác nhau. Giúp FedProx cho phép thay đổi
lượng công việc thực hiện cục bộ, chúng tôi sử dụng tham số 𝛾 giải pháp không chính xác cho hàm đo độ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
lệch so với trọng số ban đầu ở vấn đề này, tham số càng nhỏ độ chính xác càng cao. Có tác dụng đo lượng
tính toán cục bộ trên thiết bị thứ k ở vòng thứ t, hạn chế các thiết bị khác nhau đạt kết quả khác nhau, ngầm
hiểu thay đổi tham số những thiết bị thứ k và ở vòng lặp thứ t, tham số lặp cục bộ đóng vai trò như một
cổng kiểm soát của thiết bị không chính xác, cũng giúp cho việc phân tích hệ thống không đồng nhất.
Thêm hàm Proximal term giải quyết hạn chế những bản cập nhật cục bộ để gần với mô hình đầu (Thống kê
không đồng nhất) và an toàn kết hợp thay đổi số lượng công việc cục bộ (Hệ thống không đồng nhất). Góp
phần hạn chế hiệu quả tác động thay đổi bản cập nhật cục bộ, thay giảm thiểu hàm cục bộ bằng cách lấy độ
lệch thấp nhất của hàm trọng số.
3.3 Cải tiến hiệu quả giao tiếp giữa server và client
Các chiến lược hiệu quả truyền thông được dùng nâng cấp hiệu quả tải lên các bản cập nhật có chất lượng
cao cho máy chủ khi mà tốc độ tải lên thường chậm hơn rất nhiều so với tốc độ tải xuống. Trong vòng
t ≥ 0 , máy chủ phân phối mô hình hiện tại 𝑊𝑡 cho một tập con 𝑆𝑡 gồm các máy khách 𝑛𝑡 . Các máy
khách này cập nhật mô hình một cách độc lập dựa trên dữ liệu cục bộ của họ.
𝑛
Các mô hình cục bộ được cập nhật là 𝑊𝑡1 , 𝑊𝑡2 , ……, 𝑊𝑡 𝑡 , do đó bản cập nhật ứng dụng của khách i có
thể được viết là
𝐻𝑡𝑖 ∶= 𝑊𝑡𝑖 − 𝑊𝑖 ( 𝑖 ∈ 𝑆𝑡 )
Cập nhật toàn cục được tính bằng cách tổng hợp tất cả các bản cập nhật phía máy khách:
1
𝑊𝑡+1 = 𝑊𝑡 + ƞ𝑡 𝐻𝑡 𝐻𝑡 ≔ 𝑛 ∑𝑖∈𝑆𝑡 𝐻𝑡𝑖 .
𝑡
Máy chủ chọn tốc độ học ƞ𝑡 . Để đơn giản ta chọn ƞ𝑡 =1. Hai phương pháp giảm chi phí truyền thông đường
lên:
- Structured update: Bản cập nhật từ một không gian hạn chế được tham số hóa bằng cách sử dụng một số
lượng biến nhỏ hơn. Loại cập nhật này hạn chế các bản cập nhật 𝐻𝑡𝑖 có cấu trúc được chỉ định trước. Loại
cấu trúc được xem xét :
● Low rank: Mọi bản cập nhật cho mô hình cục bộ 𝐻𝑡𝑖 ∈ 𝑅 𝑑1 ×𝑑2 để trở thành một ma trận hạng thấp có
hạng nhiều nhất là k, với k là một số cố định. Để làm như vậy, biểu thị 𝐻𝑡𝑖 là tích của hai ma trận : 𝐻𝑡𝑖 =
𝐴𝑖𝑡 𝐵𝑡𝑖 , trong đó 𝐴𝑖𝑡 ∈ 𝑅 𝑑1 ×𝑘 , 𝐵𝑡𝑖 ∈ 𝑅𝑘×𝑑2 . Tạo 𝐴𝑖𝑡 ngẫu nhiên và xem xét một hằng số trong quy trình huấn
luyện cục bộ, và chỉ tối ưu hóa 𝐵𝑡𝑖 . Thực tế triển khai , 𝐴𝑖𝑡 được nén dưới dạng một hạt giống ngẫu nhiên và
các máy khách chỉ cần gửi 𝐵𝑡𝑖 đến máy chủ.
- Sketched update: Bản cập nhật mô hình đầy đủ và sau đó nén nó bằng cách sử dụng subsampling trước
khi gửi nó đến máy chủ. Đầu tiên tính toàn bộ 𝐻𝑡𝑖 trong quá trình đào tạo cục bộ mà không có bất kỳ ràng
buộc nào, sau đó ước tính hoặc mã hóa bản cập nhật ở dạng nén (lossy) trước gửi đến máy chủ. Máy chủ
giải mã các bản cập nhật trước khi thực hiện tổng hợp.
● Subsampling: Thay vì gửi 𝐻𝑡𝑖 mỗi máy khách chỉ giao tiếp ma trận 𝐻 ̂𝑡𝑖 được hình thành từ một tập con
ngẫu nhiên của các giá trị (được chia tỷ lệ) của 𝐻𝑡𝑖 . Sau đó, máy chủ tính trung bình các bản cập nhật được
lấy mẫu con, tạo ra bản cập nhật toàn cầu. Giá trị trung bình của các bản cập nhật được lấy mẫu là một ước
lượng không chệch của giá trị trung bình thực : E[𝐻 ̂𝑡 ]=𝐻𝑡 .
3.4 Lý thuyết sự công bằng trong học liên kết
Sự công bằng trong Machine Learning thường được định nghĩa là sự bảo vệ của các thuộc tính riêng cụ
thể. Hai cách tiếp cận thường thấy là tiền xử lý dữ liệu để xoá đi thông tin về các thuộc tính được bảo vệ
hoặc là hậu xử lý mô hình bằng điều chỉnh ngưỡng dự đoán sau khi phân loại được đào tạo. Trong bài này
chúng tôi sử dụng định nghĩa về công bằng là tính đồng nhất về độ chính xác giữa các thiết bị (các bên tham
gia) trong mạng Federated Learning [2].
Các thuật toán học liên kết liên quan đến hàng trăm đến hàng triệu thiết bị học trên dữ liệu được lưu trữ cục
bộ từ xa và giao tiếp với máy chủ trung tâm định kỳ để đạt được mô hình global. Một cách tự nhiên để đạt
được sự công bằng là gán trọng số cho các thiết bị có hiệu suất kém, để phân bổ lại độ chính xác trong
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
mạng từ đó chuyển dịch theo hướng đồng nhất hơn. Cho hàm chi phí cục bộ không âm 𝐹𝑘 và tham số 𝑞 >
0, công thức được định nghĩa như sau:
𝑚
𝑝𝑘 𝑞+1
𝑚𝑖𝑛(𝑤) 𝑓𝑞 (𝑤) = ∑ 𝐹𝑘 (𝑤),
𝑞+1
𝑘=1
𝑞 là tham số điều chỉnh lượng công bằng với q > 0, q càng lớn nhấn mạnh rằng thiết bị có tổn thất cục bộ
cao hơn
m là tổng số thiết bị tham gia
1 𝑛
𝐹𝑘 (𝑤) = 𝑛 ∑𝑗𝑘𝑘=1 𝑙𝑗𝑘 (𝑤) là rủi ro thực nghiệm cục bộ với 𝑛𝑘 là số mẫu có trên cục bộ
𝑘
Để giải quyết vấn đề trên, chúng tôi sử dụng thuật toán q-FedAvg
1
1: Input: 𝐾, 𝐸, 𝑇, 𝑞, 𝐿 , 𝜂, 𝑤 0 , 𝑝𝑘 , 𝑘 = 1, … , 𝑚
2: for 𝑡 = 0, … , 𝑇 − 1 do
3: Server chọn một tập con 𝑆𝑡 của 𝐾 các thiết bị ngẫu nhiên ( mỗi thiết bị thứ 𝑘 đã được chọn có xác suất
𝑝𝑘 )
4: Server gửi 𝑤 𝑡 cho tất cả thiết bị được chọn.
5: Mỗi thiết bị được chọn thứ 𝑘 cập nhật 𝑤 𝑡 cho 𝐸 epochs của SGD ở 𝐹𝑘 với kích thước bước nhảy 𝜂 để
tạo thành 𝑤𝑘𝑡+1
6: Mỗi thiết bị được chọn thứ 𝑘 tính:
∆𝑤𝑘𝑡 = 𝐿(𝑤 𝑡 − 𝑤𝑘𝑡+1 )
𝑞
∆𝑡𝑘 = 𝐹𝑘 (𝑤 𝑡 )∆𝑤𝑘𝑡
𝑞−1 𝑞
ℎ𝑘𝑡 = 𝑞𝐹𝑘 (𝑤 𝑡 )‖∆𝑤𝑘𝑡 ‖2 + 𝐿𝐹𝑘 (𝑤 𝑡 )
7: Mỗi thiết bị được chọn thứ 𝑘 gửi ∆𝑡𝑘 và ℎ𝑘𝑡 trả về server
Với ∆𝑤𝑘𝑡 : mức độ chênh lệch hàm loss trọng số 𝑤
ℎ𝑘𝑡 : kích thước bước thứ t của thiết bị thứ k
3.5 Cơ sở bảo vệ quyền riêng tư dữ liệu
Với học liên kết, không có dữ liệu cục bộ nào được tải lên bên ngoài, nối hoặc trao đổi vì toàn bộ cơ sở dữ
liệu được phân đoạn thành các bit cục bộ, điều này khiến việc xâm nhập vào nó trở nên khó khăn hơn và
chỉ các tham số học máy được trao đổi. Các tham số như vậy có thể được mã hóa trước khi chia sẻ giữa
các vòng học để mở rộng quyền riêng tư. Mặc dù vậy, các tham số này vẫn có thể làm rò rỉ thông tin về các
mẫu dữ liệu cơ bản. Để cải thiện vấn đề này, chúng tôi sử dụng phương pháp quyền riêng tư dữ liệu
(Differential Privacy).
Quyền riêng tư dữ liệu là một kỹ thuật thống kê đảm bảo quyền riêng tư trong thu thập và chia sẻ thông tin
tổng hợp về người dùng. Một trong những kỹ thuật được sử dụng trong bảo vệ quyền riêng tư là sử dụng
cơ chế thêm nhiễu, điều này đánh đổi giữa độ chính xác của mô hình và quyền riêng tư của khách hàng.
Mỗi máy khách đóng góp một lượng nhiễu nhất định.
Mô tả thuật toán:
• Máy khách: với tập hợp k khách
for i in k do:
return (w(t+1)i + 𝑟𝑖 )
• Máy chủ:
tổng hợp ∑𝑘𝑖 w(t+1)i
đưa ra w(t+1)i
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4 PHÂN TÍCH THIẾT KẾ MÔ HÌNH

4.1 Mô tả bài toán
Xây dựng mô hình học liên kết, sử dụng để huấn luyện máy học trên một số bộ dữ liệu thông dụng. Bao
gồm một parameter server và các node mạng lưu trữ các example.
4.2 Phân tích yêu cầu

Với nhu cầu huấn luyện AI/Machine Learning ngày càng tăng lên, cùng với sự ra đời của các luật bảo vệ
sự riêng tư của dữ liệu, Federated Learning được đề ra nhằm giải quyết nhu cầu đó mà không vi phạm
quyền riêng tư của dữ liệu. Xây dựng mô hình học liên kết làm nền tảng nghiên cứu, tương lai sẽ ứng dụng
trong các vấn đề thực tế mà cần sử dụng đến AI/Machine Learning.
4.3 Thiết kế hệ thống

4.3.1 Parameter Server và Node mạng
- Server: Nhận gradient, tổng hợp, cập nhật và gửi mô hình mới về node mạng.
- Node mạng: chứa dữ liệu, chạy các mô hình, thêm nhiễu vào kết quả và gửi chúng về server, nhận
mô hình mới và tiếp tục vòng giao tiếp.
4.3.2 Cơ chế khuyến khích

- Giảm thiểu tổn thất tổng trọng số được tham số hoá bởi q sao cho node mạng có tổn hao cao hơn
sẽ có trọng số cao hơn
- Duy trì độ chính xác trung bình tổng thể trong khi đảm bảo chất lượng công bằng
4.3.3 Sketched update & Structured Update

- Cập nhật mô hình hiện tại được tải xuống từ sever dựa trên dữ liệu cục bộ.
- Mã hóa hoặc ước tính các bản cập nhật ở dạng nén trước khi gửi đến sever.
- Máy chủ giải mã các bản cập nhật trước khi thực hiện tổng hợp.
4.3.4 FedProx
- Phân phối trọng số mô hình cho các thiết bị khác nhau.
- Chọn lọc các trọng số mô hình cục bộ mới có lượng tính toán không chính xác thấp và gần gũi với
mô hình ban đầu.
- Tổng hợp các trọng số mô hình cục bộ mới và đưa ra trọng số mô hình toàn cục mới.
4.3.5 Differential Privacy

- Sử dụng phân phối Laplace cho cơ chế thêm nhiễu vào tập dữ liệu ở máy khách trước khi gửi về
máy chủ.
4.4 Xây dựng mô hình

- Thông tin cài đặt:
● Ngôn ngữ: Python 3
● Thư viện: Pandas, Numpy, Pytorch, tqdm, Tensorflow
● Python Class: Server, Client, q-FedAvg, FedProx
● Responsitories: Github
● IDE: Atom
- Sơ đồ kiến trúc:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
5. THỬ NGHIỆM
5.1 Dữ liệu thử nghiệm
Chúng tôi sử dụng bộ dữ liệu thông dụng Synthetic được thiết lập đơn giản có dạng mô hình y =
argmax(softmax(Wx+b)) . Mục đích bộ Synthetic áp dụng học liên kết để kiểm tra độ hiệu quả trong trường
hợp cụ thể.Các dữ liệu Synthetic được phân phối vào các thiết bị với kích thước dữ liệu được phân phối
theo dạng phân phối chuẩn để chạy thử với tham số cài đặt như sau:
number_rounds: 2000
num_epochs: 1
batch_size: 10
learning_rate: 0.1
q: 1
Hình 1: Test Accuracy sau 2000 round
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
- Sau hơn 2000 vòng update global độ chính xác khá tốt ở mức 0.91503
Để giả lập không đồng nhất vào dữ liệu chúng tôi sử dụng bộ dữ liệu Synthetic_1_1 đã được làm nhiễu .
Bộ dữ liệu được tạo bằng cách phân phối chuẩn tắc các giá trị trung bình rồi khởi tạo W, b dựa theo giá trị
trung bình tương ứng và x được khởi tạo từ phân phối chuẩn đa chiều. Đồng thời sử dụng server chọn ngẫu
nhiên 10% thiết bị chạy cùng 1 epochs, 90% thiết bị còn lại chạy ngẫu nhiên số lượng epochs từ 1 đến 19.
learning_rate: 0.01
num_rounds: 200
clients_per_round: 10
num_epochs: 20
batch_size: 10
drop_percent: 0.9
mu: 1
Hình 2: Độ ổn định của training qua các round
- Với bộ dữ liệu đã thiết lập tham số điều chỉnh mức chênh lệch giữa trọng số ban đầu với trọng số cục bộ
(mu) của hàm Proximal term (tiệm cận gần). Kết quả cho Training Accuracy có kết quả qua các round
không ổn định nhưng vẫn đạt được kết quả 0.7 round cuối. Còn Training Loss giá trị nhận được qua 200
round ổn định ở khoảng [0.5,0.1].
Chúng tôi sẽ mô phỏng cách thêm nhiễu với bộ dữ liệu synthetic: Sau khi mô hình được huấn luyện với bộ
dữ liệu synthetic trên máy khách, kết quả sau khi huấn luyện sẽ là các tham số weight sẽ ở dạng tensor, lúc
này chúng tôi thêm nhiễu cho chúng theo phân phối Gaussian (mean=0 và variance=0.1)
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 3: Kết quả trước và sau khi thêm nhiễu
- Kết quả: Hiệu suất của mô hình không thay đổi nhiều, xu hướng hiệu suất của mô hình vẫn tăng và vẫn
đảm bảo độ chính xác của các thuật toán học liên kết khác.
Chúng tôi sử dụng thêm bộ dữ liệu Vehicle Sensor, bộ dữ liệu bao gồm các dữ liệu về âm thanh, địa chấn
hồng ngoại được thu thập từ 23 cảm biến, mô hình hoá các cảm biến thành devices. Sử dụng linear SVM
để train phân loại AAV-types và DW types
number_round: 20
num_epoch: 1
batch-size: 64
learning_rate: 0.01
q: 5
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 4: Mức độ phân bổ công bằng train accuracy trên các thiết bị
- Phân bổ sự công bằng khá tốt khi trung bình accuracy ở mức có thể chấp nhận được trên toàn thiết bị là:
0.863475 và devices (node) giữ accuracy cao nhất là: 0.932441 trong khi đó accuracy thấp nhất là 0.687432
6. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

6.1 Kết Luận
Trong suốt quá trình phát triển, dữ liệu đóng vai trò sống còn đối với kỷ nguyên của AI/Machine Learning,
đồng thời dữ liệu cũng mang bản chất nhạy cảm và tính nghiêm trọng, việc bảo mật dữ liệu được coi như
là điều hiển nhiên, vì vậy học liên kết là một giải pháp thiết yếu giải quyết tình trạng tiến thoái lưỡng nan
khi huấn luyện được mô hình mà không cần lo lắng về việc bảo mật dữ liệu. Sử dụng các thuật toán thích
hợp, bước đầu xây dựng được mô hình của học liên kết, áp dụng thêm cơ chế khuyến khích đóng góp dữ
liệu.
6.2 Hạn chế
Vì nghiên cứu này vẫn đang còn ở giai đoạn đầu nên chưa thể giải quyết toàn bộ các vấn đề được đề ra và
còn rất nhiều việc cần phải xử lý và hoàn thành như: giảm phương sai độ chính xác, phát hiện kết nối không
tin cậy, quá trình trao đổi gián đoạn,.. thay vào đó chúng tôi cố gắng phác thảo, mô phỏng các thành phần
chính của hệ thống, mô tả thách thức, xác định các vấn đề mở để tiếp tục phát triển.
Độ chính xác của học liên kết phụ thuộc với số vòng giao tiếp phù hợp nên khi so sánh với học cục bộ về
mặt thời gian thì vẫn còn chậm, mức độ hiệu quả chưa cao, cần các thuật toán, cơ chế mới để tối ưu hoá mô
hình sao cho tốc độ train đạt được tốt hơn.
6.3 Hướng phát triển
Tiếp tục hoàn thiện bài nghiên cứu như một sản phẩm ứng dụng chứ không chỉ còn là mô hình nữa và đưa
thêm các tính năng quan trọng vào mô hình. Trực tiếp triển khai trên các thiết bị thực tế như máy tính cá
nhân, điện thoại di động,.. Đa dạng hóa, tích hợp thêm các thuật toán mô hình để hệ thống Federated
Learning có thể huấn luyện. Cải thiện, đưa ra các thuật toán mới tối ưu, xây dựng thành app cài đặt trên
thiết bị.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3

[1] Qiang Yang, Yang Liu, Tianjian Chen, and Yongxin Tong. 2019. Federated Machine Learning: Concept and
Applications. ACM Trans. Intell. Syst. Technol. 10, 2, Article 12 (February 2019)
[2] Tian Li, Maziar Sanjabi, Ahmad Beirami, Virginia Smith.ICLR 2020. FAIR RESOURCE ALLOCATION IN
FEDERATED LEARNING
[3] Tian Li, Anit Kumar Sahu, Manzil Zaheer, Maziar Sanjabi, Ameet Talwalkar, Virginia Smith. 2020. FEDERATED
OPTIMIZATION IN HETEROGENEOUS NETWORKS
[4] H. Brendan McMahan, Eider Moore, Daniel Ramage, Seth Hampson, Blaise Aguera y Arcas. 2017.
Communication-Efficient Learning of Deep Networks from Decentralized Data
[5] Cynthia Dwork. 2008. Differential Privacy: A Survey of Results
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSCF.217
XÂY DỰNG HỆ THỐNG ĐÁNH GIÁ TÍN DỤNG CHO CÁC DOANH NGHIỆP
VỪA VÀ NHỎ
PHAN HỮU BẢO1(*), NGUYỄN MINH HIẾU1, NGUYỄN CHÍ KIÊN1, NGUYỄN ĐỖ QUỲNH
ANH2 , NGUYỄN HỮU TÌNH1, NGHĨA VŨ3, NGUYÊN NGUYỄN3
1
Khoa Công nghệ Thông tin, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh, 2Trusting Social, 3Bizzi
*
phanhuubaoa2@gmail.com, nguyenminhhieu111199@gmail.com, nguyenchikien@iuh.edu.vn,
qadn2@alumni.cam.ac.uk, nguyenhuutinh@iuh.edu.vn, bnol@bizzi.vn, vince.vu@bizzi.vn
Tóm tắt: Đánh giá tín dụng cho một doanh nghiệp đóng vai trò rất quan trọng trong quá trình đầu tư và
lưu chuyển của thị trường vốn. Đối với một doanh nghiệp, đánh giá tín dụng có thể quyết định khả năng
nhận đầu tư cho doanh nghiệp chưa niêm yết cũng như khả năng vay vốn (từ ngân hàng hoặc qua phát hành
trái phiếu công ty) và lãi suất cho doanh nghiệp đã niêm yết trên thị trường chứng khoán. Việc đánh giá tín
dụng thường được thực hiện dựa trên các báo cáo tài chính như báo cáo cân đối tài sản, báo cáo thu nhập,
báo cáo dòng tiền, và các dữ liệu về hoạt động kinh doanh khác của công ty. Trong bài báo này chúng tôi
xây dựng các mô hình học máy không giám sát và học máy giám sát để thực hiện đánh giá tín dụng cho các
doanh nghiệp vừa và nhỏ. Chúng tôi cũng so sánh kết quả thu được với các phương pháp đánh giá tín dụng
truyền thống.
Từ khóa: đánh giá tín dụng, doanh nghiệp vừa và nhỏ, học máy
CREDIT RATING SYSTEM FOR SMALL AND MEDIUM ENTERPRISES
Abstract: The credit rating process for enterprises plays a critical role in investment and the allocation of
capital markets. Credit rating may determine whether a non-listed company will receive an investment and
whether a listed company can borrow money (from banks or by issuing corporate bonds) and how much
the interests are. The credit rating process is normally carried out using the company’s financial reports
such as Balance Sheet, Income Statement, Cash Flow Statement, and other sales data. In this paper, we
build unsupervised learning and supervised learning models to implement credit ratings for small and
medium enterprises. We also compare our results with traditional credit rating models.
Keywords: Credit rating, small and medium enterprises, SME, Machine Learning
1 GIỚI THIỆU
Những tiến bộ trong xử lý thông tin, viễn thông và kỹ thuật tài chính đã được bộ phận cấu thành của sự
chuyển mình của ngành ngân hàng trong những năm gần đây. Theo bài báo "Credit Scoring and the
Availability, Price, and Risk of Small Business Credit" tác giả tập trung vào một công nghệ lan truyền nhanh
chóng thể hiện những tiến bộ này - chấm điểm tín dụng doanh nghiệp nhỏ (SBCS). Cụ thể, chúng tôi xem
xét việc áp dụng SBCS ảnh hưởng như thế nào đến tính sẵn có, giá cả và rủi ro của tín dụng doanh nghiệp
nhỏ. Khung phân tích cung cấp về việc áp dụng SBCS có thể thay đổi cách các ngân hàng xử lý thông tin
và đưa ra quyết định tín dụng đối với những người đăng ký khoản vay doanh nghiệp nhỏ. Tác giả cho thấy
SBCS có thể hoạt động như thế nào để thay thế hoặc bổ sung cho các công nghệ cho vay khác và có thể
dẫn đến giảm chi phí cho vay, cải thiện độ chính xác trong việc đánh giá mức độ tín nhiệm hoặc cả hai.
Ngoài ra, cho biết việc áp dụng SBCS có thể dẫn đến khả năng cung cấp tín dụng được mở rộng hoặc theo
hợp đồng như thế nào, giá tín dụng trung bình cao hơn hoặc thấp hơn và rủi ro tín dụng lớn hơn hoặc thấp
hơn đối với các nhóm người xin vay doanh nghiệp nhỏ khác nhau. Quan trọng là, khung cung cấp một số
dự đoán có thể kiểm tra được cho các mô hình thực nghiệm của. Tác giả ước tính ảnh hưởng của SBCS đối
với tình trạng sẵn có, giá cả và rủi ro tín dụng trong những năm 1995 -1997 bằng cách sử dụng dữ liệu từ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
cuộc khảo sát các ngân hàng lớn của Hoa Kỳ về việc họ có sử dụng SBCS hay không và sử dụng như thế
nào. Tác giả đo lường mức độ mà các tổ chức dựa nhiều hơn vào "quy tắc" - các quyết định tự động để phê
duyệt hoặc từ chối và giá cả dựa trên điểm tín dụng được tạo ra từ bên ngoài so với “sự tùy ý” các ngân
hàng phát triển các mô hình chấm điểm của riêng mình và sử dụng các yếu tố đầu vào khác trong các quyết
định tín dụng. Thông tin chấm điểm được kết hợp với dữ liệu về giá cho vay doanh nghiệp nhỏ, xếp hạng
rủi ro và các điều khoản hợp đồng khác của ngân hàng mẫu từ Khảo sát của Cục Dự trữ Liên bang về Điều
khoản cho vay Ngân hàng. Tác giả cũng so khớp những dữ liệu này với dữ liệu báo cáo cuộc gọi và tóm tắt
khoản tiền gửi trên các ngân hàng mẫu và các ngân hàng khác hoạt động tại thị trường địa phương của họ.
Khi xem trước, dữ liệu cho thấy việc áp dụng tính điểm tín dụng có liên quan đến số lượng mở rộng, giá
trung bình cao hơn và rủi ro lớn hơn đối với các khoản tín dụng doanh nghiệp nhỏ dưới 100.000 đô la.
Những phát hiện này phù hợp với giả thuyết rằng tác dụng chính của SBCS là cải thiện việc giảm chi phí
cho vay và/hoặc độ chính xác của xếp hạng tín dụng cho phép các ngân hàng mở rộng tín dụng cho một số
“đối tượng” nhất định "vay cận biên ”tương đối rủi ro nếu không sẽ không nhận được tín dụng. Những
người đi vay này có xu hướng trả một mức giá tương đối cao khi họ được cấp vốn vì rủi ro cao hơn, thiếu
thông tin hoặc các chi phí bổ sung liên quan khác liên quan đến việc xử lý các khoản vay của họ.
Các kết quả khác bao gồm:
1) Biểu đồ đánh giá học theo ngành cụ thể và ngân hàng cụ thể.
2) Ảnh hưởng của SBCS khác nhau tùy theo mức độ mà các ngân hàng tuân thủ “các quy tắc” so với “sự
tự do” của công nghệ.
3) Ảnh hưởng của SBCS khác nhau đối với các khoản tín dụng lớn hơn (từ 100.000 đến 250.000 đô la).
Những phát hiện của nghiên cứu này có thể có một số ý nghĩa quan trọng. Ví dụ: có một lo ngại đang diễn
ra rằng việc hợp nhất ngành ngân hàng có thể dẫn đến ít tín dụng hơn cho một số doanh nghiệp nhỏ. Kết
quả của chúng tôi cho thấy hiệu ứng này có thể được bù đắp ở một mức độ nào đó bằng SBCS, một công
nghệ dường như cho phép các ngân hàng lớn mở rộng cho vay doanh nghiệp nhỏ của họ cho một số “người
vay cận biên” mà nếu không sẽ không nhận được tín dụng.
Dựa trên ý tưởng trên của bài báo chúng tôi đã thử nghiệm xây dựng mô hình đưa ra việc đánh giá rủi ro
khi cho các doanh nghiệp nhỏ SBCS vay tín dụng.
2 ĐÁNH GIÁ ĐIỂM TÍN DỤNG DOANH NGHIỆP NHỎ VÀ TÀI LIỆU LIÊN QUAN
SBCS là một công nghệ tương đối mới để cho vay đối với các doanh nghiệp nhỏ không rõ ràng về mặt
thông tin liên quan đến việc xử lý dữ liệu về công ty và chủ sở hữu của nó bằng các phương pháp thống kê.
Kết quả là một điểm số hoặc thống kê tóm tắt về hiệu suất khoản vay dự kiến trong tương lai của người đi
vay (Feldman 1997, Mester 1997). Mặc dù điểm tín dụng đã được sử dụng trong một thời gian để đảm bảo
các khoản vay tiêu dùng, công nghệ này mới chỉ được áp dụng cho các khoản tín dụng thương mại nhỏ,
được cho là đã được ghi nhận tiêu chuẩn và quá khác biệt (Rutherford 1994/1995). Tuy nhiên, các nhà phân
tích tín dụng cuối cùng xác định rằng lịch sử tín dụng cá nhân của các chủ doanh nghiệp nhỏ có khả năng
dự đoán cao về triển vọng hoàn trả khoản vay của doanh nghiệp. Thông tin cá nhân được sử dụng trong các
mô hình SBCS có thể bao gồm thu nhập hàng tháng của chủ sở hữu, khoản nợ chưa thanh toán, tài sản tài
chính, thời hạn làm việc, quyền sở hữu nhà và các khoản nợ không trả được hoặc nợ trước đó (Mester
1997). Thông tin cá nhân được lấy từ một hoặc nhiều phòng tín dụng tiêu dùng và có thể được kết hợp với
dữ liệu từ các phòng tín dụng thương mại và dữ liệu cơ bản về doanh nghiệp cụ thể do ngân hàng thu thập
để đưa vào mô hình dự đoán. Về lâu dài, việc sử dụng SBCS có thể giúp phát triển thị trường thứ cấp cho
các nhóm nợ doanh nghiệp nhỏ, tương tự như cách thức chấm điểm tín dụng tiêu dùng giúp phát triển thị
trường thứ cấp cho nợ tiêu dùng. Trong khi một số ngân hàng lớn đã phát triển các mô hình SBCS độc
quyền (ví dụ: Wells Fargo), hầu hết đã chuyển sang mô hình của các nhà cung cấp bên ngoài. Nhà cung
cấp mô hình bên ngoài lớn nhất, Fair, Isaac and Company, đã giới thiệu mô hình SBCS đầu tiên của mình
vào năm 1995. Mô hình này sử dụng một mẫu của hơn 5000 đơn đăng ký vay doanh nghiệp nhỏ trong vòng
5 năm từ 17 ngân hàng lớn của Hoa Kỳ được thiết kế để đại diện cho một nhóm nhỏ người nộp đơn vay
vốn kinh doanh. Ngày nay, có những nhà cung cấp bên ngoài thay thế thường cũng kinh doanh thông tin
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
tín dụng thương mại (ví dụ: Dun & Bradstreet, Experian). Các sản phẩm của SBCS cũng khác nhau đáng
kể về số lượng và loại thông tin mà họ yêu cầu cũng như cách người cho vay tiếp cận chúng. Ví dụ: dữ liệu
do người cho vay nhập có thể chỉ là mã SIC và kiểm tra số dư tài khoản cho đến bao gồm cả thông tin báo
cáo tài chính phong phú về doanh nghiệp. Điểm tín dụng có thể được truy cập thông qua phần mềm máy
tính để bàn trên máy tính cá nhân, qua máy chủ máy tính lớn hoặc qua Internet. Mặc dù các mô hình này
có thể được thiết kế để sử dụng cho các khoản tín dụng lên đến 250.000 đô la, nhiều người cho vay chỉ sử
dụng chúng với số tiền dưới 100.000 đô la. Một khoản phí thường được tính cho mỗi điểm tín dụng doanh
nghiệp nhỏ thu được, trái ngược với một khoản phí cố định cho dịch vụ. Theo hiểu biết của chúng tôi, bằng
chứng hiện có về tác động của SBCS đối với tín dụng doanh nghiệp nhỏ được giới hạn trong hai nghiên
cứu. Một nghiên cứu ước tính rằng việc sử dụng SBCS đã làm tăng tỷ trọng danh mục cho vay doanh nghiệp
nhỏ dưới 100.000 USD lên 8,4 điểm phần trăm đối với một mẫu các tổ chức ngân hàng thương mại lớn vào
năm 1997 (Frame, Srinivasan và Woosley 2001). Nghiên cứu khác cho thấy rằng vào năm 1997 việc sử
dụng SBCS của các ngân hàng lớn đã làm tăng các khoản cho vay doanh nghiệp nhỏ dưới 100.000 đô la và
các khu vực điều tra dân số có thu nhập trung bình và tác động này cao gấp đôi so với các khu vực có thu
nhập cao hơn (Frame, Padhi, và Woosley 2001).
Mặc dù chúng tôi sử dụng cùng một dữ liệu khảo sát SBCS được sử dụng trong hai nghiên cứu trước đây,
nhưng bài báo này đưa ra một số phần mở rộng và đóng góp đáng kể. Đầu tiên, chúng tôi xem xét tác động
của SBCS đối với giá cả và rủi ro của các khoản tín dụng dành cho doanh nghiệp nhỏ dưới 100.000 đô la,
cũng như số lượng của khoản tín dụng này, cung cấp một bức tranh đầy đủ hơn về cách những người đi vay
doanh nghiệp nhỏ thu được tiền từ việc áp dụng SBCS. Thứ hai, chúng tôi kiểm tra sự hiện diện và độ dốc
của các đường cong học tập dành riêng cho từng ngân hàng hoặc ảnh hưởng đến số lượng, giá cả và rủi ro
trong khoảng thời gian kể từ khi một ngân hàng riêng lẻ áp dụng SBCS. Thứ ba, chúng tôi tiến hành phân
tích trong khoảng thời gian 3 năm và xem xét các tác động của đường cong học tập toàn ngành, thay vì chỉ
tập trung vào một năm duy nhất là 1997. Thứ tư, chúng tôi xem xét các ảnh hưởng của SBCS khác nhau
như thế nào với mức độ mà các ngân hàng tuân thủ đối với "quy tắc" so với "tùy ý" trong việc sử dụng công
nghệ. Cuối cùng, chúng tôi điều tra xem ảnh hưởng của SBCS khác nhau như thế nào đối với các khoản tín
dụng lớn hơn một chút từ 100.000 đến 250.000 đô la.
Nghiên cứu gần đây nhất quán với quan điểm coi SBCS là một trong số những đổi mới gần đây để cung
cấp các dịch vụ tài chính được thúc đẩy bởi các cải tiến công nghệ. Hai nghiên cứu cho thấy rằng SBCS có
nhiều khả năng được các tổ chức ngân hàng lớn hơn với nhiều chi nhánh hơn, nhưng ít ngân hàng có điều
lệ riêng biệt hơn chấp nhận - phù hợp với lợi ích của việc phân bổ chi phí áp dụng công nghệ trên nhiều
nguồn lực hơn và với những bất lợi tiềm tàng về tổ chức sử dụng công nghệ này trong hình thức công ty
mẹ (Akhavein, Frame và White 2001, Frame, Srinivasan và Woosley 2001). Các nghiên cứu về những đổi
mới khác trong ngành ngân hàng - bao gồm ngân hàng Internet (ví dụ, Furst, Lang và Nolle 2000), cơ sở
thanh toán bù trừ tự động (ví dụ, Gowrisankaran và Stavins 1999), và máy ATM (ví dụ, Hannan và
McDowell 1984) - trong một số trường hợp đã tương tự và trong một số trường hợp có những phát hiện
khác nhau về tác động của quy mô ngân hàng và sự liên kết của công ty mẹ đối với tốc độ chấp nhận.
Các nghiên cứu khác gần đây nhất quán với quan điểm coi SBCS là một phần của phong trào đang diễn ra
nhằm sử dụng nhiều phương pháp định lượng hơn trong cho vay doanh nghiệp nhỏ của ngân hàng. Một số
nghiên cứu phát hiện ra rằng các ngân hàng đã gia tăng khoảng cách mà họ cho các doanh nghiệp nhỏ vay
và sử dụng các phương pháp liên lạc mạo danh trước khi triển khai rộng rãi SBCS vào giữa những năm
1990 (ví dụ: Kwast, Starr-McCluer, và Wolken 1997, Petersen và Rajan năm 2002). Nghiên cứu khác cho
thấy rằng các ngân hàng đã tăng cho vay các doanh nghiệp nhỏ bên ngoài thị trường địa phương của họ vào
cuối những năm 1990, sau khi SBCS trở nên phổ biến (Cyrnak và Hannan 2000). Một nghiên cứu cũng chỉ
ra rằng các tổ chức ngân hàng đã tăng cường kiểm soát các chi nhánh từ xa theo thời gian, trong khi sử
dụng nhiều phương pháp định lượng hơn như SBCS, có thể yêu cầu ít kiểm soát hơn, giám sát của người
cho vay hơn (Berger và DeYoung 2001). Cuối cùng, một nghiên cứu khác cho rằng xu hướng thứ hai có
thể liên quan trực tiếp đến SBCS - vì việc sử dụng nó được coi là xác suất đáng kể mà một ngân hàng lớn
sẽ cho vay theo một lộ trình điều tra nhất định (Box, Padhi và Woosley 2001).
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Sự ra đời của SBCS và những ảnh hưởng kinh tế của nó cũng liên quan đến vấn đề thay đổi công nghệ và
tăng năng suất trong ngành ngân hàng. Các nghiên cứu về tăng trưởng năng suất ngân hàng Hoa Kỳ trong
những năm 1990 thường cho thấy năng suất giảm hoặc chỉ cải thiện rất nhẹ bằng cách sử dụng năng suất
chi phí hoặc phương pháp lập trình tuyến tính (ví dụ, Wheelock và Wilson 1999, Stiroh 2000, Berger và
Mester 2001). Tuy nhiên, nghiên cứu sau đó cũng cho thấy năng suất lợi nhuận đang tăng lên ngay cả khi
năng suất chi phí giảm, đặc biệt là đối với các ngân hàng lớn. Phát hiện này phù hợp với giả thuyết rằng
tiến bộ công nghệ cho phép các ngân hàng cung cấp nhiều dịch vụ hơn hoặc tốt hơn có thể làm tăng chi phí,
nhưng khách hàng sẵn sàng trả nhiều hơn cho các dịch vụ này, nâng cao doanh thu nhiều hơn chi phí tăng.
Một số thay đổi công nghệ có thể chịu trách nhiệm cho phát hiện này, có thể bao gồm cả SBCS nếu nó dẫn
đến việc cho vay nhiều hơn đối với những người đi vay chi phí cao bị tính giá tín dụng cao hơn chi phí cao
của họ.
Cuối cùng, vấn đề ảnh hưởng của SBCS đối với khả năng cung cấp tín dụng được đan xen với vấn đề ảnh
hưởng của việc hợp nhất ngành ngân hàng đối với khả năng cung cấp tín dụng. Một số nghiên cứu cho thấy
rằng các ngân hàng lớn có xu hướng dành tỷ lệ tài sản của họ thấp hơn để cho vay doanh nghiệp nhỏ hơn
so với các tổ chức nhỏ hơn và việc mua bán và sáp nhập (M & As) liên quan đến các tổ chức ngân hàng lớn
thường làm giảm đáng kể cho vay doanh nghiệp nhỏ (ví dụ: Berger, Saunders, Scalise, và Udell 1998). Việc
áp dụng SBCS có thể bù đắp một phần hoặc toàn bộ việc giảm tín dụng quan hệ của các ngân hàng lớn.
Các tổ chức hợp nhất hoặc các tổ chức khác có thể sử dụng công nghệ SBCS để phục vụ một số khách hàng
vay vốn có thể bị loại bỏ, hoặc sử dụng công nghệ này để cấp tín dụng cho những người đi vay khác có thể
không nhận được vốn ngân hàng.
Thông tin và tài liệu liên quan trên được trích dẫn trong bài báo "Credit Scoring and the Availability, Price,
and Risk of Small Business Credit"
3 PHƯƠNG PHÁP LUẬN
Chúng tôi sử dụng hai thuật toán chủ yếu là: XGBoost, Random Forest, ngoài ra chúng tôi cũng chạy các
thuật toán khác để so sánh độ chính xác như: Gradient Boosting Classifier, Support Vector Machine, Neural
Network, Naive Bayes, Linear Discriminant Analysis, Quadratic Discriminant Analysis, K Nearest
Neighbours, Logistic Regression. Hai thuật toán đầu tiên được thử nghiệm bằng cách sử dụng cả hàm
hyperbolic sigmoid và tiếp tuyến trong lớp ẩn, và chức năng kích hoạt SoftMax trong lớp đầu ra [13]. Việc
học được cải thiện bằng quy tắc Delta-Bar-Delta mở rộng và quy trình ủ mô phỏng [13]. Tốc độ học tập và
động lượng ban đầu được đặt là 0,5 và giảm theo cấp số nhân trong quá trình học tập theo điểm biến đổi
đặt trước [13]. Việc luyện tập quá mức có thể tránh được bằng quy trình xác thực chéo nhằm xác nhận kết
quả mạng sau mỗi 1000 lần lặp và lưu kết quả tốt nhất [13]. Mẫu đào tạo ban đầu (75% tổng số mẫu) được
chia thành hai mẫu: 85% để đào tạo và 15% để xác nhận chéo.
Random Forests là thuật toán học máy có giám sát (supervised learning). Nó có thể được sử dụng cho cả
phân lớp và hồi quy. Random Forest là một tập hợp của nhiều Decision Tree, trong đó mỗi Decision Tree
được tạo nên ngẫu nhiên từ việc tái chọn mẫu (chọn random một phần của data để xây dựng) và random
các biến từ toàn bộ các biến trong data. Giả sử bộ dữ liệu có n dữ liệu (sample) và mỗi dữ liệu có d thuộc
tính (feature), thuật toán lấy ngẫu nhiên n dữ liệu từ bộ dữ liệu với kĩ thuật Bootstrapping, hay còn gọi
là random sampling with replacement. Khi chúng tôi sample được một dữ liệu thì sẽ không bỏ dữ liệu
đấy ra mà vẫn giữ lại trong tập dữ liệu ban đầu, rồi tiếp tục sample cho tới khi sample đủ n dữ liệu. Khi
dùng kĩ thuật này thì tập n dữ liệu mới của chúng tôi có thể có những dữ liệu bị trùng nhau. Sau khi sample
được n dữ liệu thì chọn ngẫu nhiên ở k thuộc tính (k < n) cuối cùng thu được bộ dữ liệu mới gồm n dữ liệu
và mỗi dữ liệu có k thuộc tính.
Bước tiếp theo của thuật toán là dùng thuật toán Decision Tree để xây dựng cây quyết định với bộ dữ liệu
thu được ở trên. Do quá trình xây dựng mỗi cây quyết định đều có yếu tố ngẫu nhiên (random) nên kết quả
là các cây quyết định trong thuật toán Random Forest có thể khác nhau. Thuật toán Random Forest sẽ bao
gồm nhiều cây quyết định, mỗi cây được xây dựng dùng thuật toán Decision Tree trên tập dữ liệu khác
nhau và dùng tập thuộc tính khác nhau. Sau đó kết quả dự đoán của thuật toán Random Forest sẽ được tổng
hợp từ các cây quyết định. Random forests được coi là một phương pháp chính xác và mạnh mẽ vì số cây
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
quyết định tham gia vào quá trình này. Nó không bị vấn đề overfitting. Thuật toán có thể được sử dụng
trong cả hai vấn đề phân loại và hồi quy. Random forests cũng có thể xử lý các giá trị còn thiếu.
Để tìm ra mô hình tốt nhất, chúng tôi đã chạy thử các mô hình và so sánh độ chính xác, kết quả nhận thấy
hai thuật toán XGBoost và Random Forest có độ chính xác cao nhất. Chúng tôi tiến hành xây dựng và tối
ưu hóa các tham số của hai mô hình trên. Kết quả cuối cùng với thuật toán XGBoost với độ chính xác cao
nhất.
4 MÔ TẢ DỮ LIỆU VÀ QUY TRÌNH LẤY MẪU
Vì các nhà nghiên cứu khác đã tìm thấy cả hoạt động cá nhân và hoạt động kinh doanh có liên quan trong
các hệ thống chấm điểm tín dụng doanh nghiệp nhỏ [3], [6], [7], [8], chúng tôi kết hợp các phát hiện của
họ trong lựa chọn thay đổi của chúng tôi. Bộ dữ liệu Corporate-credit-rating xếp hạng tín dụng có 2029
bản ghi, mỗi bản ghi có 31 thuộc tính. Trong đó 25 thuộc tính là chỉ số tài chính được chia thành 5 nhóm
bao gồm:
Liquidity Measurement Ratios: currentRatio, quickRatio, cashRatio, daysOfSalesOutstanding
Profitability Indicator Ratios: grossProfitMargin, operatingProfitMargin, pretaxProfitMargin,
netProfitMargin, effectiveTaxRate, returnOnAssets, returnOnEquity, returnOnCapitalEmployed
Debt Ratios: debtRatio, debtEquityRatio
Operating Performance Ratios: assetTurnover
Cash Flow Indicator Ratios: operatingCashFlowPerShare, freeCashFlowPerShare, cashPerShare,
operatingCashFlowSalesRatio, freeCashFlowOperatingCashFlowRatio
Cột Rating chỉ mức độ rủi ro của công ty(AAA là ít rủi ro nhất, D là rủi ro cao nhất)
Bảng 1: Các biến đầu vào với thống kê mô tả

Biến đổi Thống kê mô tả
Hoạt động chính của công ty Sản xuất và bán hàng dệt (G: 11,32% B: 16,98%);
Bán ô tô (G: 7,55% B: 9,43%);
Sản xuất lương thực (G: 25,43% B: 13,21%);
Dịch vụ y tế, thông minh (G: 18,87% B: 5,66%);
Nông nghiệp (G: 28,30% B: 39,62%);
Tòa nhà (G: 1,89% B: 9,43%); Du lịch (G: 7,55% B: 5,66%)
Công ty mới Có (G: 22,64% B: 24,53%);

Không (G: 77,36% B: 75,47%)
Nhân viên Trung bình G: 2,32 ( σ = 3,011);

Trung bình B: 1,68 ( σ = 1,47);
Nghề nghiệp Nông dân (G: 50,94% B: 41,51%);

Người bán lẻ (G: 9,43% B: 15,09%);
Xây dựng (G: 7,55% B: 11,32%);
Elect.engineers, y tế (G: 16,98% B: 22,64%);
Nhà hóa học (G: 15,10% B: 9,43%)
Tuổi tác Trung bình G: 43,28 ( σ = 10,73);

Trung bình B: 40,55 ( σ = 8,87)
Vị trí kinh doanh Vùng 1 - G: 37,74% B: 47,17%;

Vùng 2 - G: 28,30% B: 16,87%;
Vùng 3 - G: 11,32% B: 9,43%;
Vùng 4 - G: 22,64% B: 25,53%
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Yêu cầu tín dụng Lần đầu tiên G (88,68% B: 92,45%); Thứ hai hoặc thứ ba (G:
11,32% B: 7,55%)
Trả lãi Hàng tháng (G: 81,13% B: 73,58%);

Hàng quý (G: 15,09 B: 9,43%);
Bán kỳ (G: 3,77% B: 16,98%)
Giai đoạn ân hạn Có (G: 54,72% B: 66,04%); Không G: (45,28% B: 33,96%)
Tiền gốc Hàng tháng (G: 81,13% B: 69,81%);

Hàng năm (G: 18,87% B: 30,19%)
Thời gian trả nợ Trung bình G: 18,78 (σ = 6,76);

Trung bình B: 20,19 (σ = 6,33)
Lãi suất Trung bình G: 13,42 (σ = 2);

Trung bình B: 13,02 (σ = 1,76)
Số tiền tín dụng Trung bình G: 46370 kunas (σ = 31298,84);

Trung bình B: 49403 kunas (σ = 33742,11)
lợi nhuận G: 50-70%; B: 30-50%
Tầm nhìn của doanh nghiệp Không (G: 1,89% B: 20,75%); Có (G: 20,75% B: 3,77);
Hoạt động kinh doanh hiện tại (G: 77,36% B: 75,47%)
Tốt hơn so với cạnh tranh trong Chất lượng (G: 35,85% B: 35,85%);
Sản phẩm (G: 7,55% B: 9,43);
Dịch vụ, giá cả (G: 22,64% B: 5,66%);
Danh tiếng (G: 16,98% B: 18,87%);
Không trả lời (G: 16,98% B: 30,19%)
Mức giảm giá Cấp địa phương (G: 60,38% B: 47,17%);

Khách hàng xác định (G: 9,43 B: 26,42%);
Một khu vực (G: 11,32% B: 7,55%);
Cả nước (G: 15,09% B: 15,1%);
Không (G: 3,77% B: 3,77%)
Thêm vào Không thêm (G: 16,98% B: 11,32%);

Tất cả các phương tiện (G: 22,64% B: 30,19%);
Bán cá nhân (G: 18,87% B: 1,89%);
Internet (G: 3,77% B: 5,67%);
Không trả lời (G: 37,74% B: 50,9%)
Nhận thức về cạnh tranh Không cạnh tranh (G: 9,43% B: 18,87%);
Câu trả lời rộng (G: 64,15% B: 52,83%);
Thành phần xác định (G: 16,98% B: 5,66%);
Không trả lời (G: 9,43 B: 22,64%)
Như đầu ra, chúng tôi sử dụng tính điểm tín dụng dưới dạng một biến nhị phân với một danh mục đại diện
cho những người nộp đơn tốt và một danh mục đại diện cho những người nộp đơn kém. Người nộp đơn
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
được phân loại là tốt nếu chưa bao giờ có bất kỳ khoản thanh toán nào quá hạn từ 45 ngày trở lên, và xấu
nếu khoản thanh toán đã quá hạn ít nhất một lần từ 46 ngày trở lên. Mẫu bao gồm 66% hàng hóa và 34%
hàng xấu. Để đo độ chính xác của các mô hình, chúng tôi sử dụng tỷ lệ truy cập cho cả NN và LR. Tổng tỷ
lệ truy cập được tính cho tất cả những người đăng ký được phân loại chính xác bằng cách sử dụng ngưỡng
0,5, cũng như tỷ lệ truy cập cá nhân cho những người nộp đơn tốt và xấu.
5 KẾT QUẢ
Cấp thử nghiệm đầu tiên trích xuất các mô hình tốt nhất của mỗi thuật toán bằng cách sử dụng chiến lược
lựa chọn biến chuyển tiếp phi tuyến được mô tả trước đó, cũng như mô hình chấm điểm tín dụng LR tốt
nhất. Chúng tôi tiến hành so sánh độ chính xác của các mô hình, kết quả được trình bày trong bảng 1.
Bảng 1: Kết quả các thuật toán của các mô hình
Mô hình Độ chính xác (%)
XGBoost 65,19
Random Forest 63,46
Gradient Boosting Classifier 59,02
Support Vector Machine 53,33
Neural Network 36,54
Naive Bayes 30,86
Linear Discriminant Analysis, 38,77
Quadratic Discriminant Analysis 35,56
K Nearest Neighbours 58,02
Như được trình bày trong Bảng 1, kết quả XGBoost là cao nhất, . Trong số các mô hình NN khác, Naive
Bayes có hiệu suất kém nhất, trong khi Random Forest là tốt thứ hai, tiếp theo là Gradient Boosting
Classifier.
6 KẾT LUẬN
Bài báo nhằm mục đích so sánh hiệu suất của các phương pháp XGBoost, Random Forest, cũng như xác
định các đặc điểm quan trọng đối với mô hình chấm điểm tín dụng doanh nghiệp nhỏ trên tập dữ liệu của
Corporate-credit-rating. Các biện pháp thống kê liên kết cho thấy mô hình XGBoost tốt nhất gắn với dữ
liệu tốt hơn so với mô hình còn lại. Mô hình XGBoost tốt nhất vượt trội hơn đáng kể so với mô hình còn
lại, đồng thời chiết xuất các đặc điểm cá nhân và doanh nghiệp của doanh nhân, cũng như các đặc điểm của
chương trình tín dụng cũng như các đặc điểm quan trọng. Vì thuật toán XGBoost có tính song song và tối
ưu hóa phần cứng, thuật toán có thể thực hiện cắt tỉa cây để loại bỏ các cành có xác suất thấp, hàm mất mát
của mô hình có một thuật ngữ để trừng phạt sự phức tạp của mô hình với sự chính quy hóa để làm trơn tru
quá trình học tập. Thuật toán tập trung vào dữ liệu bị phân loại sai.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Theo hướng dẫn cho nghiên cứu sâu hơn, chúng tôi khuyên bạn nên mở rộng tập dữ liệu với số lượng trường
hợp lớn hơn và số lượng biến lớn hơn, đặc biệt bằng cách thêm dữ liệu của phòng tín dụng không có sẵn ở
nước ta, nhưng được các tác giả khác cho là có liên quan để chấm điểm tín dụng. Thứ hai, phương pháp
luận có thể được mở rộng với các kỹ thuật trí tuệ nhân tạo khác như thuật toán di truyền, hệ thống chuyên
gia và những kỹ thuật khác phù hợp để phân loại.

[1] Small Business Credit Scoring: A Comparison of Logistic Regression, Neural Network, and Decision Tree Models.
[2] Credit Scoring and the Availability, Price, and Risk of Small Business Credit.
[3] Link dataset: https://www.kaggle.com/agewerc/corporate-credit-rating
[4] https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html
[5] https://machinelearningmastery.com/develop-first-xgboost-model-python-scikit-learn
[6] https://mljar.com/blog/visualize-decision-tree
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSCF.218
PHÁT TRIỂN HỆ THỐNG TẠO TẢI SỬ DỤNG ĐỘNG CƠ DIESEL NÔNG

NGHIỆP VIKYNO RV125
VÕ TẤN CHÂU1*, NGUYỄN QUỐC SỸ1, TRẦN VĂN NGUYỆN2, PHẠM NGỌC ĐỨC1, TRẦN
HOÀNG KHÁNH1, DƯƠNG ĐÌNH HIẾU1
1
Khoa Công Nghệ Động Lực, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
2
Khoa Cơ Khí Động Lực, Trường Cao đẳng Công thương Thành phố Hồ Chí Minh
*
votanchau@iuh.edu.vn
Tóm tắt. Động cơ diesel đang được sử dụng rộng rãi trong các lĩnh vực công - nông nghiệp, giao thông
vận tải và xây dựng. Tuy nhiên, sau một thời gian sử dụng do điều kiện vận hành và môi trường hoạt động,
công suất động cơ sẽ giảm đồng thời với tăng phát thải ô nhiễm và tiêu hao nhiên liệu. Nghiên cứu này phát
triển hệ thống tạo tải cho động cơ diesel nông nghiệp Vikyno RV125 có khả năng thử nghiệm đối sánh
công suất, momen, suất tiêu hao nhiên liệu và khí thải. Hệ thống được thiết kế, chế tạo và thử nghiệm ở các
khoảng tốc độ thay đổi từ 1300 vòng/phút tới 2300 vòng/phút, tải tiêu thụ thay đổi từ không tải tới 6kW.
Kết quả nghiên cứu cho thấy hệ thống chế tạo mang tính linh động, có khả năng xác định công suất, momen,
suất tiêu hao nhiên liệu của động cơ với mức độ sai số giữa các lần đo nhỏ hơn 5%. Phát triển hệ thống này
là cơ sở bước đầu để thử nghiệm đối sánh ứng dụng nhiên liệu biodiesel trên động cơ.
Từ khóa. Động cơ diesel, bệ thử động cơ, đặc tính công suất động cơ, khí thải.
DEVELOPMENT OF SMALL DYNAMOMETER SYSTEM RUNNING ON

AGRICULTURAL DIESEL VIKYNO RV125
Abstract. Diesel engines are widely used in the fields of industry - agriculture, transportation, and
construction. However, due to the operating conditions and used environment for long-term usage, the
engine power has decreased while increasing pollution emissions and fuel consumption. This work has
developed the small dynamometer system for the Vikyno RV125 agricultural diesel engine which is able
to conduct the comparison of power, torque, fuel consumption, and exhaust gas emissions. The system is
designed, fabricated, and tested in speed ranges from 1300rpm to 2300rpm, changing engine load
consumption from 0kW to 6kW. Research results show that the fabricated system is flexible, capable of
determining the power, torque, and fuel consumption of the engine with an error level of less than 5%. This
system is the preliminary equipment for comparative testing of bio-diesel fuel applications on the engine.
Keywords. Diesel engine, engine dynamometer, engine performance characteristics, engine emissions.
1 GIỚI THIỆU
Động cơ diesel ngày càng được sử dụng rộng rãi trong xã hội (ở các lĩnh vực công nghiệp, nông nghiệp,
giao thông vận tải và xây dựng,…) do hiệu suất nhiệt cao và chi phí nhiên liệu thấp hơn động cơ xăng. Tuy
nhiên, phát thải ô nhiễm từ động cơ diesel đang được xem xét là một trong những vấn đề nghiêm trọng góp
phần vào ô nhiễm môi trường, sức khỏe con người [1]. Điều đó thúc đẩy các nhà nghiên cứu khoa học, nhà
sản xuất ô tô và động cơ liên tục không ngừng cải tiến công nghệ, áp dụng các phát triển khoa học kỹ thuật
như phun dầu điện tử common rail [2], hồi lưu khí thải EGR [3], ứng dụng bio-fuels [4][5], tối ưu hóa điều
khiển hoạt động [6],... nhằm nâng cao công suất động cơ, giảm phát thải ô nhiễm môi trường và đáp ứng
tiêu chuẩn khí thải ngày càng khắt khe của các quốc gia trên thế giới.
Sau thời gian sử dụng lâu dài, một số hệ thống trong động cơ xuống cấp do ma sát, tắc nghẽn, va chạm…
các hư hỏng nhỏ có thể xảy ra và đi kèm với sự tăng lên của nồng độ khí thải, việc kiểm nghiệm đánh giá
đặc tính công suất và khí thải của động cơ là rất cần thiết. Nghiên cứu của Ammar Alfaiz và ctg. [7] phát
triển hệ thống thử nghiệm công suất cho các động cơ loại nhỏ sử dụng phương pháp tạo tải thuỷ lực. Hệ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
thống có thể xác định công suất, momen và suất tiêu hao nhiên liệu động cơ; Nghiên cứu của Đặng Đức
Thuận và ctg. [8] xác định đặc tính ngoài động cơ Diesel 3T84 trên máy kéo Yanmar 3000 đã qua sử dụng
nhằm phục vụ tính toán xây dựng các hệ thống tải tiêu thụ bằng thực nghiệm qua trục trích công suất trên
băng thử thuỷ tĩnh tự thiết kế. Nghiên cứu chế tạo bộ đo momen xoắn dùng cảm biến biến dạng kết hợp với
trục xoắn được thực hiện bởi Lê Duy Hưng và ctg [9]. Nghiên cứu bước đầu cho thấy hệ thống có thể đo
được momen xoắn cho các tính toán trên băng thử công suất xe gắn máy kết hợp thu nhận tín hiệu không
dây của momen trên trục xoắn; Mohn Hasnun Arif Bin Hassan [10] nghiên cứu thiết kế trục nối trong hệ
thống động cơ với bệ thử nhằm đánh giá tác động của vật liệu, kích thước trục nối tới các rung động xoắn
trục, gãy trục, rung động của động cơ và băng thử, các hư hỏng có thể xảy ra khi hoạt động; Hệ thống bệ
thử động cơ sử dụng tạo tải phanh bằng khí nén được chế tạo bởi Mohammad Sami Ahmad [11]; Nghiên
cứu này tạo momen cản cho động cơ bằng máy nén khí và bình nén nhưng tạo ra tiếng ồn lớn và độ chính
xác không cao. Ngày nay, nghiên cứu về đặc tính công suất, momen và phát thải của động cơ thường sử
dụng phổ biến hệ thống thử nghiệm loại thuỷ lực (hydraulic dynamometer) và loại điện từ (Eddy Current
Dynamometer) [12]. Với hệ thống tạo tải bằng thuỷ lực, động cơ được liên kết truyền động tạo tải bởi bơm
thuỷ lực có khả năng điều chỉnh áp suất thuỷ lực bằng hệ thống van điều khiển [13]. Tuy nhiên, hệ thống
thuỷ lực cung cấp cho bệ thử chiếm nhiều không gian và không thuận lợi cho các vị trí lắp đặt có diện tích
nhỏ. Được sử dụng nhiều nhất trong các phòng nghiên cứu là hệ thống băng thử điện từ. Hệ thống này khắc
phục nhược điểm về vị trí lắp đặt của hệ thống tạo tải thuỷ lực nhưng hệ thống này thay đổi tạo tải cho động
cơ bằng thiết bị điện từ trường (electromagnetic) [14]. Điều này làm tăng chi phí của hệ thống và phức tạp
hơn trong quá trình cài đặt hệ thống. Từ các nghiên cứu trên cho thấy bệ thử là một thiết bị cần thiết để
nghiên cứu đánh giá đặc tính công suất, tiêu hao nhiên liệu, tiếng ồn và khí thải động cơ-ô tô không chỉ
nhằm xác định khả năng hoạt động hiệu quả của động cơ mà còn có thể đánh giá tính khả thi trong ứng
dụng nhiên liệu sinh học trên động cơ, ô tô với mục đích giảm khí thải ô nhiễm ra môi trường [15], [16].
Ở Việt Nam, trong quá trình học tập của sinh viên ngành Ô tô tại phòng thí nghiệm ở các trường đại học,
các hệ thống thí nghiệm chưa đáp ứng được nhu cầu của người học, chưa được trang bị đầy đủ và cập nhật
với thực tiễn ngành học, chi phí đầu tư hệ thống thí nghiệm đồng bộ sẽ rất cao. Do đó, nghiên cứu này bước
đầu chế tạo hệ thống băng thử ứng dụng cho động cơ diesel Vikyno RV125 có khả năng xác định các thông
số động cơ trong quá trình hoạt động, đo momen cản, suất tiêu hao nhiên liệu và kết hợp với hệ thống đo
khí thải tại các điều kiện hoạt động của động cơ. Hệ thống băng thử động cơ diesel RV125 được chế tạo
hoàn thiện giúp người học nắm vững các vấn đề về thực nghiệm chuyên ngành. Nghiên cứu này là tiền đề
cho các phát triển về đánh giá đối chứng sự ảnh hưởng của việc thay đổi thông số vận hành của động cơ và
nhiên liệu sinh học (biodiesel) lên đặc tính công suất và khí thải động cơ.
2 XÂY DỰNG HỆ THỐNG BẰNG THỬ VÀ ĐIỀU KIỆN THỬ NGHIỆM

2.1 Thiết lập hệ thống băng thử động cơ
Hình 1: Bố trí 3D hệ thống băng thử động cơ Vikyno RV125
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 1 trình bày tổng quan thiết kế 3D của hệ thống băng thử thí nghiệm. Bên cạnh chức năng chính, thiết
kế hướng đến tính linh hoạt cao, dễ dàng bố trí trong các khu vực thí nghiệm. Hệ thống bao gồm cụm động
cơ liên kết máy phát điện tạo tải, cụm tiêu thụ tải cho động cơ và cụm đo tiêu hao nhiên liệu. Trong đó,
cụm động cơ và máy phát điện kết nối bằng hệ thống truyền động dây đai-puli như trên hình 2.
Hình 2: Kết cấu hệ thống truyền động bệ thử
Hình 3: Mạch điện hệ thống tiêu thụ tải
Cụm tiêu thụ tải động cơ sử dụng hệ thống điện trở nhiệt như sơ đồ trong hình 3 với khả năng tiêu thụ tải
lên tới 13kW, bước tăng tải là 0.5kW. Việc điều chỉnh tải tiêu thụ của bệ thử dựa trên điều chỉnh điện trở
tổng mạch của hệ thống tiêu thụ tải thông qua sự đóng ngắt mạch điện. Các điện trở nhiệt của hệ thống tiêu
thụ được mắc song song với nhau và mỗi điện trở được điều khiển độc lập bởi một công tắc. Trong quá
trình hoạt động, năng lượng từ máy phát điện chuyển hóa điện năng thành nhiệt năng ra bên ngoài, để tránh
quá nhiệt và hư hỏng, cụm hệ thống điện trở nhiệt được làm mát bằng quạt tản nhiệt.
2.2 Tính toán, thiết kế và lựa chọn cụm động cơ - máy phát tạo tải
Việc lựa chọn máy phát điện phải đảm bảo đặc tính công suất của máy phát đáp ứng đặc tính ngoài của
động cơ cần thử nghiệm. Đối với nghiên cứu này động cơ thử nghiệm là Vikyno RV125, 01 xylanh có công
suất cực đại là 9.32kW[17]. Do đó, máy phát điện đồng bộ có công suất tối đa 12kW được lựa chọn. Hình
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4 so sánh đặc tính ngoài của máy phát và động cơ Vikyno RV125. Từ đó, cơ sở lựa chọn máy phát là hoàn
toàn đáp ứng cho động cơ thử nghiệm trong nghiên cứu này.
Hình 4: Đồ thị so sánh đặc tính công suất động cơ Vikyno RV125 và máy phát điện
Kích thước của cụm puli và mặt bích được tính toán, thiết kế và lựa chọn làm cơ sở truyền động dựa trên
giá trị đầu ra của máy phát gồm điện áp 220V với tần số 50-60Hz, tốc độ máy phát 1500 vòng/phút. Do đó,
kích thước đường kính puli và chiều dài đai được tính theo công thức (1), (2) [18] và thông số thiết kế, lựa
chọn được thể hiện trong bảng 1.
𝑑𝑚𝑝
𝑢= (1)
𝑑𝑑𝑐
2
(𝑑𝑚𝑝 −𝑑𝑑𝑐 )
𝑙 = 2𝑎 + 0,5𝜋(𝑑𝑑𝑐 + 𝑑𝑚𝑝 ) + 4𝑎
(2)
Bảng 1: Thông số kích thước bộ truyền động đai

Đường kính puli động cơ (mm) ddc = 180
Đường kính puli máy phát (mm) dmp = 220
Khoảng cách trục (mm) a = 500
Chiều dài đai (mm) l = 1200
Số đai Z=2
Tỉ số truyền u = 1,2
2.3 Thiết kế hệ thống thu thập tín hiệu

Hình 5 trình bày sơ đồ hệ thống thu thập các tín hiệu bệ thử động cơ. Dựa vào dãy đo công suất của bệ thử
thiết kế, chiều dài cánh tay đòn và kết cấu hệ thống trên bệ thử, cảm biến lực loadcell (EGQ7) dạng chữ I
với dãy đo lên tới 400N được sử dụng để xác định momen xoắn của máy phát.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 5: Sơ đồ hệ thống thu thập tín hiệu, hiểu thị giá trị của băng thử động cơ
Loadcell hoạt động dựa trên nguyên lý cầu điện trở cân bằng Wheatstone. Tín hiệu analog từ cảm biến lực
loadcell sau khi đi qua mạch chuyển đổi (HX 711) được chuyển sang tín hiệu digital và truyền về bộ xử lý
Adruino UNO R3 để tính toán, xử lý tín hiệu, và xuất kết quả momen ra một màn hình LCD. Để đo tốc độ
động cơ thử nghiệm, hệ thống sử dụng module - cảm biến tiệm cận NPN LJ18A3-8-Z/BX NPN tự động đo
đạc và trả về kết quả tốc độ động cơ trên màn hình LED. Bên cạnh đó, hệ thống còn sử dụng thêm các
module khác gồm module PVAF-100A để đo công suất tiêu thụ của hệ thống tải điện, module nhiệt độ
TYPE K800 để đo nhiệt độ nhớt và nhiệt độ khí thải của động cơ, module nhiệt độ 5Z60 - Q9VP để đo
nhiệt độ khí nạp, module 1/8NPT Temperature để đo nhiệt độ nước làm mát của động cơ.
2.4 Điều kiện thử nghiệm hệ thống

Hình 6 là hệ thống băng thử động cơ được chế tạo từ các điều kiện kỹ thuật được tính toán, thiết kế ban
đầu. Nhằm kiểm tra tính năng của bệ thử, điều kiện thử nghiệm được áp dụng như trên bảng 2 và tiến hành
các thí nghiệm đo đặc tính công suất, momen, thông số hoạt động của động cơ như nhiệt độ khí nạp, nhiệt
độ khí thải, nhiệt độ nước làm mát, nhiệt độ nhớt bôi trơn. Công suất định mức của động cơ được nhà sản
xuất công bố là 7.4kW. Do đó, giá trị tải thử nghiệm được lựa chọn lên tới 6.0kW. Nhiên liệu được sử dụng
là dầu diesel thương mại có tính chất nhiên liệu phù hợp với điều kiện hoạt động thực tế của động cơ. Mỗi
điều kiện thử nghiệm được lặp lại 3 lần để thu thập dữ liệu và so sánh khả năng hoạt động ổn định của hệ
thống.
Bảng 2: Điều kiện thử nghiệm băng thử động cơ
Nhiên liệu Dầu diesel

Tải động cơ áp dụng (kW) 0  6.0, bước tăng 0.5
Tốc độ động cơ (vòng/phút) 1300  2300
Số lần lặp lại tại mỗi điều kiện (lần) 03
Nước làm mát 85 C -900C
0
Nhớt bôi trơn 800C-850C
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 6: Hệ thống băng thử động cơ Vikyno RV 125 được chế tạo
3 KẾT QUẢ THỬ NGHIỆM

3.1 Đặc tính công suất theo tốc độ động cơ
Hình 7: Đặc tính công suất và mô men đo trên băng thử chế tạo
Hình 7 hiển thị kết quả thử nghiệm đặc tính công suất, momen của động cơ Vikyno RV125 trên hệ thống
thử nghiệm ở chế độ thay đổi tốc độ động cơ từ 1300 vòng/phút đến 2300 vòng/phút. Dựa vào kết quả thử
nghiệm, hệ thống bệ thử xác định được đặc tính công suất, moment của động cơ. Bên cạnh đó, thử nghiệm
thể hiện khả năng làm việc ổn định của hệ thống ở tải lên tới 6.0kW trong khoảng tốc độ động cơ từ
1300vòng/phút tới 2200 vòng/phút.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.2 Suất tiêu hao nhiên liệu của động cơ theo các mức tải
Hình 8: Suất tiêu hao nhiên liệu ở các mức tải tiêu thụ của động cơ
Hình 8 hiển thị kết quả thử nghiệm công suất, momen và suất tiêu hao nhiên liệu có ích của động cơ trên
hệ thống thử nghiệm ở chế độ thay đổi tải tiêu thụ từ 1.0kW tới 6.0kW tại chế độ cố định tốc độ động cơ là
2200 vòng/phút. Dựa vào kết quả thử nghiệm, bệ thử xác định được suất tiêu hao nhiên liệu có ích nhỏ nhất
(Gemin) là 337,59 g/kWh tại mức tải 4.5kW. Sau đó, suất tiêu hao nhiên liệu bắt đầu tăng lên do nhiên liệu
nạp vào buống đốt cháy không cháy tốt, khả năng nồng độ phát thải khí thải tăng, đi kèm là nhiệt độ động
cơ, nhiệt độ khí thải đều tăng lên. Xu hướng này là phù hợp với các nghiên cứu về thử nghiệm đặc tính
động cơ sử dụng bệ thử thí nghiệm [19].
3.3 Nhiệt độ khí thải trong các chế độ hoạt động của động cơ
Hình 9: Kết quả khảo nghiệm nhiệt độ khí thải động cơ Vikyno RV125 điều kiện 1
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 9 và hình 10 lần lượt trình bày các giá trị nhiệt độ khí thải ở chế độ thay đổi tốc độ động cơ ở một tải
tiêu thụ cố định là 6.0kW (điều kiện 1) và thay đổi các giá trị tải tiêu thụ tại cố định một tốc độ động cơ là
2200 vòng/phút (điều kiện 2). Xu hướng chung là nhiệt độ tăng lên khi tốc độ tăng hoặc tải tiêu thụ động
cơ tăng bởi vì khả năng hoà trộn không hiệu quả trong thời gian ngắn do tốc độ động cơ tăng dẫn đến quá
trình cháy không tốt, cháy kéo dài ở cuối quá trình. Xu hướng kết quả này là phù hợp với giá trị ghi nhận
được tương ứng trên đồ thị công suất, momen, và suất tiêu hao nhiên liệu có ích của động cơ.
Hình 10: Kết quả khảo nghiệm nhiệt độ khí thải động cơ Vikyno RV125 điều kiện 2
4 KẾT LUẬN
Nghiên cứu thiết kế, chế tạo hệ thống bệ thử động cơ diesel nông nghiệp Vikyno RV125 với kết quả thử
nghiệm đánh giá đặc tính công suất động cơ, một số kết luận được rút ra như sau:
- Nghiên cứu xây dựng hệ thống tạo tải cho bệ thử động cơ diesel nông nghiệp Vikyno RV125 đáp ứng
yêu cầu kỹ thuật đặt ra.
- Hệ thống được thiết kế, chế tạo với khả năng di chuyển linh hoạt trong khu vực làm việc.
- Bệ thử có khả năng tạo momen cản cho động cơ ở các chế độ từ không tải đến 6.0 kW, thay đổi các mức
tải thử nghiệm dễ dàng với bước tăng tải là 0,5kW.
- Bệ thử động cơ có khả năng đo kiểm thử nghiệm đối sánh công suất, momen, suất tiêu hao nhiên liệu có
ích của động cơ diesel và thu thập các thông số vận hành động cơ trong quá trình hoạt động như: nhiệt độ
khí nạp, nhiệt độ khí thải, nhiệt độ nước làm mát, nhiệt độ dầu bôi trơn với sai số giữa các lần đo dưới 5%.

[1] Reşitoğlu, İ.A., Altinişik, K. & Keskin, A. The pollutant emissions from diesel-engine vehicles and exhaust
aftertreatment systems. Clean Techn Environ Policy 17, 15–27 (2015)
[2] Nguyên, K., Trung, T., & Vũ, N. Nghiên cứu thực nghiệm đánh giá ảnh hưởng của tỷ lệ bio-diesel lên đặc tính
làm việc của hệ thống phun nhiên liệu kiểu tích áp common rail. Tạp Chí Khoa Học Công Nghệ Xây Dựng (KHCNXD)
- ĐHXD, 11(4), 52-57, 2017.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[3] Nguyễn Lê Duy Khải và Nguyễn Minh Trí. Ảnh hưởng của hồi lưu khí thải đến công suất và khí thải động cơ
diesel Vikyno RV125-2, Journal of science and technology-Trường Đại học Bách Khoa TPHCM, Vol 18, 2015.
[4] Nguyễn Thành Bắc, Phạm Minh Tuấn, Trần Anh Trung. Nghiên cứu đánh giá quá trình cháy của động cơ diesel
IDI sử dụng lưỡng nhiên liệu disel-ethanol. Tạp chí KHCN trường ĐHCNH, Số 38, 02/2017.
[5] Yosof MZM, Aziz AA, Mukti MAA. Performance of palm oil methyl esters as alternative fuel for diesel engines.
SAE paper no. 871151; 1998
[6] Wafor OMI, Rice G, Ogbonna AI. Effect of advanced injection timing on the performance of rapeseed oil in
diesel engines. Renew Energ 2000; 21(3-4):433-44.
[7] M.A. Ammar Alfaiz, Musthafah Mohd. Tahir, Rosli Abu Bakar, Abdul Muhaimin. New Design of a Low Cost
Small Engine Dynamometer for Engine Testing, Applied Mechanics and Materials 699:642-647, 2014.
[8] Đặng Đức Thuận, Phạm Trọng Phước, Bùi Việt Đức, Đặng Tiến Hoà. Nghiên cứu xác định đặc tính động cơ
diesel 3T84 bằng thực nghiệm qua trục trích công suất. Tạp Chí Khoa Học Công Nghệ Xây Dựng (KHCNXD) -
ĐHXD, 11(4), 42-46, 2017.
[9] Lê Duy Hưng, Trần Xuân Bình, Trần Thanh Hải Tùng. Nghiên cứu chế tạo bộ đo mômen xoắn dùng cảm biến
biến dạng kết hợp với trục xoắn. Hội nghị Sinh viên nghiên cứu khoa học lần thứ 7 Đại học Đà Nẵng, 2010.
[10] Mohn Hasnun Arif Bin Hassan, Design of a dynamometer-engine coupling shaft. Master Thesis, University of
Malaya Kuala Lumpur, 2012.
[11] Mohammad Sami Ahmad. Friction and indicated power measurement for diesel engine by (aerial dynamometer).
AL Rafidain Engineering journal (AREJ), Vol. 20 (2), 106-115, 2012.
[12] Michael Plint and Anthony Martyr, Engine testing theory and practice, Butterworth Heinemann- Oxford, SAE
International,1999.
[13] L. Lahti and J.J. Moskwa, A Transient Hydrodynamic Dynamometer for Single Cylinder Engine Research,
Proceding of 15th Triennial World Congress, Barcelona, Spain, 2002.
[14] G.R. Babbit and J.J. Moskwa, 1999. Implementation details and test results for a transient engine
dynamometer and hardware in the loop vehicle model, Procedings of IEEE International Symposium on Computer
Aided Control System Design. (1999) 569 – 574.
[15] M.Senthil Kumar, A. Ramesh and B. Nagalingam; Experimental Investigations on a
Jatropha Oil Methanol Dual Fuel Engine; Department of Mechanical Engineering,
Indian Institute of Technology Madras; SAE 2001-01-0153.
[16] J. G. Suryawanshi and N. V. Deshpande; Effect of Injection Timing Retard on Emissions
and Performance of a Pongamia Oil Methyl Ester Fuelled CI Engine; SAE Technical
Paper 2005-01-3677, 2005.
[17] http://veamcorp.com/en/detail/engineengine/rv125-1-diesel-engine-148.html
[18] Trịnh Chất, Lê Văn Tuyển.Tính toán thiết kế hệ dẫn động cơ khí, nhà xuất bản Giáo Dục.
[19] Zheng M, Mulenga MC, Reader GT, et al. Biodiesel engine performance and emissions in low temperature
combustion. Fuel, 87(6):714-22, 2008.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSCF.219
IMPLEMENTATION OF CSFL CURRENT CONTROL METHOD FOR PMSG

BASED WIND ENERGY SYSTEMS
NGUYEN NGOC ANH TUAN1, PHAM CONG DUY1, NGUYEN NGOC THIEM1
1
Faculty of Electrical Engineering, Industrial University of Ho Chi Minh City, Ho Chi Minh City,
Vietnam
*
nguyennngocanhtuan@iuh.edu.vn, phamcongduy@iuh.edu.vn, nguyenngocthiem@iuh.edu.vn
Abstract. A study of d-axis stator current control method for machine side converter in permanent magnet
synchronous generator based on wind energy systems is proposed in this paper to achieve different
objectives. First, the constant stator flux-linkage (CSFL) control method is designed to regulate the stator
flux-linkage that making it equal to the permanent magnet flux linkage to achieve produce maximum torque
by a minimum stator current. Second, the main feature of this method is good steady-state performances,
high machine power factor. Third, it is a comparatively small-required power converter capacity. Finally,
the performance of the proposed control method is evaluated and compared with zero d-axis stator current
(ZDC), unity power factor (UPF) control method based on some key parameters, which are the d-axis
current, q-axis current, stator flux, active power, reactive power, and apparent power, power factor under
the same operating conditions. The feasibility and effectiveness of the constant stator flux-linkage current
control method are demonstrated through Matlab simulations.
Keywords. Permanent magnet synchronous generator (PMSG), wind energy systems (WES), wind energy
conversion system (WECS), zero d-axis stator current (ZDC), unity power factor (UPF), constant stator
flux-linkage (CSFL) control.
THỰC HIỆN PHƯƠNG PHÁP ĐIỀU KHIỂN DÒNG ĐIỆN TỪ THÔNG STATOR
KHÔNG ĐỔI CHO CÁC HỆ THỐNG NĂNG LƯỢNG GIÓ SỬ DỤNG MÁY PHÁT
ĐỒNG BỘ NAM CHÂM VĨNH CỬU
Tóm tắt. Một nghiên cứu về phương pháp điều khiển dòng điện stator trục d cho bộ biến đổi phía máy
trong máy phát điện đồng bộ nam châm vĩnh cửu sử dụng trong hệ thống năng lượng gió được đề xuất trong
bài báo này nhằm đạt được các mục tiêu khác nhau. Đầu tiên, phương pháp điều khiển từ thông stator không
đổi (CSFL) được thiết kế để điều chỉnh từ thông stator sao cho bằng với từ thông nam châm vĩnh cửu để
đạt được mô-men cực đại bằng dòng điện stator tối thiểu. Thứ hai, đặc điểm chính của phương pháp này là
hiệu suất trạng thái ổn định tốt, hệ số công suất cao. Thứ ba, đó là công suất bộ chuyển đổi yêu cầu tương
đối nhỏ. Cuối cùng, hiệu suất của phương pháp điều khiển được đề xuất được đánh giá và so sánh với dòng
điện stator trục d bằng không (ZDC), phương pháp điều khiển hệ số công suất thống nhất (UPF) dựa trên
một số thông số chính, đó là dòng điện trục d, dòng điện trục q, từ thông stator, công suất tác dụng, công
suất phản kháng và công suất biểu kiến, hệ số công suất trong cùng điều kiện hoạt động. Tính khả thi và
hiệu quả của phương pháp điều khiển dòng điện từ thông stator không đổi được chứng minh thông qua các
mô phỏng Matlab.
Từ khóa. Máy phát điện đồng bộ nam châm vĩnh cửu (PMSG), hệ thống năng lượng gió (WES), hệ thống
chuyển đổi năng lượng gió (WECS), dòng điện stator trục d bằng không (ZDC), hệ số công suất thống nhất
(UPF), từ thông stator không đổi (CSFL).
1 INTRODUCTION
In recent years, electricity generated from renewable energy sources has interested so much because of the
negative impacts of global warming and harmful effects of fossil-fuel emissions [1]. The number of
renewable energy sources includes solar, hydro, geothermal, and wind energy, in which wind energy is
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
most interested because of its competitiveness against conventional sources of energy, in terms of
technological advancements, cost reduction, and government incentives and support programs [1-3].
The wind energy conversion system (WECS) includes wind electric generators, power converters, and
transformers [2]. The wind electric generator such as the squirrel-cage induction generator (SCIG), wound
rotor induction generator (WRIG), doubly-fed induction generator (DFIG), wound rotor synchronous
generator (WRSG), and Permanent magnet synchronous generator (PMSG) are used to convert rotational
mechanical-energy into electric-energy, which have been researched and developed over the last three
decades [1]. Each of them has different advantages and limitations. Among variable-speed wind generators,
the PMSGs have received increasing attention because of high efficiency, high reliability, and gearless
operation [4]. Until now, a PMSG wind turbine using a full-scale back-to-back (BTB) connected two-level
voltage-source converter (2L-VSC), including machine side converter (MSC) and grid‐side converter
(GSC) are realized by low-voltage insulated gate bipolar transistors (IGBTs) arranged in matrix form. The
GSC is designed with a higher mega volt-ampere capacity than the MSC. The DC-link provides decoupling
between the PMSG and grid. The advantages of it are simple structure, low cost because of the mass
production, and the transients in the PMSG do not appear on the grid side as illustrated in Fig.1. The main
function of the MSC is to completely regulate the generator in terms of speed, active power, power factor,
and electromagnetic torque, while the GSC is to regulate the dc-link voltage and the grid reactive power [5,
6].
The control of a WECS is becoming more significant, especially when using the electrical generator based
on PMSG. With many different aims, such as improving the performance, efficiency, and reliability, the
PMSG is controlled through many modeling methods such as mathematical modeling, dynamic response
analysis, the control of PMSG‐based wind turbines control operating with an alternative control structure
in power control mode [7] or modeling and simulation of multi-scale transients for PMSG-based wind
power systems [8] or small-signal-stability-analysis-for-different-types-of-PMSGs connected to the grid
[9] or stability analysis and improvements for variable speed multipole PMSG-based WECS [10] and
unified power control for PMSG-based WECS operating under different grid conditions [11]. However, the
main drawback of control methods is that it depends highly on the design modeling and parameters, such
as the stator and rotor resistances, inductances and complex calculation. In order to improve the quality of
the electrical power produced by wind generators, a comparative study of classical vector, first-order
sliding-mode, and high-order sliding-mode is carried out, with control for a grid-connected variable-speed
WECS [12] and an enhancement low-voltage ride-through capability of permanent magnet synchronous
generator-based wind turbines using interval type-2 fuzzy control [13] or pitch angle control for grid-
connected variable-speed wind turbine system using fuzzy logic [14]. These control methods have good
characteristics, such as reliability, fast dynamic response, insensitivity against disturbances, and wind
velocity fluctuations. Nevertheless, these strategies still have some drawbacks related to the chattering
problem. The predictive techniques [15] were proposed in order to solve this issue. However, these
strategies still have some disadvantages related to the hysteresis controllers since they can cause torque and
current distortions, as well as limiting the steady-state accuracy.
Turbine Blade
PMSG Back-to-back converter

Grid
Wind Transformer PCC
Gear Box
Fig.1: Permanent magnet synchronous generator wind energy system used for study
Alternatively, the three control methods, namely, ZDC control, UPF control, and CSFL control, are
presented in [16] that are applied to control for the PMSM. The ZDC control is widely used in the industry.
Its own merit is easy to perform and its own demerit is the low power factor. The UPF control optimizes
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
the system’s apparent power (volt-ampere requirement) by maintaining the power factor at unity, the main
drawback of it is shown to yield a very low torque per unit current ratio. The CSFL control method limits
the air gap flux linkages to any set or desired flux linkages. This control method, therefore, leads to a
seamless flux-weakening method in the PMSM drive and is to be noted but up to now, no paper presents
the CSFL control method to apply for PMSG. The ZDC control and UPF control [17] are compared and
established an optimized control for the generator-side converter of the Z-source applied to PMSG. The
ZDC control [18] is combined with the hysteresis controller to control the current for the machine side
converter to find the maximum power point; however, it requires algorithm modeling and complex
calculation. The scope of this paper is to fill the gap in the current literature by CSFL control method for
MSC of PMSG connected to the grid via VSC.
2 PERMANENT MAGNET SYNCHRONOUS GENERATOR WIND TURBINE SYSTEMS
2.1 Wind turbine aerodynamic model
The key function of a wind turbine is to extract kinetic energy from different wind velocities and converts
it into mechanical energy. Thus, wind turbine power production depends on the interaction between the
rotor and the wind. The mechanical output power of the turbine and the turbine torque is given by the
following equation [2].
1
Pm =  AC p ( ,  )vw3 = K p C p ( ,  )vw3 (1)
2
Tm = K p Rvw2 C p ( ,  ) /  = K m vw2 Cm ( ,  ) (2)
where ρ is the air density (kg/m3); A is the area swept by the blades (m2) and equal to πR2, R is the blade
length; vw is the wind speed (m/s); Cp is the power coefficient of the turbine, which is a function of the tip
speed ratio α and the blade pitch angle β (degree) and Km = KpR; Cm = Cp/α .The definitions of tip speed
ratio and Cp are given as (3) and (4); where R, ωm represent the turbine rotor radius and mechanical velocity,
respectively.
 R
= m (3)
vw
c5
c2 (− )
i
C p ( ,  ) = c1 ( − c3  − c4 )e + c6 (4)
i
1 0.035 −1
where c1= 0.5176, c2=116, c3= 0.4, c4= 5, c5= 21, c6= 0.0068 and  i = ( − )
 + 0.08 1 +  3
When the wind speed increases, the maintenance of the nominal power is obtained with the control of the
blade position (pitch control). There are different ways to adhere to the maximum power characteristic (so-
called maximum power point tracking—MPPT), including the following:
 To control the WG rotating speed so that it corresponds to the value αm with the present wind
speed.
 To load WG with the power Pmmax under present wind speed.
 To set WG power (or torque) so that it is equal to the maximum possible WG power under present
WG rotating speed.
K p C p max R 3
Pm max = ( )m3 (5)
m
Fig.2 demonstrates clearly the relationship between the turbine powers at variable wind speed. The turbine
power for a certain wind speed is achievable by a maximum at a certain wind speed, which is called optimum
wind speed. The blue curve is termed by means of the optimal tracking curve. For maximum power, the
turbine must always operate at an optimal tip speed ratio. This is achievable by controlling the rotational
speed of the turbine in order that it continuously rotates at the optimum speed [2]. As wind speed variation,
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
the captured wind power relates to the specific operating region within a wind speed range restricted between
connected wind speed (vw cut-in) and disconnected wind speed (vw cut-out). Otherwise, wind turbines must
be prevented to operate above connected wind speed (vw cut-in) or below disconnected wind speed (vw cut-
out) for safety conditions. Out of this range, the turbine should not operate for the safety of the turbine as
well as the generator. The rated power (Prated) is obtained from the wind turbine at a specific wind speed
(vw rated). Consequently, there are four main operating regions, which are classified as follows [9].
The first and fourth region is below (vw cut-in) and above (vw cut-out) respectively that wind turbines must
be stopped and disconnected from the grid to avoid the generator implements. The second region is in
between (vw cut-in) and (vw rated) which a wind turbines controller implements the maximum power point
tracking (MPPT) method below rated wind speed to achieve the optimal power during the variable wind
speed. The third region is between (vw rated) and (vw cut-out) where the pitch controller is used to limit the
mechanical power generation and to minimize the wind turbines mechanically emphasize to keep wind
turbines in safe operation. In this paper, the wind speed is surveyed in region 2 (from 3 m/s to 12 m/s). Thus,
the MPPT method is required to focus on the second region.
Pitch-control
MPPT region region
Rated-power
Turbine power (kW)
Parking region
Parking region
Optimal power curve
cut-in rated cut-out
Wind speed (m/s)
Fig.2: Wind energy conversion system operating regions
2.2 Dynamic modeling of permanent magnet synchronous generators

This section presents the dynamic modeling of the PMSG. Considering that the PMSG used in this paper is
a surface-mounted machine, it can be assumed that Ls = Ld = Lq. The PMSG model is considered under the
following assumptions.
 The spatial distribution of stator winding is sinusoidal.
 The core loss is neglected.
 The saturation is neglected.
 The damping effect is neglected.
Thus, the equations of PMSG in the rotor dq reference frame are given as follows [2].
di
uds = Rs ids + Ls ds − r Ls iqs (6)
dt
diqs
uqs = Rs iqs + Ls + r Ls ids + r r (7)
dt
3
Te =  iqs r (8)
2
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
d r
+ Br
Te − TL = J (9)
dt
where uds and uqs are the d-q-axis stator terminal voltages, respectively; ids and iqs are respectively the d-q
axis stator currents, Rs is the resistance of the stator windings; ωr (= pωt) is the electrical angular velocity
of the rotor; p is the number of pole pairs; λr is the amplitude of the flux linkage; Te is the electromagnetic
torque; TL is the mechanical torque; J is inertial; B is the friction coefficient.
In steady-state conditions, the equations of PMSG are given by:
uds = Rs ids − r Ls iqs (10)
uqs = Rs iqs + r Ls ids + r r (11)
The active and reactive powers at generator terminals based on the rotating reference frame, given as
3
P= (uds ids + uqs iqs ) (12)
2
3
Q = (uds iqs − uqs ids ) (13)
2
The apparent power is given by
S = P2 + Q2 (14)
3 CSFL CONTROL METHOD
CSFL control ias , ibs , ics
m i*ds =0 ids* ias* *

vas S1
vw .
i* # 0
MPPT dq * a,b,c phase
ds i stator vbs*
Eq. (5) bs .
Pm iqs* voltage
SPWM
Pm Speed ics*
K m Pm3
-- abc
*
controllers vcs .
-
Calculator controller S6
Fig.3: Block diagram of proposed CSFL control method.
For implementing a control method, factors such as cost, ease of implementation, and waveform quality must
be considered in detail. Especially, assessment of generator performances is based on generator efficiency,
generator power factor, and generator stator current. In this section, the control method, which is CSFL
control, is investigated in Fig.3.
The constant stator flux-linkage is used to overcome the problem of increasing stator flux linkage as the
torque reference value is increased, which can lead to saturation of the stator yoke. The main feature of this
method is good steady-state performances, high machine power factor, and comparatively small-required
power converter capacity. In order to implement this control method, the magnitude of the stator flux vector
is maintained constant and equal to the permanent magnet flux.
s = ( Ls ids + r )2 + ( Ls iqs ) 2 = r (15)
r 2 
(ids + ) + (iqs ) 2 = ( r ) 2 (16)
Ls Ls
(ids + im ) 2 + (iqs ) 2 = (im ) 2 (17)
From Equation (15), the relation between d- and q-axis stator currents for CSFL condition is
ids = −im + (im ) 2 − (iqs ) 2 (18)

It should be noted that when equation (18) is satisfied, the PMSG operates with CSFL. Equation (18) also
shows that the generator generates a negative current command for the CSFL operating condition.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4 SIMULATION RESULTS
In order to evaluate the advantages and drawbacks of the proposed control methods, several sets of
simulations are conducted using Matlab, which are compared with zero d-axis stator current (ZDC) control,
unity power factor (UPF) control method. The simulation results in Matlab show the waveforms of active
and reactive power, power factor, and the current on the generator side. The effectiveness of the CSFL
control method of the machine-side converter is examined under different operating conditions. The
parameters of the PMSG and turbine are given in Tables 1. and 2.
Table 1: Turbine parameters used in simulation [2]
Description Parameter Value
Transparent power Sn 2.2MW
Nominal current In 2606A
Nominal Voltage un 690V
dc-link voltage udc 1200 V
Nominal rotating speed ωm 2.355 rad/s
Number of poles Zp 26 N.m
Nominal moment Te 934.2 kNm
Viscous damping B 0.004 Nms
Stator phase resistance Rs 0.8e-3 Ω
Stator phase inductance Ls 1.67 mH
Flux linkage λr 9.18 Wb
Inertia of rotor J 0.5e6 kg.m2
In this case, the response of the three stator current control methods is tested under wind speed variation. For
this study, the wind speed is assumed to be 10 m/s and then increased to 12 m/s at t = 15s and then decreased
to 7 m/s at t = 40s as illustrated in Fig.4a. In turn, active power and the q-axis stator current in the three
control methods is approximate of the same value as wind speed variation.
Table 2: Generator parameters used in simulation [2]
Description Parameter Value
Rated power Pn 2MW

Nominal rotating speed ωn 2.355 rad/s
Inertia of rotor J 0.00025034 kg.m2
Blades length R 37.1 m
Base wind speed vwind 6-12m/s
The simulation results of the d-q-axis stator current (idZDC, idUPF, idCSFL, iqZDC, iqUPF, iqCSFL) are
illustrated in Fig.4 b, c. The results show that the CSFL control method has the average amplitude value in
the waveforms of the d-axis stator current. Therefore, the CSFL control method will not have to choose the
wire with a large cross-section for machine side converter and this reason decrease the costs. It can be seen
that the q-axis stator current in the CSFL control method is approximate of the same value ZDC and UPF
control (iqZDC = iqUPF = iqCSFL). The simulation results of stator flux (λZDC, λUPF, λCSFL) are
illustrated in Fig.4. d. It can be seen that the stator flux of the CSFL control method has no changed during
the stator flux of ZDC and UPF control that is often variable.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
(a)
(b)
(c)
(d)
Fig.4: Simulation results regarding the time-domain waveforms: (a) wind speed; (b) d-axis stator current in three
control methods; (c) q-axis stator current in three control methods; (d) stator flux in three control methods.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Fig.5: Simulation results regarding the time-domain waveforms of active- and reactive power in three control
methods.
Fig.6: Simulation results regarding the time-domain waveforms of apparent power in three control methods.
Fig.7: Simulation results regarding the time-domain waveforms of power factor in three control methods.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Fig.8: Simulation results regarding the time-domain waveforms with rms stator current in three control methods.
The simulation results show the waveforms of active power, reactive power, apparent power, power factor,
and stator current respectively. Fig. 5 shows the active power (PZDC, PUPF, PCSFL) and reactive power
(QZDC, QUPF, QCSFL) of control methods, in that the active power is approximately the same value
(PZDC = PUPF = PCSFL) because according to equation (8) torque or active power are proportional with
q-axis stator current (as mentioned above, the Simulink results in Fig. 4.c shows that the q-axis stator current
in three control methods is of the same value). Furthermore, the reactive power in CSFL- is smaller than the
ZDC control method at all times. It can be seen that in Fig.6. There are two cases of apparent power (SZDC,
SUPF, SCSFL). First, the wind speed is from 8 m/s to 12 m/s, the CSFL- and UPF control methods are
approximate of the same value that has the smaller value of the ZDC control method. Therefore, the CSFL
control method will not have to impact IGBT and this reason decreases the costs. Then, the apparent power
in the three control methods is approximately the same value at the wind speed is low (under 8 m/s).
According to Fig.7, the power factor in the CSFL control method (θCSFL) has the middle value. The stator
current (isZDC, isUPF, isCSFL) are illustrated in Fig.8. It shows that there are two cases. First, the wind
speed is from 8m/s to 12 m/s. The stator current of the CSFL control method is the average value so that the
CSFL control method will not have to choose the wire with a large cross-section for machine side converter
and this reason decreases the costs. Second, the stator current in the three control methods is approximately
the same value as the wind speed is low (under 8 m/s).
The above analysis can be summarized as shown in Table 3.
Table 3: Generator parameters used in simulation

Control methods ZDC UPF CSFL
d-axis stator current zero high average
q-axis stator current equal equal equal
stator flux high low average

active power equal equal equal
reactive power high zero average
apparent power high low average
power factor low 1 average
stator current low high average
The summarized Table 3. is shown that

• CSFL control method has approximately high performance and the power factor is approximately one
during wind speed variations.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
5 CONCLUSION
In this paper, the proposed CSFL current control method based on d-axis stator current control methods for
the motor is developed successfully to control for the machine side converter of PMSG in a wind turbine.
The proposed current control method is implemented by controlling the magnitude of the stator flux vector
is maintained constant and equal to the permanent magnet flux. The simulation results show that the key
features in the proposed method are: (1) simple and straightforward implementation, (2) it had similar
characteristics as the ZDC control method, (3) power factor is high as UPF control method.
REFERENCE
[1] Venkata Yaramasu, Bin Wu, Paresh C. Sen, Samir Kouro, and Mehdi Narimani. High-power wind energy
conversion systems: state-of-the-art and emerging technologies. Proceeding of the IEEE Vol.103, No.5, May
2015.
[2] Viktor Perelmuter. Renewable energy systems: Simulation with Simulink and Sim Power Systems. CRC Press
Published November 23, 2016.
[3] Mario J. Duran, Federico Barrero, Senior Member, IEEE, Ana Pozo-Ruz, Francisco Guzman, José Fernandez,
and Hugo Guzman. Understanding power electronics and electrical machines in multidisciplinary wind energy
conversion system courses. IEEE transactions on education, Vol.56, No. 2, May 2013.
[4] Henk Polinder, Jan Abraham Ferreira, Bogi Bech Jensen, Asger B. Abrahamsen, Kais Atallah, Richard A.
McMahon. Trends in wind turbine generator systems. IEEE journal of emerging and selected topics in power
electronics, Vol.1, No. 3, September 2013.
[5] Ramji Tiwari, N. Ramesh Babu. Recent developments of control strategies for wind energy conversion system.
Renewable and Sustainable Energy Reviews 66 (2016) 268–285.
[6] Venkata Yaramasu, Apparao Dekka, Mario J. Durán, Samir Kouro, Bin Wu. PMSG - based wind energy
conversion systems: survey on power converters and controls. IET Electric Power Appl., 2017, Vol.11, Iss. 6,
pp. 956–968.
[7] Mohsen Rahimi. Mathematical modeling, dynamic response analysis, and control of PMSG‐ based wind turbines
operating with an alternative control structure in power control mode. Int Trans. Electr. Energ. Syst. 2017.
[8] Hua Ye, Bo Yue, Xuan Li and Kai Strunz. Modeling and simulation of multi - scale transients for PMSG - based
wind power systems. Wind Energ. 2017; 20:1349–1364.
[9] Da Xie, Yupu Lu, Junbo Sun, Chenghong Gu. Small signal stability analysis for different types of PMSGs
connected to the grid. Renewable Energy 106 (2017) 149-164.
[10] Hua Geng and Dewei (David) Xu. Stability analysis and improvements for variable-Speed multipole permanent
magnet synchronous generator-based wind energy conversion system. IEEE transactions on sustainable energy,
Vol.2, No. 4, October 2011.
[11] Hua Geng, Geng Yang, Dewei (David) Xu, and Bin Wu. Unified power control for PMSG-based WECS
operating under different grid conditions. IEEE transactions on energy conversion, Vol. 26, No. 3, September
2011.
[12] Youssef Krim, Dhaker Abbes, Saber Krim and Mohamed Faouzi Mimouni. Classical vector, first-order sliding-
mode and high-order sliding-mode control for a grid-connected variable-speed wind energy conversion system:
A comparative study. Wind Engineering (2017): 1-22.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[13] Haitham Mahmoud Yassin, Hanafy Hassan Hanafy, Mohab M. Hallouda. Enhancement low-voltage ride through
capability of permanent magnet synchronous generator - based wind turbines using interval type-2 fuzzy control.
IET Renew. Power Gener., 2016, Vol. 10, Iss. 3, pp. 339–348.
[14] Mouna Ben Smida and Anis Sakly. Pitch angle control for grid-connected variable-speed wind turbine system
using fuzzy logic: A comparative study. Wind Engineering (2016), pp. 1–12.
[15] E.G. Shehata. A comparative study of current control schemes for a direct-driven PMSG wind energy generation
system. Electric Power Systems Research 143 (2017) 197–205.
[16] Marian P. Kazmierkowski, R. Krishnan, Frede Blaabjerg. Control in Power electronics. Academic Press
Published 2002.
[17] Shao Zhang, King-Jet Tseng, D. Mahinda Vilathgamuwa, Trong Duy Nguyen, Xiao-Yu Wang. Design of a
Robust Grid Interface System for PMSG-Based Wind Turbine Generators. IEEE transactions on industrial
electronics, Vol. 58, No.1, january 2011.
[18] Abdel-Raheem Youssef, Ahmed I.M. Ali, Mahmoud S.R. Saeed, Essam E.M. Mohamed. Advanced multi-sector
P&O maximum power point tracking technique for wind energy conversion system. Electrical Power and
Energy Systems 107 (2019) 89–97.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.220
NGHIÊN CỨU VÀ THIẾT KẾ HỆ THỐNG NHẬN DIỆN ĐỐI TƯỢNG

MUA HÀNG
NGUYỄN VĂN DUY*, NGUYỄN HOÀNG MINH, TRẦN TRỌNG NGHĨA
nguyenvanduy@iuh.edu.vn, nguyenhoangminhpho1999@gmail.com, nghiatran01685@gmail.com
Tóm tắt. Cách mạng công nghiệp 4.0 là thời đại của công nghệ kỹ thuật số, hiện nay các trung tâm thương
mại với nhiều gian hàng được bày bán. Hằng ngày, có hàng trăm nghìn lượt người dùng vào mua các sản
phẩm. Làm thế nào để: nhận diện được đối tượng (giới tính, độ tuổi) mua hàng là khách quen? Sản phẩm
thường mua là gì? …để gửi các chương trình marketing tự động đến đúng đối tượng (giới tính, độ tuổi).
Nhóm tác giả đã nghiên cứu và thiết kế hệ thống nhận diện đối tượng mua hàng, hệ thống này sẽ giúp các
chủ cửa hàng biết được khách hàng mình thuộc độ tuổi, giới tính nào qua thống kê từ app mobile kết nối
nhận diện đối tượng. Từ đó, chủ cửa hàng hay team marketing có thể phân tích và xây dựng mô hình kinh
doanh cho cửa hàng.
Từ khóa. hệ thống giám sát, thống kê số lượng khách hàng (độ tuổi, giới tính) qua app mobile.
RESEARCH AND EQUIPMENT OF ITEM RECOGNITION SYSTEM
Abstract. Industrial Revolution 4.0 is the era of digital technology, now there are commercial centers with
many stalls on display. Every day, hundreds of thousands of users buy products. How to: identify customers
(gender, age group) of customers who are patrons? What are commonly bought products? ...to send
automated marketing programs to the right audience (gender, age group). Our team has researched and
designed the customer identification system, which will help shop owners know their age and gender
through statistics from the mobile app that connects the identity object. From there, the store owner or the
marketing team can analyze and build a business model for the store.
Keywords. Monitoring the system, number of customers (age, gender…) via Mobile app.
1. GIỚI THIỆU
Hiện nay các cửa hàng kinh doanh mọc lên như nấm, việc cạnh tranh với nhau là điều không tránh khỏi,
vậy để cửa hàng của mình có thể kinh doanh thuận lợi, vượt lên các cửa hàng khác nằm trong việc thu hút
khách hàng, vì khách hàng là người góp phần quan trọng trong việc kinh doanh của cửa hàng và có thể quyết
định được thành công hay thất bại của cửa hàng, vậy làm sao để thu hút khách hàng?
Nhận thức được tầm quan trọng đó, việc có thể biết được khách mua hàng của mình nằm ở độ tuổi nào, giới
tính ra sao. Từ đó, có thể phân tích qua các số liệu mà chúng ta thu được và thống kê để điều chỉnh sản phẩm
của mình cho phù hợp, kết hợp với marketing để đẩy nhanh sản phẩm của mình cho nhiều người biết hơn.
Đó chính là cách để thu hút khách hàng đến với cửa hàng của mình nhiều hơn. Vậy làm sao để nhận biết
được khách mua hàng ở độ tuổi và giới tính nào? Chúng ta đang ở thời đại công nghệ phát triển với tốc độ
chóng mặt, việc áp dụng mô hình nhận diện khuôn mặt từ camera sẽ giúp ta làm được việc đó và sẽ được
thống kê qua app mobile để chủ cửa hàng có thể nắm rõ tình hình hơn.
Bài báo này sẽ trình bày phân tích nguyên lý hoạt động của hệ thống nhận diện khuôn mặt (độ tuổi và giới
tính). Kết hợp với app mobile để người dùng hay chủ cửa hàng có thể nắm được số liệu thu được từ hệ
thống để từ đó đưa ra chiến lược kinh doanh một cách hợp lý.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
2. QUY TRÌNH THỰC HIỆN

2.1 Mô tả
Bước đầu tiên nhóm tác giả sẽ đi nghiên cứu và phân tích về công nghệ nhận diện (giới tính và độ tuổi).
Sau đó sẽ phân tích sơ lược về cách thức hoạt động của hệ thống nhận diện kết nối với database và web
sever, thể hiện data thu được qua app di động.
2.2 Phân tích
2.2.1 Công nghệ nhận diện được sử dụng như thế nào?
Công nghệ Nhận dạng khuôn mặt là một ứng dụng máy tính tự động xác định hoặc nhận dạng một người
nào đó từ một bức ảnh kỹ thuật số hoặc một khung hình video bằng cách đối chiếu hình ảnh với một nguồn
dữ liệu gốc hoặc nhận diện những đặc điểm của đối tượng trên hình ảnh thu thập được. Trong thị trường bán
lẻ, công nghệ nhận diện khuôn mặt có thể giúp doanh nghiệp hiểu sâu hơn về cái nhìn sâu sắc khách hàng,
hành vi mua của họ và hiệu quả kinh doanh.
Hình 1: Nhận diện gương mặt với độ chính xác phần trăm
2.2.2 Phân biệt giới tính và độ tuổi
Hình 2: Minh họa về nhận diện giới tính và khoảng độ tuổi
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Thông qua thuật toán CNN (Covolutional Neural Network), Sau khi phát hiện và nhận dạng được khuôn
mặt hệ thống sẽ xử lý để đóng khung khuôn mặt sau đó chúng tôi sẽ sử dụng Deep Learning để xác định
chính xác giới tính và khoảng tuổi của một người từ một hình ảnh duy nhất của khuôn mặt. Sử dụng các
mô hình được đào tạo bởi Tal Hassner và Gil Levi. Giới tính được dự đoán có thể là một trong số 'Nam' và
'Nữ' và tuổi dự đoán có thể là một trong các phạm vi sau (0 - 2), (4 - 6), (8 - 12), (15 - 20) , (25 - 32), (38 -
43), (48 - 53), (60 - 100). Rất khó để đoán chính xác độ tuổi chính xác từ một hình ảnh duy nhất vì các yếu
tố như trang điểm, ánh sáng, vật cản và nét mặt. Và vì vậy, vấn đề này là làm cho phân loại thay vì làm cho
nó trở thành một hồi quy.
Hình 3: Mô hình tổng quát về nhận diện của hệ thống
Hình 4: Sơ đồ hoạt động của hệ thống giám sát khách mua hàng
2.3 Cách thức hoạt động

Thiết kế hệ thống giám sát dùng Raspberry. Cụ thể là Raspberry PI 4 Model B 2019 kết hợp với Raspberry
Pi Camera Module V2 hoặc có thể dùng module camera khác. Module Camera sẽ thu thập hình ảnh của
khách mua hàng và gửi về cho Rasberry Pi 4 để xử lý nhận biết chính xác là người bao nhiêu phần trăm
cùng với giới tính và độ tuổi của người đó, cũng như đếm số người xuất hiện trong camera thông qua thư
viện OpenCV kết hợp cùng thuật toán CNN (Convolutional Neural Network) để nhận biết được chính xác
hơn. Những dữ liệu sau khi đã được xử lý sẽ lưu vào database như Mongodb hoặc dùng Firebase hay MySQL.
Dùng NodeJS để tạo API hay Web Server kết nối với database kết hợp dùng React Native để xây dựng ứng
dụng thống kê khách mua hàng trên smartphone.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3. THIẾT KẾ HỆ THỐNG
3.1 Lưu đồ giải thuật
3.1.1 Lưu đồ hoạt động của app mobile
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.1.2 Lưu đồ hoạt động của hệ thống
3.2 Thiết kế phần cứng hệ thống
Hình 5: Sơ đồ phần cứng
Phần cứng của hệ thống nhận diện gồm Camera Pi và Raspberry Pi 4 Model B 2019 hoặc một sự lựa chọn
khác là NVIDIA Jetson Nano Developer Kit. Đây là những máy tính nhúng sẽ giúp hệ thống chúng ta nhỏ
gọn, nhưng vẫn mạnh mẽ.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Thuật toán hệ thống điều khiển

3.3.1 Giới thiệu về Convolutional Neural Network (CNN)
Mạng neural tích chập (Convolutional Neural Netwok - CNN) là một thể loại chính trong việc nhận diện
ảnh, phân loại ảnh, phân loại đối tượng, nhận diện gương mặt và một số lĩnh vực mà CNN được sử dụng
rộng rãi.
CNN phân loại ảnh, nhận đầu vào là một hình ảnh, nhận diện và phân loại nó tương ứng với các thể loại
nhất định (ví dụ: chó, mèo, hổ, sư tử).
Hình 6: Máy tính nhận input (image) dưới dạng mảng các pixel và phụ thuộc vào độ phân giải của hình ảnh
Dựa trên độ phân giải của hình ảnh, nó sẽ nhìn hình ảnh theo HxWxD (H: height, W: width, D: dimension)
Hình 7: Bức ảnh ma trận RGB có kích thước 6x6x3

Về mặt kỹ thuật, mô hình học sâu CNN sẽ thực hiện việc train và test, mỗi hình ảnh đầu vào sẽ chuyển nó
qua một loạt các lớp tích chập với các bộ lọc (filters) - (Kernals), sau đó đến Pooling, rồi tiếp theo là các
lớp được kết nối hoàn chỉnh (FC - fully connected layers) và sau đó áp dụng chức năng softmax để phân
loại một đối tượng có giá trị xác suất từ 0 đến 1
Hình 8: CNN Model (Convolutional Neural Network Model)
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.3.2 Lớp tích chập (Convolution Layer)

Convolution (tích chập) là lớp đầu tiên trích xuất các đặc tính từ một hình ảnh.
Convolution duy trì ràng buộc giữa các pixel bằng cách học các đặc tính của hình ảnh với nguyên tắc học
sử dụng các ô vuông nhỏ của dữ liệu đầu vào.
Hình 9: Ảnh minh họa cho layer tích chập giữa input và màn lọc filter
Quan sát ma trận hình dưới:
Hình 10: Ma trận 5x5 và ma trận bộ lọc 3x3
Convoled Feature:
Hình 11: Ma trận sau khi được Convolved
Kết hợp ma trận hình ảnh với các ma trận bộ lọc khác nhau: có thể thực hiện các hoạt động như phát hiện
cạnh, làm mờ, và làm sắc nét bằng cách áp dụng các bộ lọc với nhau.
Ví dụ sau đây áp dụng các bộ lọc
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 12: Các ví dụ khi được chập với màn filter
3.3.3 Pooling Layer

Pooling layers section: sẽ giảm tham số khi hình ảnh quá lớn.
Spatial pooling: được gọi là lấy mẫu con làm giảm chiều của mỗi map nhưng vẫn giữ được thông tin quan
trọng
Spatial pooling: có thể có nhiều loại khác nhau
Max Pooling: lấy yếu tố lớn nhất từ rectified feature map
Average Pooling: cũng được dùng để lấy yếu tố lớn nhất
Sum Pooling
Hình 13: Max pool với ma trận lọc 2x2 (stride 2)
3.3.4 Fully Connected Layer

Công việc của nó là làm phẳng ma trận của chúng ta thành vector và đưa vào một lớp được kết nối như một
mạng lưới thần kinh.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 14: Khi đã qua pooling layer và làm phẳng thành FC (Fully Connected) layer
Trong sơ đồ trên feature map matrix sẽ được chuyển đổi thành các vector (x1, x2, x3, x4). Với FC layer
được kết hợp với các tính năng lại với nhau để tạo ra một mô hình. Cuối cùng sử dụng softmax để phân
loại đầu ra như: mèo, chó, xe hơi, xe tải, v…v.
Hình 15: Kiến trúc CNN (Convolutional Neural Network)
Một số kiến trúc CNN phổ biến như AlexNet, VGGNet, GoogLeNet và ResNet.
Hình 16: VGG-16 Archietecture
3.3.5 VGG-16 Architecture

VGG-16 là một mô hình mạng nơ-ron tích tụ do K. Simonyan và A. Zisserman từ Đại học Oxford đề xuất
trong bài báo “Very Deep Convolutional Networks for Large-Scale Image Recognition”. Mô hình đạt được
độ chính xác trong bài kiểm tra top 5 là 92,7% trong ImageNet, là tập dữ liệu của hơn 14 triệu hình ảnh
thuộc 1000 lớp. Nó tạo ra sự cải tiến so với AlexNet bằng cách thay thế các bộ lọc có kích thước hạt nhân
lớn (11 và 5 trong lớp chập đầu tiên và thứ hai) bằng nhiều bộ lọc kích thước hạt nhân 3 × 3 lần lượt.
VGG16 đã được đào tạo trong nhiều tuần và đang sử dụng GPU NVIDIA Titan Black.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 17: VGG16 – CNN Model

3.3.5.1 Kiến trúc
Hình 18: VGG16 – Convolutional Network for Classification and Detection
Đầu vào cho lớp cov1 có kích thước cố định 224 x 224 RGB. Hình ảnh được truyền qua một chồng các lớp
tích hợp (conv), trong đó các bộ lọc được sử dụng với trường tiếp nhận rất nhỏ: 3 x 3 (là kích thước nhỏ
nhất để nắm bắt khái niệm trái /phải, lên/xuống, giữa).
Một trong các cấu hình, nó cũng sử dụng bộ lọc tích chập 1 x 1, có thể được xem như một phép biến đổi
tuyến tính của các kênh input (theo sau là không tuyến tính). Sải tích chập được cố định thành 1 pixel; phần
đệm không gian của lượt chuyển đổi đầu vào lớp sao cho độ phân giải không gian được giữ nguyên sau tích
chập, tức phần đệm là 1 pixel cho các lớp chuyển đổi 3 × 3.
Tổng hợp theo không gian được thực hiện bởi năm lớp tổng hợp tối đa, theo sau một số lượt chuyển đổi.
Tổng hợp tối đa được thực hiện trên cửa sổ 2 × 2 pixel.
Ba lớp được kết nối đầy đủ (FC – 3.3.4) tuân theo một chồng các lớp phức hợp (có độ sâu khác nhau trong
các kiến trúc khác nhau): hai lớp đầu tiên có 4096 kênh mỗi lớp, lớp thứ ba thực hiện phân loại ILSVRC
1000 kênh và do đó chứa 1000 kênh (mỗi lớp một lớp học).
Lớp cuối cùng là lớp soft-max. Cấu hình của các lớp được kết nối đầy đủ và giống nhau trong tất cả các
mạng.
Tất cả các lớp ẩn được trang bị tính phi tuyến tính (ReLU) chỉnh lưu. Cũng cần lưu ý rằng không có mạng
nào (ngoại trừ một mạng) chứa Chuẩn hóa phản hồi cục bộ (LRN), việc chuẩn hóa như vậy không cải thiện
hiệu suất trên tập dữ liệu ILSVRC, nhưng dẫn đến tăng tiêu thụ bộ nhớ và thời gian tính toán.
3.3.5.2 Cấu hình
Các cấu hình ConvNet được trình bày trong hình 02. Các lưới được gọi theo tên của chúng (AE). Tất cả
các cấu hình đều tuân theo thiết kế chung có trong kiến trúc và chỉ khác nhau về độ sâu: từ 11 lớp trọng
lượng trong mạng A (8 chuyển đổi và 3 lớp FC) đến 19 lớp trọng lượng trong mạng E (16 chuyển đổi và 3
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
lớp FC). Chiều rộng của lượt chuyển đổi các lớp (số lượng kênh) khá nhỏ, bắt đầu từ 64 trong lớp đầu tiên
và sau đó tăng lên theo hệ số 2 sau mỗi lớp tổng hợp tốiđa, cho đến khi nó đạt đến 512.
Hình 19: The ConvNet Configuration
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.3.5.3 Testing
Hình 20: Testing
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4 KẾT QUẢ ĐẠT ĐƯỢC

4.1. Thực nghiệm
4.1.1. Quá trình thực nghiệm
Hệ thống sẽ được thực nghiệm ở những nơi đông người (trường học, ngoài đường,...) để lấy được nhiều số
liệu nhất, kiểm tra tính ổn định và nhận diện của hệ thống. Cũng như kết nối dữ liệu thu được và kết nối với
ứng dụng thống kê xem có chính xác không, độ sai sót ra sao để từ đó có điều chỉnh sửa lỗi hợp lý.
4.1.2. Kết quả thực nghiệm
Do phải nhận diện khuôn mặt, phân tích được độ tuổi và giới tính nên khung hình fps thấp, cần cải tiến
thuật toán để fps cao hơn, còn nhiều lỗi trong quá trình nhận diện như: nhận diện luôn nhân viên, khó khăn
trong việc nhận diện được khuôn mặt bị khuất (1/2 khuôn mặt), thiếu ánh sáng và đeo kính mát. Việc truyền
dữ liệu và thống kế dữ liệu trên app mobile chính xác.
Hình 21: Kết quả có thể đạt được
Hình 22: Kết quả có thể đạt được
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4.2. Kết quả đạt được

➢ Nhận diện được khách mua hàng là nam hay nữ, giới tính và tuổi của họ.
➢ Ứng dụng trên smartphone thống kê được những dữ liệu trên và lưu được dữ liệu từ các ngày, tuần,
tháng, năm trước để so sánh kết quả hiện tại.
4.3. Khó khăn
➢ Do là hệ thống nhận diện đối tượng nên không chỉ nhận diện khách mua hàng mà còn nhận diện
được luôn nhân viên bán hàng hay một số người khác liên quan (có thể khắc phục).
➢ Hình ảnh một người xuất hiện nhiều lần trong khung hình có thể dẫn đến việc thống kê sẽ sai sót.
➢ Chưa thể truy cập để xem camera từ xa nếu ở bên ngoài hay công ty.
➢ Nhận diện sẽ gặp khó khăn nếu góc nhìn bị khuất, thiếu ánh sáng, đeo kính mát,... .
5 KẾT LUẬN
Bài viết trên đây đã trình bày về quá trình nghiên cứu và thiết kế hệ thống nhận diện đối tượng mua hàng.
Với sự tiện lợi nhỏ gọn của hệ thống nhận diện chỉ với Rasberry PI và Camera, tiết kiệm thời gian tạo app
mobile với việc dùng một ngôn ngữ có thể xây dựng app cho hai hệ điều hành đang thịnh hành hiện nay là
android và ios. Hệ thống đã chạy ổn định, app mobile thân thiện với người dùng, tuy vậy bên cạnh đó có
một số khó khăn trong việc nhận diện khách hàng và nhân viên, thiếu ánh sáng, biểu cảm trên gương mặt,
khuôn mặt bị che, đeo kính mát, Nhưng vấn đề này có thể được khắc phục trong tương lai sắp tới. Song đó
App mobile sẽ được nâng cấp về phần gợi ý chiến lược kinh doanh cho người dùng thông qua số liệu thu
được.

[1] R. Wieruch, The Road to React: Your journey to master plain yet pragmatic React.js, Independently published,
2018.
[2] A. F. Villan, Learning OpenCV 4 Computer Vision with Python 3: Get to grips with tools, techniques, and
algorithms for computer vision and machine learning, 3rd Edition, Packt Publishing, 2019.
[3] J. E. Solem, Programming Computer Vision with Python: Tools and algorithms for analyzing images, O'Reilly
Media, 2012.
[4] M. Simon, Programming the Raspberry Pi: Getting Started with Python, Cenveo, 2012.
[5] D. A. &. H. D. &. A. A. &. S. Shoemaker, Fullstack React Native: Create beautiful mobile apps with JavaScript
and React Native, Independently published, 2019.
[6] E. F. &. E. Robson, Head First JavaScript Programming: A Brain-Friendly Guide, O'Reilly Media, Inc., 2014.
[7] A. B. &. E. Porcello, Learning React: Functional Web Development with React and Redux, O'Reilly Media,
2017.
[8] M. C. &. L. Mammino, Node.js Design Patterns: Design and implement production-grade Node.js applications
using proven patterns and techniques, 3rd Edition, Packt Publishing, 2020.
[9] G. Lim, Beginning Node.js, Express & MongoDB Development, Independently published, 2019.
[10] M. Haverbeke, Eloquent JavaScript, 3rd Edition: A Modern Introduction to Programming, No Starch Press, 2018.
[11] D. Flanagan, JavaScript: The Definitive Guide: Master the World's Most-Used Programming Language, O'Reilly
Media, 2020.
[12] F. Chollet, Deep Learning with Python, Manning Publications, 2017.
[13] S. B. &. E. B. &. K. Chodorow, MongoDB: The Definitive Guide: Powerful and Scalable Data Storage, O'Reilly
Media, 2019.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.221
NGHIÊN CỨU ĐIỆN TRỞ SUẤT CỦA BÊ TÔNG

TRẦN VIỆT PHƯƠNG ĐÔNG
Khoa Kỹ thuật Xây dựng, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
tranvietphuongdong@iuh.edu.vn
Tóm tắt. Ăn mòn cốt thép trong bê tông là một trong các nhân tố chính làm suy giảm hiệu năng làm việc
và tính an toàn của các kết cấu bê tông cốt thép. Mức độ ăn mòn của kết cấu bê tông cốt thép có thể được
đánh giá bằng các biện pháp phá hủy hoặc các biện pháp không phá hủy kết cấu. Bài viết này nghiên cứu
phương pháp không phá hủy xác định điện trở suất của bê tông, qui trình và các kỹ thuật dùng để đo đạc
điện trở suất. Bài viết tập trung tìm hiểu mối liên hệ giữa điện trở suất và mức độ ăn mòn của cốt thép trong
bê tông. Ảnh hưởng của các thông số, như: tỉ số nước trên xi măng (N/X); nồng độ chloride; và nhiệt độ
môi trường, lên điện trở suất của bê tông được xem xét trong nghiên cứu này. Kết quả chỉ ra bên cạnh chất
lượng bê tông thì yếu tố nhiệt độ môi trường bên ngoài cũng làm thay đổi giá trị điện trở suất của bê tông.
Giá trị điện trở suất của bê tông suy giảm khi chất lượng lớp bê tông thấp, thể hiện qua các thông số là tỉ số
N/X lớn và nồng độ chloride cao. Vì thế tốc độ ăn mòn cốt thép sẽ cao hơn trong bê tông có chất lượng
thấp. Điện trở suất của bê tông tăng khi tăng nhiệt độ môi trường. Hiện tượng này là kết quả của sự giảm
hàm ẩm trong lớp bê tông khi nhiệt độ môi trường tăng cao.
Từ khóa. ăn mòn, bê tông, cốt thép, điện trở suất, không phá hủy, chloride, nhiệt độ, nước trên xi măng,
N/X
STUDY ON ELECTRICAL RESISTIVITY OF CONCRETE
Abstract. Corrosion of reinforcement is the major factor could deteriorate the serviceability and safety of
reinforced concrete structures. The corrosion severity of reinforced concrete structures can be evaluated by
either destructive measurements or nondestructive measurements. This paper investigates the
nondestructive measurement determining the electrical resistivity of concrete, the procedures as well as the
techniques used to measure the electrical resistivity. This work focuses on the relationship between the
electrical resistivity of concrete and corrosion severity of reinforcement. The effects of various parameters,
including: water to binder (w/b) ratio; chloride content; and ambient temperature, on the electrical resistivity
of concrete were considered in this study. Experimental results revealed that not only the quality of concrete
but also the environmental factors could affect the electrical resistivity of concrete. A reduction of the
electrical resistivity was found in concrete with high w/b ratio and high chloride content. Therefore, the
corrosion rate of reinforcing steel is expected to be higher in low-quality concrete. The electrical resistivity
became higher with the increase in the ambient temperature. This phenomenon is attributed to the decrease
in the moisture content of concrete at a high temperature.
Keywords. corrosion, concrete, resistivity, nondestructive, chloride, temperature, water to binder ratio,
w/b
1 GIỚI THIỆU
Ăn mòn cốt thép là một nguyên nhân chính làm giảm độ bền và sự toàn vẹn của kết cấu bê tông cốt thép.
Hiện tượng ăn mòn của cốt thép trong bê tông bị gây ra do quá trình carbonate hóa hoặc sự xâm thực
chloride, trong đó hiện tượng xâm thực chloride được xem là nhân tố tác động mạnh hơn tới quá trình ăn
mòn cốt thép. Ăn mòn cốt thép do xâm thực chloride nguy hiểm hơn và làm suy giảm đáng kể tính an toàn
và toàn vẹn của kết cấu bê tông cốt thép [1-6].
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Nhằm phục hồi và sửa chữa kết cấu bê tông cốt thép bị hư hỏng do hiện tượng ăn mòn, cần có các biện
pháp theo dõi và đánh giá mức độ ăn mòn của kết cấu bê tông cốt thép. Thông thường, mức độ ăn mòn của
cốt thép trong bê tông có thể được đánh giá bằng hai phương pháp, gồm: phương pháp phá hủy hoặc phương
pháp không phá hủy. Bài viết này tập trung vào phương pháp không phá hủy để xác định điện trở suất của
bê tông và mối liên hệ giữa giá trị điện trở suất và mức độ ăn mòn của kết cấu. Nghiên cứu cũng đề cập tới
ảnh hưởng của tính chất bê tông, tập trung vào nồng độ chloride trong bê tông và tỉ số nước trên xi măng,
đến giá trị điện trở suất đo đạc trong quá trình đánh giá mức độ ăn mòn của kết cấu bê tông. Đồng thời ảnh
hưởng của yếu tố nhiệt độ môi trường lên điện trở suất cũng được đề cập trong nghiên cứu.

2.1 Mẫu thực nghiệm
Trong nghiên cứu này, điện trở suất của bê tông được xác định trên các nhóm mẫu có nồng độ chloride và
tỉ số nước trên xi măng khác nhau. Mỗi nhóm mẫu có 3 mẫu, và giá trị điện trở suất đo được là giá trị trung
bình của 3 lần đo. Nồng độ chloride trong mẫu được đưa vào trong quá trình đúc mẫu bê tông bằng cách
trộn vào hỗn hợp bê tông một hàm lượng muối sodium chloride. Nồng độ chloride được qui định trước
gồm: 0, 2, và 6 kg/m3 bê tông.
Hình 1 thể hiện mẫu bê tông cốt thép được dùng trong nghiên cứu xác định điện trở suất của bê tông. Mẫu
thực nghiệm có dạng hình trụ với đường kính mẫu là 150 mm và chiều cao mẫu là 300 mm. Ở tâm mẫu
được đặt một thanh thép đường kính 10 mm. Các mẫu bê tông cốt thép dùng trong nghiên cứu được đúc
đồng thời với cấp phối bê tông đã được thiết kế trước với 2 tỉ lệ nước trên xi măng là 0.4 và 0.6. Các mẫu
bê tông cốt thép được dưỡng hộ trong cùng một điều kiện nhiệt độ và độ ẩm. Thời gian dưỡng hộ bê tông
là 28 ngày kể từ ngày đúc mẫu.
Hình 1: Mẫu bê tông cốt thép dùng xác định điện trở suất của bê tông
2.2 Phương pháp xác định điện trở suất
Hiện nay chưa có một quy trình tiêu chuẩn để xác định điện trở suất của bê tông tại hiện trường. Một trong
các quy trình thông dụng hiện nay và cho lại những kết quả nhất định được trình bày trong Hình 2. Thiết bị
Wenner 4-probe được dùng để xác định giá trị điện trở suất của bê tông. Cụ thể, quy trình đo gồm các bước
sau:
• Thiết lập đầu dò với thiết bị thu nhận số liệu, như trình bày ở Hình 2.
• Làm ẩm bề mặt bê tông để tăng tính ổn định trong quá trình đo. Các dung dịch làm tăng tính dẫn
điện trên bề mặt bê tông thường dùng như: cồn, rượu, hoặc gel dẫn điện.
• Đặt đầu dò lên bề mặt bê tông và ghi nhận giá trị điện trở suất trên màn hình máy.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 2: Thiết lập của thiết bị xác định điện trở suất của bê tông

3.1 Ảnh hưởng của nồng độ chloride lên điện trở suất
Hình 3 mô tả mối quan hệ giữa điện trở suất của bê tông và nồng độ chloride trong bê tông. Có thể nhận
thấy, điện trở suất của bê tông có xu hướng giảm khi nồng độ chloride trong bê tông tăng. Điện trở suất của
bê tông không chứa chloride là cao nhất. Tốc độ suy giảm điện trở suất thể hiện rõ khi nồng độ chloride
trong bê tông tăng từ 0 lên 2 kg/m3. Dựa theo mối quan hệ giữa điện trở suất và tốc độ ăn mòn, đã trình bày
trong Bảng 1, tốc độ ăn mòn của cốt thép sẽ tăng dần với sự tăng nồng độ chloride trong bê tông. Điều này
cũng phản ánh đúng kết quả của các nghiên cứu trước [1, 2, 5-7].
Hình 3: Sự thay đổi của điện trở suất ở các nồng độ chloride khác nhau.
Hiện nay, chưa có tiêu chuẩn chính thức qui định về mối quan hệ giữa điện trở suất của bê tông và tốc độ
ăn mòn cốt thép trong bê tông. Dựa trên kinh nghiệm, khi sử dụng thanh dò Wenner thì mức điện trở suất
qui định để dự đoán khả năng cốt thép bị ăn mòn như thể hiện trong Bảng 1.
Bảng 1: Liên hệ giữa điện trở suất của bê tông và tốc độ ăn mòn của cốt thép [3]
Điện trở suất (k.cm) Tốc độ ăn mòn

> 20 Thấp
10 – 20 Trung bình
5 – 10 Cao
<5 Rất cao
Do quá trình ăn mòn cốt thép trong bê tông là quá trình điện hóa, tốc độ ăn mòn của cốt thép có liên hệ tới
tốc độ dịch chuyển các hạt mang điện giữa hai vùng anode và cathode trên bề mặt cốt thép. Tốc độ dịch
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
chuyển của các hạt mang điện càng nhanh, tốc độ ăn mòn cốt thép càng cao. Thông số điện trở suất của bê
tông được dùng để chỉ sự dịch chuyển của các hạt mang điện trong lớp nền bê tông. Nói theo một cách
khác, dựa trên giá trị điện trở suất đo đạc được có thể ước lượng tốc độ ăn mòn của cốt thép trong bê tông.
Giá trị điện trở suất của bê tông phụ thuộc vào cấu trúc lỗ rỗng, độ ẩm, và các thành phần ngậm nước bên
trong lỗ rỗng [1, 2, 5, 6, 8]. Như kết quả nghiên cứu trong Hình 3 cho thấy, sự có mặt của chloride trong bê
tông làm giảm điện trở suất của bê tông. Nói theo cách khác, sự dịch chuyển các hạt mang điện trong bê
tông chứa chloride dễ dàng hơn, kết quả là cốt thép bị ăn mòn nhanh hơn.
3.2 Ảnh hưởng của tỉ lệ nước trên xi măng lên điện trở suất
Hình 4 mô tả sự thay đổi giữa điện trở suất của bê tông ở các tỉ lệ nước trên xi măng (N/X) khác nhau. Càng
giảm tỉ lệ N/X càng tăng điện trở suất của bê tông. Nguyên nhân là do điện trở suất của bê tông phụ thuộc
vào cấu trúc lỗ rỗng của nền bê tông. Độ rỗng của bê tông nhỏ hơn khi giảm tỉ lệ N/X của bê tông, như đã
trình bày ở các nghiên cứu trước [1, 2, 9-11]. Khi độ rỗng của bê tông giảm, dòng dịch chuyển của các hạt
mang điện trong quá trình ăn mòn cốt thép sẽ bị cản trở. Căn cứ vào mối liên hệ giữa điện trở suất và tốc
độ ăn mòn (Bảng 1) cho thấy tốc độ ăn mòn của cốt thép sẽ thấp hơn khi giảm tỉ lệ N/X. Kết quả tương tự
cũng được trình bày trong các nghiên cứu trước [1-3, 7, 11-15].
Hình 4: Sự thay đổi của điện trở suất ở các tỉ lệ nước trên xi măng khác nhau.
3.3 Ảnh hưởng của tỉ lệ nước trên xi măng lên điện trở suất
Hình 5 mô trả sự thay đổi điện trở suất của bê tông trong các điều kiện nhiệt độ khác nhau của môi trường.
Nhiệt độ môi trường tác động trực tiếp vào độ ẩm của bê tông. Do bê tông là vật liệu không đồng nhất với
sự hiện diện của cấu trúc lỗ rỗng. Sự dịch chuyển của các hạt ion mang điện phải thông qua dung dịch lỗ
rỗng. Tuy nhiên với ảnh hưởng của nhiệt độ cao từ môi trường, độ ẩm của nền bê tông suy giảm dẫn đến
việc giảm sự dịch chuyển của các hạt mang điện. Khi sự dịch chuyển của các hạt mang điện giảm, tốc độ
ăn mòn của cốt thép trong bê tông sẽ suy giảm. Điều này thể hiện rõ trong kết quả đo đạc điện trở suất của
bê tông (Hình 5). Kết quả của các nghiên cứu trước cũng thể hiện điều này [3, 5, 6, 14, 16].
Có thể nhận thấy, nhiệt độ môi trường cao làm tăng giá trị điện trở suất của bê tông. Cụ thể, điện trở suất
của bê tông tăng từ 14 k.cm đến 16 k.cm khi nhiệt độ môi trường thay đổi từ 30oC lên 70oC (Hình 5).
Dựa theo mối liên hệ giữa giá trị điện trở suất của bê tông và tốc độ ăn mòn của cốt thép (Bảng 1), tốc độ
ăn mòn của cốt thép giảm dần khi tăng nhiệt độ môi trường.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 5: Sự thay đổi điện trở suất của bê tông ở các nhiệt độ môi trường khác nhau.
4 KẾT LUẬN
Bài viết tập trung vào đánh giá mức độ ăn mòn của các kết cấu bê tông cốt thép, cụ thể là phương pháp
không phá hủy với thông số điện trở suất của bê tông. Giá trị điện trở suất của bê tông cho thấy sự liên hệ
chặt chẽ với các đặc tính của lớp nền bê tông và các yếu tố của môi trường. Chất lượng của lớp bê tông
được thể hiện qua thông số tỉ lệ nước trên xi măng và nồng độ chloride. Nghiên cứu chỉ ra sự suy giảm giá
trị điện trở suất của bê tông với sự xuất hiện của ion chloride trong lớp bê tông. Nói cách khác, sự xuất hiện
của ion chloride trong bê tông có thể làm tăng tốc độ ăn mòn của cốt thép. Tốc độ ăn mòn của cốt thép sẽ
càng tăng khi tăng nồng độ chloride, điều này thể hiện qua mối tương quan nghịch giữa giá trị điện trở suất
của bê tông và nồng độ chloride trong bê tông. Tương tự, tỉ số nước trên xi măng càng cao thể hiện bê tông
có độ rỗng xốp lớn, vì thế nên giá trị điện trở suất thấp. Bên cạnh yếu tố chất lượng của lớp bê tông, tác
động của nhiệt độ môi trường bên ngoài cũng ảnh hưởng đến giá trị điện trở suất của bê tông. Kết quả thực
nghiệm cho thấy giá trị điện trở suất của bê tông càng cao khi tăng nhiệt độ môi trường. Nghiên cứu này
cũng chỉ ra khả năng có thể áp dụng phương pháp đo điện trở suất của bê tông và từ đó xác định được nồng
độ chloride để phục vụ công tác đánh giá độ bền của kết cấu bê tông cốt thép do xâm thực chloride gây ra.

[1] D. V. P. Tran, "Time-dependent model for evaluating corrosion potential and electrical resistivity of reinforced
concrete," Engineering Journal, vol. 25, no. 1, pp. 125-135, 2021.
[2] D. V. P. Tran, P. Sancharoen, P. Klomjit, and S. Tangtermsirikul, "Electrical resistivity and corrosion potential
of reinforced concrete: Influencing factors and prediction models," Journal of Adhesion Science and Technology,
vol. 34, no. 19, pp. 2107-2119, 2020.
[3] J. P. Broomfield, Corrosion of Steel in Concrete: Understanding, Investigation and Repair. London, UK: E &
FN Spon, 1997.
[4] Standard Test Method for Corrosion Potentials of Uncoated Reinforcing Steel in Concrete, ASTM C 876, 2015.
[5] A. Bentur, S. Diamond, and N. Berke, Steel Corrosion in Concrete: Fundamentals and Civil Engineering
Practice. London: E & FN Spon, 1997.
[6] L. Bertolini, B. Elsener, P. Pedeferri, and R. Polder, Corrosion of Steel in Concrete: Prevention, Diagnosis,
Repair. Weinheim: John Wiley & Sons, 2004.
[7] D. V. P. Tran, P. Sancharoen, P. Klomjit, and S. Tangtermsirikul, "Effects of Concrete Mix Proportion and
Chloride Content on Electrochemical Properties of Reinforcing Steel in Concrete," Engineering Journal, vol.
24, no. 3, pp. 23-34, 2020.
[8] V. M. Malhotra and N. J. Carino, Handbook on Nondestructive Testing of Concrete, Second ed. Florida: CRC
Press LLC, 2004.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[9] P. K. M. Mehta, Paulo J. M., Concrete: Microstructure, Properties, and Materials, Third ed. McGraw-Hill,
2006.
[10] S. Mindess, J. F. Young, and D. Darwin, Concrete, Second ed. New Jersey, US: Prentice-Hall, 1981.
[11] A. M. Neville, Properties of concrete, Fourth ed. England: Pearson Education Limited, 2002.
[12] M. G. Richardson, Fundamentals of durable reinforced concrete. London: Spon Press, 2002.
[13] D. V. P. Tran, P. Sancharoen, P. Klomjit, and S. Tangtermsirikul, "Factors affecting half-cell potential profile of
patching repaired concrete," in 3rd ACF Symposium, Sapporo, Japan, 2019.
[14] M. V. Tran and D. V. P. Tran, "Effect of temperature and humidity cycling on reinforcement corrosion," in 11th
SEATUC Symposium, Viet Nam, 2017.
[15] D. V. P. Tran, P. Sancharoen, P. Klomjit, and S. Tangtermsirikul, "Electrochemical compatibility of patching
repaired reinforced concrete: Experimental and numerical approach," Journal of Adhesion Science and
Technology, vol. 34, no. 8, pp. 828-848, 2019.
[16] M. V. Tran and D. V. P. Tran, "Effect of thermal-humid media on durability of CFRP-wrapped reinforced
concrete columns," presented at the CIGOS, Ho Chi Minh City, Viet Nam, 2017.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.222
ỨNG DỤNG HỌC MÁY NHẬN DẠNG TẾ BÀO MÁU

VÕ VƯƠNG THÀNH ĐẠT, HÀ BẢO ANH, PHẠM TRUNG SƠN, PHẠM HUỲNH TRƯỜNG
THỊNH, HUỲNH TRUNG HIẾU*
Industrial University of Ho Chi Minh City
vovuongthanhdat@gmail.com, baoanhcr7123456@gmail.com, tomtit106131@gmail.com,
thinh7174@gmail.com, hthieu@ieee.org
Tóm tắt. Nhận dạng và phân tích tế bào máu vai trò hết sức quan trọng trong chẩn đoán và điều trị. Các
giải pháp truyền thống vẫn còn tồn tại nhiều hạn chế, bao gồm việc đòi hỏi kinh nghiệm nhân viên y tế,
thời gian xử lý, chi phí,v.v. Với sự phát triển của trí tuệ nhân tạo hiện nay, việc ứng dụng các mô hình máy
học kết hợp với các kỹ thuật xử lý ảnh trong phân tích ảnh đã mang lại những kết quả vượt trội trong nhiều
ứng dụng khác nhau. Trong bài báo này, chúng tôi thực hiện trên tập dữ liệu gồm những ảnh phết tế bào
trên kính hiển vi. Bước đầu tiên các ảnh phết sẽ được cắt thành những ảnh vuông nhỏ theo vùng chứa các
tế bào bạch cầu bằng thuật toán phân đoạn ảnh, kế tiếp chúng tôi dùng các ảnh trên làm đầu vào của các
mô hình phân loại. Thực nghiệm sẽ đánh giá độ chính xác trên tập dữ liệu LIS (tập dữ liệu công khai trên
internet) bao gồm các ảnh chụp từ kính hiển vi từ Bệnh viện Truyền máu huyết học.
Từ khóa. nhận dạng tế bào máu, học sâu, mạng nơ-ron tích chập.
WHITE BLOOD CELL CLASSIFICATION USING MACHINE LEARNING
Abstract. White blood cell classification plays an important role in diagnosis and treatment. Traditional
solutions still have many limitations, including medical staff experience, processing time, and costs. With
the development of artificial intelligence, the application of machine learning models in combination with
image processing techniques in image analysis has brought about outstanding results in many different
applications. In this paper, we introduce an approach for classifying white blood cells (WBCs) using
machine learning. The experiment will assess accuracy based on LIS data (public data on the internet) and
images taken from a microscope from the Blood Transfusion Hospital.
Keywords. White blood cell detection, deep learning, convolutional neural networks
1 GIỚI THIỆU
Tế bào bạch cầu (WBC) là một phần của hệ thống miễn dịch và được sản xuất trong tủy xương và các mô
bạch huyết. Chúng bảo vệ cơ thể chống lại các bệnh nhiễm trùng như vi khuẩn, vi rút và nấm. Có năm loại
bạch cầu bao gồm lymphocytes, monocytes, eosinophils, basophils và neutrophils. Bạch cầu được chia
thành hai nhóm: đa nhân (neutrophils, eosinophils, basophil) và đơn nhân (monocytes, tế bào lympho)[1].
Số lượng bạch cầu thừa hoặc thiếu có thể gây ra nhiều bệnh khác nhau [2, 3]. Chẩn đoán các bệnh này được
thực hiện bằng xét nghiệm máu. Các xét nghiệm máu này cũng được thực hiện để theo dõi kết quả của quá
trình hóa trị và xạ trị. Khi số lượng WBC ít hơn giá trị tham chiếu, nó được gọi là giảm bạch cầu. Neutrophils
tăng trong máu trong các trường hợp do nguyên nhân nội tiết tố, rối loạn chuyển hóa, tan máu và chảy máu.
Ngoài ra; vi khuẩn, nấm, ngoại độc tố và nội độc tố cũng gây ra sự gia tăng neutrophils [4, 5]. Các bệnh
như bordetella ho gà, viêm gan, virus, brucella, bệnh bạch cầu làm tăng tế bào lympho trong máu trong khi
các bệnh như HIV, brucella, poliovirus, thủy đậu, lao làm giảm số lượng tế bào lympho. Bệnh Listeriosis
và bệnh sốt rét cũng như các bệnh nhiễm trùng do vi khuẩn và vi rút là một số bệnh làm tăng số lượng bạch
cầu đơn nhân [6]. Các bệnh dị ứng, bệnh dị ứng và ký sinh trùng là những yếu tố làm tăng giá trị eosinophils
[7, 8]. Các bệnh tăng sinh tủy ác tính, thiếu máu tán huyết, suy giáp, hội chứng thận hư, viêm nhiễm có liên
quan đến basophil [9]. Các phân tích trên cho thấy việc nhận dạng các loại tế bào bạch cầu và số lượng của
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
nó là vô cùng quan trọng trong hỗ trợ chẩn đoán và điều trị bệnh. Phần lớn việc nhận dạng được thực hiện
một cách thủ công dựa trên ảnh xét nghiệm. Xét nghiệm truyền thống dựa trên ảnh phết tế bào ngoại vi, là
một xét nghiệm huyết đồ dựa trên việc nhuộm máu sau khi phết lên lam kính hiển vi rồi đánh giá tế bào
máu dưới kính hiển vi. Do số lượng tế bào máu trên ảnh phết rất lớn và đa dạng; phát hiện tế bào, nhuộm
và chiếu sáng là vấn đề khó khăn. Chồng chéo hoặc loại trừ của một số phần của hình ảnh làm mất rất nhiều
thời gian và ảnh hưởng đến độ chính xác của xét nghiệm. Ngoài ra kết quả xét nghiệm còn phụ thuộc rất
lớn vào kỹ năng của một nhà phân tích [10,11]. Do đó, một quy trình tự động phân loại các tế bào máu khác
nhau từ một hình ảnh phết tế bào sẽ tạo điều kiện thuận lợi rất nhiều cho toàn bộ quá trình phân tích.
2 CÁC NGHIÊN CỨU LIÊN QUAN
Với sự phát triển của kỹ thuật học máy, các ứng dụng phân tích dữ liệu y sinh phát triển rất mạnh mẽ và
mang lại các kết quả đáng khích lệ. Đặc biệt, các phương pháp học sâu đang được áp dụng trong các ứng
dụng y tế khác nhau như phát hiện và xác định vị trí bất thường trong X-quang ngực [12], tự động phân
đoạn tâm thất trái trong ảnh MR tim [13] và phát hiện bệnh võng mạc tiểu đường trong ảnh chụp võng mạc
[14]. Ngoài ra còn rất nhiều nghiên cứu cùng chủ đề của bài báo này như của Hedge và cộng sự [15], trong
nghiên cứu của họ được thực hiện vào năm 2018, đã đề xuất một thuật toán để phân loại dựa trên tính năng
phát hiện hạt nhân và hạt nhân WBC. Tác giả đã thử các biến thể ánh sáng để phát hiện nucleus và phương
pháp TisueQuant để tìm các biến thể màu sắc. Các đặc trưng hình dạng và kết cấu của nucleus đã được sử
dụng cho bộ phân lớp, nó là sự kết hợp dựa trên SVM và mạng nơ-ron. Phương pháp này đã cho độ chính
xác 100% trong việc phát hiện các loại bạch cầu như lymphocyte và basophil. Neelam và cộng sự [16],
trong nghiên cứu của họ vào năm 2003, đã đề xuất một phương pháp phân loại bạch cầu bằng cách sử dụng
K-Means Clustering và sau đó là thuật toán tối đa hóa kỳ vọng. Neural Network (NN) và Support Vector
Machine (SVM) để phân loại. Với phương pháp này, họ đã đạt được 80% thành công trong việc phát hiện
WBC. Nisha và cộng sự đã phân loại hình ảnh WBC trong không gian HSV bằng cách sử dụng thành phần
S trong nghiên cứu của họ vào năm 2012 [17]. Họ đạt được khoảng 94% thành công trong việc phát hiện
WBC. Arslan và cộng sự, trong nghiên cứu của họ vào năm 2014, đã đề xuất một phương pháp dựa trên
thuật toán biến đổi lưu vực trong ảnh phết máu ngoại vi và ảnh tủy xương, kết quả của việc phân đoạn bạch
cầu đạt độ chính xác 94% [18].
Hiremath và cộng sự [19], trong một nghiên cứu được thực hiện vào năm 2010, nhận biết và phân loại
monocytes, tế bào lympho, neutrophils với phương pháp phân đoạn dựa trên màu sắc và các đặc điểm hình
học. Các tế bào monophils được phát hiện (12 hình ảnh), tế bào lympho (34 hình ảnh), neutrophils (29 hình
ảnh) với tỷ lệ chính xác lần lượt là 98%, 92%, 95%. G. G. Phân loại basophil - non basophil và phân loại 4
tế bào được tiến hành . Họ đạt được tỷ lệ thành công 98% - 99% đối với tập hợp ô dữ liệu bị hạn chế (1
hình ảnh eosinophils, hình ảnh 33 tế bào lympho, 8 hình ảnh monophils, 63 hình ảnh neutrophils, 6 hình
ảnh basophil). Sawsan và cộng sự [20] đã phân loại 5 loại tế bào bao gồm 70 hình ảnh với độ chính xác
91% bằng cách sử dụng lọc trung vị trong các hình ảnh mức xám và ngưỡng phân loại entropy biểu đồ
trong nghiên cứu của họ vào năm 2000. Nazlıbilek và cộng sự [21], trong nghiên cứu của họ vào năm 2014
đã phát hiện ra hộp giới hạn, diện tích tính bằng pixel, độ dài trục chính và độ dài trục nhỏ trong ảnh màu
xám. Việc phân loại các loại WBC đạt 95% thành công trong nghiên cứu của họ với mạng nơ-ron và Phân
tích thành phần chính (PCA). Rezatofighi và cộng sự [22] đã đề xuất một phương pháp dựa trên Thuật toán
Rắn và sự trực giao Gram-Schmidt để tách nhân tế bào và tế bào chất trong nghiên cứu của mình vào năm
2011. Nhóm nghiên cứu đã xác định các đặc điểm có được từ lõi và tế bào chất bằng Chọn lọc chuyển tiếp
tuần tự. Sau đó phân loại WBCs bằng Mạng thần kinh nhân tạo (ANN) và Máy vectơ hỗ trợ (SVM). Các ô
được phân loại với độ chính xác trung bình là 96%. Trong nghiên cứu của Mathur và cộng sự vào năm 2013
[23], Họ phân chia lõi và tế bào chất theo dòng trên cùng. Phân loại hình ảnh theo số lượng thùy lõi trong
không gian màu HSV được thực hiện. Nghiên cứu đạt hiệu suất trung bình là 92%. Der-Chen và cộng sự
[24] đã nghiên cứu lõi WBC bằng phương pháp Herbaceous trong vào năm 2013. Đặc điểm cốt lõi được
suy ra bằng hình và ma trận đồng xuất hiện. Dùng PCA giảm bớt các thuộc tính và phân loại theo phương
pháp phân cụm trung bình k dựa trên các thuật toán di truyền.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Có nhiều nghiên cứu trong tài liệu đã phân loại hình ảnh WBC. Hầu hết các nghiên cứu này tập trung vào
phân loại và phân đoạn hình ảnh. Mạng thần kinh tích chập, không giống như các kỹ thuật xử lý ảnh truyền
thống, không cần phải xem toàn bộ đối tượng để phân loại đối tượng. Do đó, mạng thần kinh tích chập cho
thấy hiệu suất cao hơn trong việc nhận ra các ô chồng chéo hoặc các ô nằm ở rìa của hình ảnh. Trong bài
báo này chúng tôi sẽ trình bày và giải thích cụ thể về các thông số cũng như các khái niệm về mạng tích
chập CNN và các mô hình mà chúng tôi đã áp dụng, các tập dữ liệu đã được giải thích và các kết quả thực
nghiệm được trình bày trực quan bằng số và hình ảnh cụ thể.
3 MÔ HÌNH HỌC MÁY TRONG NHẬN DẠNG BẠCH CẦU
Sử dụng bộ dữ liệu bạch cầu của mình để huấn luyện các mô hình phân loại là AlexNet, VGG16,
GoogLeNet, ResNet50. Từ đó chọn ra mô hình tối ưu nhất về thời gian cũng như độ chính xác để thu được
kết quả cao nhất.
Tất cả những kiến trúc bên dưới đều được hiện thực bằng keras và huấn luyện với hàm mất mát là categorical
cross entropy, hàm tối ưu là gradient descent và các thông số giống nhau là: batch size bằng 16, learning
rate bằng 0.001 epoch bằng 100 trên bộ dữ liệu là PBC_dataset_normal_DIB gồm 10298 ảnh của năm lớp
(basophil, eosinophil, lymphocyte, monocyte, neutrophil) với 80% dùng cho huấn luyện và 20% dùng cho
kiểm thử2.
Các mô hình được huấn luyện bằng google colab với RAM là 12.72GB, ổ đĩa 68.4GB và miễn phí GPU
Tesla K80 GPU.
3.1 Mô hình AlexNet
Hình 1. Kiến trúc mạng AlexNet

Kiến trúc này đã tham gia cuộc thi ImageNet Large Scale Visual Recognition Challenge 2012 (ILSVRC
2012) được gọi với tên phổ biến là AlexNet theo tên của tác giả đầu tiên là Alex Krizhevsky. Đầu vào của
AlexNet là 1 ảnh RGB với kích thước 224x224x3, tuy nhiên đó là 1 lỗi và cần thay thế bằng kích thước là
227x227x3 cho cả tập dữ liệu huấn luyện và kiểm thử. Nếu đầu vào là ảnh xám thì cần phải chuyển lại
thành ảnh RGB [25].
2
https://data.mendeley.com/datasets/snkd93bnjr/1
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Mạng AlexNet có khoảng 56 triệu tham số và 650.000 neurons bao gồm 5 lớp convolutional, 1 trong số đó
được theo sau bởi lớp max-pooling, và 3 lớp fully-connected, cuối cùng là 1 hàm softmax cho ra xác suất
của ảnh thuộc về 5 lớp (basophil, eosinophil, lymphocyte, monocyte, neutrophil) của của dữ liệu. Để giảm
overfitting của các tác giả đã thêm 1 phương thức regularization được gọi là "dropout" vào lớp
Convolutional [25]. Cấu trúc mạng được thể hiện thông qua Hình 1.
3.2 Mô hình VGG16
Kiến trúc này tham gia trong cuộc thi ImageNet Large Scale Visual Recognition Challenge 2014 (ILSVRC
2014) với tác giả đầu tiên là Karen Simonyan, nó được cải thiện hơn kiến trúc AlexNet bằng cách thay thế
các bộ lọc có kích thước từ 11 và 5 ở những lớp tích chập (Convolutional Layers) đầu tiên và thứ hai sang
các bộ lọc có kích thước 3x3. Đầu vào của VGG16 là một ảnh RGB với kích thước 224x224x3 cho cả tập
dữ liệu huấn luyện và kiểm thử. Nếu đầu vào là ảnh xám thì cần phải chuyển lại thành ảnh RGB [26].
Mạng VGG16 có khoảng 134 triệu tham số bao gồm 13 lớp tích chập (Convolutional Layers), 5 lớp max-
pooling và 3 lớp fully-connected, cuối cùng là một hàm softmax cho ra xác suất của ảnh thuộc về 5 lớp
(basophil, eosinophil, lymphocyte, monocyte, neutrophil) của của dữ liệu. Vì lớp có thể điều chỉnh tham số
là 16 (13 lớp convolutional, 3 lớp fully-connected) nên đó cũng là lý do mà kiến trúc này được đặt tên là
VGG16 [26]. Cấu trúc mạng được thể hiện thông qua Hình 2.
Hình 2. Kiến trúc mạng VGG16

3.3 Mô hình GoogLeNet
Kiến trúc này tham gia trong cuộc thi ImageNet Large Scale Visual Recognition Challenge 2014(ILSVRC
2014) với tác giả đầu tiên là Christian Szegedy. Đầu vào của GoogLeNet là một ảnh RGB với kích thước
224x224x3 cho cả tập dữ liệu huấn luyện và kiểm thử. Nếu đầu vào là ảnh xám thì cần phải chuyển lại
thành ảnh RGB.
Kiến trúc GoogLeNet có khoảng bảy triệu tham số ít hơn 19 lần so với VGG16 tuy nhiên lại có chiều sâu
và chiều rộng lớn hơn, bao gồm:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Chín khối inception: mỗi khối inception gồm bốn path cùng xử lý song song. Path đầu tiên: sử dụng lớp
1x1 convolutional. Path thứ hai và ba: sử dụng lớp 1x1 convolutional và theo sau đó lần lượt là lớp 3x3 và
5x5 convolutional. 1x1 convolutional giúp giảm số lượng filter channels nhằm giảm độ phức tạp của mô
hình. Path thứ bốn: sử dụng lớp max-pooling để giảm độ phân giải của ảnh đầu vào và theo sau nó là 1x1
convolutional để giảm kích thước ảnh. Bốn path trên sẽ thêm padding cho phù hợp để kích thước ảnh đầu
vào và đầu ra giống nhau. Đầu ra của khối inception sẽ nối bốn path lại với nhau bằng concatenate [25].
Cấu trúc khối inception được thể hiện ở Hình 3.
Hình 3. Cấu trúc khối Inception

Bốn lớp max-pooling: dùng để giảm kích thước của dữ liệu đầu vào nhằm giảm sự phức tạp của mô hình
và chi phí tính toán [25].
Lớp average-pooling: dùng để cải thiện hiệu suất của mô hình và giảm overfitting [25].
Lớp dropout (với 40% tỉ lệ đầu ra bị giảm): là 1 phương thức regularization được sử dụng trước những hàm
kích hoạt nhằm giảm overfitting [25].
Hàm softmax: dùng cho lớp đầu ra [25] với 5 đầu ra tương ứng với 5 lớp cần phân loại là basophil,
eosinophil, lymphocyte, monocyte, neutrophil.
Ngoài ra còn có mạng lưới bổ sung bao gồm những bộ phân loại phụ trợ sau: 1 lớp average-pooling với
kernel 5x5 và stride 3, 1 lớp 1x1 convolutional với bộ lọc 127, 1 lớp full-connected, 1 lớp dropout (với 70%
tỉ lệ đầu ra bị giảm), cuối cùng là 1 hàm kích hoạt softmax [25] với đầu ra tương ứng 5 loại basophil,
eosinophil, lymphocyte, monocyte, neutrophil. Cấu trúc mạng lưới bổ sung được thể hiện như Hình 4.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 4. Cấu trúc mạng lưới bổ sung

Dưới đây là toàn bộ cấu trúc của GoogLeNet:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 5. Kiến trúc GoogLeNet
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
3.4 Mô hình ResNet50

Kiến trúc này tham gia trong cuộc thi ImageNet Large Scale Visual Recognition Challenge 2015 (ILSVRC
2015) với tác giả đầu tiên là Kaiming He. Đầu vào của ResNet50 là một ảnh RGB với kích thước 224x224x3
cho cả tập dữ liệu huấn luyện và kiểm thử. Nếu đầu vào là ảnh xám thì cần phải chuyển lại thành ảnh RGB.
Resnet là mô hình đầu tiên giới thiệu về khái niệm skip connection, với hình bên trái thì các lớp xếp chồng
lên nhau và hình bên phải cũng tương tự nhưng có thêm một kết nối từ đầu vào đến đầu ra của khối
convolutional gọi là skip connection [26].
Hình 6. Kiến trúc ResNet với ý tưởng skip connection

Skip connection trong ResNet có 2 dạng là: identity và convolutional.
Identity có dạng kết nối từ đầu vào tới đầu ra của khối như Hình 7.
Hình 7. Cấu trúc Identity

Convolution có dạng kết nối từ đầu vào tới đầu ra của khối nhưng ở giữa sẽ có thêm một khối convolutional
như Hình 8.
Hình 8. Cấu trúc bổ sung khối convolution

Kiến trúc ResNet50 có khoảng 32 triệu tham số gồm năm giai đoạn với mỗi giai đoạn từ hai tới năm đều
có khối identity và convolutional. Cấu trúc của mạng được thể hiện ở Hình 9.
Hình 9. Kiến trúc ResNet50

ResNet50 gần như tương tự với các mạng khác gồm có convolution, pooling, activation và fully-connected
layer. Năm giai đoạn tương ứng với năm lớp tích chập (Convolutional Layers), theo sau đó là tầng max-
pooling có kích thước 2x2 cùng với lớp làm phẳng (Flatten). Kết quả là một đầu ra năm lớp tương ứng với
năm loại tế bào máu [26].
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4 THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ

Trong nghiên cứu này, năm loại tế bào bạch cầu được phát hiện dựa trên mạng thần kinh tích chập đã được
thực hiện. Đầu tiên, tập dữ liệu của chúng tôi gồm có 1000 nghìn ảnh cho mỗi loại tế bào bạch cầu, tổng số
có 5000 ảnh được chọn để huấn luyện. Tập dữ liệu kiểm tra có tổng cộng 1733 ảnh gồm: 218 ảnh basophil,
276 ảnh eosinophil, 214 ảnh lymphocyte, 420 ảnh monocyte, 605 ảnh neutrophil. Các WBC trong tập dữ
liệu huấn luyện đã được gán nhãn. Ảnh và nhãn được tải vào chương trình.
Kết quả thực nghiệm cho thấy mô hình đã thành công trong việc phân loại tế bào bạch cầu. Các mô hình
cho độ chính xác rất cao, trên 96%. Bảng so sánh độ chính xác trên các mô hình khác nhau được chỉ ra
trong Bảng 1.
Bảng 1. Độ chính xác của các mô hình khác nhau trong nhận dạng WBC
Mô hình Độ chính xác tập huấn luyện Độ chính xác tập kiểm thử
AlexNet 99.6% 98.56%
VGG16 100% 96.49%
GoogLeNet 99.93% 99.25%
ResNet50 99.94% 99.14%
5 KẾT LUẬN
Nhận dạng bạch cầu đóng vai trò quan trọng trong chẩn đoán và điều trị nhiều bệnh khác nhau. Nhiều tiếp
cận đã được đề xuất, nhưng vẫn còn nhiều hạn chế. Với sự phát triển của trí tuệ nhân tạo, nhiều mô hình
mạng nơ-ron đã được đề xuất và mang lại hiệu quả cao trong nhiều ứng dụng khác nhau, đặc biệt là trong
phân tích ảnh y khoa. Trong nghiên cứu này, chúng tôi tập trung nghiên cứu sử dụng các mô hình mạng
hiện đại cho bài toán nhận dạng bạch cầu. Đánh giá thực nghiệm trên tập dữ liệu thực tế cho kết quả rất khả
quan.

[1] University of Rochester Medical Center Rochester : URL
https://www.urmc.rochester.edu/encyclopedia/content.aspx?ContentID=35&ContentTypeID=160
[2] Veronelli, A.; Laneri, M.; Roberto, R.; White Blood Cells Obesity and Diabetes. Diabetes Care, 2004,
27(10),2501- 2502, DOI: https://doi.org/10.2337/diacare.27.10.2501
[3] Low white blood cell count https://www.mayoclinic.org/symptoms/low-white-blood-cell-
count/basics/causes/sym20050615#:~:text=A%20low%20white%20blood%20cell,diseases%20that%20damag
e%20bone%20marrow
[4] Nohynek, H.; Valkeila, E.; Leinonen M. Erythrocyte sedimentation rate white blood cell count and serum C
reactive protein in assessing etiologic diagnosis of acute lower respiratory infections in children. The Pediatric
Infectious Disease Journal 1995, 14, 484-490, ISSN: 0891-3668
https://journals.lww.com/pidj/Abstract/1995/06000/Erythrocyte_sedimentation_rate,_white_blood_cell.4.aspx
[5] Shah, S.S.; Shofer, F.S.; Seidel, J.S.; Significance of extreme leukocytosis in the evaluation of febrile children.
Pediatr Infect Dis J 2005 , 24, 627- 630, DOI: https://doi.org/10.1016/j.jemermed.2005.11.038
[6] Tsukahara T., Yaguchi A., Horiuchi Y. Significance of monocytosis in varicella and herpes zoster. The Journal
of Dermatology 1992,19,94-98. DOI: https://doi.org/10.1111/j.1346-8138.1992.tb03187.x
[7] Rothenberg M.E., Eosinophilia. The New England Journal of Medicine 1998, 338, 1592-1600, DOI:
https://doi.org/10.1056/NEJM199805283382206
[8] Auletta J.J.; Shurin S.B. Eosinophilia. What does it mean. Available online: URL
http://www.contemporarypediatrics.com/obstetrics-gynecology-womens-health/eosinophilia-what-does-it-
mean (accessed on 25.09.2019).
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[9] Barbara, J.B. Diagnosis from the Blood Smear. The New England Journal of Medicine 2005, 353, 498-507, DOI:
https://doi.org/10.1056/NEJMra043442
[10] Acharjee, S., Chakrabartty, S., Alam, M.I., Dey, N., Santhi, V., and Ashour, A.S.: ‘A semiautomated approach
using GUI for the detection of red blood cells’, Proc. Int. Conf. on Electrical, Electronics, and Optimization
Techniques, 2016, pp. 525–529.
[11] Lou, J., Zhou, M., Li, Q., Yuan, C., and Liu, H.: ‘An automatic red blood cell counting method based on spectral
images’, Proc. Int. Congress on Image and Signal Processing, BioMedical Engineering and Informatics, October
2016, pp. 1391–1396.
[12] Islam, M.T., Aowal, M.A., Minhaz, A.T., and Ashraf, K.: ‘Abnormality Detection and Localization in Chest X-
Rays using Deep Convolutional Neural Networks’, arXiv preprint arXiv:1705.09850v3, 2017.
[13] Avendi, M.R., Kheradvar, A., and Jafarkhani, H.: ‘A combined deep-learning and deformable-model approach
to fully automatic segmentation of the left ventricle in cardiac MRI’, Medical image a 76nalysis, May 2016, 30,
pp. 108-119.
[14] Gulshan, V., Peng, L., Coram, M., et al.: ‘Development and Validation of a Deep Learning Algorithm for
Detection of Diabetic Retinopathy in Retinal Fundus Photographs’, JAMA. 2016;316(22):2402-2410.
[15] Hegde, R.B.; Prasad K.; Hebbar H.; Development of a Robust Algorithm for Detection of Nuclei and
Classification of White Blood Cells in Peripheral Blood Smear Images, Journal of Medical Systems 2018, 42(6),
110, DOI: https://doi.org/10.1007/s10916-018-0962-1.
[16] Neelam, S.; Ramakrishnan, A. G.; Automation of differential blood count. Proc. IEEE Conference on Convergent
Technologies for the Asia-Pacific Region, Bangalore, India, 15-17.10.2003, 2,547–551, DOI:
https://doi.org/10.1109/TENCON.2003.1273221
[17] Nisha, R.; Bryan, D.; Mohammed, E. S.; Tolga, T. Isolation and two-step classification of normal white blood
cells in peripheral blood smears. Journal of Pathology Informatics 2012, 3(1), 10, DOI:
https://doi.org/10.4103/2153-3539.93895 .
[18] Arslan, S.; Ozyurek, E.; Gunduz D.C. A color and shape based algorithm for segmentation of white blood cells
in peripheral blood and bone marrow images. Cytometry Part A 2014, 85, 480–490, DOI:
https://doi.org/10.1002/cyto.a.22457
[19] Hiremath, P. S.; Parashuram, B.; Sai, G.; Automated identification and classification of white blood cells
(leukocytes) in digital microscopic images. International Journal of Computer Applications 2010, Special Issue
RTIPPR 2, 59–63, ISSN: 0975 – 8887 https://www.ijcaonline.org/specialissues/rtippr/number2/977-100
[20] Sawsan, F. B.; Ahmed, M. D.; Hany, A. T.; Samir, I. S. Segmentation and classification of white blood cells.
Proc. IEEE Int. Conf. Acoust. Speech Signal Process, 4, 2259–2261, 2000, DOI:
https://doi.org/10.1109/ICASSP.2000.859289
[21] Nazlıbilek, S.; Karacor, D.; Ercan, T.; Sazli, H.S.; Kalender, O.; Ege, Y. Automatic segmentation, counting, size
determination and classification of white blood cells. Measurement 2014, 55, 58–65, DOI:
https://doi.org/10.1016/j.measurement.2014.04.008
[22] Rezatofighi S.H.; Zadeh-Soltanian H. Automatic recognition of five types of white blood cells in peripheral
blood, Comput. Med. Imaging Graph 2011, 35(4), 333–343, DOI:
https://doi.org/10.1016/j.compmedimag.2011.01.003
[23] Mathur, A.; Tripathi, A. S.; Kuse, M.; Scalable system for classification of white blood cells from Leishman
stained blood stain images. J. Pathol. Informatics 2013, 4(2), 15, DOI: https://doi.org/10.4103/2153-
3539.109883
[24] Der-Chen, H.; Kun Ding, H.; Yung Kuan, C. A computer assisted method for leukocyte nucleus segmentation
and recognition in blood smear images. J. Syst. Software. 2012, 85, 2104–2118, DOI:
https://doi.org/10.1016/j.jss.2012.04.012
[25] Alex Krizhevsky.; Ilya Sutskever Geoffrey.; E. Hinton. ImageNet Classification with Deep Convolutional Neural
Networks https://papers.nips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf
[26] Karen Simonyan.; Andrew Zisserman. Very Deep Convolutional Networks for Large-Scale Image Recognition
https://arxiv.org/abs/1409.1556
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.223
THU THẬP NĂNG LƯỢNG TRONG MẠNG HỢP TÁC ĐA TRUY CẬP PHI
TRỰC GIAO CÓ ĐƯỜNG TRUYỀN TRỰC TIẾP
HỒ NGỌC HUY1, NGUYỄN THANH HẢI2, ĐÀO THỊ THU THUỶ3, NGUYỄN THÀNH LUÂN4,
PHÙ TRẦN TÍN5
Wireless Research Group (WINET), Khoa Công nghệ Điện tử, Trường Đại học Công nghiệp Thành phố
Hồ Chí Minh
1
hongochuy2640@gmail.com, 2nguyenthanhhai1998s@gmail.com, 3daothithuthuy@iuh.edu.vn,
4
nguyenthanhluan@iuh.edu.vn, 5phutrantin@iuh.edu.vn
Tóm tắt. Bài báo này nghiên cứu tác động tham gia của thông tin vô tuyến đồng thời truyền năng lượng
(SWIPT) và đa truy cập phi trực giao (NOMA) đến mạng hợp tác chuyển tiếp (CoR) khi có các đường trực
tiếp. Đặc biệt, những người dùng gần sử dụng giải mã và chuyển tiếp (DF) và thu năng lượng (EH) để hỗ
trợ truyền từ nguồn đến người dùng ở xa. Khai thác giao thức chuyển mạch thời gian (TSP) và giao thức
phân tách công suất (PSP) đến CoR dựa trên kết quả phân tích hệ thống NOMA cho xác suất dừng được
suy ra và thông lượng tương ứng thu được. Kết quả so sánh cho thấy PSP hoạt động tốt hơn TSP ở công
suất nguồn phát cao, trong khi ở chế độ công suất nguồn phát thấp, TSP vượt trội hơn so với PSP.
Từ khóa. Thu thập năng lượng, Giải mã và chuyển tiếp, Thông lượng, Xác suất dừng, Đa truy cập phi trực giao.
ENERGY HARVESTING IN NOMA-BASED COOPERATIVE NETWORKS WITH

DIRECT LINKS
Abstract. This paper studies the join impact of simultaneous wireless information and power transfer
(SWIPT) and non-orthogonal multiple access (NOMA) to the cooperative relay (CoR) network where direct
links exist. Particularly, the near users employ decode-and-forward (DF) and energy harvesting (EH) to
assist the transmission from the source to the far users. Exploiting time-switching protocol (TSP) and
power-splitting protocol (PSP) to the CoR-based NOMA system analytical results for the outage probability
are derived, and the corresponding throughput are obtained. Comparative results show that PSP outperforms
TSP at high transmit power, while at low transmit power regime, TSP is superior to PSP.
Keyworks. Energy harvesting, Decode and forward, Throughput, Outage Probability, Non orthogonal
multiple access.
1 GIỚI THIỆU
Thu nhập năng lượng tần sô vô tuyến (RF) là một trong những hướng nghiên cứu đang được quan tâm gần
đây [1],[2]. Biện pháp này cho phép các nút chuyển tiếp sẽ sử dụng năng lượng từ nguồn phát để cung cấp
năng lượng và tăng cường sức mạnh của nút chuyển tiếp trong các mạng chuyển tiếp [3]. Từ đó tăng hiệu
quả sử dụng, tránh các nguy cơ không mong muốn (ví dụ như các cảm biến được gắn vào cơ thể con người
trong y học) thay vì phụ thuộc và hạn chế của pin (vòng đời, tuổi thọ….) giảm thiểu ảnh hưởng tác động
đến môi trường (chất thải điện tử, lượng khí thải carbon…). Tín hiệu (RF) có thể mang năng lượng và thông
tin cùng một lúc nên các nút chuyển tiếp có thể đồng thời xử lý thông tin và thu nhập năng lượng [4].
Đa truy nhập không trực giao (NOMA) đã được công nhận là một giải pháp đầy hứa hẹn cho hiệu quả
quang phổ trong mạng không dây [5-11]. Công nghệ NOMA cho phép đa truy nhập (MA) trong miền công
suất và sử dụng hiệu quả phổ tần bằng cách khai thác thông tin trạng thái kênh của người dùng [5]. Người
dùng NOMA gần chuyển tiếp thông tin đến người dùng NOMA ở xa có điều kiện kém. Người sử dụng bị
hạn chế về năng lượng nên phải sử dụng năng lượng riêng (pin) để chuyển tiếp, ảnh hưởng đến thời gian
sử dụng. SWIPT là phương pháp hiệu quả có thể thu nhập năng lượng và giải mã thông tin cùng một dạng
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
sóng [6], không giống như các phương pháp EH thông thường, SWIPT ít phụ thuộc vào môi trường xung
quanh (thời tiết) và đảm bảo cung cấp năng lượng ổn định, tuổi thọ cao hơn, để khai thác tín hiệu tần số vô
tuyến đến cho các hệ thống tái tạo. Đặc biệt, hai giao thức thực tế, đó là giao thức dựa trên chuyển mạch
thời gian (TSP) và giao thức dựa trên phân tách nguồn (PSP), được giới thiệu để thu năng lượng từ tín hiệu
không dây [1]. Hơn nữa, một hệ thống chuyển tiếp giải mã và chuyển tiếp (DF) được triển khai, trong đó
một số người dùng sử dụng cơ chế thu năng lượng để hỗ trợ những người dùng khác [12] có hiệu suất kém
hơn. Các mô hình thu hoạch năng lượng lai cho TSP và PSP cũng được nghiên cứu kỹ lưỡng trong [13-17],
trong đó việc thu hoạch năng lượng giúp tăng hiệu suất cho các hệ thống NOMA. Trong các công trình này,
việc áp dụng NOMA trong các mạng hợp tác không được xem xét. Mặc dù các tác giả trong [18] trình bày
cả NOMA và SWIPT, PSP được ưa chuộng để cải thiện hiệu suất trong khi bỏ qua TSP.
Trong bài báo này, một môi trường Nakagami-m fading được xem xét để NOMA kết hợp SWIPT dựa trên
nơi các yếu tố hình thành có giá trị tùy ý. Sau đó, có thể điều chỉnh tham số m để thu được các kênh fading
theo đường ngắm và không theo đường ngắm khác nhau [19] , [20] . Hơn nữa, các kết quả có thể được coi
là xấp xỉ cho các kênh fading tổng quát hơn. Đặc biệt, đối với các ứng dụng cảm biến với độ trễ, xác suất
dừng hoạt động và thông lượng cho tốc độ truyền cố định được nghiên cứu. Kết quả phân tích cho các số
liệu nói trên.
Phần còn lại của bài báo này được tổ chức như sau. Trong Phần 2, chúng tôi trình bày hệ thống NOMA hợp
tác và các giao thức thu hoạch năng lượng. Phân tích hiệu suất cho TSP và PSP được trình bày trong Phần
3. Mô phỏng Monte Carlo sau đó được trình bày trong Phần 4 để xác nhận phân tích của chúng tôi và cung
cấp những hiểu biết thực tế. Cuối cùng, chúng tôi kết thúc bài báo của chúng tôi trong Phần 5.
Hình 0.1 Sơ đồ hệ thống

Trong Hình 2.1, hệ thống NOMA hợp tác bao gồm một nút nguồn (S), một người dùng hỗ trợ chuyển tiếp
thu nhập năng lượng EH (U1) có thể thực hiện cả hoạt động thu năng lượng và cũng như là một relay chuyển
tiếp nhằm hỗ trợ một người dùng có chất lượng kênh truyền thấp (U2). Trong thực tế, S có thể là một trạm
gốc (BS) của mạng di động trong khi U1 và U2 có thể là người dùng trung tâm di động và tương ứng. Trong
bài báo này, tất cả các kênh được giả định theo mô hình Nakagami-m fading block-fading, trong đó trạng
thái kênh không thay đổi trong một thời khối nhưng thay đổi độc lập từ khối này sang khối khác và tuân
theo phân bố Nagakami-m. Ngoài ra, chúng tôi cho rằng U1 là người dùng hạn chế năng lượng và yêu cầu
thu năng lượng để hỗ trợ việc truyền chuyển tiếp từ S đến U2 bằng cách sử dụng kỹ thuật giải mã và chuyển
tiếp (DF).
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 0.2 Sơ đồ khối truyền tải cho TSP Hình 0.3 Sơ đồ khối truyền tải cho PSP
3 GIAO THỨC PHÂN CHIA THEO THỜI GIAN (TSP)

Trong hình 2.2, TSP được thông qua bởi người dùng 1 trong khoảng thời khối T,  là hệ số phân chia thời
gian với    0,1 chỉ định thời gian để thu năng lượng từ tín hiệu nguồn S. Sau đó, (1 −  )T 2 là khoảng
thời gian được chia đều cho truyền trực tiếp từ S → U1 , U 2 và truyền hợp tác từ U1 → U 2 . Giả sử tất cả
năng lượng thu hoạch được người dùng này sử dụng để hỗ trợ U2, khi đấy công suất phát của U1 trong pha
truyền hợp tác là
2
h1 2
P1 = PS , (32)
d1 1 − 
với   [0,1] là hiệu suất thu năng lượng.
Sau đó, nguồn S phát một tín hiệu chồng x = 1 x1 + 2 x2 . Trong đó x1 , x2 Î £ là tín hiệu năng lượng
mong muốn cho U1 và người dùng U2 tương ứng, i là hệ số phân bổ công suất cho U i với 0  1  2  1
và 1 + 2 = 1 theo NOMA [7-11]. Tỷ lệ tín hiệu trên nhiễu-cộng-nhiễu (SINR) nhận được tại U1 và U2 để
phát hiện x2 được cho bởi
 2 1 2 2
 2→1 = , = , (33)
11 + 1 2 1 2 + 1
trong đó 1 = PS h1 d1 12 và  2 = PS h2 d 2  22 . Tại U1, nếu nếu tín hiệu nhiễu x2 được giải mã một cách
2 2
chính xác thì tín hiệu này sẽ thực hiện triệt nhiễu tuần tự (SIC) trước khi giải mã tín hiệu của chính
mình. Theo đấy, tỷ lệ tín hiệu trên nhiễu (SNR) nhận được tại U1 để giải mã x1 là
 1 = 1 1 (34)
Sau đó, U1 chuyển tiếp x2 đến U2 trong pha truyền hợp tác. Ở U2, kết hợp tỷ lệ tối đa (MRC) được sử dụng
để thu được SNR như sau
 2MRC =  2 + 1 0 , (35)
2
2 h0
với 0 = .
1 −  d0  22
4 GIAO THỨC PHÂN CHIA THEO CÔNG SUẤT (PSP)

Trong hình 2.3, PSP chia công suất nhận được từ nguồn S thành tỷ lệ theo  PS và (1 −  )PS , trong đó   [0,1]
là hệ số phân chia công suất. Phần công suất trước được sử dụng cho thu năng lượng và phần sau được
dùng cho xử lý thông tin tại U1. Tương tự như TSP, các SINRs nhận tại U1 và U2 cho PSP có thể thu được
(1 −  ) PS h1
2 2
PS h2
tương tự từ TSP bằng cách xác định lại 1 ,  2 và  0 như 1 = , 2 = và
d1 12 d 2  22
2
 h0
0 = .
1 −  d0  22
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
5 PHÂN TÍCH HIỆU SUẤT

Trong phần này, xác suất dừng của mạng hợp tác kết hợp NOMA được hỗ trợ bởi SWIPT với TSP và PSP
được trình bày. Sự giải thích cho việc kiểm tra thất thoát hiệu năng bằng hai bước. Đầu tiên, xác suất dừng
hoạt động được định nghĩa là xác suất để SINR hay SNR nhận được tại bên thu (U1 và U2) giảm xuống dưới
ngưỡng cho trước. Sau đó, ta có có thể sử dụng các kết quả này để kiểm tra thông lượng trong các mạng
nhạy với độ trễ. Hơn nữa, xác suất dừng hoạt động có thể được xem như giới hạn hiệu suất đối với phân
tích tỷ lệ lỗi bit (BER), một số liệu hiệu suất quan trọng khác, với lược đồ mã hóa tối ưu và độ dài khối vô
hạn [19].
Xác suất ngừng hoạt động ở U2 được xác định là SINR nhận được ở người dùng này giảm xuống dưới
ngưỡng giải mã, đảm bảo yêu cầu chất lượng dịch vụ (QoS) tối thiểu ở người dùng này. Trong hệ thống
được đề xuất, nếu U1 giải mã thành công cả x2 và x1 thì nó có thể hỗ trợ truyền từ S đến U2 và xác suất
ngừng hoạt động được xác định thông qua SNR nhận được từ bộ thu MRC (  2MRC ), ngược lại nó được xác
định thông qua bộ thu nhận được SINR trong giai đoạn truyền thông tin đầu tiên (  2 ). Như vậy, xác suất
ngừng hoạt động tại U2 có thể được xác định bởi:
OP2 = Pr( 2→1   2 ,  1  1 ) Pr( 2MRC   2 )
(36)
+ Pr( 2→1   2 or  1  1 ) Pr( 2   2 ),
(1− )
trong đó  i = 22 R
i
− 1 cho TSP và  i = 22 Ri − 1 cho PSP và Ri (bps/Hz) là tốc độ dữ liệu của xi với i = 1, 2
. Không làm mất đi tính tổng quát, ta đặt i = E[  i ] khi 1 = PS d1−   12 ,  2 = PS d 2−   22 và
2 −  2 − −  −  2
d0  2 cho TSP và 1 = (1 −  ) PS d1  1 ,  2 = PS d 2  2 và 0 =
2 2
0 = d0  2 cho PSP.
1− 1−
Ngoài ra, CDF và PDF của  i được cho bởi
1  m 
Fi ( x) = 1 −   mi , i x  , x  0, (37)
(mi )  i 
m
1  mi  mi −1  xm 
i
f i ( x ) =   x exp  − i  , x  0, (38)
(mi )  i   i 

với ( x) là hàm Gamma thông thường [21], (a, x) = x t a −1e−t dt là Gamma trên không hoàn chỉnh. Xác
suất dừng tại U2 có thể được biểu diễn dưới dạng đóng như sau
 2    2    2  
OP2 = F1   , 1   F2   +  1 − F1  max , 1 
  2 −  2 1    2 −  2 1    2 −  2 1 1  
(39)
K
 K − k +1   k   k −1 
 F10   2   F 2   2  − F 2   2  ,
k =1  K   K   K  
nếu 2   2 1 , ngược lại thì OP2 = 1, trong đó K biểu thị số bậc thể hiện độ chính xác của kết quả phân tích
ở trên, và
  x  2
 F2   , x
  2 − 1 x  1
F 2 ( x ) =  (40)
 
1 , 2 x
 1
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
1 
2,1 m0m1
1 
F10 (  ) = G1,3   . (41)
(m0 )(m1 )  01 m0 , m1 ,0 
Xem phần chứng minh ở phụ lục.
Do đó, thông lượng tại x2 thu được là
1−
T2 = (1 − OP2 ) log 2 (1 +  2 ) (42)
2
Cho mạng sử dụng TSP
1
T2 = (1 − OP2 ) log 2 (1 +  2 ) (43)
2
Và cho mạng sử dụng PSP
1−
T2 = (1 − OP2 ) log 2 (1 +  2 ) (44)
2

Trong phần này, các kết quả phân tích thu được được trình bày dưới dạng đồ thị để cung cấp thông tin chi
tiết về thông lượng tại U2. Giả sử rằng công suất nhiễu bằng nhau ở mỗi thiết bị đầu cuối  22 =  12 =  2 với
mật độ là -133 dBm/Hz và băng thông 10 MHz. Ngoài ra, các khoảng cách được đặt là d1 = 20m , d 0 = 60m
, d 2 = d12 + d02 , và suy hao đường truyền được đặt bằng 4. Các nhân tố suy hao ghiêm trọng là m1 = 2.2 ,
m0 = 1.4 và m2 = 0.8 . Phân bố công suất là 1 = 0.2 và  2 = 0.8 . Tốc độ dữ liệu mong muốn là R1 = 1.5
bits/s/Hz và R2 = 0.5 bits/s/Hz.
Hình 3.1 Thông lượng hệ thống biểu diễn theo các hệ số thu thập năng lượng.
Hình 3.1 biểu diễn thông lượng tại U2 theo hệ số thu năng lượng với những giá trị công suất phát khác nhau.
Có thể thấy rằng, kết quả lý thuyết hoàn toàn trùng khớp với kết quả mô phỏng, điều này xác nhận phân
tích trong các phần trước là chính xác. Ngoài ra, khi hệ số thu năng lượng tăng từ 0, nhiều tài nguyên (thời
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
gian hoặc năng lượng) được sử dụng cho việc thu năng lượng hơn và do đó thông lượng tại U2 tăng cho tới
khi đạt đến giá trị tối ưu được đánh dấu bằng các ngôi sao màu xanh lam trên Hình 1. Tuy nhiên, ngoài điều
này, thông lượng tại U2 sau đó giảm xuống khi tài nguyên để xử lý thông tin tại U1 dần cạn kiệt, dẫn đến
tình trạng ngừng hoạt động cao hơn ở người dùng này và cản trở người dùng này hỗ trợ U2. Đối với PSP,
tồn tại một mức sàn là thông lượng thu được bằng cách truyền trực tiếp. Đối với TSP, người ta có thể thấy
nó hoạt động tốt hơn PSP ở các giá trị tỷ lệ thu hoạch thấp.
Trong Hình 3.2, thông lượng tối ưu thu được từ phương pháp tìm kiếm toàn diện trong đó tỷ lệ thu năng
lượng thay đổi từ 0 đến 1. Có thể thấy rằng ở chế độ công suất phát cao, tồn tại một mức sàn mà cả TSP và
PSP đều cung cấp hiệu suất tối ưu như nhau. Ở chế độ công suất phát thấp, PSP hoạt động tốt hơn TSP
trong khi cả hai đều có hiệu suất tương tự với công suất phát cao hơn, tức là vượt quá 20 dBm.
Hình 3.2 Thông lượng tối ưu của hệ thống được biểu diễn theo công suất phát.
7 KẾT LUẬN
Bài báo này nghiên cứu việc áp dụng SWIPT cho hệ thống NOMA trong môi trường Nakagami-m với các
hình dạng bất kỳ. Các kết quả phân tích về xác suất ngừng hoạt động và thông lượng hệ thống được cung
cấp ở dạng đóng có thể kiểm soát được, sau đó được xác thực bằng mô phỏng Monte Carlo. Hệ thống dựa
trên TSP yêu cầu ít tài nguyên hơn để đạt được hiệu suất tối ưu so với hệ thống dựa trên PSP. Về tối ưu
thông lượng, PSP vượt trội hơn TSP ở chế độ công suất phát thấp nhưng cung cấp thông lượng tương tự
như TSP ở chế độ công suất phát cao.
8 PHỤ LỤC
Đầu tiên, xác suất dừng hệ thống tại U2 có thể được trình bày lại như sau
   
OP2 = Pr  2 1   2 , 11   1  Pr( 2 + 1 0   2 )
 11 + 1   2
1
(45)
   
+ Pr  2 1   2 or 11   1  Pr( 2   2 ) .
 
 1 1 + 1   4
3
Trong đó, xác suất 1 có thể được suy ra thêm
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
 2   
1 = Pr  1  , 1  1  , 2   2
  2 −  
2 1 1  1
(46)
  2   
= 1 − F1  max  , 1   , 2   2.
   2 −  2 1 1   1
Có thể nhận thấy rằng  3 = 1 − 1 , do đó chúng ta cần phân tích các xác suất còn lại  2 và  4 . Xác suất thứ
hai  2 có thể được thể hiện qua  2 và 1 0 như sau
2 2 −x
2 =  f 2 ( x )  f 10 ( y )dydx
0 0
k K − k +1
2 2
(a) K K K
=   f 2 ( x)dx  f 10 ( y )dy
k =1k −1 0
2
K
K
 k   k −1    K − k +1 
=   F 2   2  − F 2   2   F10   2 , (47)
k =1  K   K   K 
trong đó F ( x ) và F  ( x ) biểu thị CDF của  2 và 1 0 , tương ứng

2 1 0
(a) thu được bằng cách sử dụng
phương pháp K-step staircase approximation trong [22]. Đầu tiên, CDF có thể được suy ra đơn giản như đã
được chỉ ra trong định lý 1. Vì 1 0 là tích của hai biến Gamma ngẫu nhiên  0 , 1 với các hình dạng m0 ,
m1 và phương sai tương ứng  0 , 1 , do đó CDF của nó có thể được viết theo [23].
1 2,1  m0 m1 1 
F10 (  ) = G1,3    (48)
(m0 )(m1 )  0 1 m0 , m1 , 0 
Cuối cùng, xác suất  4 , theo định nghĩa chính là CDF của  2 được tính tại  2 , tức là F ( 2 ) . Theo kết quả 2
ở trên, xác suất dừng tại U2 có thể đạt được như trong Định lý 1.

[1] Nasir, Zhou, Durrani, and Kennedy, "Relaying protocols for wireless energy harvesting and information
processing," IEEE Trans. on Wirel. Commun., vol. 12, no. 7, pp. 3622-3636, 2013.
[2] Son and Kong, "Improvement of the two‐way decode‐and‐forward scheme by energy harvesting and digital
network coding relay,"Advances in Electrical and Electronic Engineering, vol. 28, no. 3, p. e2960, 2017.
[3] Lu, Wang, Niyato, Kim, Han, and Tutorials, "Wireless networks with RF energy harvesting: A contemporary
survey," IEEE Commun. Surveys & Tut., vol. 17, no. 2, pp. 757-789, 2014.
[4] Varshney, "Transporting information and energy simultaneously," in 2008 IEEE international symposium on
information theory, 2008: IEEE, pp. 1612-1616.
[5] Ding, Fan, and Poor, "Impact of user pairing on 5G nonorthogonal multiple-access downlink transmissions,"
IEEE Trans. Veh. Technol, vol. 65, no. 8, pp. 6010-6023, 2015.
[6] Hossain, Noor, Yau, Ahmedy, and Anjum, "A survey on simultaneous wireless information and power transfer
with cooperative relay and future challenges," IEEE Commun. Surveys & Tut., vol. 7, pp. 19166-19198, 2019.
[7] Islam, Avazov, Dobre, Kwak, and Tutorials, "Power-domain non-orthogonal multiple access (NOMA) in 5G
systems: Potentials and challenges," IEEE Commun. Surveys & Tut., vol. 19, no. 2, pp. 721-742, 2016.
[8] Li, Fei, and Zhang, "UAV communications for 5G and beyond: Recent advances and future trends," IEEE
Internet of Things Journal, vol. 6, no. 2, pp. 2241-2263, 2018.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[9] Maraqa, Rajasekaran, Al-Ahmadi, Yanikomeroglu, Sait, and Tutorials, "A survey of rate-optimal power domain
NOMA with enabling technologies of future wireless networks," IEEE Commun. Surveys & Tut., vol. 22, no. 4,
pp. 2192-2235, 2020.
[10] Vaezi, Schober, Ding, and Poor, "Non-orthogonal multiple access: Common myths and critical questions," IEEE
Wireless Communications, vol. 26, no. 5, pp. 174-180, 2019.
[11] Saito, Benjebbour, Kishiyama, and Nakamura, "System-level performance evaluation of downlink non-
orthogonal multiple access (NOMA)," in 2013 IEEE 24th Annual International Symposium on Personal, Indoor,
and Mobile Radio Communications (PIMRC), 2013: IEEE, pp. 611-615.
[12] Gu and Aissa, "RF-based energy harvesting in decode-and-forward relaying systems: Ergodic and outage
capacities," IEEE Trans. on Wirel. Commun., vol. 14, no. 11, pp. 6425-6434, 2015.
[13] Budhiraja, Kumar, Tyagi, Tanwar, and Guizani, "SWIPT-enabled D2D communication underlaying NOMA-
based cellular networks in imperfect CSI," IEEE Trans. Veh. Technol., vol. 70, no. 1, pp. 692-699, 2021.
[14] Nguyen et al., "Hybrid TSR–PSR alternate energy harvesting relay network over rician fading channels: Outage
probability and SER analysis," vol. 18, no. 11, p. 3839, 2018.
[15] Tin, Minh Nam, Trung Duy, Tran, and Voznak, "Secrecy performance of TAS/SC-based multi-hop harvest-to-
transmit cognitive WSNs under joint constraint of interference and hardware imperfection," vol. 19, no. 5, p.
1160, 2019.
[16] Tin, Tran, Nguyen, Nguyen, and Science, "System performance analysis of hybrid timepower switching protocol
of EH bidirectional relaying network in amplify-and-forward mode," Sensors 2018, vol. 14, no. 1, pp. 118-126,
2019.
[17] Batool, Hassan, Ahmad, and Ahmed, "Improvement of QoS through Relay Selection For Hybrid SWIPT
Protocol," in 2021 IEEE 18th Annual Consumer Communications & Networking Conference (CCNC), 2021:
IEEE, pp. 1-5.
[18] Liu, Ding, Elkashlan, and Poor, "Cooperative non-orthogonal multiple access with simultaneous wireless
information and power transfer," IEEE J. Sel. Areas Commun, vol. 34, no. 4, pp. 938-953, 2016.
[19] Tse, Viswanath, and Zheng, "Diversity-multiplexing tradeoff in multiple-access channels," IEEE Trans. Inform.
Theory, vol. 50, no. 9, pp. 1859-1874, 2004.
[20] Foschini and Salz, "Digital communications over fading radio channels," vol. 62, no. 2, pp. 429-456, 1983.
[21] Jeffrey and Zwillinger, Table of integrals, series, and products. Elsevier, 2007.
[22] Zhang, Ge, Li, Rui, and Guizani, "A unified approach for calculating the outage performance of two-way AF
relaying over fading channels," IEEE Trans. Veh. Technol, vol. 64, no. 3, pp. 1218-1229, 2014.
[23] Peppas, "Accurate closed-form approximations to generalised-K sum distributions and applications in the
performance analysis of equal-gain combining receivers," vol. 5, no. 7, pp. 982-989, 2011.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.224
ỨNG DỤNG HỌC MÁY ĐỀ PHÁT HIỆN BẤT THƯỜNG TRONG

AN NINH MẠNG
TRỊNH THỊ BẢO BẢO1(*), ĐINH HOÀNG HẢI ĐĂNG1, PHAN LÊ HOÀNG VIỆT1, TRẦN NAM BÁ1,
NGUYỄN THỊ THANH HÒA1, NGUYỄN VĂN ANH TUẤN1, NGUYỄN CHÍ KIÊN1, NGUYỄN
HỮU TÌNH1
1
ttbb08022001@gmail.com, dangdh0507@gmail.com, nhockpopi6@gmail.com,
namba032001@gmail.com, thanhhoanguyen.iuh@gmail.com, nvatuan3@gmail.com,
nguyenchikien@iuh.edu.vn, nguyenhuutinh@iuh.edu.vn
Tóm tắt. Các hệ thống máy tính nối mạng Internet ngày nay đang phải đối diện với tấn công mạng ngày
càng tinh vi và có quy mô lớn. Vì vậy các cơ chế phòng vệ cũng cần phải phản ứng nhanh, linh hoạt, và dễ
dàng triển khai trên quy mô lớn. Từ trước đến nay, học máy đã được áp dụng rộng rãi để xây dựng các
chiến lược tấn công và phòng thủ trong an ninh mạng. Phía tấn công sử dụng học máy để vô hiệu hoá các
chiến lược phòng thủ. Phía phòng thủ sử dụng học máy để ngăn ngừa tấn công và giảm thiểu các rủi ro và
tác động đến hệ thống. Trong bài nghiên cứu này, chúng tôi sử dụng mô hình phân lớp nhị phân Random
Forest để học các tấn công và hành vi của phía tấn công trong quá khứ sau đó gán nhãn cho dữ liệu thành
hai lớp bất thường và bình thường. Chúng tôi sử dụng bộ dữ liệu NSL-KDD được tối ưu từ bộ dữ liệu KDD-
99 để kiểm thử và đánh giá các mô hình học máy. Kết quả khi kiểm thử có sai số thấp, có thể nói hiệu quả
từ các mô hình của chúng tôi đã được tối ưu hơn, hoàn thiện hơn.
Từ khóa. học máy, random forest, an ninh mạng, phát hiện bất thường, tấn công mạng.
USING MACHINE LEARNING TO DETECT ABNORMAL IN CYBER SECURITY
Abstract. Computer systems connected to the Internet today are facing increasingly sophisticated and
large-scale cyberattacks. So defense mechanisms also need to be responsive, flexible, and easy to deploy
on a large scale. Hitherto, machine learning has been widely applied to build offensive and defensive
strategies in cybersecurity. The attackers use machine learning to neutralize defensive strategies. The
defense side uses machine learning to prevent attacks and minimize risks and impacts on the system. In this
research project, we use the Random Forest binary classification model to learn past attacks and attacker
behavior and then label the data into two classes of abnormal and normal. We use the optimized NSL-KDD
dataset from the KDD-99 dataset to test and evaluate machine learning models. The test results have low
errors, it can be said that the efficiency from our models has been more optimized and more complete.
Keyword. machine learning, random forest, network security, abnormal detection, cyber attack.
1 GIỚI THIỆU
Trong những năm gần đây, sự gia tăng tần suất xuất hiện của các cuộc tấn công mạng đã khiến các vấn đề
liên quan đến an ninh mạng dần trở nên quan ngại đối với người dùng. Sự xuất hiện của các công nghệ
mạng thông minh mới đòi hỏi phát triển các phương pháp mới trong an ninh mạng. Để bảo vệ các cơ sở hạ
tầng quan trọng khỏi các cuộc tấn công và truy cập trái phép. Các cuộc tấn công hiện nay đang trở nên vô
cùng đa dạng và tinh vi. Các loại mã độc và thủ đoạn tấn công ngày càng phức tạp và rất khó phát hiện.
Học máy (Machine Learning) - một xu hướng nghiên cứu chuyên sâu trong lĩnh vực của nhân tạo thông
minh và mở ra nhiều cơ hội mới trong tự đồng hóa, phân tích dữ liệu lớn. Nhờ sự tiến bộ trong công nghệ
mới, học máy, ta có thể áp dụng công nghệ trí tuệ nhân tạo nhằm phát hiện bất thường trong an ninh mạng,
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
nói cách khác ta hoàn toàn có thể phát hiện mã độc và phương thức của một cuộc tấn công mạng một cách
hoàn toàn tự động.
Bằng việc áp dụng học máy, chúng tôi đã phát triển hệ thống phát hiện xâm nhập (intrusion detection
system), tập trung vào hướng tiếp cận dựa trên các yêu cầu dịch vụ (service request) bất thường, nói cách
khác chúng tôi dựa vào việc xác định các “điểm” dữ liệu (points), sự kiện (events) hay các quan sát khác
với hành vi bình thường của tập dữ liệu. Với hệ thống này ta có thể phát hiện sự xâm nhập khi thông tin
hoặc thông tin bí mật trao đổi giữa người dùng và máy chủ, nguồn dữ liệu cho việc xây dựng học máy
chúng tôi sẽ sử dụng tập dữ liệu NSL-KDD, đây là tập dữ liệu phổ biến được trích từ nguồn dữ liệu chính
là DARPA, và là tập dữ liệu chuẩn cho dữ liệu internet hiện nay.
Trong phạm vi bài báo này, chúng tôi tiến hành các công việc hiện tại [1], thiết kế chiến lược kết hợp việc
phân nhánh dữ liệu theo định tính và định lượng để kết hợp các kết quả từ các cây phát hiện bất thường
khác nhau. Sau đó, chúng tôi thiết kế chiến lược kết hợp việc phân nhánh dữ liệu theo định tính và định
lượng để kết hợp các kết quả từ các cây phát hiện bất thường khác nhau. Cuối cùng, chúng tôi đưa ra kết
luận bằng độ chính xác của thuật toán.
Trong bài báo này, nguồn dữ dữ liệu được sử dụng là bộ dữ liệu NSL-KDD, với bộ dữ liệu này có cả tập
liệu train (huấn luyện) và test (kiểm thử) riêng biệt. Với phương pháp được cải tiến trong tư duy tiếp cận
dữ liệu bằng cách trộn cả hai bộ dữ liệu test và bộ dữ liệu train lại với nhau và tiếp tục chiết tách dữ liệu
thành hai bộ dữ liệu tương ứng ban đầu. Việc tiếp cận dữ liệu như vậy, sẽ làm bộ dữ liệu mới thêm đa dạng
và học máy sẽ học được nhiều hơn. Sau khi đã chiết tách dữ liệu training, tiếp tục phân tích bản chất của
tập dữ liệu, định tính hay định lượng? Nếu tập dữ liệu mang tính định lượng ta bắt đầu lược bỏ các cột
không có tính ảnh hưởng cao và bắt đầu chuẩn hóa. Nếu là định tính, tiến hành phân biệt “label”, đây là cột
phân loại rằng dữ liệu đó là bất thường hay bình thường. Sau đó, sử dụng 2 thuật toán One-Hot Encoding
cho cột khác nếu không thuộc “label” và Label Encoding nếu thuộc “label”.
Mô hình Random Forest là mô hình học máy chính cho bài báo này, cùng với tập dữ liệu đã qua xử lý và
bắt đầu đánh giá mô hình, độ chính xác của thuật toán. Rừng ngẫu nhiên mà trong bất kỳ cây (root) nào, tại
bất kỳ nút (node) bên trong nào, một đối tượng thuộc tính (features) được chọn ngẫu nhiên và không gian
dữ liệu liên quan được phân chia thành một nửa. Tuy nhiên, các thông số mô hình đã được xác định trước
và hiệu quả của việc áp dụng mô hình này cho các điều kiện khác nhau chưa được thảo luận. Trong bài báo
này, trước tiên chúng tôi đưa ra biện minh toán học về chiều cao cây yêu cầu và số lượng cây bằng cách
chuyển bài toán thành bài toán phát hiện bất thường theo cách đơn giản nhất.
Trong bài báo này, hiện trạng nghiên cứu về các phương pháp an ninh mạng dựa trên mô hình học máy
khác nhau với nhiều kiến trúc được phân tích, phương pháp tiếp cận cơ bản trong những nghiên cứu này,
các lợi thế về các vấn đề đang đã thảo luận, và bộ dữ liệu công khai được áp dụng cho những cuộc điều tra
thử nghiệm với phương pháp được mô tả. Dựa vào trọng tâm của nghiên cứu của chúng tôi là điều tra
phương pháp học máy để phát hiện tấn công an ninh mạng, chúng tôi cũng đã tìm hiểu các bài báo tương
tự liên quan đến hệ thống phát hiện bất thường hay Rừng ngẫu nhiên, điển hình là bài báo Random-Forests-
Based Network Intrusion Detection Systems [2] - J Zhang, M Zulkernine & A Haque - Trong phát hiện bất
thường, các xâm nhập mới được phát hiện bằng cơ chế phát hiện ngoại lệ của thuật toán rừng ngẫu nhiên.
Sau khi xây dựng các mẫu dịch vụ mạng bằng thuật toán rừng ngẫu nhiên, các giá trị ngoại lệ liên quan đến
các mẫu được xác định bằng thuật toán phát hiện ngoại lệ. Hệ thống phát hiện hỗn hợp cải thiện hiệu suất
phát hiện bằng cách kết hợp các ưu điểm của việc lạm dụng và phát hiện bất thường. Đánh giá các phương
pháp tiếp cận của mình đối với bộ dữ liệu khám phá kiến thức và khai thác dữ liệu 1999 (KDDpsila99).
Các kết quả thử nghiệm chứng minh rằng hiệu suất được cung cấp bởi cách tiếp cận sử dụng sai được đề
xuất là tốt hơn so với kết quả KDDpsila99 tốt nhất. So với các phương pháp phát hiện dị thường không
giám sát được báo cáo khác, phương pháp phát hiện dị thường của chúng tôi đạt được tỷ lệ phát hiện cao
hơn khi tỷ lệ dương tính giả thấp và hệ thống kết hợp được trình bày có thể cải thiện hiệu suất tổng thể của
các IDS nói trên.
Bên cạnh bài nghiên cứu khác đó là Anomaly detection in dynamic networks: A survey [3] - Ranshous .S,
Shen .S, Koutra .D, Harenberg .St, Faloutsos .Ch & Samatova N.F. Đầu tiên mô tả bốn loại dị thường phát
sinh trong hệ thống mạng động (dynamic networks), cung cấp giải thích với trực quan hóa, ứng dụng và ví
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
dụ cụ thể cho từng loại. Sau khi đã định hình được lời giải đáp cho việc xuất hiện sự bất thường trong hệ
thống mạng, bằng cách tiếp cận hai giai đoạn chung để phát hiện sự bất thường trong mạng động phổ biến
trong số các phương pháp được trình bày. Sau đó, xây dựng một phân loại hai tầng, trước tiên phân chia
các phương pháp dựa trên trực giác đằng sau cách tiếp cận của chúng, và sau đó chia nhỏ chúng dựa trên
các loại dị thường mà chúng phát hiện được. Trong mỗi danh mục cấp một gồm cộng đồng, nén, phân rã,
khoảng cách và dựa trên mô hình xác suất, chúng tôi nêu bật những điểm tương đồng và khác biệt chính,
cho thấy sự phong phú của các kỹ thuật bắt nguồn từ các cách tiếp cận khái niệm tương tự.
2 KHÁM PHÁ DỮ LIỆU

2.1 Insights
Hình 1. Mối quan hệ giữa các bộ dữ liệu cho IDS: DARPA, KDD99, NSL-KDD
Dữ liệu DARPA ra đời năm 1998, được tạo bởi Phòng thí nghiệm Lincoln (Viện Công nghệ Massachusetts)
theo dự án tài trợ của Cục Dự án nghiên cứu cao cấp thuộc Bộ Quốc phòng Mỹ (Defence Advanced
Research Project Agency). Bộ dataset được tạo bằng cách thu thập lưu lượng mạng (sử dụng tcpdump) của
một hệ thống mạng mô phỏng các loại tấn công khác nhau [4]. Trong khi đó, KDD99 là phiên bản trích
xuất đặc trưng của bộ dữ liệu DARPA. Tiếp đó, NSL-KDD là phiên bản được loại bỏ và giảm kích thước
của bộ dữ liệu KDD99 (Hình 1). Trong bài báo này chúng tôi sử dụng tập dữ liệu NSL-KDD để huấn luyện
và kiểm tra mô hình của chúng tôi [5]. Bộ dữ liệu NSL-KDD gồm 2 tập dữ liệu là KDDTrain+ và
KDDTest+, tổng cộng gồm có 148516 dòng và 43 cột, tập dữ liệu KDDTrain+ gồm 125973 dòng và 43 cột
(tương đương khoảng 85% bộ dữ liệu) và tập dữ liệu KDDTest+ gồm 22543 dòng và 43 cột (tương đương
khoảng 15%). Dưới đây là biểu đồ thống kê các lớp tấn công của 2 tập dữ liệu trên:
Hình 2. Biểu đồ thể hiện số lượng các loại tấn công trong tập dữ liệu KDDTrain+ và KDDTest+
Những thuộc tính trong các gói tin có thể phân tích thành bốn mục là cơ bản, nội dung, theo thời gian và
theo nguồn. Cụ thể hơn:
Đặc trưng cơ bản có thể được trích xuất ở header của gói tin mà không cần xem xét nội dung trong gói tin.
Đó là những thông tin cơ bản của gói tin (Bảng 1).
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Bảng 1. Đặc trưng cơ bản có thể được trích xuất ở header của gói tin mà không cần xem xét nội dung trong gói tin.
Đặc trưng nội dung là những đặc trưng chứa thông tin nằm trong gói tin gốc. Để trích xuất những đặc trưng
này ra ta phải đọc vào trong gói tin (Bảng 2).
Bảng 2. Các đặc trưng nội dung

Đặc trưng theo thời gian là những phân tích về lưu lượng mạng trong hệ thống trong các khoảng thời gian
2 giây (Bảng 3). Vì vậy nên những đặc trưng này chứa thông tin dạng đếm số lượng và tỷ lệ phần trăm.
Bảng 3. Các đặc trưng theo thời gian

Đặc trưng theo nguồn cũng gần tương tự như đặc trưng theo thời gian, chỉ khác ở chỗ chúng không tập
trung vào khung thời gian 2 giây mà thay vào đó tập trung phân tích dựa theo nguồn kết nối (từ nguồn đó
đã có bao nhiêu kết nối thành công). Những đặc trưng ở mục này được thiết kế và thêm vào để chống lại
những loại tấn công có khoảng thời gian hành động lớn hơn 2 giây.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Bảng 4. Các đặc trưng theo nguồn.

Tập dữ liệu mà chúng tôi sử dụng bao gồm 39 kiểu tấn công được phân làm 4 loại tấn công với các đặc tính
được mô tả như sau [5]:
DoS (Denial of Service): là kiểu tấn công hướng đến việc gián đoạn lưu lượng mạng được gửi đến hoặc đi
từ hệ thống mục tiêu. IDS bị tấn công với một lưu lượng không bình thường mà nó không thể xử lý được
và tự ngưng hoạt động để bảo vệ chính nó. Điều này làm cho lưu lượng bình thường không đi đến được
mạng. Cho ví dụ, một đơn vị bán hàng trực tuyến bị tràn ngập các đơn hàng online trong một ngày có
khuyến mãi lớn, và do mạng không thể xử lý tất cả các yêu cầu nên nó sẽ ngưng hoạt động, khiến cho các
khách hàng không thể thực hiện các giao dịch thanh toán hàng. Đây là tấn công phổ biến nhất trong tập dữ
liệu.
Probe là kiểu tấn công cố gắng thu thập các thông tin từ một mạng nào đó. Mục tiêu giống như một kẻ trộm
đánh cắp các thông tin quan trọng, bất kể là thông tin cá nhân của người dùng hoặc thông tin tài khoản ngân
hàng.
U2R (User to Root) là kiểu tấn công cố gắng chiếm quyền truy cập vào hệ thống từ một máy tính từ xa.
Người tấn công là những người không có quyền truy cập vào mạng nội bộ và cố gắng tấn công để tìm cách
truy cập vào những mạng ấy.
R2L (Remote to Local) là kiểu tấn công bắt đầu từ một tài khoản người dùng thông thường và cố gắng
chiếm quyền truy cập vào hệ thống hoặc mạng như người dùng root. Kẻ tấn công cố tấn công vào các điểm
yếu trong hệ thống để chiếm quyền root.
Ngoài ra tập dữ liệu KDDTest+ còn xuất hiện những phương thức tấn công mới chưa xuất hiện ở tập dữ
liệu KDDTrain+ và không có phân loại. Để thuận tiện cho việc huấn luyện chúng tôi đã trộn 2 tập dữ liệu
KDDTrain+ và KDDTest lại thành 1 tập dữ liệu, mô tả các lớp tấn công theo phần trăm và theo số lượng
được mô tả như biểu đồ dưới đây:
Hình 3. Biểu đồ mô tả các lớp tấn công theo phần trăm và theo số lượng.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Số liệu ở biểu đồ cho ta thấy, số lượng của thuộc tính ‘Normal’ thể hiện độ chính xác phân lớp một truy
cập là bình thường, số liệu ở các thuộc tính còn lại thể hiện độ chính xác phân lớp cũng như là phần trăm
ứng với số lượng của tấn công trên toàn bộ dữ liệu với từng lớp tấn công cụ thể là DoS, Probe, R2L hoặc
U2R.
3 MÔ HÌNH BÀI TOÁN
Hình 4. Mô hình bài toán từng giai đoạn
Trước khi đi vào việc tạo và huấn luyện mô hình ta cần phải xử lý dữ liệu, ở đây chính là bộ dữ liệu NSL-
KDD. Cách thức để xử lý từng loại dữ liệu sẽ được đề cập ở phần 4. Tiền xử lý dữ liệu, ta có thể tổng hợp
lại thành một mô hình để có cái nhìn tổng quan hơn (Hình 4).
Bộ dữ liệu NSL-KDD được phân chia theo một cách mà ở tập dữ liệu kiểm tra sẽ xuất hiện những nhãn tấn
công mới và những đặc trưng mới hoàn toàn không có trong tập dữ liệu huấn luyện. Chính vì lý do đó mà
chúng tôi đã trộn cả hai bộ dữ liệu huấn luyện và kiểm thử lại thành một tập dữ liệu mới, sau đó phân lại
sao cho những đặc trưng mới và nhãn mới có tỷ lệ như nhau ở cả hai tập huấn luyện và kiểm tra. Mô hình
hiện tại của chúng tôi đang tạo ra là một mô hình phân lớp học có giám sát (Supervised learning model).
Vậy nên việc xuất hiện những đặc trưng và nhãn hoàn toàn mới không có trong tập huấn luyện sẽ làm giảm
hiệu suất của mô hình chúng tôi.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Sau đó tập dữ liệu mới này sẽ được tiền xử lý để có thể đưa vào cho mô hình học. Tiền xử lý dữ liệu là
bước cực kỳ quan trọng trong việc xây dựng mô hình học máy vì tập dữ liệu không phải lúc nào cũng đầy
đủ và đúng chuẩn để huấn luyện mô hình, điển hình như việc lọc những mẫu dữ liệu không đầy đủ hoặc
chuyển đặc trưng không liên tục thành liên tục. Để có thể tạo ra một mô hình phân lớp hiệu quả ta cần các
bước tiền xử lý chính xác.
Cuối cùng dữ liệu đã qua xử lý sẽ được dùng để đưa cho mô hình phân loại học những hoạt động bất thường
trên mạng máy tính được mô phỏng thông qua tập dữ liệu sau khi tiền xử lý. Ta sẽ sử dụng những dữ liệu
sau phân loại ấy để đánh giá mức độ hiệu quả của mô hình, từ đó điều chỉnh lại các bước trước đó. Đây
chính là bước đánh giá mô hình xem liệu mô hình của chúng ta đã hoàn thiện hay chưa.
4 TIỀN XỬ LÝ DỮ LIỆU
Sau khi xem xét, chúng tôi đã chia tập dữ liệu thành 2 phần để xử lý riêng biệt:
4.1 Dữ liệu định tính
Đây là phần dữ liệu không đo lường được bằng các con số. Nó thường chứa từ ngữ, bài mô tả đối tượng
[6]. Bao gồm các cột: ‘protocol_type’, ‘service’, ‘flag’, ‘label’.
Bảng 5. Số giá trị độc nhất của các cột dữ liệu định tính trước tiền xử lý dữ liệu
Máy móc chỉ có thể hiểu được các con số chứ không phải kí tự. Vì vậy chúng ta phải chuyển đổi từng dữ
liệu thành các con số để máy tính có thể xử lý chúng bằng các phương trình toán học [7]. Để làm công việc
này chúng tôi sẽ sử dụng hai phương pháp Label Encoding và One-Hot Encoding với hai phần.
• Đối với cột ‘label’:
Đây là cột cần phải dự đoán, với mục đích của chúng tôi là phát hiện bất thường, vì vậy nên chúng tôi sẽ
gộp các dòng có giá trị là các phương thức tấn công lại (hay các dòng có giá trị không phải ‘normal’) và
gắn nhãn
là ‘abnormal’. Mục đích của việc này là đưa bài toán về dạng phân lớp nhị phân.
Hình 4. Số lượng giá trị trong cột ‘label’ sau khi ghép giá trị
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Tiếp theo, chúng tôi sẽ sử dụng phương pháp Label Encoding để đưa dữ liệu trong cột về dạng số. Phương
pháp Label Encoding là phương pháp gán số nguyên duy nhất lên mỗi giá trị riêng biệt [7]. Đây là phương
pháp thường được áp dụng cho các dữ liệu định tính được phân loại theo thứ tự [8] rất phù hợp với bài toán
nhị phân phân loại đúng sai. Sau khi sử dụng Label Encoding ta sẽ có các dòng có giá trị là ‘abnormal’
được gán nhãn là số ‘1’ và các dòng có giá trị là ‘normal’ được gán nhãn là số ‘0’, ở đây các dòng có giá
trị là ‘abnormal’ được gán nhãn là số ‘1’ để có trọng số lớn hơn phù hợp với bài toán phát hiện bất thường.
• Đối với các cột không phải ‘label’:
Với phần dữ liệu này chúng tôi sử dụng phương pháp One-Hot Encoding để xử lý đưa về dạng số. Đây là
một kỹ thuật phổ biến khác để xử lý dữ liệu định tính, đặc biệt là dữ liệu có tính phân loại. Kỹ thuật này
đơn giản là tạo ra các cột dữ liệu mới dựa trên số lượng giá trị duy nhất trong các cột [7].
Lý do chúng tôi không sử dụng kỹ thuật này cho cột ‘label’ vì nó sẽ tạo thêm cột làm tăng chiều của dữ liệu
khiến cho việc đào tạo mô hình tốn thời gian hơn, điều này là không cần thiết.
Chúng tôi thấy rằng trong phần dữ liệu này một số giá trị trong các cột có tần suất xuất hiện rất thấp (dưới
một phần trăm). Nếu để như vậy và sử dụng One-Hot Encoding thì sẽ tạo thêm cột dù số lần giá trị xuất
hiện rất ít khiến cho dữ liệu tăng chiều nhưng lại không tác động nhiều đến việc đào tạo mô hình. Vì vậy
chúng tôi gộp các giá trị độc nhất có tần suất xuất hiện dưới 1% lại và gắn nhãn là ‘tên_cột_other’.
Bảng 6. Số giá trị độc nhất của các cột dữ liệu định tính không phải cột ‘label’ sau khi ghép giá trị
Cuối cùng, chúng tôi sử dụng One-Hot Encoding để đưa ra kết quả cuối cùng
Hình 5. Minh họa phương pháp One-Hot Encoding với năm dòng đầu tiên của cột ‘protocol_type’
4.2 Dữ liệu định lượng

Đây là phần dữ liệu được thể hiện bằng các con số có thể đo lường được [6]. Sau khi khám phá dữ liệu
chúng tôi thấy rằng cột ‘num_outbound_cmds’ chỉ có một giá trị độc nhất, điều này khiến cho nó không có
tác dụng trong việc phân loại, vì vậy nên chúng tôi sẽ loại bỏ nó. Sau đó chúng tôi tiếp tục loại bỏ cột
‘difficult level’ vì qua tìm hiểu ý nghĩa của nó đến tập dữ liệu thì thấy rằng cột ‘difficult level’ không có ý
nghĩa gì đến tập dữ liệu.
Cuối cùng chúng tôi thấy rằng khi sử dụng dữ liệu thô như vậy để đào tạo mô hình sẽ phát sinh một số vấn
đề vì phạm vi của các giá trị giữa các cột là khác nhau khiến cho một số thuật toán học máy hoạt động
không bình thường [9]. Vì vậy chúng tôi sẽ chuẩn hóa phần dữ liệu này bằng phương pháp Min-Max Scaler.
Đây là phương pháp đơn giản nhất bằng cách thay đổi tỷ lệ phạm vi của đối tượng để chia tỷ lệ trong phạm
vi (0,1) bằng công thức sau[9]:
𝑥 − 𝑚𝑖𝑛(𝑥)
x’ = 𝑚𝑎𝑥(𝑥) − 𝑚𝑖𝑛(𝑥) (1)
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Với x là giá trị gốc, x’ là giá trị chuẩn hóa, min(x) và max(x) lần lượt là giá trị nhỏ nhất và giá trị lớn nhất
trong cột chứa giá trị gốc [9].
5 XÂY DỰNG MÔ HÌNH PHÂN LỚP NHỊ PHÂN SỬ DỤNG RANDOM FOREST
Random Forest là mô hình tập hợp (ensemble) được sử dụng trong các bài toán phân loại (classification)
hoặc hồi quy (regression). Nó là một biến thể khác của mô hình bagging ensemble được phát triển bởi Leo
Breiman [10]. Lý do random forest được gọi là bộ phân loại kết hợp (ensemble classifier) vì random forest
kết hợp đầu ra của nhiều bộ phân loại cơ sở lại để tạo được đầu ra của mô hình random forest, bộ phân loại
cơ sở (base classifier) của random forest là decision tree, mà thường được dùng để thực hiện bài toán phân
lớp hoặc hồi quy [11], random forest kết hợp đầu ra của tất cả các bộ phân lớp cơ sở này lại để đưa ra kết
quả tốt hơn, tránh được điểm yếu là bị học quá (overfitting) của decision tree [12] [13], Đầu ra của mô hình
random forest đối với bài toán hồi quy thì sẽ lấy trung bình đầu ra của mỗi decision tree, còn bài toán phân
lớp thì sẽ lấy lớp có số lượng đầu ra của các decision tree là nhiều nhất làm đầu ra của mô hình này. Điều
đặc biệt là tất cả mô hình cơ sở decision tree sẽ được xây dựng song song trong quá trình huấn luyện mô
hình random forest. Mỗi mô hình cơ sở sẽ có những bộ đầu vào khác nhau (số lượng hàng dữ liệu, số lượng
thuộc tính), điều này sẽ giúp đầu ra của các mô hình cơ sở được đa dạng hơn, từ đó đầu ra kết hợp sẽ được
kết hợp một cách đa dạng, bù trừ lẫn nhau, nên sẽ tránh được tình trạng học quá[10], thường thì nếu các mô
hình cơ sở decision tree càng đa dạng, kết quả cuối cùng sau khi kết hợp sẽ càng chính xác. Trong bài báo
này, chúng tôi chỉ tập trung vào mô hình phân lớp, với số lượng lớp là 2, nghĩa là bất thường(abnormal) và
bình thường (normal). Hai lớp này thì đã được mã hóa bằng Label Encoding đã được trình bày trên phần 4,
việc mã hóa hai lớp này thành 1 và 0 là điều chắc chắn phải làm vì đa phần các mô hình học máy thường
chỉ hoạt động với số liệu [14], nên mô hình random forest cũng không phải ngoại lệ.
Trong quá trình huấn luyện, chúng tôi nhận thấy được số lượng mô hình cơ sở decision tree 100 là tốt nhất cho
mô hình kết hợp Random Forest. Điều này được kiểm chứng thông qua việc đánh giá mô hình ở phần 6.
6 ĐÁNH GIÁ MÔ HÌNH

Để đánh giá được mô hình Học máy ta cần sử dụng nhiều thang đo khác nhau để đánh giá, vì thế việc đầu
tiên ta cần làm là tìm hiểu xem các thang đo ấy mang ý nghĩa gì với mô hình của chúng ta.
6.1 Các thang đo
Trước khi nói về thang đo ta cần phải phân biệt những đơn vị để tính toán độ chính xác. Tổng cộng ta có 4
loại đơn vị là đúng dương (True Positive - TP), đúng âm (True Negative - TN), sai dương (False Positive -
FP) và sai âm (False Negative - FN). Các đơn vị này được thống kê rõ ràng trong Confusion Matrix [15]
với đúng/sai tượng trưng cho sự đúng đắn trong việc phân lớp của mô hình chúng ta và dương/âm tượng
trưng cho phân lớp gốc của nó. Ví dụ như một mẫu dữ liệu bị đánh giá là TP nghĩa là lớp gốc của nó là
dương và mô hình của chúng ta đã phân nó đúng vào lớp dương, còn một mẫu dữ liệu nữa bị đánh giá là
FN nghĩa là lớp gốc của nó là âm và mô hình của chúng ta đã phân nó sai, tức là phân nó vào lớp dương.
Đầu tiên và trên hết ta cần phải nói tới thang đo được sử dụng nhiều nhất, chính là thang đo độ chính xác
(Accuracy - Acc). Thang đo (2) này chỉ cho ta biết được tỷ lệ phần trăm bao nhiêu mẫu dữ liệu ta phân lớp
đúng trong toàn bộ tập dữ liệu của mình. Nó cho ta cái nhìn tổng quan về mức độ hiệu quả của mô hình sau
khi huấn luyện.
(2)
Precision (3) và Recall (4) chính là hai thang đo ta cần quan tâm khi tạo mô hình phân lớp lần này, precision
đo độ chính xác của mô hình chúng ta, precision càng cao thì mô hình của chúng ta phân loại càng nhạy,
tức là phân loại số lượng điểm dương đúng cao, tuy nhiên dựa vào phương pháp đo này không thì ta không
thể kết luận ta đã tạo ra một mô hình tốt được vì mô hình của chúng ta có thể chỉ chọn một điểm dương duy
nhất mà nó cho là đúng nhất, còn tất cả các điểm còn lại sẽ được phân vào lớp âm. Vì vậy điểm precision
thường đi kèm với điểm recall, điểm recall sẽ cho ta biết số lượng các điểm dương ta tìm được, nếu mô
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
hình phân được hết các điểm dương thì điểm recall sẽ là 1, tuy vậy điểm recall không kiểm tra xem liệu các
điểm ta tìm được có lẫn điểm âm trong đó không (bị phân lớp nhầm), mô hình của chúng ta có thể sẽ phân
hết tất cả các điểm nó tìm được vào lớp dương, khiến cho recall bằng 1. Vì vậy hai thang điểm này thường
được kết hợp với nhau để đánh giá mô hình.
Mô hình của chúng ta là mô hình phân loại sự bất thường, liên quan tới an ninh mạng nên chúng ta muốn
nhắm đến mô hình có điểm số recall cao vì ta ưu tiên việc gói tin có thể bị phân loại nhầm hơn là độ chính
xác xem gói tin có thực sự bất thường.
(3)
(4)
6.2 Kết quả

Sau khi thống kê (Bảng 7) ta có thể thấy rằng sử dụng phương pháp huấn luyện Random Forest cho ra kết
quả cao nhất cũng như có giá trị Recall cao nhất, đúng như những gì ta mong muốn. Tuy nhiên điểm trừ ở
đây chính là thời gian để huấn luyện mô hình chậm thứ 2 so với những phương pháp huấn luyện khác.
Ngoài ra việc lựa chọn phương pháp huấn luyện Random Forest còn cho ta thấy được tầm quan trọng của
một vài đặc trưng có trong tập dữ liệu của chúng ta, từ đó ta có thể xây dựng những mô hình tốt hơn dựa
vào các đặc trưng ấy (Hình 6).
Bảng 7. Kết quả huấn luyện mô hình sử dụng các thuật toán khác nhau
Hình 6. Mười đặc trưng quan trọng nhất của tập dữ liệu (lớn hơn là tốt)
7 KẾT LUẬN
Trong bài báo này, chúng tôi đã trình bày về cách tiếp cận dữ liệu mới bằng cách trộn lẫn hai bộ dữ liệu
train và test của tập gốc NSL-KDD để tăng sự đa dạng cho dữ liệu. Chúng tôi cũng đã nói tổng quan về các
thuộc tính có trong tập dữ liệu. Phần tiền xử lý dữ liệu đã trình bày về các bước nghiên cứu và thực hiện
của chúng tôi đối với từng loại dữ liệu định lượng và định tính như thế nào. Nghiên cứu cũng đã trình bày
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
về thuật toán random forest trong việc xây dựng mô hình phân lớp nhị phân để phát hiện mẫu dữ liệu đó là
bất thường hay bình thường và đánh giá qua các tham số thống kê cũng như là so sánh với các thuật toán
khác, để thấy được sự nổi bật của thuật toán random forest như thế nào.
8 HƯỚNG NGHIÊN CỨU TƯƠNG LAI

Trong tương lai, chúng tôi sẽ nghiên cứu về việc sử dụng mô hình mạng nơ-ron nhân tạo Auto Encoder để
sử dụng cho việc phát hiện cụ thể hóa từng loại tấn công sau khi dùng mô hình phân lớp nhị phân random
forest để phát hiện những mẫu dữ liệu nào là bất thường.
LỜI CẢM ƠN
Chúng tôi xin cảm ơn đến thầy Nguyễn Chí Kiên đã cung cấp cho chúng tôi bộ dữ liệu NSL-KDD, để chúng
tôi có thể biết được đến bộ dữ liệu này. Chúng tôi cũng muốn gửi lời cảm ơn đến những bài báo chúng tôi
đã tham khảo, nhờ các bài báo đó thì chúng tôi mới có thể hoàn thiện được bài báo này.

[1] Tan, S.C., Ting, K.M., Liu, T.F.: Fast anomaly detection for streaming data. In: IJCAI Proceedings-International
Joint Conference on Artificial Intelligence, vol. 22, no. 1, p. 1511 (2011)
https://www.ijcai.org/Proceedings/11/Papers/254.pdf
[2] Random-Forests-Based Network Intrusion Detection Systems. IEEE Transactions on Systems, Man, and
Cybernetics, Part C (Applications and Reviews) (Volume: 38, Issue: 5, Sept. 2008)
[3] Anomaly detection in dynamic networks: a survey Stephen Ranshous, Shitian Shen, Danai Koutra, Steve
Harenberg, Christos Faloutsos, Nagiza F. Samatova (First published: 21 March 2015)
[4] Richard Lippmann (1999), “Summary and Plans for the 1999 DARPA Evaluation”, MIT Lincoln Laboratory,
DOI: 10.1007/3-540- 39945-3_11.
[5] Crew, R. (2020, February 12). NSL-KDD: Góc nhìn chi tiết về tập dữ liệu huấn luyện cho các IDS. Phòng Thí
nghiệm An Toàn Thông Tin, từ https://inseclab.uit.edu.vn/nsl-kdd-goc-nhin-chi-tiet-ve-tap-du-lieu-huan-luyen-
cho-cac-ids
[6] Truy cập 25/4/2021, từ https://vimentor.com/vi/lesson/du-lieu-dinh-tinh-va-du-lieu-dinh-luong
[7] Sethi, A. (2020, June 25). One-Hot Encoding vs. Label Encoding using Scikit-Learn. Analytics Vidhya.
https://www.analyticsvidhya.com/blog/2020/03/one-hot-encoding-vs-label-encoding-using-scikit-
learn/#:%7E:text=Label%20Encoding%20is%20a%20popular,the%20challenges%20with%20label%20encodi
ng.
[8] Truy cập 25/4/2021, từ https://qastack.vn/datascience/9443/when-to-use-one-hot-encoding-vs-labelencoder-vs-
dictvectorizor
[9] Wikipedia contributors. (2021, January 21). Feature scaling. Wikipedia.
https://en.wikipedia.org/wiki/Feature_scaling
[10] Truy cập 24/5/2021, từ https://en.wikipedia.org/wiki/Random_forest
[11] Xie Niuniu và Liu Yuxun. 2010. Review of decision trees. Computer Science and Information
Technology(ICCSSIT). Volume 5. DOI 10.1109/ICCSIT.2010.5564437
[12] Truy cập 24/5/2021, từ http://cv.znu.ac.ir/afsharchim/AI/lectures/Decision%20Trees%203.pdf
[13] Truy cập 24/5/2021, từ https://www.stat.berkeley.edu/~breiman/randomforest2001.pdf
[14] Truy cập 24/5/2021, từ https://machinelearningmastery.com/one-hot-encoding-for-categorical-data
[15] Stehman, Stephen V. (1997). "Selecting and interpreting measures of thematic classification accuracy". Remote
Sensing of Environment. 62 (1): 77–89. Bibcode:1997RSEnv..62...77S. doi:10.1016/S0034-4257(97)00083-7.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.225
XÂY DỰNG HỆ THỐNG E-KYC DỰA TRÊN ĐIỆN TOÁN ĐÁM MÂY
NGUYỄN THỊ HUYÊN1(*), NGUYỄN CHÍ KIÊN1, NGUYỄN HỮU TÌNH1
1
Khoa Công nghệ Thông tin, Trường Đại học Công Nghiệp thành phố Hồ Chí Minh
huynidrt@gmail.com, nguyenchikien@iuh.edu.vn, nguyenhuutinh@iuh.edu.vn
Tóm tắt. Trong dự án nghiên cứu này, chúng tôi sẽ thiết kế và thực hiện một hệ thống e-KYC đầy đủ dựa
trên điện toán đám mây (cloud-based). Hệ thống sẽ có thể xác thực được thẻ ID, xác thực khuôn mặt, và
bảo đảm người chụp chính là người trong ảnh thẻ. Chúng tôi sẽ sử dụng công nghệ OCR (Optical Character
Recognition) để trích xuất thông tin từ thẻ ID. Machine Learning (Học máy) và Thị giác Máy tính
(Computer Vision) sẽ được sử dụng để xác thực ID, phát hiện tính sống động (liveness detection) của người
chụp ảnh selfie, và bảo đảm người được chụp chính là người trong ảnh thẻ.
Từ khóa. e-KYC, OCR, machine learning, computer vision, cloud-based.
CLOUD-BASED E-KYC SYSTEM
Abstract. In this research project, we will design and implement a full e-KYC system based on cloud-
based computing. The system will be able to authenticate the ID card, authenticate the face, and ensure that
the photographer is the person in the photo. We will use OCR (Optical Character Recognition) technology
to extract information from the ID card. Machine Learning and Computer Vision will be used to
authenticate the ID, detect the liveness detection of the selfie photographer, and ensure the photographer is
the person in the photo.
Keywords. e-KYC, OCR, machine learning, computer vision, cloud-based.
1 ĐẶT VẤN ĐỀ VÀ MỤC TIÊU NGHIÊN CỨU

Với sự phát triển của nhân loại, hàng loạt doanh nghiệp được thành lập để phục vụ cho nhu cầu của khách
hàng. Khi số lượng khách hàng ngày càng tăng, có những doanh nghiệp lên tới hàng triệu khách hàng vì
vậy quá trình kiểm soát, quản lý thông tin của khách hàng là vô cùng khó khăn và tốn nhiều thời gian nếu
làm theo các cách truyền thống. Hơn thế nữa các doanh nghiệp ở hầu hết các thị trường đang chuyển hướng
giảm dần việc mở rộng các chi nhánh sang phát triển các giải pháp công nghệ hiện đại về dịch vụ trực tuyến
do sự thay đổi của khách hàng khi sử dụng thiết bị điện tử kết nối internet ngày càng nhiều. Nhờ đó doanh
nghiệp vừa tiết kiệm được chi phí duy trì và mở rộng chi nhánh vừa có thể tiết kiệm thời gian quản lý mà
vẫn tiếp cận được hàng triệu khách hàng.
Đến đây, vấn đề tiếp theo được đặt ra là làm thế nào để các doanh nghiệp kiểm chứng, xác thực được thông
tin khách hàng khi họ đăng ký tài khoản trực tuyến? Giải pháp e-KYC đã ra đời để giải quyết vấn đề này.
Sử dụng nhiều nhất chính là các doanh nghiệp hoạt động trong lĩnh vực tài chính-ngân hàng. Giải pháp
eKYC được coi là công cụ quan trọng hàng đầu cho quá trình xác thực khách hàng và mở tài khoản trực
tuyến.
Ngân hàng số sẽ mang lại nhiều cơ hội cho doanh nghiệp trong việc tăng doanh thu, nâng cao năng suất lao
động, tạo lợi thế cạnh tranh và năng lực phát triển đột phá so với các đối thủ, và eKYC sẽ là trợ thủ đắc lực,
hỗ trợ doanh nghiệp từng bước xây dựng ngân hàng số vững mạnh. Xây dựng thành công e-KYC sẽ là bước
tiến quan trọng trong quá trình nghiên cứu khoa học công nghệ, thúc đẩy và làm tiền đề vững chắc cho
những phát triển nghiên cứu sau này.
Đối với các doanh nghiệp, KYC (Know Your Customer) nghĩa là doanh nghiệp phải có đủ các thông tin về
khách hàng để định danh và nhận thức khách hàng. Quy trình e-KYC là quá trình KYC đã được số hoá sử
dụng các thiết bị điện tử, máy tính, điện thoại thông minh và mạng internet. Với e-KYC, khách hàng có thể
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
xác thực online. Quá trình e-KYC nhờ đó giúp giảm chi phí, giảm thời gian cho quá trình KYC và làm cho
khách hàng hài lòng hơn. Quy trình e-KYC bao gồm xác thực thẻ ID (CCCD/CMND), xác thực khuôn mặt,
xác thực sinh trắc học, xác thực các tài liệu như hoá đơn, chứng từ, và đảm bảo người chụp chính là người
trong ảnh thẻ.
Theo Claus Christensen, có 4 loại mô hình e-KYC đang được nghiên cứu và sử dụng phổ biến trên thế giới:
• Xác thực & Đối sánh danh tính: điển hình là mô hình Hồng Kông.
• Xác minh video: điển hình là mô hình Đức.
• eID: mô hình Aadhaar Ấn Độ, mô hình bank ID Thuỵ Điển.
• Nâng cao và Đơn giản hóa do siêng năng: Mô hình Vương quốc Anh.
Việt Nam cũng đã vàng đang bắt đầu hội nhập với quốc trên con đường số hoá, minh chứng là các dự án
được đề ra và đưa vào nghiên cứu như FPT.AI eKYC, MK eKYC, smart eKYC hay mới đây ngày
23/10/2020, tại Hà Nội, Bộ TT&TT đã tổ chức Lễ ra mắt Nền tảng định danh điện tử VNPT eKYC.
Trong bài nghiên cứu này, chúng tôi sẽ thiết kế và thực hiện một hệ thống e-KYC đầy đủ dựa trên điện toán
đám mây (cloud-based). Hệ thống sẽ có thể xác thực được thẻ ID, xác thực khuôn mặt, và bảo đảm người
chụp chính là người trong ảnh thẻ. Chúng tôi sẽ sử dụng công nghệ OCR (Optical Character Recognition)
để trích xuất thông tin từ thẻ ID. Machine Learning (Học máy) và Thị giác Máy tính (Computer Vision) sẽ
được sử dụng để xác thực ID, phát hiện tính sống động (liveness detection) của người chụp ảnh selfie, và
bảo đảm người chụp chính là người trong ảnh thẻ.
Hình 01: Mô hình e-KYC của chúng tôi

2.1 Sử dụng công nghệ OCR để trích xuất thông tin từ thẻ ID (CCCD/CMND)
OCR (nhận dạng ký tự quang học) là công nghệ chuyển đổi các dữ liệu từ hình ảnh sang văn bản để dễ
dàng đối chiếu khi có truy xuất. Trong bài báo này, công nghệ OCR sẽ quét hình CMND/CCCD của bạn
và nhận diện được các dãy số như số, địa chỉ, quê quán, ngày tháng năm sinh.
Quy trình OCR:
Hình 02: Minh họa quy trình OCR

• Cropper hay còn gọi là alignment ảnh: nhận đầu vào từ ảnh raw data. Crop vùng chứa chứng minh
thư trong ảnh. Sử dụng Geometric Transform để xoay ảnh cho đúng chiều.
• Detector được sử dụng để detect các thành phần trong ảnh như họ tên, ngày tháng năm sinh,...
• Reader là một module OCR để đọc nội dung chữ viết từ các thành phần đã được crop.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Alignment Image:
Là một kĩ thuật phổ biến trong xử lý ảnh. Nó chính là quá trình biến đổi các bộ dữ liệu khác nhau về cùng
một hệ tọa độ. Các hình ảnh được chụp từ điện thoại, từ cảm biến được chụp bởi các góc độ khác nhau sẽ
được đưa về tọa độ mong muốn. Có nhiều phương pháp để thực hiện điều này như sử dụng Feature Based
hay Template Matching. Tuy nhiên mục đích cuối cùng vẫn là làm sao để thu được một bức ảnh ngay ngắn
trong hệ tọa độ để dễ dàng xử lý nhất. Ở đây với bài toán chứng minh thư thông qua Alignment ta sẽ có kết
quả như sau:
Hình 03: Minh hoạ Alignment Image
Vậy làm thế nào để thực hiện được điều này, chúng tôi sử dụng Geometric Transformations of Images
trong xử lý ảnh mà cụ thể đó là Perspective Transformation - mapping 4 tọa độ ở ảnh gốc vào 4 tọa độ
ở ảnh đích. Chúng ta có thể thấy như sau:
Hình 04: Minh hoạ Perspective Transformation

Trong đó hình ảnh đã được trải phẳng trong hệ tọa độ mới giúp dễ xử lý hơn. Vậy nếu đã chọn hướng giải
quyết là Perspective Transformation rồi thì câu hỏi tiếp theo đặt ra đó là: Làm sao để tìm được 4 điểm trên
ảnh nguồn. Cụ thể là 4 góc của chứng minh thư?
Để trao lời cho câu hỏi trên thì chúng tôi có nhiều cách, tuy nhiên cách chúng tôi thấy đơn giản nhất đó là
xây dựng một mô hình Deep Learning để học được vị trí của 4 góc. Đó chính là mô hình Detection Object.
Vậy để làm được điều này chúng tôi cần bộ dữ liệu, dưới đây là cách chúng tôi thu thập và xử lý dữ liệu.
2.1.1 Thu thập dữ liệu (crawl data)
Để training được mô hình, chúng tôi cần tập dữ liệu đủ lớn. Cụ thể, dữ liệu cần thu thập ở đây là hình ảnh
CMND/CCCD, có thể cào từ bất cứ nguồn nào có thể có như: Google Image với các từ khoá “Chứng minh
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
nhân dân”, “Căn cước công dân”, “Tìm đồ lạc”, “Rơi giấy tờ” hoặc trên các trang web tìm đồ “7711.vn” và
các group tìm đồ thất lạc trên facebook, miễn là không vi phạm pháp luật. Tuy nhiên, CMND/CCCD là
những dữ liệu khá nhạy cảm, ta khó có thể thu thập một bộ dữ liệu lớn như mong muốn, cách tốt nhất là ta
cào dữ liệu hết sức có thể. Ở đây chúng tôi viết code lấy dữ liệu kết hợp với selenium, chromedriver.
2.1.2 Tiền xử lý
Với tập dữ liệu được thu về từ nhiều trang, nội dung các hình ảnh rất lộn xộn và chất lượng ảnh cũng khác
nhau. Chúng tôi đã loại bỏ các hình ảnh không liên quan, hình ảnh kém chất lượng, hình ảnh là
CMND/CCCD nhưng không đầy đủ thông tin.
2.1.3 Gán nhãn dữ liệu
Sau khi thu thập các hình ảnh, tiến hành gán nhãn (label) dữ liệu bằng công cụ LabelImg.
Ở bước này ta sẽ annotated (chú thích) các hình ảnh bằng cách vẽ bounding box để lấy được 4 góc
CMND/CCCD lần lượt là: top_left, top_right, bottom_left, bottom_right như hình dưới, được lưu dưới dạng
.xml:
Hình 05: Màn hình làm việc của LabelImg
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Qua bước nay ta thu dược tập dữ liệu gồm cac file .xml tương ứng với từng ảnh gốc có dạng như sau:
Hình 06: File xml thu được sau khi gán nhãn
2.1.4 Training mô hình với Detecto

Sau khi có dữ liệu, chúng tôi tiến hành training mô hình với Detecto. Deteecto là một package của Python
cho phép bạn xây dựng các mô hình phát hiện đối tượng và thị giác máy tính hoạt động đầy đủ chỉ với
khoảng 5 dòng mã. Inference hình ảnh tĩnh và video, Transfer Learning. Detecto cũng được xây dựng trên
PyTorch, cho phép dễ dàng chuyển các mô hình giữa hai thư viện. Sức mạnh của Detecto đến từ sự đơn
giản và dễ sử dụng của nó.
Hình 07: Xác định 4 góc CMND
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Kết quả chúng tôi thu được sau khi thử nghiệm Alignment ảnh, có thể thấy ảnh đã được phát hiện theo 4
góc CMND.
Tuy nhiên, có thể thấy mô hình còn bắt nhầm, để khắc phục chúng tôi sử dụng hàm Non Max Suppression
gộp các boxes có độ overlap nhất định đồng thời gán lại các labels tương ứng với các box đã được gộp đó.
2.1.5 Non Max Suppression
Đầu vào:
• Tập danh sách các proposals box ký hiệu là B với B ={b1,b2,…,bn}, với bi là proposal thứ i.
• Tập điểm của mỗi proposal box ký hiệu là S với S={s1,s2,…,sn}, si là điểm confidence của box bi
• Giá trị ngưỡng overlap threshold N.
• Cả hai giá trị bi và si đều là output của mạng neural network.
Đầu ra:
• Một tập các proposals box D là tập các proposals đã loại bỏ dư thừa tương ứng với từng object trong
hình.
Thuật toán:
• Bước 1: Khởi tạo tập output D = {}
• Bước 2: Chọn ra proposal box có điểm confidence cao nhất trong tập S, loại box đó ra khỏi tập S, B
và thêm nó vào tập D.
• Bước 3: Tính giá trị IOU giữa proposal box mới vừa loại ra ở bước 2 với toàn bộ proposal box trong
tập B. Nếu có bất kỳ box nào đó có giá trị IOU lớn hơn giá trị ngưỡng N thì loại box đó ra khỏi B, S.
• Bước 4: Lặp lại bước 2 đến khi nào không còn box nào có trong tập B.
Với giá trị si được cập nhật lại như sau:
2.1.6 Xoay ảnh sử dụng Perspective Transform

Trước tiên chúng tôi cần xác định được tọa độ các điểm nguồn dựa vào vị trí của các boxes đã detect được.
Chúng tôi đơn giản hóa quá trình này bằng cách lấy điểm chính giữa của từng box thành điểm nguồn.
Tiếp theo tiến hành tạo list final_points từ tập hợp các boxes thu được phía trên.
Và để thuận tiện cho bước tiếp theo chúng tôi tiến hành tạo một dictionary để map label và box tương ứng.
Sau đó, chúng tôi Transform sang tọa độ đích.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Kết quả cuối cùng khá ổn để tiếp tục bước OCR tiếp theo.
Hình 08: Xoay ảnh sử dụng Perspective Transform

2.1.7 OCR
Ở bước này, chúng tôi sử dụng một vài kỹ thuật tiền xử lý ảnh để phát hiện văn bản cần trích xuất. Sau đó
sử dụng Pytesseract để trích xuất thông tin văn bản có trong ảnh.
2.2 Phát hiện tính sống động (liveness detection) của người chụp ảnh selfie
Liveness Detection là công nghệ hỗ trợ cho Face Matching (nhận diện khuôn mặt), giúp cho quá trình nhận
diện khuôn mặt được diễn ra một cách chân thật, sống động. Nếu bạn cố tình đưa ảnh của người khác,
khuôn mặt in 3D lên trước ống kính camera. Nhằm qua mặt e-KYC thì Liveness Detection sẽ nhanh chóng
phát hiện ra đầu là người thật và đâu là người giả danh.
2.3 Xác thực ID
Xác thực thông tin được trích xuất trùng với thông tin được khách hàng điền vào.
2.4 Bảo đảm người được chụp chính là người trong ảnh thẻ
Đảm bảo người được chụp qua liveness detection chính là người trong ảnh thẻ CMND/CCCD.
3 KẾT QUẢ
Trích xuất thành công thông tin có trên CMND/CCCD thông qua OCR. Định hướng tương lai sẽ hình thành
một hệ thống e-KYC hoàn thiện.
Demo kết quả:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
4 KẾT LUẬN
Trong bài báo này, chúng tôi đã mô tả hệ thống e-KYC. Hiện tại, chúng tôi đang trong quá trình xây dựng
và hoàn thiện mô hình cho hệ thống này để hệ thống có thể hoạt động tốt trong tương lai.
5 LỜI CẢM ƠN
Chân thành cảm ơn tất cả các thành viên đã tham gia vào xây dựng hệ thống e-KYC.

[1] Alignment ảnh chứng minh thư với PyTorch, by Phạm Văn Toàn, 2020.
[2] 4 Point OpenCV getPerspective Transform Example, by Adrian Rosebrock, 2014.
[3] A comprehensive guide to OCR with Tesseract, OpenCV and Python, by Filip Zelic & Anuj Sable, 2021.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3A.226
SỐ HÓA DỮ LIỆU ĐƯỜNG HUYẾT

VÕ ĐÌNH NGHĨA, HUỲNH NGỌC NHÂN, HUỲNH TRUNG HIẾU
Trường Đại học Công Nghiệp Thành phố Hồ Chí Minh
nghiasun911@gmail.com, ngocnhanhuynh3@gmail.com, hthieu@iuh.edu.vn
Tóm tắt. Nhận diện ký tự quang học là một trong những phương pháp được sử dụng trong số hóa dữ liệu
trong thời đại số. Tính năng nhập liệu là một ứng dụng quan trọng trong chuyển đổi số và cần thiết trong
lĩnh vực y tế để đạt hiệu quả cả về thời gian và chi phí trong quản lý và vận hành. Với sự phát triển của trí
tuệ nhân tạo hiện nay, việc ứng dụng các mô hình máy học với các kỹ thuật xử lý ảnh đã đạt được một số
kết quả vượt trội trong phân tích và nhận dạng ký tự. Trong bài báo này, nhóm tác giả nghiên cứu ứng dụng
máy học trong việc nhận dạng và số hóa dữ liệu bảng ghi số liệu đường huyết. Thực nghiệm sẽ đánh giá
trên dữ liệu thực của các nhân viên y tế được kiểm tra từ Bệnh viện Hùng Vương.
Từ khóa. Chuyển đổi số, công nghệ thông tin, OCR
DIGITIZE BLOOD GLUCOSE DATA
Abstract. Optical character recognition (OCR) is one of the methods used in digitizing data in the
information age. Data inputting feature is an important application in digital transformation and it is
essential in the medical field to achieve both time and cost efficiency management and operations. With
the development of artificial intelligence, the application of machine learning models to image processing
techniques has achieved some outstanding results in character analysis and recognition. In this topic, the
authors study the application of machine learning in the identification and digitization of blood glucose data
sheet data. The experiment will be evaluated on real data of medical staff from Hung Vuong Hospital.
Keyword. digitizing data, information technology, OCR
1 GIỚI THIỆU
Chỉ số đường huyết viết tắt là GI (glycemic index) được định nghĩa là giá trị chỉ nồng độ glucose có trong
máu thường được đo bằng đơn vị là mmol/l hoặc mg/dl. Nồng độ glucose trong máu liên tục thay đổi từng
ngày thậm chí từng phút đặc biệt liên quan đến chế độ ăn uống sinh hoạt hàng ngày. Lúc nào trong máu
luôn có một lượng đường nhất định, nếu lượng đường trong máu thường xuyên cao sẽ dẫn tới bệnh đái tháo
đường và ảnh hưởng biến chứng đến nhiều cơ quan đặc biệt là thận và mạch máu. Vì vậy chỉ số đường
huyết cần được theo dõi sát sao. Khi bước vào giai đoạn chuyển đổi số, thì việc kiểm soát chỉ số đường
huyết để đưa ra nhận định đúng đắn về tình trạng của bệnh nhân trở nên dễ dàng hơn cho đội ngũ y bác sĩ.
Tuy nhiên một vấn đề mới lại phát sinh, Bác sĩ cần theo dõi chỉ số đường huyết cũ của bệnh nhân và chỉ số
đường huyết cần theo dõi với tần suất thường xuyên hơn. Lúc này các phiếu ghi đường huyết được ra đời,
các y tá - điều dưỡng sẽ ghi lại chỉ số đường huyết cho bệnh nhân vào các khung giờ trong ngày ở bệnh
viện hoặc bệnh nhân sẽ tự đo và ghi tại nhà. Phiếu đường huyết chứa 1 lượng lớn các chỉ số về đường huyết
của bệnh nhân vào các khung giờ trong ngày. Khi tái khám hoặc tổng hợp dữ liệu, y tá - điều dưỡng có
trách nhiệm nhập những chỉ số này vào hệ thống, tuy nhiên vì số lượng chỉ số quá nhiều gây tốn kém về tài
nguyên con người trong việc nhập dữ liệu vào hệ thống.
Trong quá trình theo dõi và khảo sát tại một bệnh viện lớn tại TP. HCM, các quy trình nhập liệu ở bệnh
viện vẫn còn sử dụng là phương pháp nhập liệu truyền thống, vẫn còn tồn tại nhiều hạn chế, khó khăn về
tài nguyên con người trong việc nhập liệu. Không những tại bệnh viện đang được khảo sát mà còn nhiều
bệnh viện khác tại Việt Nam cũng đang gặp phải vấn đề tương tự, với mong muốn có thể giải quyết được
vấn đề cấp thiết này đã thôi thúc chúng tôi thực hiện tính năng hỗ trợ số hóa dữ liệu đường huyết này. Ứng
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
dụng được thử nghiệm trên quy trình nhập liệu tại bệnh viện, bằng việc sử dụng ứng dụng này bộ phận nhập
liệu có thể tiết kiệm được cả thời gian cũng như chi phí về người và của bỏ ra cho việc nhập liệu.
2 CÁC NGHIÊN CỨU LIÊN QUAN

Nguồn gốc sơ khai nhất của nhận dạng ký tự được cho là vào năm 1870. Đây là thời điểm mà C.R.Carey
của Boston Massachusetts đã phát minh ra máy quét võng mạc, một hệ thống truyền hình ảnh sử dụng khảm
các tế bào quang điện. Hai thập kỷ sau, P. Nipkow – nhà khoa học Ba Lan đã phát minh ra máy quét tuần
tự, đây là một bước đột phá lớn đối với cả máy đọc và truyền hình hiện đại. Trong những thập kỷ đầu tiên
của thế kỷ 19, một số nỗ lực đã được thực hiện để phát triển các thiết bị hỗ trợ người mù thông qua các thí
nghiệm với OCR. Tuy nhiên, mãi đến năm 1940, với sự phát triển của kĩ thuật số, công nghệ OCR hiện đại
mới xuất hiện. Từ đó trở đi, ứng dụng trong kinh doanh trở thành động lực để OCR tiếp tục tiến xa hơn.
OCR phát triển song hành với các sự phát triển của kỹ thuật học máy, học sâu. Có vô số nghiên cứu khoa
học về OCR trong đó một số nghiên cứu có tính ứng dụng cao như: “Improving accuracy and speeding up
Document Image Classification through parallel systems” [1] của Christoph Wick và cộng sự, sử dụng GPU
để tăng tốc độ xử lý cũng như tăng độ sâu của mô hình học máy để nâng cao độ chính xác.
Ngoài ra Christoph Wick và cộng sự còn có một bài báo khác là “Improving OCR Accuracy on Early
Printed Books using Deep Convolutional Networks” [2], trong nghiên cứu này nhóm tác giả sử dụng kết
hợp CNN - và Pooling-Layer trước lớp LSTM, kết quả cho thấy độ sai số giảm 44%.
Nghiên cứu về chỉnh sửa tài liệu và hiệu chỉnh độ ánh của văn bản “Document Rectification and
Illumination Correction using a Patch-based CNN” [3] của Pedro V. Sander và cộng sự. Trong nghiên cứu
này nhóm tác giả tập trung nghiên cứu căn chỉnh tài liệu ở dạng ảnh chụp không chính diện và hiệu chỉnh
độ sáng trên các loại tài liệu: biên lai, sách, tài liệu bị biến dạng nhiều như cong, gấp hay nhàu. Độ chính
xác được tăng lên trong mục bảng sau.
Method OCR accuracy
Kim et al. - 2015 [9] 29.77
Kil et al. - 2017 [10] 28.20
Ma et al. -2018 [11] 39.09
local network 47.47
local global 50.56
local global + b 56.90
local global + i 58.49
Bảng 2.1. Bảng kết quả về độ chính xác của Document Rectification and Illumination Correction using a Patch-
based CNN
3 PHƯƠNG PHÁP
Với bài toán được đặt ra là xác định các ô chứa số liệu trên biểu mẫu và số hóa dữ liệu đó, chúng tôi chia
quy trình nghiên cứu làm 2 phần: sử dụng các kỹ thuật xử lý ảnh để nhận diện vị trí của số liệu trong biểu
mẫu và xây dựng mô hình nhận diện chữ số viết tay.
3.1 Thuật toán Hough Transform
Dữ liệu hình ảnh đầu vào được xử lý bằng các hàm xử lý ảnh của thư viện OpenCV [4], trong đó thuật toán
Hough Transform [5] là thuật toán được ứng dụng mạnh mẽ nhất trong việc phát hiện các trục ngang - dọc
của bảng số liệu.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Tương tự hệ tọa độ Descartes một đường thẳng trong hệ tọa độ cực được biểu diễn bằng công thức:
𝑐𝑜𝑠𝜃 𝑟
𝑦 = (− 𝑠𝑖𝑛𝜃 ). 𝑥 + ( 𝑠𝑖𝑛𝜃)
qua đó được biến đổi thành: 𝑟 = 𝑥. 𝑐𝑜𝑠𝜃 + 𝑦. 𝑠𝑖𝑛𝜃

Trong đó: r là khoảng cách của đường thẳng với gốc tọa độ
θ là góc giữa Ox và đường thẳng đi qua gốc tọa độ vuông góc với đường thẳng đang mô tả.
Hình 3.1. Hình biểu diễn đường thẳng trong hệ tọa độ cực
Tổng quát, với mỗi cặp (x0, y0), chúng ta có thể xác định những đường thẳng đi qua điểm đó với công thức
đã cho (r,θ).
Có nghĩa rằng mỗi cặp (rθ,θ) biểu diễn một đường thẳng đi qua (x0, y0):
• Với mỗi điểm (x0, y0), nếu ta vẽ những đường thẳng đi qua điểm đó, chúng ta đạt được đồ thị hình sin
(như hình vẽ 3.2) (Điều kiện: r > 0 và 0 <θ < 2π).
Ví dụ: với x0 = 8, y0= 6 ta có đồ thị sau (trong hệ (θ-r)):
Hình 3.2. Đồ thị biểu diễn một điểm trong hệ (r,θ)

• Chúng ta có thể làm tương tự với mọi điểm trong hình ảnh. Nếu đường cong của 2 điểm khác nhau cùng
giao nhau tại 1 điểm, điều này có nghĩa là hai điểm đó cùng nằm trên một đường thẳng.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Ví dụ, với điểm x1 = 4, y1 = 9 và x2 = 12, y2 = 3, cộng với (x0, y0), ta có:
Hình 3.3. Đồ thị biểu diễn nhiễu 3 điểm trong hệ tọa độ (r,θ).
Cả 3 điểm cùng giao nhau tại 1 điểm (0.925, 9.6), những cặp tọa độ đó là biến số cho cặp (r θ, θ), còn là
đường thẳng mà 3 điểm đó thuộc về.
• Một cách tổng quát, một đường thẳng có thể được xác định bằng cách tìm những giao điểm giữa những
đường cong (như hình) với nhau. Càng nhiều đường cong giao nhau có nghĩa là đường thẳng đó có nhiều
điểm. Vì vậy chúng ta có thể xác định một ngưỡng cho việc tìm số điểm ít nhất để có thể tạo ra một đường
thẳng.
• Hough line transform theo dõi những điểm giao nhau giữa các đường cong tạo nên bởi mỗi điểm trong
hình ảnh. Nếu số điểm giao nhau vượt ngưỡng đã nhất định, khi đó thuật toán sẽ xác định được đường thẳng
cho cặp (θ, rθ) ở giao điểm của những đường cong đó.
Về thư viện, opencv cung cấp 2 hàm là Houghline() và HoughlineP(). Trong đó Houghline là hàm tìm tất
cả đường thẳng có trong ảnh, hàm houghlineP được thêm hai tham số là minLineLength là độ dài tối thiểu
của đoạn thẳng, maxLineGap là khoảng cách lớn nhất giữa hai điểm được xét trên cùng một đường thẳng.
3.2. Mô hình nhân diện chữ số viết tay
Convolutional Neural Network (CNNs - Mạng neural tích chập) là một trong các mô hình của Deep
Learning, với thành phần chính là các lớp Convolution chồng lên nhau, được sử dụng trong các bài toán
nhận dạng đối tượng trong ảnh.
Cấu trúc mạng CNN là một tập hợp các lớp cơ bản bao gồm Convolution layer và nonlinear layer, pooling
layer, fully connected layer liên kết với nhau theo một thứ tự nhất định. Theo một cách thông thường thì
ảnh đầu vào sẽ đi qua convolution layer và nonlinear layer đầu tiên, các tham số tính toán sẽ được lan truyền
qua pooling layer, ba lớp này theo thứ tự có thể được lặp lại nhiều lần trong một mạng CNN và sau đó được
lan truyền qua fully connected layer và thông qua hàm softmax để tính xác suất đối tượng trong ảnh là gì.
Convolution layer còn gọi là conv layer, là lớp quan trọng nhất và cũng là lớp đầu tiên của mô hình CNN,
với chức năng chính là phát hiện các đặc trưng ảnh (feature). Tầng này có 4 đối tượng chính là: ma trận đầu
vào, bộ filters, receptive field và feature map. Conv layer nhận đầu vào là một ma trận 3 chiều và một bộ
filters cần phải học. Bộ filters này sẽ trượt qua từng vị trí trên bức ảnh để tính tích chập (convolution) giữa
bộ filter và phần tương ứng trên bức ảnh. Phần tương ứng này trên bức ảnh gọi là receptive field, tức là
vùng mà một neuron có thể nhìn thấy để đưa ra quyết định, và ma trận cho ra bởi quá trình này được gọi là
feature map.
Các tham số của convolution layer gồm: kích thước bộ filter đầu vào, stride và padding.
Kích thước bộ filter là một trong những tham số quan trọng nhất của convolution layer. Kích thước này tỉ
lệ thuận với tham số cần học tại mỗi tầng convolution và là tham số quyết định receptive field của tầng này.
Các kích thước filter thường dùng là 3x3, 5x5.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Nonlinear layer, gọi là ReLU (Rectified Linear Units, f = max(0,x)) là hàm kích hoạt phổ biến của CNN.
Hàm ReLU được sử dụng vì cơ chế tính toán đơn giản, hạn chế tình trạng vanishing gradient và cũng cho
kết quả tốt hơn. ReLU được đặt ngay sau tầng convolution, gán các giá trị âm bằng 0 và giữ nguyên giá trị
đầu vào khi lớn hơn 0.
Hình 3.2.1. Công thức hàm ReLU

Nếu như đầu vào quá lớn, các lớp pooling sẽ được sắp xếp vào giữa các lớp convolution để làm giảm tham
số đầu vào. Pooling layer có 2 loại phổ biến là max pooling và average pooling.
Tầng cuối của mô hình CNN là Fully Connected Layer. Tầng này có chức năng chuyển ma trận đặc trưng
ở tầng trước thành vector chứa xác suất của các đối tượng cần được dự đoán. Ví dụ, trong bài toán phân
loại số viết tay MNIST có 10 lớp tương ứng 10 số từ 0-9, tầng fully connected layer sẽ chuyển ma trận đặc
trưng của tầng trước thành vector có 10 chiều thể hiện xác suất của 10 lớp tương ứng.
Mô hình được xây dựng bằng thư viện keras sử dụng kiến trúc học sâu CNN. Mô hình có 59933 tham số
bao gồm 2 lớp convolution với 2 lớp max-pooling với pool-size = (2,2) và 3 lớp full-connected, cuối cùng
là hàm softmax cho đầu ra là xác suất của chữ số ứng với các nhãn từ 0 đến 9 và 2 ký tự đặc biệt “-”, “/”.
Mô hình có thêm một lớp dropout để giảm overfitting khi huấn luyện.
4. THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
4.1. Chuẩn bị tập dữ liệu
Để nhận diện ký tự viết tay chúng tôi nghiên cứu sử dụng mô hình máy học CNN. Mô hình được xây dựng
thông qua thư viện Keras [6] và tập dữ liệu MNIST.
Tập dữ liệu được sử dụng để huấn luyện và kiểm thử mô hình là MNIST, bao gồm tập dữ liệu huấn luyện
(training set) và tập dữ liệu kiểm tra (test set) tương ứng với 60.000 mẫu và 10.000 mẫu ví dụ khác nhau về
chữ số viết tay từ 0 đến 9. Mỗi mẫu dữ liệu trong tập MNIST là một ảnh đen trắng có kích thước 28x28
pixel (tổng cộng 784 pixels). Mỗi pixel mang giá trị là một số trong khoảng từ 0 đến 255, các pixel màu
đen có giá trị bằng 0, các pixel càng trắng thì có giá trị càng cao và không quá 255. Ở một số dataset, tập
MNIST được lưu dưới dạng file .csv với 785 cột tương đương với 28*28 pixel và 1 cột lưu nhãn của mẫu.
Trong nghiên cứu này chúng tôi sử dụng tập MNIST thông qua API được cung cấp bởi thư viện Keras.
Đồng thời, để phục vụ cho hệ thống nhận diện ngày tháng bằng cách nhận diện chữ số và ký tự đặc biệt
viết tay, chúng tôi thêm vào tập dữ liệu MNIST một tập nhỏ chứa là 2 ký tự đặc biệt: “-” tương ứng với
định dạng ngày “dd-MM-yyyy” với 680 mẫu huấn luyện, 200 mẫu kiểm thử và “/” tương ứng với định dạng
“dd/MM/yyyy” với 900 mẫu huấn luyện và 200 mẫu kiểm thử.
Hình 4.1: Dữ liệu huấn luyện dấu “/”
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 4.2: Dữ liệu huấn luyện dấu “-”

Tập dữ liệu bổ sung sẽ được tiền xử lý và đưa về dạng ảnh đen trắng cùng chuẩn với tập dữ liệu gốc (kích
thước 28*28*1), sau đó được thêm vào tập dữ liệu MNIST để huấn luyện và kiểm thử.
4.2 Mô hình huấn luyện
Hình 4.3. Cấu trúc mô hình huấn luyện deep learning sử dụng CNN
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Model: "sequential_2"
Layer (type) Output Shape Param #
conv2d_3 (Conv2D) (None, 30, 24, 24) 780
max_pooling2d_3 MaxPooling2 (None, 30, 12, 12) 0
conv2d_4 (Conv2D) (None, 15, 10, 10) 4065
max_pooling2d_4 MaxPooling2 (None, 15, 5, 5) 0
dropout_2 (Dropout) (None, 15, 5, 5) 0
flatten_2 (Flatten) (None, 375) 0
dense_3 (Dense) (None, 128) 48128
Total params: 59,933
Trainable params: 59,933
Non-trainable params: 0
Bảng 3.2. Tham số đầu ra của mô hình

Các mô hình được huấn luyện bằng Google Colab [7] với RAM là 12.72GB, ổ đĩa 68.4GB và GPU Tesla
T4 (khả dụng 13GB-VRAM).
4.3 Kiểm tra trên phiếu biểu mẫu
Chúng tôi đã triển khai mô hình thành hai tính năng quét nhận dạng số liệu đường huyết và cập nhật dữ liệu
đường huyết vào cơ sở dữ liệu của ứng dụng, được kiểm thử trên loại phiếu biểu mẫu do bệnh viện cung
cấp.
Bố cục của phiếu biểu mẫu gồm có 2 phần:
• Phần nhận dạng thông tin phiếu bao gồm họ tên, ngày sinh, mã bệnh nhận. Các thông tin này được mã
hóa thành mã QR code được dán lên phiếu làm mã nhận dạng.
• Phần bảng chứa chỉ số đường huyết.
Trong quá trình kiểm tra, chúng tôi đã thử nghiệm với các mẫu ảnh biểu mẫu khác nhau: ảnh chụp bị lệch
- góc chụp không chính diện, nhiễu trong quá trình chụp, ảnh không phẳng, có nền màu. Sau khi tải lên hệ
thống nhận diện, ảnh được đưa về góc chụp chính diện của màn hình điện thoại và được căn chính chuẩn,
loại bỏ nền, các trục ngang - dọc được xác định trùng khớp với các đường kẻ bảng với độ chính xác cao.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 4.4. Phiếu biểu mẫu đã được xử lý ảnh bằng thuật toán Hough Transform
Hình 4.5. Bảng số liệu đường huyết sau khi loại bỏ nền và nhận dạng các trục ngang - dọc
4.4 Kết quả nhận diện số liệu đường huyết từ biểu mẫu
Trong phần bảng số liệu của các mẫu phiếu đều bao gồm các chỉ số viết tay. Số liệu viết tay thường là các
ký tự số tách rời nhau, tuy nhiên một số mẫu vẫn còn nhiễu, dính liền nhau, làm giảm độ chính xác khi dự
đoán bằng mô hình. Ngoài ra độ chính xác khi dự đoán còn phụ thuộc vào các yếu tố độ sáng, vị trí đặt
phiếu, độ phân giải của thiết bị, nên độ chính xác thực tế khi nhận dạng đạt từ 87% - 92%.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Label 1 2 3 4 5 6 7 8 9 0 “/” “-”
Accuracy[%] 89% 94% 95% 90% 87% 89% 92% 95% 93% 94% 70% 95%
Bảng 4.6. Kết quả kiểm tra nhận dạng các ký tự viết tay
Qua kiểm thử trên 20 ảnh mẫu tương đương 2040 mẫu chỉ số độ chính xác đạt 90%, trong đó 5% sai do ảnh
đạt chất lượng kém và 5% sai do phân đoạn ảnh bị sai khi các chữ số viết dính vào nhau, các nét thanh -
đậm của các chữ số viết tay, một số chữ số có nét tương tự nhau do thao tác viết nhanh - chậm của người
viết, v.v. điển hình là các nét viết của số 4 và số 1, số 5 và số 6.

[1] Javier Ferrando, Juan Luis Dominguez, Jordi Torres, Raul Garcia, David Garcia, Daniel Garrido, Jordi Cortada,
Mateo Valero, Improving accuracy and speeding up Document Image Classification through parallel systems
https://arxiv.org/abs/2006.09141
[2] Christoph Wick, Christian Reul, Frank Puppe: Improving OCR Accuracy on Early Printed Books using Deep
Convolutional Networks https://arxiv.org/abs/1802.10033
[3] Xiaoyu Li, Bo Zhang, Jing Liao, Pedro V. Sander: Document Rectification and Illumination Correction using a
Patch-based CNN https://arxiv.org/abs/1909.09470
[4] Thư Viện OpenCV, chuyên mục xử lý ảnh
https://docs.opencv.org/master/d2/d96/tutorial_py_table_of_contents_imgproc.html
[5] Thư Viện OpenCV, biến đổi Hough https://docs.opencv.org/3.4/d9/db0/tutorial_hough_lines.html
[6] Framework Keras https://keras.io/api/datasets/mnist/
[7] Máy chủ công cụ Google Colab https://colab.research.google.com/
[8] Framework Tensorflow https://www.tensorflow.org/resources/models-datasets
[9] Beom Su Kim, Hyung Il Koo, and Nam Ik Cho. 2015. Document dewarping via text-line based optimization.
Pattern Recognition 48, 11 (2015), 3600–3614
[10] Taeho Kil, Wonkyo Seo, Hyung Il Koo, and Nam Ik Cho. 2017. Robust Document Image Dewarping Method
Using Text-Lines and Line Segments. In Document Analysis and Recognition (ICDAR), 2017 14th IAPR
International Conference on, Vol. 1. IEEE, 865–870.
[11] Ke Ma, Zhixin Shu, Xue Bai, Jue Wang, and Dimitris Samaras. 2018. DocUNet: Document Image Unwarping
via A Stacked U-Net. In Proceedings of the IEEE Conference on Computer Vision and Paern Recognition. 4700–
4709.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.227
ĐIỀU KHIỂN MỜ CHO ROBOT 2 BẬC TỰ DO BÁM ĐUỔI QUỸ ĐẠO TRONG
ĐIỀU KIỆN CÁC YẾU TỐ BẤT ĐỊNH
LÂM QUANG HOÀNG THIỆN1, HUỲNH ĐỨC MIN2
Khoa Công Nghệ Điện Tử, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
1
thienlamlph@gmail.com, 2huynhducmin24@gmail.com
Tóm tắt. Nghiên cứu các giải thuật điều khiển cho Robot là một hướng nghiên cứu mở. Cụ thể, việc phát
triển các thuật toán điều khiển thông minh cho các hệ phi tuyến như Robot để thay thế các bộ điều khiển
cổ điển thu hút nhiều nỗ lực nghiên cứu trong lĩnh vực này. Nhận thức được tầm quan trọng này, bài báo
trình bày một phương thức điều khiển thông minh dựa trên cơ sở Logic Mờ nhằm biểu diễn, xử lý và thực
thi lại tri thức-trực giác của con người trong vấn đề điều khiển Robot. Nhờ đó, kinh nghiệm của con người
sẽ được tích hợp vào bộ điều khiển Robot thông qua các luật mờ trong quá trình thiết kế. Để kiểm chứng
hiệu quả của giải thuật điều khiển đề xuất, bài báo trình bày việc xây dựng một mô hình Robot 2 bậc tự do
được mô phỏng trên nền tảng Matlab/Simulink và kiểm tra bằng thực nghiệm. Trong khi bộ điều khiển bám
đuổi quỹ đạo và chịu sự tác động của yếu tố bất định là tải mang. Kết quả nghiên cứu cho thấy bộ điều
khiển mờ cho đáp ứng điều khiển tốt hơn so với các bộ điều khiển cổ điển thông thường như bộ điều khiển
PID. Kết quả nghiên cứu ban đầu có thể ứng dụng trong việc triển khai các mô hình giảng dạy trong các
chủ đề về Logic Mờ và điều khiển thông minh.
Từ khóa. Logic Mờ, bộ điều khiển Logic Mờ, điều khiển quỹ đạo Robot, điều khiển thông minh
FUZZY CONTROL OF 2-DOF ROBOT FOR TRAJECTORY TRACKING WITH

UNCERTAINTIES
Abstract. Control algorithms for robots is a state-of-the-art research orientation. Significantly, the
development of intelligent control algorithms for nonlinear systems such as robots to replace classical
controllers has witnessed a lot of research effort in this field. Realizing this issue, this paper presents a
fuzzy-based intelligent control method to represent, process, and re-execute human intuition in robot
tracking control. In this way, human experience will be integrated into the robot controller through fuzzy
rules in the design process. The feasibility of the proposed control algorithm has been demonstrated through
a two degree of freedom robot platform that employed tracking trajectories. Experimental results show that
the tracking error is signiﬁcantly reduced as compared to the traditional PID control method while the robot
is affected by the uncertainty of the load. This research showed that the proposed control method can be
implemented on teaching models in the topics of fuzzy logic and intelligent control.
Keywords. Fuzzy Logic, Fuzzy Logic Controller, Robotics, Robot trajectory control, intelligent control
1 GIỚI THIỆU
Nhờ vào tính ổn định và đơn giản, các bộ điều khiển cổ điển (ví dụ như bộ điều khiển PI, PID) được sử
dụng phổ biến và rộng rãi trong điều khiển Robot. Tuy nhiên, để thiết kế được bộ điều khiển đòi hỏi phải
xác định được mô hình toán của đối tượng (S. Arun jayakar, 2019). Trong khi các hệ thống ngày càng trở
nên phức tạp (khó xác định mô hình toán) và phải làm việc trong các điều kiện chịu ảnh hưởng của các yếu
tố bất định (môi trường, thông số đối tượng…). Do đó, các bộ điều khiển thông thường không còn đáp ứng
được chất lượng điều khiển và không phù hợp nữa. Chính vì vậy, các nghiên cứu về phương thức điều khiển
thông minh ngày càng được quan tâm nhằm khắc phục những khó khăn của các bộ điều khiển thông thường
và là động lực ra đời của lý thuyết điều khiển thông minh. Một trong những phương thức điều khiển thông
minh được ứng dụng nhiều nhất chính là bộ điều khiển dựa trên cơ sở Logic Mờ. Lý thuyết Logic Mờ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
(Fuzzy Logic) được Zadeh, L.A. nêu ra lần đầu tiên vào năm 1965 (Zadeh, 1965). Nhiều nghiên cứu đã chỉ
ra rằng, bộ điều khiển Logic Mờ có nhiều tính năng vượt trội so với các bộ điều khiển thông thường như
không cần xác định mô hình toán của đối tượng, có thể tích hợp tư duy, kinh nghiệm của con người vào các
luật điều khiển (Babu, 2011) (Badran M. A., 2013) (Patil A. M., 2014). Bài báo này sẽ trình bày kết quả
mô phỏng và kiểm chứng chất lượng điều khiển giữa bộ điều khiển Logic Mờ và bộ điều khiển thông
thường. Bên cạnh đó sẽ đánh giá kết quả và thảo luận các hướng phát triển cho kết quả nghiên cứu.
2 CẤU HÌNH VÀ ĐỘNG HỌC ROBOT

2.1 Cấu hình Robot
Cánh tay Robot 2-DOF bao gồm hai khâu có chiều dài l1 và l2 được thiết kế ở dạng khớp xoay. Khoảng
cách từ các trục quay đến tâm khối là lc1 và lc 2 . Khối lượng tương ứng của từng khâu là m1 và m2 . Moment
quán tính của các khâu sẽ được biểu diễn bởi I1 và I 2 .
Hình 4. Cấu hình Robot 2-DOF trong hệ tọa độ Decart

Dựa vào cấu hình của Robot, ta có thể xác định được vùng làm việc của Robot 2-DOF. Tất cả các điểm mà
điểm chấp hành cuối của Robot có thể tác động đến đều nằm trong cùng mặt phẳng Oxy. Vùng làm việc
của Robot được giới hạn bên trong đường tròn có bán kính là l1 + l2 (½ hình tròn).
Hình 5. Không gian làm việc của Robot-2DOF trong hệ tọa độ Decart
2.2 Phương trình động học thuận Robot
Việc giải bài toán động học thuận nhằm tìm ra phương trình động học cơ bản của Robot dựa trên những
thông số động học đã có sẵn. Bài toán thuận thường được dùng để kiểm chứng hoặc hiệu chỉnh lại việc thiết
kế Robot có đúng theo yêu cầu đặt ra hay không, điều đó thể hiện ở quỹ đạo di chuyển cũng như tầm hoạt
động của khâu tác động cuối của Robot. Kết quả kiểm chứng có thể đưa ra những thay đổi sao cho việc
thiết kế đạt hiệu quả nhất.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 6. Gắn hệ trục tọa độ cơ bản cho Robot

Như đã trình bày về cấu hình Robot, vùng làm việc của Robot đều nằm trên cùng mặt phẳng nên ta có thể
xác định phương trình động học thuận của Robot bằng phương pháp hình học khi chiếu Robot hệ tọa độ
Oxy. Gọi 1 ,  2 là các biến khớp (góc quay) lần lượt tại các khớp quanh các trục quay, với chiều dương quy
ước là chiều ngược kim đồng hồ. Vecto cảm biến của các khớp được định nghĩa như sau:
 = 1  2 
T
(1)
Mô hình động học thuận của Robot 2-DOF như sau:
 x = l1 cos(1 ) + l2 cos(1 +  2 )
 (2)
 y = l1 sin(1 ) + l2 sin(1 +  2 )
2.3 Phương trình động học ngược Robot
Thông thường các bài toán thuận có lời giải duy nhất, trong khi đó bài toán ngược có vô số lời giải (bài
toán vô định) khi cho trước quy luật chuyển động của điểm thuộc khâu tác động cuối bên trong vùng không
gian hoạt động của Robot. Để tìm lời giải thích hợp hoặc duy nhất cho bài toán ngược, ta có thể đưa ra thêm
các ràng buộc về mặt động học đối với các tay máy theo các đặc điểm làm việc cụ thể của nó như sau:
0  1  180 và 0   2  360 . Tương tụ như tìm phương trình động học thuận, ta có thể xác định
phương trình động học ngược bằng phương pháp hình học.
Hình 7. Gắn hệ trục tọa độ cơ bản cho Robot
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Với điểm chấp hành cuối có tọa độ E ( xe , ye ) , Ta xác định được:
OB = xe2 + ye2 (3)

 OA2 + AB 2 − OB 2
cos(OAB) = (4)
2.OA.AB
Do biến khớp của Robot  2 có giá trị là âm hoặc dương tùy thuộc vào vị trí của Robot (quy ước chiều
dương là chiều ngược kim đồng hồ), dựa theo cấu hình Robot chọn  2 là góc dương, do đó

 2 + OAB = 180 nên ta có:

cos ( 2 ) = −cos(OAB) (5)

  2 = arcos(−cos (OAB)) (6)
Ta lại có:
xe
 = ar cos( ) (7)
OB
 OA2 + OB 2 − AB 2
cos( AO B) = (8)
2.OA.O B

1 =  − ar cos(cos( AO B)) (9)
Như vậy, phương trình động học ngược của Robot được xác định như sau:
 

 1 =  − ar cos(cos( AO B))
 
(10)

 2 = arcos (−cos (OAB))
3 ĐỘNG LỰC HỌC ROBOT
Hình 8. Mô hình hóa hệ Robot 2 DOF và gắn hệ trục tọa độ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Để tìm động lực học Lagrange, chúng ta phân tích động năng K ( ,  ) cho tay hệ này, có thể được phân
tích ra thành tổng của hai phần: K ( ,  ) = K1 ( ,  ) + K 2 ( ,  ) với K1 ( ,  ) và K 2 ( ,  ) lần lượt là
động năng đối với khâu 1 và khâu 2 . Đối với khâu 1, các tọa độ của tâm khối thể hiện trên mặt phẳng Oxy
là:
 x1 = lc1 cos(1 )
 (11)
 y1 = lc1 sin(1 )
Vector vận tốc v1 của tâm khối khâu 1:
 x   −l sin(1 )1 
v1 =  1  =  c1  (12)
 y1   lc1 cos(1 )1 
Động năng tương ứng với chuyển động của khâu 1 có thể thu được:
1 1 1 1
K1 ( , ) = m1v1T v1 + I112 = m1lc2112 + I112 (13)
2 2 2 2
Đối với khâu 2, các tọa độ của tâm khối lượng của khâu 2, thể hiện trên mặt phẳng Oxy là:
x2 = l1 cos(1 ) + lc 2 cos(1 +  2 )
(14)
y2 = l1 sin(1 ) + lc 2 sin(1 +  2 )
Do đó, vector vận tốc v2 của tâm khối khâu 2:
 x2   −l1 sin(1 )1 − lc 2 sin(1 +  2 ) 1 +  2  

v2 =   =   (15)
 2   l1 cos(1 )1 + lc 2 cos(1 +  2 ) 1 +  2  
y   
Động năng tương ứng với chuyển động của khâu 2 có thể thu được:
1 1 2
m2 v2T v2 + I 2 1 +  2 
K 2 ( ,  ) =
2 2
m2 2 2 m2 2 2
= l1 1 + lc 2 1 + 21 2 +  22  (16)
2 2
1 2
+ m2l1lc 2 12 + 1 2  cos( 2 ) + I 2 1 +  2 
2
Chọn vị trí Robot tại gốc tọa độ nên ta có thế năng U1 ( ) = 0 , U 2 ( ) = 0 :
Từ phương trình động năng và thế năng, chúng ta có được phương trình Lagrange như sau:
L( ,  ) = K ( ,  ) − U ( )
= K1 ( ,  ) + K 2 ( ,  ) − U1 ( ) − U 2 ( )
1 1
=  m1lc21 + m2l12  12 + m2lc22 12 + 21 2 +  22  (17)
2 2
1 1 2
+ m2l1lc 2 cos( 2 ) 12 + 1 2  + I112 + I 2 1 +  2 
2 2
Phương trình động lực học mô hình hệ robot 2-DOF thu được bằng cách áp dụng phương trình Lagrange:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
d  L  L
 − =  i −  Hi i = 1, 2 (18)
dt  i  i
Từ phương trình (17) chúng ta thực hiện phép lấy vi phân đối với hàm Lagrange lần lượt đối với từng thành
phần. Như vậy, từ phân tích phương trình Lagrange, chúng ta nhận được phương trình động lực học của hệ
robot như sau:
 1 =  m1lc21 + m2l12 + m2lc22 + 2m2l1lc 2 cos( 2 ) + I1 + I 2  1
+  m2lc22 + m2l1lc 2 cos( 2 ) + I 2   2 (19)
− 2m2l1lc 2 sin( 2 )1 2 − m2l1lc 2 sin( 2 ) 22 +  H 1
Và
 2 =  m2lc22 + m2l1lc 2 cos( 2 ) + I 2  1 +  m2lc22 + I 2   2
(20)
− m2l1lc 2 sin( 2 )1 2 + m2l1lc 2 sin( 2 ) 1 22 + 12 2  +  H 2
Với  i là mô men xoắn bên ngoài được cung cấp bởi nguồn truyền động,  H được xem như là một yếu tố
nhiễu được sinh ra từ các yếu tố bất định bên ngoài.
4 THIẾT KẾ BỘ ĐIỀU KHIỂN CHO ROBOT

4.1 Bộ điều khiển PID
Bộ điều khiển PID (Proportional Integral Derivative) là 1 bộ điều khiển vi tích phân tỉ lệ với cơ chế phản
hồi vòng điều khiển. Giải thuật tính toán bộ điều khiển PID bao gồm 3 thông số riêng biệt: P phụ thuộc vào
sai số hiện tại, I phụ thuộc vào tích lũy các sai số quá khứ, và D dự đoán các sai số tương lai. Khi sử dụng
phương pháp điều khiển PID thủ công (thử sai) ta cần chú ý sự ảnh hưởng của các thông số sau: Thông số
K P giá trị càng lớn thì đáp ứng càng nhanh do đó sai số càng lớn, bù khâu tỉ lệ càng lớn.
5. Hình 9. Sơ đồ của bộ điều khiển PID
Thông số K I giá trị càng lớn kéo theo sai số ổn định bị khử càng nhanh, đổi lại là độ vọt lố càng lớn.
Thông số K D giá trị càng lớn càng giảm độ vọt lố, nhưng lại làm chậm đáp ứng quá độ và có thể dẫn đến
mất ổn định do khuếch đại nhiễu tín hiệu trong phép vi phân sai số.
4.2 Thiết kế bộ điều khiển PID Mờ
Điều khiển mờ dựa trên lý thuyết Logic Mờ (Fuzzy Logic) được Zadeh, L.A. nêu ra lần đầu tiên vào năm
1965 (Zadeh, 1965). Bộ điều khiển Mờ là bộ điều khiển dựa trên các quy tắc dưới dạng “If – Then” để tái
tạo hành vi của con người được tích hợp vào trong hệ thống điều khiển. Có 2 cách để thiết kế bộ điều khiển
PID Mờ là điều khiển PID Mờ dùng hệ quy tắc Mamdani và điều khiển PID Mờ dùng hệ quy tắc Sugeno.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Trong phần thiết kế này bài báo lựa chọn phương pháp điều khiển PID Mờ dùng hệ quy tắc Mamdani. Để
quá trình thiết kế và đưa ra luật mờ cho hệ điều khiển được dễ dàng, mỗi bộ điều khiển PID Mờ thiết kế
cho từng khớp của Robot được xây dựng từ bộ điều khiển PI Mờ ghép song song với bộ điều khiển PD Mờ.
Hình 10. Sơ đồ của bộ điều khiển PID Mờ

4.2.1 Bộ điều khiển PI Mờ
1 k1
r1 1
Gain k3 1
s
u1
Saturation Integrator Gain2
Fuzzy_PI
du/dt k2
Derivative Gain1
Hình 11. Sơ đồ bộ điều khiển PI Mờ

Quá trình thiết kế bộ điều khiển Mờ có thể chia làm các bước cơ bản như sau. Đầu tiên, xác định biến vào
và ra của bộ điều khiển Mờ. Biến vào của bộ điều khiển PI Mờ là sai số (E) và vi phân sai số (DE), biến ra
là vi phân điện áp điều khiển (DU). Các tập Mờ mô tả các biến giá trị ngôn ngữ của biến vào và ra E, DE
là {NB, NE, ZE, PE, PB}, DU là {NB, NM, NE, ZE, PE, PM, PB}. Miền mờ của các biến đầu vào và ra
của bộ Mờ được chuẩn hóa [-1 1] và thể hiện như trong các Hình 10, 11, 12. Các hệ số K1, K2, K3 được
lựa chọn trong quá trình thử sai và tinh chỉnh cho bộ điều khiển.
Hình 12. Hàm liên thuộc biểu diễn ngõ vào E
Hình 13. Hàm liên thuộc biểu diễn ngõ vào DE
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 14. Hàm liên thuộc biểu diễn ngõ ra DU

Tiếp theo, ta xây dựng hệ quy tắc mờ biểu diễn dưới dạng “If-Then” (“Nếu-Thì”) bằng cách vẽ hình minh
họa, dựa trên kiến thức và suy luận đưa ra một số quy tắc điển hình như sau:
• Giả sử sai số là ZE (góc khớp của Robot đang ở đúng vị trí mong muốn) và vi phân sai số là ZE
(góc khớp của Robot có xu hướng đứng yên), do đó để duy trì trạng thái này cần giữ cho Góc khớp của
Robot đứng yên nên tín hiệu điều khiển là ZE.
• Giả sử sai số là PB (góc khớp của Robot đang lớn hơn nhiều so với vị trí mong muốn) và vi phân
sai số là PB (góc khớp của Robot có xu hướng tăng mạnh), do đó cần cấp một tín hiệu điều khiển rất lớn
và có chiều ngược lại để điều khiển góc khớp của Robot về vị trí mong muốn nên tín hiệu điều khiển là PB
(với chiều dương quy ước là ngược chiều kim đồng hồ).
Áp dụng tính liên tục của hệ mờ và tính đối xứng để đưa ra các quy tắc mờ còn lại gồm có tất cả 25 hệ quy
tắc mờ (luật mờ) được biểu diễn trong Bảng 1. Trong phần thiết kế này sử dụng hệ thống suy luận mờ
Sugeno để giải mờ.
Bảng 2. Hệ quy tắc mờ điều khiển
E
DU
NB NE ZE PE PB
NB NB NB NM NE ZE
NE NB NM NE ZE PE
DE ZE NM NE ZE PE PM
PE NE ZE PE PM PB
PB ZE PE PM PB PB
Như vậy, bộ điều khiển PID Mờ cho Robot bao gồm tất cả 25 hệ quy tắc mờ (luật mờ). Bộ điều khiển PID
Mờ sẽ dựa vào các hệ quy tắc mờ để đưa ra luật điều khiển tương ứng với từng trường hợp khác nhau (đã
giải thích một số luật mờ tiêu biểu ở phần trên). Các hệ quy tắc mờ được xây dựng trên sự suy luận và kinh
nghiệm của người thiết kế, do đó việc thiết kế bộ điều khiển PID Mờ không phụ thuộc vào mô hình toán
của đối tượng. Chính vì vậy, bộ điều khiển có thể thích nghi và điều khiển Robot trong nhiều trường hợp
khác nhau khi có các yếu tố bất định tác động.
4.2.2 Bộ điều khiển PD Mờ
Bộ điều khiển PD Mờ có tín hiệu vào là sai số (E) và vi phân sai số (DE), tín hiệu ra là vi phân điện áp điều
khiển (DU).
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
1 k1
r1 k3 1
Gain
u1
Saturation Gain2
Fuzzy_PD
du/dt k2
Derivative Gain1
Hình 15 Sơ đồ bộ điều khiển PD Mờ

Vì tập Mờ mô tả các biến giá trị ngôn ngữ cho biến vào ra E, DE, DU và các hệ quy tắc mờ ở trường hợp
này hoàn toàn giống với truờng hợp thiết kế cho bộ điều khiển PI mờ nên ta có thể sử dụng bộ mờ đã thiết
kế cho sơ đồ điều khiển PD này.

Để kiểm chứng hiệu quả của giải thuật điều khiển đề xuất, bài báo trình bày việc xây dựng một mô hình
Robot 2 bậc tự do được mô phỏng trên nền tảng Matlab/Simulink. Với tín hiệu đặt cho Robot là các qũy
đạo cho trước (hình elip, hình tròn…), bài báo tiến hành so sánh kết quả đáp ứng điều khiển lần lượt của 2
bộ điều khiển PID và PID Mờ.
Hình 16. Mô hình Simulink của hệ tay máy 2 bậc tự do dùng bộ điều khiển PID Mờ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
5.1 So sánh kết quả mô phỏng đáp ứng giữa bộ điều khiển dùng PID và bộ điều khiển PID Mờ
5.1.1 Khi không có yếu tố bất định, tín hiệu vào là các dữ liệu nội suy cho góc quay từ quĩ đạo elip
Hình 17. Sai lệch quỹ đạo Robot giữa bộ điều khiển PID và PID Mờ
Hình 18 Sai lệch quỹ đạo khớp 1 giữa bộ điều khiển PID và PID Mờ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 19. Sai lệch quỹ đạo khớp 2 giữa bộ điều khiển PID và PID Mờ
Từ các kết quả trên, có thể đánh giá rằng trong trường hợp điều khiển mà không chịu sự tác động của yếu
tố bất định nào, đáp ứng điều khiển của bộ điều khiển PID và PID Mờ cho kết quả gần giống nhau. Tuy
nhiên, bộ điều khiển mờ bám sát quỹ đạo và biên độ dao động nhỏ hơn so với so với bộ điều khiển PID.
5.1.2 Khi tín hiệu đặt cho các khớp có giá trị thay đổi đột ngột trong thời gian ngắn, ở đây có thể coi
là một yếu tố bất định.
Đặt giả xử phải điều khiển Robot trong một môi trường chịu tác động của những yếu tố bất định như phải
mang thêm tải (thay đổi về khối lượng), các tín hiệu đặt thay đổi đột ngột với biên độ lớn trong thời gian
ngắn.
Hình 20 Yếu tố bất định được xét đến trong quá trình điều khiển: Khối lượng khâu 1 và khâu 2 thay đổi
theo thời gian
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 21. Sai lệch quỹ đạo khớp 1 giữa bộ điều khiển PID và PID Mờ khi chịu tác động của việc thay
đổi khối lượng robot khi làm việc
Hình 22. Sai lệch quỹ đạo khớp 2 giữa bộ điều khiển PID và PID Mờ khi chịu tác động của việc thay
đổi khối lượng robot khi làm việc
Trong trường hợp này ta quan sát thấy bộ điều khiển Mờ cho đáp ứng điều khiển tốt hơn hẳn bộ điều khiển
PID. Khi các yếu tố bất định tác động vào Robot trong quá trình điều khiển như khối lượng các khâu thay
đổi, tín hiệu đặt thay đổi với biên độ khác nhau trong khoảng thời gian ngắn, bộ điều khiển PID không đáp
ứng được và chất lượng không tốt. Vì các thông số đã được tính toán và chỉ hoạt động tốt trong một số điều
kiện nhất định. Đối với bộ điều khiển PID Mờ, tùy thuộc vào tín hiệu vào mà bộ điều khiển lựa chọn các
thông số phù hợp nhất để tín hiệu điều khiển đạt kết quả tốt.
6 THI CÔNG MÔ HÌNH VÀ KẾT QUẢ THỰC NGHIỆM

6.1 Sơ đồ phần cứng và mô hình thực tế
Để kiểm chứng kết quả nghiên cứu, một mô hình Robot 2 bậc tự do được xây dựng dựa trên các thông số
và cấu hình đã thiết kế. Sơ đồ phần cứng điều khiển Robot gồm các thành phần như sau: máy tính đóng vai
trò điều khiển trung tâm; card giao tiếp điều khiển PCI 6221 NI (National Instrument) giao tiếp qua khe
cấm PCI Express của máy tính giúp giao tiếp, điều khiển thời gian thực (real-time); bộ lái driver ZR5002
điều khiển động cơ DC servo; động cơ DC Faulhaber Minimotor 3042W024C; Encoder HEDL-5540 # I06
là Encoder được tích hợp vào động cơ DC Faulhaber.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 23. Sơ đồ phần cứng điều khiển của Robot 2-DOF
Hình 24. Hình ảnh mô hình Robot 2 bậc tự do
Cánh tay Robot 2-DOF bao gồm hai khâu có chiều dài l1 và l2 được thiết kế ở dạng khớp xoay.
Khoảng cách từ các trục quay đến tâm khối là lc1 và lc 2 . Khối lượng tương ứng của từng khâu là
m1 và m2 . Các chi tiết của Robot được gia công từ vật liệu nhôm giúp cho mô hình có độ bền và
hoạt động linh hoạt. Các thông số của Robot được tổng hợp trong Bảng 2.
Bảng 3. Các thông số vật lý của Robot 2 bậc tự do
Mô tả Kí hiệu Số liệu Đơn vị
Chiều dài khâu 1 l1 0.12 m
Chiều dài khâu 2 l2 0.12 m
Khoảng cách khối tâm khâu 1 lc1 0.06 m
Khoảng cách khối tâm khâu 2 lc 2 0.06 m
Khối lượng khâu 1 m1 0.1 kg
Khối lượng khâu 2 m2 0.1 kg
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
6.2 So sánh kết quả thực nghiệm đáp ứng giữa bộ điều khiển dùng PID và bộ điều khiển PID Mờ
6.2.1 Khi không có yếu tố bất định, tín hiệu vào là các dữ liệu nội suy cho góc quay từ quĩ đạo elip
Hình 27. Sai lệch quỹ đạo khớp 2 giữa bộ điều khiển P ID và PID Mờ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
6.2.2 Khi thay đổi khối lượng cho khâu chấp hành cuối bằng cách gắn thêm tải mang
Ta cho Robot hoạt động trong môi trường chịu tác động của những yếu tố bất định như phải mang thêm tải
(thay đổi về khối lượng khâu chấp hành cuối), quan sát và đánh giá kết quả.
Hình 28. Thêm tải cho khâu chấp hành cuối của Robot
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Để kiểm tra hiệu quả của bộ điều khiển PID Mờ, ta cho Robot bám đuổi các quỹ đạo đặt trước và so sánh,
đánh giá đáp ứng điều khiển của 2 bộ điều khiển PID và PID Mờ. Do kết quả khó có thể đánh giá chính xác
qua quan sát trực tiếp nên ta thực hiện so sánh định lượng, để so sánh kết quả đáp ứng giữa 2 bộ điều khiển
khi bám đuổi quỹ đạo mong muốn. Công thức sai số toàn phương trung bình (MSE) như sau:
T0c e 2 (t )dt
AE = Tc 2 (21)
 0 T (t )dt
Bảng 4 So sánh định lượng các trường hợp thực nghiệm với mô hình Robot
Bộ điều khiển PID Bộ điều khiển PID Mờ

1 2 1 2
Không có yếu
tố bất định
Lần 1 1.4025 10−5 4.7528 10 −6 1.7033 10 −6 4.2220  10−7
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Lần 2 1.4025 10−5 4.7528 10 −6 1.7033 10 −6 4.2220  10−7

Có yếu tố bất Lần 1 3.2192 10 −5 1.1660  10−5 3.2561 10−6 6.5035 10 −7
định (tải mang
m=0.5 kg) Lần 2 3.2192 10 −5 1.1660  10−5 3.2561 10−6 6.5035 10 −7
Từ các kết quan sát được và dựa vào sai số định lượng, có thể đánh giá rằng trong trường hợp điều khiển
mà không chịu sự tác động của yếu tố bất định nào, đáp ứng điều khiển của bộ điều khiển PID và PID Mờ
cho kết quả gần giống nhau. Tuy nhiên, bộ điều khiển mờ bám sát quỹ đạo và biên độ dao động nhỏ hơn so
với so với bộ điều khiển PID. Khi có sự tác động của yếu tố bất định, ở đây là tải mang, đáp ứng điều khiển
của cả hai bộ điều khiển trên đều bị suy giảm. Tuy nhiên, đáp ứng của bộ điều khiển mờ đạt chất lượng tốt
hơn so với so với bộ điều khiển PID.
Bên cạnh đó khi tải mang có khối lượng lớn thì bộ điều khiển PID không thể tiếp tục bám đuổi quỹ đạo,
trong khi đó bộ điều khiển PID Mờ cho chất lượng điều khiển thấp. Do đó, để bộ điều khiển Mờ có thể cho
chất lượng điều khiển tốt hơn đối với nhiều trường hợp tải mang cần xác định được khối lượng của tải và
thêm biến vào của bộ Mờ là khối lượng tải.
7 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Qua việc xây dựng bộ điều khiển bám đuổi quỹ đạo cho trước của Robot 2-DOF. Kết quả cho thấy chất
lượng của bộ điều khiển PID Mờ tốt hơn hẳn bộ điều khiển PID thông thường khi đối tượng hoạt động
trong môi trường có các yếu tố bất định. Việc thiết kế bộ điều khiển Mờ cho thấy tính vượt trội hơn hẳn do
không phụ thuộc vào đặc điểm mô hình đối tượng. Do đó, việc thiết kế bộ điều khiển trở nên dễ dàng hơn
kể cả đối với những đối tượng phức tạp. Đồng thời, kinh nghiệm của người thiết kế có thể được tích hợp
vào trong bộ điều khiển thông qua quá trình xây dựng hàm liên thuộc và luật mờ trong quá trình thiết kế.
Do điều kiện về thời gian, cơ sở vật chất nên bài báo còn hạn chế. Tuy nhiên, từ các kết quả và đánh giá đã
cho thấy hiệu quả của bộ điều khiển Mờ so với bộ điều khiển thông thường. Việc phát triển từ cơ sở lý
thuyết thành mô hình thực tế rất hữu ích và có khả năng ứng dụng cao trong giảng dạy phòng thí nghiệm
các chuyên ngành về Robot. Đồng thời, kết quả nghiên cứu là cơ sở để phát triển các thuật toán điều khiển
một cách đa dạng và áp dụng cho các hệ Robot y sinh.

[1] G. M. T. S. Arun jayakar, "Mathematical Modelling and Robust PID Controller," An International Journal, no.
4, pp. 561-567, 2019.
[2] L. A. Zadeh, "Fuzzy sets," vol. 8, p. 338–353, 1965.
[3] T. P. a. Y. S. K. Babu, "Fuzzy logic speed control of three phase induction motor drive. Int. Journal of Electrical
and Computer Engineering," Int. Journal of Electrical and Computer Engineering, vol. 5, no. 12, pp. 1774-
1778, 2011.
[4] M. A. H. a. W. F. F. Badran M. A., "Fuzzy logic based speed control system for three phase induction motor,"
“Eftimie Murgu” Resita, no. ISSN 1453 – 7397, pp. 17-26, 2013.
[5] R. A. T. a. M. M. K. Patil A. M., "A fuzzy based approach for PWM inverter fed induction motor V/f speed
control," IOSR Journal of Electrical and Electronics Engineering, vol. 9, no. 6, pp. 18-24, 2014.
[6] S. Y. Kevin M. Passino, Fuzzy Control, Mexico City: Addison-Wesley, 1998.
[7] M. P. K. X. J. C. S. Z. Kaiyang Yin, "Fuzzy iterative learning control strategy for powered ankle prosthesis,"
International Journal of Intelligent Robotics and Applications, pp. 123-130, 2018.
[8] H. T. Hoàng, "Bài giảng môn Điều khiển thông minh," Trường Đại Học Bách Khoa Tp.HCM.
[9] H. C. M.-K. D. H. Z. Huu-Toan Tran, "Fuzzy-based Impedance Regulation for Control of," International
Conference on Robotics and Biomimetics, pp. 986-992, 2014.
[10] T. H. Toàn, "Bài giảng môn Robot và điều khiển hồi tiếp," Trường Đại Học Công Nghiệp Tp.HCM.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.228
THIẾT KẾ VÀ THI CÔNG MÔ HÌNH ĐIỀU KHIỂN VẬN TỐC ĐỘNG CƠ

ĐỒNG BỘ NAM CHÂM VĨNH CỬU DỰA TRÊN HƯỚNG TỪ THÔNG
ĐOÀN VĂN HÒA1, PHẠM MINH NHẬT1, NGUYỄN TẤN HUY1, TÔ NGỌC DUY1
1
Khoa Công Nghệ Điện, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh
duyto0073@gmail.com, nguyentanhuy1402@gmail.com, sokka9991@gmail.com,
doanaidan167@gmail.com
Tóm tắt. Động cơ đồng bộ nam châm vĩnh cửu được sử dụng ngày càng nhiều trước yêu cầu nâng cao
hiệu suất và chất lượng điều khiển của các hệ thống truyền động. Bài báo đề xuất một mô hình thí nghiệm
điều khiển tốc độ động cơ đồng bộ nam châm vĩnh cửu có thiết kế theo kiểu module. Thiết kế mới cho phép
thuận tiện trong kiểm tra phát hiện lỗi cũng như thay thế các khối chức năng và thay đổi công suất cho các
truyền động động cơ đồng bộ nam châm vĩnh cửu. Hướng thiết kế đề xuất nâng cao tính linh hoạt của mô
hình thí nghiệm so với các mô hình được sản xuất bởi các nhà sản xuất trước đây. Kết quả thực nghiệm
điều khiển theo phương pháp điều khiển dựa vào hướng từ thông cho thấy tính hiệu quả, linh hoạt, dễ tiếp
cận của mô hình được đề xuất.
Từ khóa. Động cơ đồng bộ nam châm vĩnh cửu, điều khiển vận tốc, điều khiển dựa vào hướng từ thông.
DESIGN AND BUILD OF PMSM SPEED CONTROL MODULE BASED ON FOC

ALGORITHM
Abstract. Permanent magnet synchronous motors are increasingly used in response to the need to improve
the performance and control quality of drive systems. The paper proposes a PMSM speed control model
with a modular design. The new design allows convenient fault detection and function block replacement
and capability change for PMSM drives. The proposed design direction enhances the flexibility of the
experimental model compared to models produced by previous manufacturers. The experimental results of
the control method based on the magnetic flux direction show the effectiveness, flexibility, and accessibility
of the proposed model.
Keywords. Permanent magnet synchronous motors, speed control, Field-Oriented Control.
1 GIỚI THIỆU
Động cơ đồng bộ nam châm vĩnh cửu (Permanent magnet synchronous motors – PMSM) được đề xuất và
phát triển vào những năm 50 của thế kỷ trước [1], khi nam châm vĩnh cửu được sản xuất hàng loạt với giá
rẻ dần [2]. Nhiều phương pháp điều khiển vận tốc PMSM được đề xuất trong thời gian gần đây như điều
khiển theo phương pháp điều khiển dựa trên vector từ thông (Field-Oriented Control – FOC) [3][4][5], theo
phương pháp điều khiển mô men trực tiếp (Direct Torque Control – DTC) [6][7], điều khiển theo phương
pháp dự báo mô hình [8][9] đều đi kèm với các mô hình điều khiển cụ thể để đánh giá hiệu quả các thuật
toán được đề xuất trong các nghiên cứu này.
Ngoài ra, các nhà sản xuất linh kiện và sản xuất các bộ điều khiển số (Digital Signal Processor – DSP) đều
đề xuất các thuật toán, các chương trình điều khiển nhằm giúp nhà sản xuất thiết bị cuối có khả năng tiếp
cận nhanh hơn các bộ điều khiển mới, giúp các nhà sản xuất thiết bị gốc (Original Equipment Manufacturers
– OEM) tiết kiệm được nhiều thời gian, chi phí nghiên cứu phát triển và nhanh chóng đưa sản phẩm ra thị
trường tiêu thụ. Một số nhà sản xuất DSP điển hình có thể kể đến là Texas Instruments [10], Microchip
[11], National Instruments [12], STMicroelectronics [13]. Các nghiên cứu này mở ra khả năng tiếp cận tốt
hơn cho sinh viên và các nhà nghiên cứu thực hiện các thuật toán mới trong điều khiển PMSM.
Với yêu cầu ngày càng cao trong các bộ truyền động điện về tăng hiệu suất, tăng mật độ công suất, giảm
kích thước, giảm chi phí bảo trì bảo dưỡng của các nhà sản xuất thiết bị dùng cuối, các động cơ PMSM
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
được sử dụng ngày càng rộng rãi. Tuy nhiên, khác với các động cơ thông thường như động cơ không đồng
bộ (Alternative Current Induction Motors – ACIM) hay động cơ điện một chiều, các động cơ PMSM buộc
phải có các bộ điều khiển đi kèm để có thể thay đổi vận tốc linh hoạt. Điều này gây nhiều khó khăn cho
sinh viên khi nghiên cứu về loại động cơ này khi mà các nhà sản xuất thường đóng gói chúng trong một
hộp kín, các tín hiệu điều khiển hay tín hiệu công suất vào ra đều rất khó thu thập do bị ẩn đi trong mạch.
Với nhu cầu tạo thuận lợi cho các sinh viên và nhà nghiên cứu liên quan tiếp cận các phần cứng để thuận
tiện trong việc tìm hiểu nguyên lý hoạt động, cách thức điều khiển và các thuật toán điều khiển PMSM, bài
báo đề xuất xây dựng mô hình điều khiển vận tốc PMSM với khả năng cho phép tiếp cận và đo đạc các
thông số điện áp trên các linh kiện trong mạch. Mô hình sẽ giúp việc học trở nên thực tế và dễ hiểu hơn khi
có sự minh họa các quá trình vận hành thực tế.
Việc xây dựng một mô hình thực nghiệm được thực hiện dựa trên việc nghiên cứu và thực hiện lại một
nguyên lý điều khiển vận tốc PMSM được đề xuất bởi các nhà phát triển các hệ thống điều khiển như Texas
Instruments, Microchip, National Instruments.
Cùng với xu hướng sử dụng PMSM trong công nghiệp và dân dụng của thế giới, các nhà máy và thiết bị sử
dụng các bộ truyền động điện cũng ngày càng chú ý và sử dụng trong sản xuất và sinh hoạt. Tuy nhiên các
nghiên cứu về bo mạch điều khiển hầu như không được phát triển đúng mức mà chỉ dừng lại ở việc mua về
và sử dụng các mô hình đánh giá của các hãng như đã đề cập trên.
Ưu điểm của việc đi mua mô hình của nước ngoài là tiết kiệm được thời gian, công sức và tài chính khi so
sánh với việc phải tự thực hiện mô hình phần cứng từ đầu. Tuy nhiên, việc sử dụng các cấu trúc có sẵn, với
các cấu trúc bên trong khó tiếp cận sẽ làm cho việc nghiên cứu không được đầy đủ thông tin và các hiện
tượng hay cách thức vận hành của các linh kiện bên trong. Do đó, việc nghiên cứu chỉ dừng lại ở các mô
hình cắm chạy chứ chưa đi sâu vào phân tích các tiến trình vận hành và hoạt động của các bộ phận bên
trong một bộ điều khiển.
Các mô hình thí nghiệm điều khiển PMSM được thực hiện gần đây làm cho việc tiếp cận và tìm hiểu nguyên
tắc hoạt động, các quá trình dòng áp của các linh kiện và bộ phận trở nên khó khăn khi không thể xâm nhập
sâu vào quá trình hoạt động của các khối chức năng.
Dựa trên các tồn tại hiện nay trong việc tiếp cận các mô hình học tập và nghiên cứu về điều khiển vận tốc
PMSM đã phân tích ở trên. Việc thi công một mô hình học tập PMSM có tính cấp thiết rất lớn khi nó trở
thành công cụ trực quan, có thể đi sâu tìm hiểu đo đạt vào từng khối chức năng, từng linh kiện. Điều này là
rất quan trọng khi sinh viên đi làm thực tế về các bộ điều khiển.
Ngoài ra, với cấu trúc của một bộ nghịch lưu ba pha điển hình, mô hình cũng giúp cho việc nghiên cứu các
nguyên lý điều khiển công suất trong các bộ nghịch lưu nối lưới và các máy phát điện phân tán được trực
quan hơn.
Các phần còn lại của bài báo được bố trí với phần 2 là mô tả toán học và trình bày phương pháp điều khiển
FOC cho động cơ PMSM. Phần 3 trình bày chức năng và cách thức xây dựng các khối chức năng trong mô
hình điều khiển tốc độ động cơ PMSM. Phần 4 trình bày về một số kết quả điều khiển tốc độ động cơ. Phần
5 là kết luận của bài báo.
2 ĐIỀU KHIỂN VẬN TỐC ĐỘNG CƠ PMSM DỰA TRÊN TỪ THÔNG

2.1 Mô hình toán động cơ PMSM
Theo đề xuất của Mohan trong [14], phương trình (49) và (50) cho thấy mối quan hệ giữa điện áp stato,
dòng điện stato và tốc độ rôto. Hệ tọa độ dq được tính toán thông qua phép biến đổi Park, dẫn đến việc
chuyển đổi từ không gian ba chiều abc sang không gian hai chiều dq với các giá trị gần như không đổi.
i
vd = RS id + Ld d − P.m .Lq .iq (49)
dt
iq
vq = RS iq + Lq + P.m .Ld .id + P.m . pm (50)
dt
Đối với vd, vq, id và iq lần lượt là điện áp và dòng điện thành phần trên trục dq. Ld và Lq là độ tự cảm của
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
cuộn dây stato trong hệ tọa độ dq, λpm là liên kết từ thông của nam châm vĩnh cửu trên rôto, RS là điện trở
của cuộn dây, ω là tốc độ rôto và P là số cặp cực.
Khi phân tích động cơ ở trạng thái tĩnh, dòng điện biến thiên bằng không; phương trình điện áp được viết
lại (51) và (52).
vd = RS id − P.m .Lq .iq (51)
vq = RS iq + P.m .Ld .id + P.m . pm (52)
Mômen điện từ được xác định bởi (53)
3
( ( )
Te = .P  pmiq + Ld − Lq .iq id
2
) (53)
Theo Định luật II Newton về chuyển động quay, gia tốc quay của rôto được xác định bởi (54)
d m 1
= (Te − TL − Fm ) (54)
dt J
Với:
J: Hệ số quán tính liên kết của động cơ và tải trên trục động cơ.
F: Hệ số ma sát quay tổng hợp của rôto và tải.
TL: Mômen tải.
ωm: Vận tốc góc của rôto (tốc độ cơ học)
2.2 Điều khiển vận tốc động cơ PMSM dựa trên FOC
Điều khiển định hướng trường được phát minh vào đầu những năm 1970 và nó chứng minh rằng động cơ
cảm ứng hoặc động cơ đồng bộ có thể được điều khiển giống như động cơ DC kích thích riêng biệt theo
hướng của sức điện động stator hoặc vector dòng điện liên quan đến dòng rotor để đạt được mục tiêu mong
muốn. Dựa trên phương pháp FOC truyền thống, một số phương pháp điều khiển FOC cải tiến được đề
xuất trong [15][16][17]
Điều khiển định hướng trường thường đề cập đến các bộ điều khiển duy trì góc điện 90o giữa các thành
phần của rotor và stator. Các hệ thống khởi hành từ hướng 90o được gọi là điều khiển góc từ trường hoặc
điều khiển góc rotor.
Hình 1: Sơ đồ khối phương pháp điều khiển FOC

Điều khiển FOC bao gồm kiểm soát các dòng stato được biểu diễn bằng một vectơ. Điều khiển này dựa
trên các phép chiếu chuyển đổi hệ thống phụ thuộc thời gian ba pha và tốc độ thành hai hệ thống bất biến
thời gian phối hợp (hệ trục tọa độ dq). Những chuyển đổi này dẫn đến một cấu trúc điều khiển tương tự như
cấu trúc điều khiển kích từ song song của động cơ điện một chiều. Các máy điện được điều khiển định
hướng trường cần hai hằng số làm tham chiếu đầu vào: thành phần mô-men xoắn (phù hợp với trục q) và
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
thành phần thông lượng (phù hợp với trục d). Khi điều khiển trường định hướng chỉ đơn giản dựa trên các
phép chiếu, cấu trúc điều khiển xử lý các đại lượng điện tức thời. Điều này làm cho điều khiển chính xác
trong mọi hoạt động làm việc (trạng thái ổn định và thoáng qua) và độc lập với mô hình toán học băng
thông hạn chế. Sơ đồ khối nguyên lý điều khiển động cơ PMSM dựa trên phương pháp định hướng trường
được thể hiện trong Hình 1.
Do đó, FOC giải quyết các vấn đề sơ đồ cổ điển, theo các cách sau:
• Dễ dàng đạt được tham chiếu liên tục (thành phần mô-men xoắn và thành phần thông lượng của dòng
stato).
• Dễ dàng áp dụng điều khiển mô men trực tiếp bởi vì trong khung tham chiếu (d, q) biểu hiện của mô-
men xoắn bằng cách duy trì biên độ của dòng rotor tại một giá trị cố định, một mối quan hệ tuyến tính giữa
mô-men xoắn và mô-men xoắn thành phần. Sau đó có thể điều khiển mô-men xoắn bằng cách điều khiển
mô-men thành phần của vector dòng stato.
3 THIẾT KẾ VÀ THI CÔNG CÁC KHỐI CHỨC NĂNG TRONG BỘ ĐIỀU KHIỂN
3.1 Sơ đồ khối bộ điều khiển vận tốc động cơ PMSM
VDC
Ia PWM1 GS1
Va
Ib PWM2 GS2
Ic VI PWM3 BỘ GS3 BỘ
Vdc ĐIỀU PWM4 NGHỊCH GS4 NGHỊCH Vb PMSM
KHIỂN LƯU LƯU
θm PWM5 GS5
Vc
PWM6 GS6
θm
Ia Ib Ic
Hình 2: Nguyên lý bộ thí nghiệm điều khiển vận tốc PMSM theo FOC
Dựa trên nguyên lý điều khiển vận tốc PMSM dựa trên FOC ở trên, nguyên lý kết nối của bộ điều khiển
vận tốc PMSM theo FOC được đề xuất như trên Hình 2. Bộ điều khiển bao gồm 4 khối chính là khối vi
điều khiển, khối kích IGBT, khối nghịch lưu và khối động cơ. Chức năng và thiết kế các khối được đề xuất
chi tiết trong các phần sau.
3.2 Khối vi điều khiển
Hình 3: Hình ảnh bộ vi điều khiển
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Khối vi điều khiển có nhiệm vụ thực thi thuật toán điều khiển vận tốc động cơ theo FOC như thể hiện trong
Hình 3. Để thực hiện được nhiệm vụ này, bộ điều khiển ghi nhận các thông tin cơ bản thu nhận được từ mô
hình công suất là dòng điện trên các đầu cuộn dây stator, vị trí góc rotor, điện áp trên thanh cái DC. Dựa
vào các thông số này, vận tốc động cơ được xác định bằng đạo hàm của vị trí rotor, dòng điện các thành
phần dq được xác định bằng biến đổi Park. Thông qua các bộ điều khiển PI dòng điện và vận tốc, điện áp
tham chiếu cấp cho động cơ được xác định thông qua các xung PWM có độ rộng xung thích hợp.
Để thực hiện chức năng điều khiển, nhóm nghiên cứu đề xuất sử dụng TMS320F28379D làm vi điều khiển
của mô hình [18]. TMS320F28379D có khả năng giao tiếp với bộ encoder tuyệt đối cũng như bộ phân giải
và đầu dò SINCOS tích hợp. Điều này cho phép tính toán được thực hiện nhanh và chính xác cao hơn.
Ngoài ra, với tần số xung clock cao hơn (200 MHz) và có thêm hai bộ tính toán số lọc (LCU) tích hợp bên
trong, TMS320F28379D cho phép tăng khả năng điều khiển đa động cơ hơn so với các dòng vi điều khiển
trước đây (TMS320F28305 và TMS320F28335).
3.3 Khối nguồn DC
Để có khả năng cấp công suất cho mạch nghịch lưu hoạt động, một bộ chỉnh lưu được đề xuất. Mạch chỉnh
lưu cầu 1 pha có thể đưa điện áp ngõ ra bộ chỉnh lưu không điều khiển lên mức 300Vdc. Nhằm tạo khả
năng đưa điện áp sau chỉnh lưu lên giá trị 250Vdc định mức, ngõ vào bộ chỉnh lưu được kết nối với một
Variac có khả năng giảm áp đầu ra.
Hình 4: Nguyên lý bộ chỉnh lưu cấp nguồn DC cho bộ nghịch lưu

3.4 Khối mạch kích
Các MOSFET phải được kích bằng điện áp cao thì mới dẫn bão hòa được. Để làm được điều này, một mạch
kích được xây dụng giữa VĐK và bộ công suất. Mạch kích có nhiệm vụ nhận xung kích từ VĐK có điện
áp thấp (3.3V) thành điện áp cao (12V).
Hình 5: Kết nối mạch kích IGBT

Nhằm đảm bảo an toàn khi làm việc với điện áp cao của các nguồn công suất ngõ vào và ngõ ra, mạch kích
đã sử dụng OPTO TLP350 làm IC cách ly. Kết hợp nguồn cách ly 12Vdc từ IC B1212S-1W của hãng
Mornsun sẽ đủ công suất và cấp điện áp cần thiết kích dẫn và kích ngắt MOSFET trong khối công suất.
Nguyên lý và kết nối khối mạch kích của một IGBT được đề xuất như trong 5. Trong mô hình bao gồm 6
mạch kích độc lập nhau. Mỗi nguồn được cấp công suất ngõ ra độc lập. Điều này cho phép nâng cao độ
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
linh hoạt trong hoạt động của mạch kích, hoàn toàn không phụ thuộc cấu trúc của mạch công suất phía sau.
Đây là ưu điểm cho phép mô hình có thể dễ dàng nâng cấp, thay thế hay chỉnh sửa khi có nhu cầu thay đổi
công suất, cách thức hoạt động của mạch nghịch lưu sau này.
3.5 Khối mạch nghịch lưu
Khối nghịch lưu 6 khóa được thiết kế nhằm chuyển điện áp một chiều từ thanh cái DC sang điện áp xoay
chiều ba pha đối xứng đặt vào đầu các cuộn dây stator của PMSM. Sơ đồ kết nối của bộ nghịch lưu được
thể hiện như trong Hình 6Error! Reference source not found.. Với nhu cầu tải là 750W tại cấp điện áp
250Vdc, dòng điện tính toán được rơi vào khoảng 3A dòng điện liên tục, FQPF12N60C (với
VDS_max=600Vdc và IDS_max =12A) được chọn thi công mạch nghịch lưu.
Hình 6: Sơ đồ nguyên lý của bộ nghịch lưu
4 KẾT QUẢ THI CÔNG VÀ ĐIỀU KHIỂN VẬN TỐC ĐỘNG CƠ PM

4.1 Kết quả thi công mô hình
Dựa trên thiết kế đề xuất trong mục 3, mô hình bộ thí nghiệm điều khiển vận tốc PMSM dựa trên FOC
được xây dựng lên như thể hiện trong Hình 7 ở mặt trước và Hình 8 ở mặt sau của bộ thí nghiệm.
Kết nối mô hình điều khiển theo kiểu module cho phép bộ thí nghiệm có khả năng nâng cấp công suất khi
có nhu cầu hay có thể thay đổi mạch kích cũng như mạch điều khiển một cách linh hoạt và đơn giản.
Hình 7: Hình ảnh mặt trước của bộ thí nghiệm
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 8: Hình ảnh mặt sau của bộ thí nghiệm
4.2 Kết quả điều khiển vận tốc PMSM
Hình 9: Vận tốc động cơ PMSM khi chạy với vận tốc tham chiếu 0.3pu
Trong quá trình thực nghiệm điều khiển động cơ PMSM không cảm biến với bộ quan sát chế độ trượt cải
tiến, hai trường hợp thực nghiệm được ghi nhận và thu thập dữ liệu vận tốc đó là khi vận tốc động cơ giữ
nguyên trong suốt quá trình vận hành và khi vận tốc động cơ thay đổi theo tín hiệu điều khiển bên ngoài.
Trong cả hai trường hợp trên thì động cơ luôn có khoảng thời gian khởi động ban đầu với việc chạy vòng
hở để khởi động bộ quan sát. Qua khoảng thời gian này thì vận tốc động cơ được điều chỉnh nhanh về giá
trị tham chiếu được cài đặt.
Kết quả ghi nhận vận tốc động cơ khi hoạt động với trường hợp vận tốc tham chiếu là 900 rpm (0.3 p.u.)
được ghi nhận như trong Hình 9. Qua kết quả thu được có thể nhận thấy rằng vận tốc động cơ đã được giữ
tại vận tốc tham chiếu. Điều này chứng tỏ bộ quan sát đã xác định chính xác hướng từ thông rotor và điều
khiển nó quay cùng với vận tốc tham chiếu cài đặt sẵn. Khi vận hành không tải như trong thí nghiệm, dòng
điện qua các cuộn dây thường rất nhỏ. Điều này làm cho nhiễu trong đo lường và sai số tính toán sẽ tăng
lên. Đó là nguyên nhân làm cho kết quả ước lượng vận tốc động cơ có sự thay đổi liên tục giá trị.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Trong trường hợp có sự thay đổi vận tốc trong quá trình điều khiển, các mức vận tốc được cài đặt có sự
tăng giảm liên tục nhằm đánh giá khả năng bám theo vận tốc đặt trước của bộ điều khiển động cơ PMSM.
Cụ thể, động cơ được thay đổi tốc độ theo chu trình 0→0.3→0.4→0.5→0.3 (pu). Kết quả mô phỏng được
đưa ra như trong Hình 10. Qua hình này có thể nhận thấy rằng khi điều khiển động cơ tăng tốc từ 0 lên vận
tốc 0.3 pu trong trường hợp không tải, quá trình khởi động động cơ khá nhanh, không có sự giảm tốc nào,
chứng tỏ động cơ khởi động khá mượt, không có vọt lố trong khởi động chứng tỏ khả năng bắt bám vận tốc
khá tốt. Trong giai đoạn ổn định thì vận tốc dao động nhiều và giữ ổn định vận tốc theo yêu cầu. Trong quá
trình thay đổi vận tốc điều khiển, nhận thấy rằng sau thời gian quá độ thì vận tốc vẫn bám tốt theo vận tốc
đặt trước.
Hình 10: Vận tốc động cơ PMSM khi chạy với vận tốc tham chiếu thay đổi
Trong Hình 11 thể hiện dạng sóng tín hiệu kích cho bộ nghịch lưu. Giá trị ghi nhận được lấy từ ngõ ra bộ
DAC trong LAUNCHXL-F28379D. Do bộ ADC không xuất được giá trị âm nên để xuất được giá trị điều
khiển này thì tín hiệu được nâng áp thêm 1.65 V.
Hình 11: Dạng sóng điện áp điều khiển theo hệ trục tọa độ α
5 KẾT LUẬN
Bài báo đã thiết kế và thi công thành công một mô hình điều khiển vận tốc động cơ PMSM dựa trên FOC.
Các kết quả thu được cho thấy mô hình đã hoạt động theo như yêu cầu là điều khiển được vận tốc động cơ
theo vận tốc tham chiếu cho trước. Kết hợp với thiết kế mô hình điều khiển được thiết kế theo kiểu module
cho phép sinh viên và nhà nghiên cứu có quan tâm có thể dễ dàng tiếp cận nghiên cứu, tìm hiểu về nguyên
lý hoạt động và điều khiển vận tốc PMSM. Ngoài ra, cấu trúc module cũng thuận tiện trong nâng cấp công
suất mạch nghịch lưu, thay thế linh kiện khi có nhu cầu. Mô hình thi công chỉ có chức năng cơ bản như
trên. Hướng nghiên cứu tiếp theo của bài báo sẽ là cải tiến thêm các chức năng bảo vệ quá áp, quá dòng,
chống trùng dẫn để nâng cao chất lượng mô hình.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3

[1] M. A. Rahman, “History of interior permanent magnet motors,” IEEE Ind. Appl. Mag., vol. 19, no. 1, pp. 10–
15, Jan. 2013, doi: 10.1109/MIAS.2012.2221996.
[2] J. D. Livingston, “The history of permanent-magnet materials,” Jom, vol. 42, no. 2, pp. 30–34, 1990, doi:
10.1007/BF03220870.
[3] M. Marufuzzaman, M. B. I. Reaz, and M. A. M. Ali, “FPGA implementation of an intelligent current dq PI
controller for FOC PMSM drive,” ICCAIE 2010 - 2010 Int. Conf. Comput. Appl. Ind. Electron., no. Iccaie, pp.
602–605, 2010, doi: 10.1109/ICCAIE.2010.5735005.
[4] M. Abassi, A. Khlaief, O. Saadaoui, A. Chaari, and M. Boussak, “Performance analysis of FOC and DTC for
PMSM drives using SVPWM technique,” 16th Int. Conf. Sci. Tech. Autom. Control Comput. Eng. STA 2015,
pp. 228–233, 2016, doi: 10.1109/STA.2015.7505167.
[5] Y. Chen, F. Zhou, X. Liu, and E. Hu, “Online adaptive parameter identification of PMSM based on the dead-
time compensation,” Int. J. Electron., vol. 102, no. 7, pp. 1132–1150, Jul. 2015, doi:
10.1080/00207217.2014.966334.
[6] V. Repecho, D. Biel, and A. Arias, “Fixed Switching Period Discrete-Time Sliding Mode Current Control of a
PMSM,” IEEE Trans. Ind. Electron., vol. 65, no. 3, pp. 2039–2048, Mar. 2018, doi: 10.1109/TIE.2017.2745469.
[7] A. H. Abosh, Z. Q. Zhu, and Y. Ren, “Cascaded Direct Torque Control of Unbalanced PMSM with Low Torque
and Flux Ripples,” IEEE Trans. Power Electron., vol. 33, no. 2, pp. 1740–1749, 2018, doi:
10.1109/TPEL.2017.2683460.
[8] J. Liu, C. Gong, Z. Han, and H. Yu, “IPMSM Model Predictive Control in Flux-Weakening Operation Using an
Improved Algorithm,” IEEE Trans. Ind. Electron., vol. 65, no. 12, pp. 9378–9387, Dec. 2018, doi:
10.1109/TIE.2018.2818640.
[9] H. T. Nguyen and J. W. Jung, “Finite control set model predictive control to guarantee stability and robustness
for surface-mounted PM synchronous motors,” IEEE Trans. Ind. Electron., vol. 65, no. 11, pp. 8510–8519, 2018,
doi: 10.1109/TIE.2018.2814006.
[10] “TIDM-RM46XDRV8301KIT Three-Phase BLDC / PMSM Motor Drive with High-Performance
Microcontrollers Reference Design | TI.com.” https://www.ti.com/tool/TIDM-RM46XDRV8301KIT (accessed
Nov. 18, 2020).
[11] “motorBench Development Suite | Microchip Technology.” https://www.microchip.com/design-centers/motor-
control-and-drive/motorbench-development-auto-tuning (accessed Nov. 18, 2020).
[12] “LabVIEW FPGA Module - NI.” https://www.ni.com/en-vn/shop/software/products/labview-fpga-module.html
(accessed Nov. 18, 2020).
[13] “STEVAL-IHM040V1 - BLDC/PMSM driver demonstration board based on STM32 and the SLLIMM nanoTM
- STMicroelectronics.” https://www.st.com/en/evaluation-tools/steval-ihm040v1.html (accessed Nov. 18, 2020).
[14] N. Mohan and Ned Mohan, Advanced Electric Drives: Analysis, Control, and Modeling Using
MATLAB/Simulink. Hoboken, NJ, USA: John Wiley & Sons, Inc., 2014.
[15] J. Jacob and A. Chitra, “Field Oriented Control of Space Vector Modulated Multilevel Inverter fed PMSM Drive,”
Energy Procedia, vol. 117, pp. 966–973, 2017, doi: 10.1016/j.egypro.2017.05.217.
[16] X. Wang and N. Liu, “Simulation of PMSM Field-Oriented ControlBased on SVPWM,” 978-1-4244-2601-
0/09/$25.00 ©2009 Ieee, no. 4, pp. 1465–1469, 2009.
[17] P. Kumar, N. Kaushik, and S. Dahiya, “Simulation of sensor less speed control of PMSM based on FOC method
with MRAS adaptive speed estimator,” in 2013 Annual IEEE India Conference (INDICON), Dec. 2013, pp. 1–
5, doi: 10.1109/INDCON.2013.6726026.
[18] “LAUNCHXL-F28379D Development kit | TI.com.” https://www.ti.com/tool/LAUNCHXL-
F28379D?utm_source=google&utm_medium=cpc&utm_campaign=epd-c2x-null-prodfolderdynamic-cpc-pf-
google-
wwe&utm_content=prodfolddynamic&ds_k=DYNAMIC+SEARCH+ADS&DCM=yes&gclid=CjwKCAjwvM
qDBhB8EiwA2iSmPB46X4wTnD-0kB67O0F3tL6lzL-RH (accessed Apr. 11, 2021).
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
ID: YSC3F.229
MÔ PHỎNG QUÁ TRÌNH LÀM MÁT CƯỠNG BỨC TẤM PIN NĂNG LƯỢNG
MẶT TRỜI CÓ CÀI ĐẶT BỘ TẠO RỐI DÙNG PHẦN MỀM LABVIEW
MINH MAN PHAM 1, PHUOC DINH TRAN 1

1
Department of Mechanical Engineering, The University of Danang – University of Technology and
Education, 48 Cao Thang, Danang, Vietnam
pmman@ute.udn.vn
Abstract. During the summer season in Vietnam, when the weather is extremely hot, radiation from the
sun significantly increases the temperature difference between the upper and lower parts of solar panels,
making their heat resistance go beyond the limit level. Cooling is thus very important to maintain the
efficiency of solar cells. Modelling the process of cooling is crucial in providing insights into how this
process works and which cooling methods are effective. In this paper, we used LabVIEW software to model
the controlling and cooling of solar panels and evaluate their efficiency. During the cooling process, we
combined two sources which is water and air released by ventilators to produce turbulence flow. We
measured the temperature of solar panels and their energy efficiency during this combined cooling process.
Simulation results show that the surface temperature was in inverse proportion to the efficiency during the
integrated cooling process; the temperature decreased rapidly while the efficiency of solar panels increased
dramatically. When comparing our results with those obtained during water spray cooling and during air
forced cooling, we found that the efficiency of solar panels was significantly higher during the combined
cooling process than that achieved during the separate cooling processes.
Keywords. forced cooling, solar panels, turbulence flow, solar radiation, LabVIEW software
MODELLING SIMULATING FORCE-COOLING OF SOLAR PANELS SET-UP A

TURBULENCE MODEL USING LABVIEW SOFTWARE
Tóm tắt. Ứng dụng phần mềm Labview để thực hiện mô hình hóa quá trình điều khiển và làm mát cho
tấm pin năng lượng mặt trời và đánh giá hiệu quả làm việc của hệ thống ở các chế độ khác nhau là rất cần
thiết. Trong quá trình thực hiện, việc kết hợp hai nguồn làm mát là nước và khí thông qua quạt gió nhằm
tăng hiệu suất của cả hệ thống khi làm việc. Trong nghiên cứu và kết quả của bài báo trình bày việc làm
giảm nhiệt độ của tấm pin đảm bảo không vượt quá nhiệt độ định mức, bằng cách tăng dòng rối khi phun
nước kết hợp quạt gió trong khoảng thời gian bức xạ từ ánh sáng mặt trời làm quá nhiệt bề mặt nhằm tăng
hiệu quả của tấm pin. Kết quả mô phỏng suốt quá trình làm mát kết hợp cho thấy nhiệt độ tại bề mặt và
hiệu suất tỉ lệ nghịch, khi tăng cường làm mát cưỡng bức thì nhiệt độ giảm nhanh và hiệu suất tăng đáng
kể trong các giai đoạn làm mát và mô phỏng. Điểm mới được thể hiện rõ khi tăng cường làm mát khi kết
hợp phun nước và có quạt gió có thiết bị tạo dòng rối thì hiệu quả của tấm pin cao hơn nhiều so với từng
giai đoạn làm mát riêng lẽ.
Từ khóa. Làm mát cưỡng bức, tấm pin năng lượng mặt trời, dòng chảy rối, bức xạ mặt trời, phần mềm
labview.
GIỚI THIỆU
Khi sử dụng tấm pin năng lượng mặt trời để kết nối và cung cấp điện cho hệ thống của xe điện hoặc thiết
bị khi thời tiết nắng nóng, nhiệt độ và bức xạ của ánh sáng cho phép tác động trực tiếp lên tấm pin tạo ra
năng lượng nói chung. Trong thời gian 24h, thì có hơn 5h lấy được ánh sáng và nhiệt độ tốt nhất để cung
cấp cho tấm pin làm cho hiệu quả cung cấp năng lượng đạt hiệu suất cao nhất. Tuy nhiên, nhiều nghiên cứu
gần đây cho thấy: tại các nước sử dụng tấm pin khi chịu tác dụng với nhiệt độ lớn vượt mức cho phép làm
cho tuổi thọ của tấm pin giảm cùng với hiệu quả năng lượng cung cấp và hệ thống cũng giảm đáng kể. Một
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
số nghiên cứu [1,3] dùng ống dẫn nhiệt hoặc quạt gió để làm mát tấm pin tức thời nhằm cải thiện hiệu suất
pin đáng kể khi trời nắng nóng và nhiệt độ bề mặt tấm pin quá cao. Những nghiên cứu này họ cũng cho
thấy rằng: nhiệt độ và cường độ bức xạ ảnh hưởng lớn đến tấm pin làm cho hiệu suất của hệ thống cung
cấp năng lượng sử dụng tấm pin giảm đáng kể. Một số nghiên cứu khác [2,4] đánh giá ảnh hưởng những vị
trí có ánh sáng và nhiệt độ khác nhau theo khoảng cách địa lý tại các địa phương lắp đặt cũng có ảnh hưởng
từ nhiệt độ và bức xạ mặt trời khác nhau đến các tấm pin mặt trời dùng lưu trữ và cung cấp năng lượng.
Theo đánh giá tác động từ nhiệt độ và bức xạ mặt trời tại Việt Nam nói chung và khu vực miền Trung nói
riêng, cường độ bức xạ của mặt trời và nhiệt độ phát ra tại các bề mặt tấm pin khi trời nắng nóng vào mùa
hè là vượt mức. Việc làm mát nó để đảm bảo tăng tuổi thọ và giữ không giảm hiệu suất hoặc cải thiện hiệu
suất của hệ thống là rất cần thiết tại các khu vực khảo sát. Theo một số nghiên cứu tại các nước khác như
Mỹ, Anh, Hàn Quốc,.. được thể hiện trong các bài báo [6-10], thì họ cũng đã và đang tìm các giải pháp
dùng quạt khí, dùng chất lỏng giải nhiệt và dùng các loại vật liệu PCM để làm giảm nhiệt và tăng hiệu quả
tấm pin khi sử dụng lưu trữ và cung cấp trong hệ thống tái tạo năng lượng. Những nghiên cứu này họ cũng
tập trung vào một số giải pháp như làm mát bằng quạt gió, làm mát bằng ống nhiệt hoặc làm mát bằng phun
sương nước là một cách độc lập và chưa kết hợp. Với kỹ thuật kết hợp làm mát tấm pin để tăng hiệu quả
bằng cách giảm nhiệt độ khi bức xạ ánh sáng mặt trời quá lớn, nhóm đã thực hiện các phương án kết hợp
như sau: sử dụng quạt thông gió ở hai phương khác nhau, sử dụng nước làm mát kết hợp với quạt gió theo
hướng dòng chảy đối lưu để tăng khả năng trao đổi nhiệt và thời gian làm mát cần thiết cho pin. Kết hợp
với phần mềm Labview phiên bản phục vụ học tập, nhóm đã triển khai quá trình mô hình hóa và thực hiện
nghiên cứu để đưa ra kết quả phân tích các giai đoạn làm mát và điều khiển dựa trên lý thuyết trao đổi nhiệt
và tăng hiệu quả năng lượng khi cung cấp cũng như lưu trữ khi dùng pin năng lượng mặt trời trong hệ thống
năng lượng tái tạo. Ngoài ra, nhóm cũng định hình và đề xuất phát triển thiết bị tạo dòng chảy rối để tăng
hiệu quả trao đổi nhiệt khi làm mát cưỡng bức bằng quá trình kết hợp hai nguồn nhiệt đối lưu cho tấm pin
năng lượng mặt trời.
MÔ HÌNH HÓA QUÁ TRÌNH LÀM MÁT TẤM PIN MẶT TRỜI TRONG HỆ THỐNG
CUNG CẤP NĂNG LƯỢNG TÁI TẠO
Quá trình làm mát khi kết hợp quạt gió và có kết hợp ống nước
Hình 1 Mô tả quá trình làm mát cưỡng bức dùng hai cánh quạt và nước làm mát kết hợp bộ tạo dòng rối
cho hệ thống cấp nhiệt cưỡng bức để làm mát tấm pin mặt trời trong hệ thống cung cấp năng lượng tái tạo.
Trong điều kiện miền Trung và trường hợp mô phỏng đầu tiên là tại thành phố Đà Nẵng, nhiệt độ lúc trời
nắng nóng từ 8h sáng đến 4h chiều các ngày trong tuần tháng 4 (nhiệt độ trung bình ngoài trời là hơn 35oC).
Các thông số của tấm pin mặt trời trong quá trình mô hình hóa được thể hiện trong Bảng 1.
Bên trong mô hình có các nhiều chi tiết trong hệ thống như: bơm nước, hai quạt làm mát, tấm pin mặt trời,
bộ điều khiển cung cấp năng lượng, bộ pin lưu trữ điện, các đèn tải khi cần thiết, đèn halogen để thực hiện
chiếu sáng vào ban đêm,…Bên ngoài có kết hợp với các thiết bị điều khiển và bộ đo để tiến hành thí nghiệm
và thực nghiệm sau quá trình mô hình hóa như: cảm biến nhiệt, cảm biến quang, màn hình hiển thị, và phần
kết nối với phần mềm labview. Để thực hiện quá trình mô hình hóa, một số điều kiện được xét đến như:
nhiệt độ trung bình của môi trường, bức xạ mặt trời, nhiệt thải từ các thiết bị (được cách nhiệt), được đo và
xác định theo từng giai đoạn.
Bảng 1: Thông số kỹ thuật tấm năng lượng mặt trời
STT THÔNG SỐ BLD10W-36M ĐƠN VỊ

1 Công suất tối đa của pin 10 W
2 Sai số cho phép ±3 %
Điện áp tối đa làm việc trong hệ
3 17.5 V
thống
4 Dòng điện tối đa làm việc 0.58 V
5 Điện áp hở mạch 21.95 V
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
6 Dòng điện đoản mạch 0.65 A

7 Nhiệt độ tối đa cell pin 47 ± 2 °C
8 Điện áp tối đa 750 V
9 Khối lượng 1.15 Kg
10 Kích thước 350 x 280 x 17 mm
Hình 1: Quá trình làm mát kết hợp của tấm pin mặt trời trong hệ thống cung cấp năng lượng tái tạo
Mô hình hóa quá trình làm mát bằng phần mềm labview
Với điều kiện ban đầu khi làm mát cưỡng bức kết hợp ống nước trao đổi nhiệt và hai quạt gió có bộ tạo rối
được xem xét trong điều kiện thời tiết nắng nóng, nhiệt độ trung bình môi trường luôn lớn hơn 35oC. Nước
làm mát được phun lên bề mặt tấm pin mặt trời dưới 20oC với hai vòi phun phân tán. Điều kiện nguồn nhiệt
cung cấp từ bức xạ mặt trời là G = 4,3 kWh/m2. Nhiệt độ của các thiết bị phát ra được cách nhiệt tốt nhất,
bỏ qua các điều kiện về độ ẩm và áp suất để thực hiện quá trình mô hình hóa ban đầu. Thời gian thực hiện
quá trình làm mát là dưới 10 phút để kiểm soát tốc độ và thời gian làm cho tấm pin mặt trời hiệu quả nhất.
Cụ thể nhiệt độ kỳ vọng của tấm pin là cân bằng với nhiệt độ của môi trường sống cỡ 25oC.
Quá trình thực hiện mô hình hóa bằng labview được kết hợp phát triển dựa theo nguyên lý làm việc theo
từng giai đoạn với các giai đoạn như sau: (1) trước khi khởi động, ta nhập các thông số đầu vào phù hợp
theo yêu cầu, máy sấy sẽ được bật để cung cấp nhiệt độ đủ nóng hoặc duy trì ở môi trường cách nhiệt và
ổn định nhiệt và hệ thống tự động tắt máy sấy; (2) hệ thống quạt gió và bơm nước được tự động bật để làm
mát khi sử dụng các quạt gió, thay đổi tốc độ khi cần thiết và thổi nhanh luồng khí nóng ra bên ngoài; (3)
kết hợp bộ tạo dòng khí rối để làm mát và phun nước lên bề mặt và đo trong suốt quá trình thực hiện tại các
giai đoạn.
Cơ sở lý thuyết tính toán và mô phỏng
Hiệu quả năng lượng điện của quá trình thực hiện làm mát cưỡng bức bằng nước kết hợp quạt gió có bộ tạo
rối của hệ thống năng lượng mặt trời được xét đến thông qua các thống số hiệu suất, công suất, mối quan
hệ giữa cường độ dòng điện và hiệu điện thế I -V của tấm năng lượng mặt trời sử dụng trong hệ thống cung
cấp hoặc lưu trữ dùng năng lượng tái tạo. Trong đó một số thông số có thể được xây dựng dựa trên các cơ
sở lý thuyết như sau:
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 2: Sơ đồ tương đương của tấm pin mặt trời trong hệ thống lưu trữ năng lượng tái tạo.
Mối quan hệ giữ dòng điện I (A) và hiệu điện thế V (V) được thể hiện trong sơ đồ tương đương khi xét đến
các tấm pin mặt trời có thông số trong Bảng 1 như Hình 2. Dưới cường độ sáng khác nhau, bức xạ mặt trời
khác nhau, nhiệt độ khác nhau thì ta có công thức (1) tương đương như sau:
(𝑉+ 𝐼𝑅𝑠)𝑞
(𝑉+𝐼𝑅𝑠)
I = Iph – Is(𝑒 ( 𝐴𝑘𝑇
)
− 1) − 𝑅𝑆ℎ
(1)
Trong đó: Rs là điện trở nối tiếp và Rsh là điện trở song song, Is là dòng điện bão hòa và Iph là dòng quang
điện. q là hằng số điện tích electron bằng 1,60×10-19. k là hằng số Boltzman bằng 1,38 × 10 -23 (Joules /
Kelvin), A là hệ số chất lượng điốt (giá trị sản xuất, từ 1 đến 2) [5]. T là nhiệt độ tế bào quang điện (0K).
Khi xét điều kiện lý tưởng dưới tác dụng của một chùm ánh sáng có cường độ không đổi được xác định
theo công thức (2) và Rsh bằng vô cùng thì ta có:
𝑉𝑞
I = Iph – Is (𝑒 (𝐴𝑘𝑇) − 1) (2)
Khi xét đến nhiệt độ của tế bào quang điện được tính theo công thức (3)
𝑇 −20
T = 𝑟0.8 𝐺 + 𝑇𝑎 (3)
Trong đó: Tr: Nhiệt độ tế bào tham chiếu 250C, G là cường độ bức xạ tính bằng (kW/m2), Ta là nhiệt độ
môi trường (0C).
Dòng quang điện Iph phụ thuộc vào điều kiện thời tiết - nhiệt độ môi trường xung quanh Ta và sự chiếu xạ
G và có thể được tính theo công thức (4).
Iph =G[Iscr + Ki(T – Tr)] (4)
Trong đó Tr là nhiệt độ tham chiếu tính bằng đơn vị Kelvin thường bằng 25°C (298°K), T là nhiệt độ tế bào
quang điện tính bằng đơn vị Kelvin, Isct Dòng ngắn mạch ở nhiệt độ tham chiếu Tr, Ki là hệ số nhiệt độ của
dòng ngắn mạch, G là bức xạ mặt trời tính bằng kW/m2.
Một số thông số cần được xem xét như: dòng bảo hòa Is, công suất cực đại Pmax, hệ số lấp đầy FF cũng được
xác định theo các công thức (6,7,8).
𝑇𝑐 𝑞𝐸 1 1
Is = Irs(𝑇𝑟)3 𝑒𝑥𝑝 𝑒𝑥𝑝 ( 𝐾𝐴𝐺 (𝑇𝑟 − 𝑇𝑐
)) (5)
𝐼𝑠𝑐
Irs = 𝑞 (6)
𝑙𝑛 ( (𝑉 −1))
𝐴𝑘𝑇𝑐 𝑜𝑐
Pmp = Imp x Vmp (7)
𝑃𝑚𝑝 𝐼𝑚𝑝 𝑉𝑚𝑝
FF = 𝐼 = (8)
𝑠𝑐 𝑉𝑜𝑐 𝐼𝑠𝑐 𝑉𝑜𝑐
Trong đó: EG: năng lượng vùng cấm của chất bán dẫn. Với Irs có thể được tính toán từ dòng điện ngắn mạch
(Iscr) và (Vocr) ở điều kiện tiêu chuẩn và Pmax là điểm mà công suất của hệ thống sinh ra cao nhất, tại điểm
cong lớn nhất của đồ thị I - V. Khi sử dụng điều khiển sạc có điểm làm việc tại công suất cực đại, đây chính
là điểm mà điều khiển sạc cố gắng giữ để có được công suất tối đa.
Hiệu suất của tấm pin mặt trời là khả năng chuyển đổi từ bức xạ mặt trời thành điện. Được tính bằng tỷ lệ
phần trăm giữa năng lượng điện tối đa được tạo ra so với năng lượng ánh sáng chiếu tới trong công thức (8).
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
𝑃𝑚𝑝 𝐼𝑚𝑝 𝑉𝑚𝑝

ηmp = 𝑃𝑖𝑛
= 𝐺.𝐴𝑚
(9)
Trong một tấm pin năng lượng mặt trời là một nhóm gồm một số tế bào quang điện được kết nối với nhau
bằng cách nối tiếp hoặc song song để tạo ra dòng điện và điện áp. Mạch tương đương cho mô-đun năng
lượng mặt trời được bố trí trong các tế bào nối tiếp NP và song song NS được hiển thị trong Hình 3.
Hình 3: Sơ đồ mạch của một tấm pin năng lượng mặt trời
Mối quan hệ giữa I(A)-V(V) được thể hiện trong công thức
𝑉𝑞
I = NpIph – NpIs (𝑒 (𝑁𝑠𝐴𝑘𝑇) − 1) (10)
Kết quả mô hình hóa trên labview
Với các thông số cho phép trong các công thức (1) đến (10), quá trình mô phỏng đường đặc tính thay đổi
của tấm pin mặt trời theo các thông số cho phép của tế bào quang điện, nhiệt độ, dòng điện, công suất được
xem xét và thể hiện từng phần tính toán và xây dựng trên nền tảng của Labview. Các giá trị và thông số
trong Bảng 1 được xem xét kết hợp với một số thông số chọn tương ứng cho giá trị đầu vào trong quá trình
mô phỏng của Bảng 2.
Hình 4 cho thấy, khi kết hợp các công thức (1) đến (10) liên quan đến vòng lặp điều khiển để mô phỏng
đường cong đặc trưng của tấm pin năng lượng mặt trời ta ứng dụng với từng khối formula cho từng phương
trình liên quan đến thông số cần thiết. Với phương trình quan hệ giữa cường độ dòng điện và điện áp (2)
được thực hiện trong vòng lặp với số lần 20000 lần để tính ra từng giá trị của cường độ dòng điện ứng với
các giá trị V từ 0 đến Voc.
Bảng 2: Các thông số đầu vào để mô phỏng với Labview
STT KÝ HIỆU TÊN GIÁ TRỊ ĐƠN VỊ

1 A Hệ số chất lượng điốt [5] 1.14
Năng lượng vùng cấm của chất bán
2 EG 1.5
dẫn [6]
3 G Cường độ bức xạ mặt trời 1 KW/m2
4 Isct Dòng điện ngắn mạch 0.65 A
5 Ns Số lượng cell song song 72
6 Np Số lượng cell nối tiếp 1
7 q Điện tích electron 1.6x10-19
8 Tr Nhiệt độ của cell tham chiếu 25 °C
9 Voct Điện áp hở mạch 21.95 V
10 K Hằng số Boltzman 1.38x10-23
11 Ki Hệ số nhiệt độ ngắn mạch [6] 0.003
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 4: Mô hình hóa đường cong đặc trưng của tấm pin mặt trời trong hệ thống cung cấp năng lượng tái tạo
Sau đó ta nhân các giá trị cường độ dòng điện và điện áp với nhau, ta sẽ thu được các giá trị của
công suất, công suất cực đại, điện áp và cường độ dòng điện tại điểm làm việc. Kết quả ban đầu sau khi mô
hình hóa tấm pin mặt trời với thông số ở Bảng 1 với điều kiện tiêu chuẩn, cường độ bức xạ G = 1000
(W/m2), nhiệt độ tế bào quang điện T = 25 °C ta được được thể hiện trong Hình 5, 6.
Hình 5: Quan hệ I – V của tấm pin năng lượng mặt trời ở điều kiện tiêu chuẩn
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 6: Quan hệ công suất và điện áp của tấm pin năng lượng mặt trời ở điều kiện tiêu chuẩn.
Thảo luận và đánh giá kết quả.
Trong điều kiện cho phép, tiến hành mô phỏng với các giá trị nhiệt độ lần lượt được xem xét tương ứng
trong các điều kiện trung bình là -8.75°C, 20°C, 30°C, 40°C với điều kiện cường độ bức xạ G = 1000
(W/m2). Kết quả thu được thể hiện trong Hình 7, 8. Trong đó nhiệt độ ứng với giá trị ban đầu của môi
trường là Ta =-8.75 và nhiệt độ của cell trong tế bào tấm pin là 25oC, tương ứng với giá trị chuẩn của điều
kiện tính toán và mô phỏng dựa vào các phần mềm để thể hiện thông số của pin.
Hình 7: Kết quả mô phỏng mối quan hệ I – V ở các nhiệt độ khác nhau của tấm pin năng lượng mặt trời.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 8: Kết quả mô phỏng quan hệ công suất và điện áp ở các nhiệt độ khác nhau của tấm pin năng lượng mặt trời.
Từ các số liệu trên cho ta thấy được nhiệt độ ảnh hưởng rất nhiều đến hiệu suất của tấm pin năng lượng mặt
trời. Khi nhiệt độ tăng cao từ -8.75 °C đến 40 °C thì hiệu suất của tấm pin năng lượng mặt trời giảm từ
10.21% xuống còn 1.22%. Điều này thể hiện việc làm mát cưỡng bức bằng nước kết hợp quạt gió có bộ tạo
rối cho tấm năng pin năng lượng mặt trời là hết sức cần thiết.
Bảng 3: Số liệu thể hiện các thông số đặc trưng trong quá trình mô phỏng
STT T (°C) Voc (V) Isc (A) Vpm (V) Ipm (A) Pmp (W) η (%)
1 -8.75 21.95007 21.95007 17.27026 0.5793 10.00 10.21
2 20 11.19795 11.19795 7.78786 0.572196 4.46 4.55
3 30 7.527914 7.527914 4.8729 0.537511 2.62 2.67
4 40 4.162252 4.162252 2.4584 0.488058 1.20 1.22
Tiến hành mô hình hóa tấm pin năng lượng mặt trời có thông số ở Bảng 1. Trong điều kiện cường độ bức
xạ là 1000 W/m2. Kết quả thu được trong Hình 9 cho thấy khi thực hiện làm mát tấm năng lượng mặt trời
trong điều kiện cường độ bức xạ cố định 1000W/m2, với thời gian làm mát 15 phút thì nhiệt độ của tấm
năng lượng mặt trời giảm từ 56 ˚C đến 8 ˚C. Khi nhiệt độ giảm thì công suất cực đại của tấm pin năng lượng
mặt trời tăng từ 7.7 W đến 12 W. Đồng thời làm tăng hiệt suất của tấm pin năng lượng mặt trời tăng lên
đến 12.24 %.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
Hình 9: Mối quan hệ công suất theo nhiệt độ và thời gian.
Khi nhiệt độ tăng lên thì làm điện áp giảm nhanh và cường độ dòng điện tăng chậm. Dẫn đến công suất của
tấm pin năng lượng mặt trời giảm như nghiên cứu trong bài báo [4-7]. Có thể thấy rằng công suất tối đa
của tấm pin năng lượng mặt trời có thể được tăng lên bằng cách làm mát cưỡng bức bằng nước kết hợp quạt
gió có bộ tạo rối. Nghiên cứu đã cho thấy rằng hiệu suất của tấm pin năng lượng mặt trời được tăng lên khi
nhiệt độ giảm xuống bằng phương pháp làm mát bằng nước kết hợp quạt gió có bộ tạo rối. Khi làm mát
tấm pin năng lượng mặt trời bằng phương pháp làm mát bằng nước kết hợp quạt gió có bộ tạo rối đã làm
tăng hiệu suất của tấm pin năng lượng mặt trời lên đến 4.38 % so với tấm pin năng lượng mặt trời không
được làm mát ở cùng điều kiện.
KẾT LUẬN
Với việc sử dụng phần mềm Labview để mô hình hóa quá trình làm mát cưỡng bức cho hệ thống lưu trữ năng
lượng tái tạo dùng tấm pin mặt trời khi kết hợp hai quạt gió có bộ tạo rối và phun nước bề mặt đã cho thấy kết
quả như sau: hiệu suất của tấm pin mặt trời tăng đáng kể khi nhiệt độ giảm. Trong quá trình mô phỏng cho
thấy, nhiệt độ tăng ảnh hưởng lớn đến tấm pin mặt trời và làm cho tấm pin mặt trời giảm hiệu suất khi điện
áp giảm và cường độ tăng mạnh. Tại nhiệt độ định mức, bằng cách tăng dòng rối khi phun nước kết hợp quạt
gió cũng đã tăng hiệu quả của tấm pin mặt trời. Kết quả mô phỏng suốt quá trình làm mát kết hợp cho thấy
nhiệt độ tại bề mặt và hiệu suất tỉ lệ nghịch, khi tăng cường làm mát cưỡng bức thì nhiệt độ giảm nhanh và
hiệu suất tăng đáng kể trong các giai đoạn làm mát và mô phỏng. Khi so sánh tấm pin năng lượng mặt trời
được làm mát bằng nước kết hợp quạt gió có bộ tạo rối và tấm pin năng lượng mặt trời không được làm mát
sẽ thấy hiệu suất tăng lên 12.24 %, đồng thời nhiệt độ cũng giảm từ 56 ˚C đến 8 ˚C.
LỜI CẢM ƠN
Nghiên cứu này được tài trợ kinh phí bởi trường Đại học Sư phạm Kỹ thuật – Đại học Đà Nẵng trong đề
tài có Mã số: T2020-06-154.

[1] Samiya Aamir Al-Mabsali, Hassam Nasarullah Chaudhry and Mehreen Saleem Gul, Numerical Investigation on
Heat Pipe Spanwise Spacing to Determine Optimum Configuration for Passive Cooling of Photovoltaic Panels,
Energies 2019, vol.12, no. 24, pp. 4635.
[2] Nader Nader,Wael Al-Kouz andSameer Al-Dahidi, Assessment of Existing Photovoltaic System with Cooling
and Cleaning System: Case Study at Al-Khobar City, Processes 2020, vol.8, no. 1, pp.9.
Ngày 05-06/8/2021 ISBN: 978-604-920-123-3
[3] Laith Jaafer Habeeb, Dheya Ghanim Mutasher , Faez Abid Muslim Abd Ali, Cooling Photovoltaic Thermal Solar
Panel by UsingHeat Pipe at Baghdad Climate, International Journal of Mechanical & Mechatronics Engineering
IJMME-IJENS Vol.17 No.06, pp. 171 – 185.
[4] Y.M. Irwan, W.Z. Leow, M. Irwanto, Fareq M, A.R. Amelia, N. Gomesh, I. Safwati, Analysis Air Cooling
Mechanism for Photovoltaic Panel by Solar Simulator, International Journal of Electrical and Computer
Engineering (IJECE), Vol. 5, No. 4, August 2015, pp. 636~643.
[5] Dr. J. Abdul Jaleel, Nazar. A, Omega A R, Simulation on Maximum Power Point Tracking of the Photovoltaic
Module using LabVIEW. International Journal of Advanced Research in Electrical, Electronics and
Instrumentation Engineering, Vol. 1, no. 3, September 2012. Pp. 191.
[6] Byeungleul Lee, Zin Mar Myint, Bonghwan Kim, PV Characteristics and Their Maximum Power Point Tracking
Algorithms using LabVIEW, International Journal of Applied Engineering Research ISSN 0973-4562, Vol. 12,
no. 7 (2017). Pp.1438.
[7] Y.M. Irwan, W.Z. Leow, M. Irwanto, Fareq M, A.R. Amelia, N. Gomesh, I. Safwati. Analysis Air Cooling
Mechanism for Photovoltaic Panel by Solar Simulator, International Journal of Electrical and Computer
Engineering (IJECE), Vol. 5, No. 4, August 2015, pp. 636 – 643.
[8] Nabil A.S. Elminshawy, A.M.I. Mohamed, K. Morad, Y. Elhenawy, Abdulrahman A. Alrobaian, “Performance
of PV panel coupled with geothermal air cooling system subjected to hot climatic”, Applied Thermal
Engineering, Volume 148, 2019, Pages 1-9, ISSN 1359-4311.
[9] Yasaman Amanlou, Teymour Tavakoli Hashjin, Barat Ghobadian, G. Najafi, Air cooling low concentrated
photovoltaic/thermal (LCPV/T) solar collector to approach uniform temperature distribution on the PV plate,
Applied Thermal Engineering, Volume 141, 2018, Pages 413-421, ISSN 1359-4311.
[10] Abdulrahman Homadi, Tony Hall, Lawrence Whitman, Study a novel hybrid system for cooling solar panels and
generate power, Applied Thermal Engineering, Volume 179, 2020, 115503, ISSN 1359-4311.

Ky Yeu Ky Thuat CNTT YSC2021

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ky Yeu Ky Thuat CNTT YSC2021

Uploaded by

Copyright:

Available Formats

BỘ CÔNG THƯƠNG

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH

HỘI NGHỊ KHOA HỌC TRẺ LẦN 3

HỘI NGHỊ KHOA HỌC TRẺ LẦN 3 NĂM 2021

BAN CHUYÊN MÔN THẨM DUYỆT BÀI BÁO

Tiểu ban Tin học – Điện – Điện tử

DANH MỤC BÀI BÁO

MAXIMIZED HEAT RECOVERY OF TUBE ICE MACHINE BY

NGUYỄN HIẾU NGHĨA 1, ĐƯỜNG CÔNG TRUYỀN 2

Figure 1. Principle diagram of the tube ice machine

2 APPLY PINCH TECHNOLOGY TO THE CALCULATION AND DESIGN

o Vapor refrigerant temperature go into the heat recovery component: t8 = -15 oC

Inlet temp. Outlet temp. Heat capacity rate,

1. Cold -15 -10 0.209 1.04

2. Hot 39 35 0.402 1.61

Interval Temperature Stream Q cood Q heat Q

3 -10 – -15 1 0 1,04 -1,04

Table 3. Temperature interval for Tmin = 3 oC.

Interval Number Temperature interval Stream Numbers Q cool Q heat Q

3 -10 – -15 1 0 1,04 -1,04

The Problem Table Algorithm (PTA)

Sequential balance Max table

1 36 – 32 -1.61 0 1.61 0.558 2.16

2 32 – -10 0 1.61 1.61 2.1617,51 2.16

3 -10 – -15 1,04 1.61 0.558 2.1617,51 1.12

Design of Heat Exchanger Network (HEN)

Heat capacity rate m.Cp

1. Cold - 15 27 0,209 6.7

2. Hot 39 35 0.402 1.6

Table 6. Process streams below the pinch with ΔTmin = 3 oC

3 ECONOMIC TECHNICAL ASSESSMENT

Specification The system not applied The system applied Pinch

A DEVELOPMENT OF AUTONOMOUS ROBOT SERVING IN COFFEE SHOP

2 OVERVIEW OF SUPER SOLID ROBOT SYSTEM

Figure 2.1. Model of building self-propelled robot.

2.1.1 ROS structure

Figure 2.2 Navigation stack model in ROS [3]

3 DESIGN A SELF-PROPELLED ROBOT THAT WORKS IN A COFFEE

Figure 3.1 Robot car model using omnidirectional wheels

3.1.1 Robot central controller

3.3 Building maps (mapping)

Figure 3.3 Block diagram of steps to build a map

Figure 3.4 Map result from real environment to 2D

3.4 Navigate on Adaptive Monte Carlo Locatization (AMCL) built maps

3.5 Communication between central computer and robot

Figure 4.1 data from laser Rplidar A1

4.2 Map making process

Figure 4.2 Actual space for mapping

Results achieved when creating 2D maps from the real environment:

Figure 4.3 Result of the generated map

Figure 4.4 Map made in an environment with many obstacles

4.3 Navigation process for robots

Figure 4.6 The robot follows the planned path

Figure 4.8 Communication interface between central computer and robot

Figure 4.9 Robot control screen from central computer

5 CONCLUSION AND DEVELOPMENT DIRECTION

ENTROPY GENERATION MINIMIZATION OF AN AIR COLLECTOR

Hình 1: Collector không khí có tấm hướng đặt ở đáy

Hình 2: Chia lưới

a) Số Nusselt theo số Reynolds b) Tổn thất áp suất (p1-p2) theo số Reynolds

3 KẾT QUẢ VÀ THẢO LUẬN

Hình 4: Phát sinh entropy (EG) theo số Re

Hình 5: Gradient nhiệt độ theo phương pháp tuyến bề mặt ống