Giải pháp điều khiển mờ cho hệ vận động của robot hỗ trợ người thiểu năng vận động

ừ các cơ 
và các giác quan. Tiểu não không trực tiếp sinh ra vận 
động, nhưng có nhiệm vụ tiếp nhận và tổng hợp các 
tín hiệu từ các sensor vị trí, gia tốc, hướng, để định 
hướng, định vị cơ thể và hiệu chỉnh vận động cho 
chính xác và mềm mại, ổn định tư thế, cũng như 
(cùng các bộ phận khác, như hạch cơ sở, nội đồi) tạo 
lập và hoàn thiện các chương trình vận động nhờ quá 
trình học (Motor Learning). 
Các cơ chân là phần tử chấp hành, tạo ra chuyển động 
cơ học theo lệnh từ tủy sống. Trong cơ và gân có các 
sensor vị trí (Muscle Spindle) và sensor lực (Golgi 
Tendon Organ), sinh tín hiệu phản hồi về vận động. 
H. 1 Điều khiển hệ vận động ở người 
2.2 Cấu trúc hệ điều khiển vận động của robot 
Cấu trúc hệ điều khiển của robot được thiết kế theo 
nguyên tắc phỏng sinh, bắt chước hệ điều khiển vận 
động của người, nhưng thực thi các nhiệm vụ đơn 
giản hơn, gồm 3 cấp: 1- bộ hoạch định vận động 
(Motion Planner - MP), 2- bộ tạo quỹ đạo mẫu (Gait 
Pattern Generator - GPG), và 3- bộ điều khiển hệ 
chấp hành bám quỹ đạo (Tracking Controller - TC) 
như trong H. 2. MP nhận biết ý định của người mang: 
đứng lên, ngồi xuống, đi hay dừng, CPG có nhiệm 
vụ chọn chương trình đi tương ứng theo ý định, tạo dữ 
liệu về quỹ đạo cho TC. TC có mặt ở từng khớp, điều 
khiển góc khớp bám theo góc mẫu do CPG tạo ra. 
Như vậy, phối hợp chuyển động các khớp để tạo ra 
bước đi theo ý muốn là nhiệm vụ của MP và CPG. TC 
đảm bảo điều kiện cần để có bước đi mong muốn. TC 
là tên gọi theo phương thức điều khiển (bám). Nó còn 
tên nữa, gọi theo chức năng, là bộ điều khiển hệ chấp 
hành (Actuation Controller - AC). Bài báo này tập 
trung nói về TC. Hệ chấp hành giữ vai trò như của cơ, 
làm chuyển động các khớp. 
H. 2 Cấu trúc của hệ điều khiển vận động 
Hệ chấp hành của robot là các động cơ, tạo ra dịch 
chuyển góc  hay mô-men  tại các khớp. Vì khớp ở 
chân robot và ở chân người đồng trục với nhau nên 
chuyển động của robot được truyền trực tiếp sang 
người. Hệ chấp hành thường dùng là điện - cơ, thủy 
lực hoặc khí nén. Bài báo này chỉ đề cập đến hệ chấp 
hành điện - cơ. 
Muốn bàn chân bám sát quỹ đạo mẫu thì mỗi khớp 
chân phải bám theo góc khớp ref và vận tốc góc khớp 
 tương ứng (xem H. 3). 
H. 3 Cấu trúc của hệ điều khiển khớp 
Trên thực tế, đầu vào cho mỗi khớp thường chỉ dùng 
góc khớp ref, còn vận tốc được tính theo quan hệ 
   . Do đó, tín hiệu đo và phản hồi là góc khớp 
thực (t). 
3. Điều kiện ban đầu cho thiết kế 
3.1 Chuẩn bị dữ liệu đầu vào 
Dữ liệu đầu vào cho RBHT là góc khớp, thường được 
đo, ghi bằng thực nghiệm trên người khỏe, hiệu chỉnh 
cho phù hợp với tình trạng của người TNVĐ cụ thể. 
Một số bộ dữ liệu được sử dụng rộng rãi, như của 
Antonie Bogert (2003), Harman (2000) [2], Winter 
(Canada) [4]. Trên H. 4 là đồ thị góc khớp, đã được sử 
dụng tại MIT [2]. 
H. 4 Đồ thị góc khớp khi đi bộ 
Tạo quỹ 
đạo mẫu
ĐK bám 
quỹ đạo
Chấp 
hành
Khung 
robot
Người 
mang
Hoạch định 
vận động
ref u ,
Y(,,f)
,
f
Bộ điều 
khiển bám
Thiết bị 
chấp hành Khớp robot
ref e u (t)
d
+
-
,
Hội nghị toàn quốc lần thứ 7 về Cơ Điện tử - VCM-2014 
VCM-2014 
Với mục đích sử dụng làm tín hiệu vào ref cho bộ 
điều khiển sau khi thiết kế, dữ liệu góc khớp được 
chuyển thành giá trị số rời rạc như H. 5. 
H. 5 Giá trị góc khớp được chuyển từ H. 3 
3.2 Chọn thiết bị chấp hành 
Kết cấu cơ khí ở mỗi chân của RBHT có sơ đồ như H. 
6, trong đó mỗi chân có ba khớp chủ động. Hai loại 
động cơ chấp hành đã được khảo sát, gồm xi lanh 
thủy lực (không trình bày ở đây) và động cơ điện 1 
chiều. Để robot có kết cấu gọn nhẹ, chúng tôi đã chọn 
hệ chấp hành điện - cơ chuyển động thẳng, có tên 
thương mại là Linear Actuator [5] như trong H. 7. 
H. 6 Sơ đồ kết cấu của một chân robot 
H. 7 Hệ chấp hành chuyển động thẳng 
Tính toán động lực học toàn hệ thống cho thấy mô 
men và công suất yêu cầu của các khớp không khác 
nhau nhiều. Điều đó cho phép đơn giản hóa thiết kế, 
chế tạo và sử dụng thiết bị nhờ trang bị cùng một thiết 
bị chấp hành và bộ điều khiển cho tất cả các khớp. Để 
đảm bảo khả năng làm việc và an toàn, hệ thống được 
thiết kế cho một khớp ảo, tập hợp các điều kiện làm 
việc khắt khe nhất trong 3 khớp: dải làm việc rộng 
nhất, vận tốc góc cao nhất, mô men lớn nhất, khối 
lượng tải trọng lớn nhất. Tuy nhiên, tính toán cho 
thấy, tỷ số truyền của hệ chấp hành quá nhỏ (1:1880) 
nên ngay cả khối lượng lớn nhất như của đùi (~10kg) 
cũng chỉ gây ra mô men quán tính chuyển động quay 
quy đổi về trục động cơ bằng 0,15% mô men quán 
tính của chính hệ chấp hành, có thể bỏ qua. Vì vậy mô 
men quán tính của tất cả các khớp được tính như nhau 
và bằng mô men quán tính J của hệ chấp hành. 
Trên cơ sở số liệu kỹ thuật do nhà sản xuất cung cấp, 
kết hợp tính toán điều kiện công tác như ở trên, bộ 
thông số kỹ thuật của hệ chấp hành được tổng hợp 
trong B.1. Đó là cơ sở để xây dựng mô hình động lực 
học của đối tượng điều khiển. 
B.1 Thông số kỹ thuật của hệ chấp hành 
Thông số Giá trị 
Mô men quán tính J (kgm2) 0,022 
Hệ số giảm chấn C (Nm/(rad/s)) 0,5.10-3 
Hệ số mô men KT (Nm/A) 0,06 
Hệ số điện động Ke (Vs/rad) 1,0 
Điện trở phần ứng R (Ω) 2,45 
Điện cảm L (H) 0,035 
4. Thiết kế bộ điều khiển 
4.1 Mô hình toán học của hệ thống 
Sau khi tính toán động lực học và quy đổi các thông 
số hệ thống về động cơ, mô hình hệ chấp hành có 
dạng như của động cơ điện một chiều, điều khiển 
bằng dòng điện phần ứng, được thể hiện bằng hệ 
phương trình cân bằng điện áp và cân bằng mô men: 
 a a e
T a d
Li Ri K v
J C K i T

 
   

   

  (1) 
trong đó, v - điện áp; Td - mô men tải; các đại lượng 
còn lại như trong B.1. 
Hệ có hai tín hiệu vào, hai tín hiệu ra nhưng với bài 
toán điều khiển bám vị trí, chỉ cần quan tâm đến hàm 
truyền ( ) / ( )s V s : 
2
( )
( ) ( )( )
T
T e
Ks
V s Ls R Js cs K K s


  
 (2) 
Mô hình hệ chấp hành có điều khiển trong H. 3 được 
cụ thể hóa trong H. 8, trong đó BĐK là bộ điều khiển 
cần thiết kế. 
H. 8 Sơ đồ hệ chấp hành có điều khiển 
4.2 Thiết kế bộ điều khiển mờ 
Cơ sở lý thuyết của điều khiển mờ là logic mờ, một 
nhánh của trí tuệ nhân tạo. Khác với mạng nơ ron 
nhân tạo, bắt chước cấu trúc và quá trình vật lý của hệ 
thần kinh, giải thuật gen [6] bắt chước quá trình tiến 
hóa của sinh vật trong tự nhiên, logic mờ bắt chước 
cách tư duy, phân tích, ra quyết định của con người. 
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 0
K. hong 48 46 42 37 30 22 14 6 0 -6 -7 -3 2 7 15 25 35 42 46 47 48
K. goi 0 -7 -6 0 4 6 9 10 11 12 9 -1 -8 -12 -11 -4 -1 -2 -3 -3 0
K. co chan -12 -20 -27 -27 -24 -20 -12 -7 -4 -4 -7 -20 -37 -55 -64 -63 -58 -47 -35 -20 -12
-80
-60
-40
-20
0
20
40
60
G
oc
 k
ho
p 
(d
o)
Do thi goc khop
12V
45W
k=20:1
l=3mm
v=24mm/s
26
0+
15
0
+
-
1/(Ls+R) KT 1/(Js+c) 1/s
Ke
V


Ve
Td
Tm
+
-Ia
BĐK K
+
-
r
E
Motor
Hội nghị toàn quốc lần thứ 7 về Cơ Điện tử - VCM-2014 
VCM-2014 
Về kỹ thuật tính toán, logic mờ là một nhánh của 
phương pháp tính toán mềm. 
So với điều khiển truyền thống, các hệ mờ có những 
ưu điểm sau: 
- Dễ thiết kế, không đòi hỏi công cụ toán học trừu 
tượng, tránh được một trong những nhiệm vụ khó 
khăn nhất là thiết lập và giải các hệ phương trình vi 
phân phức tạp. Có nhiều trường hợp, thậm chí không 
cần để ý đến bản chất vật lý của các đại lượng; 
- Công cụ thiết kế, phân tích hệ mờ rất vạn năng, linh 
hoạt, dễ sử dụng. Ngôn ngữ diễn tả thuật toán mờ gần 
với ngôn ngữ tự nhiên nên dễ hiểu; 
- Do không đòi hỏi thông tin vào thật chính xác, cho 
phép tín hiệu vào thay đổi trong phạm vi rộng, làm 
việc dựa trên cơ chế suy luận linh hoạt,... nên trong 
nhiều trường hợp các hệ điều khiển mờ có tính bền 
vững, tin cậy, ổn định cao. 
Phần sau đây trình bày các bước cơ bản và kết quả 
thiết kế bộ điều khiển mờ cho hệ chấp hành điện cơ 
trong H. 7. 
Bước 1: Thiết lập cấu trúc của hệ thống. Để dễ so 
sánh và đánh giá hiệu quả của giải pháp mờ so với 
giải pháp truyền thống, hệ điều khiển mờ được thiết 
kế với cấu trúc tương tự bộ điều khiển PD truyền 
thống, các hệ số KP, KD sẽ được xác định khi thiết kế. 
Hệ được thiết kế trong Simulink, có sơ đồ như trong 
H. 9. Các phần tử chính trong hệ thống, gồm: 
- Đối tượng điều khiển là hệ chấp hành điện - cơ, có 
hàm truyền (2), dạng số như trong hình vẽ; 
- Bộ điều khiển PD mờ (FPD), điều khiển theo sai 
lệch góc khớp e và tốc độ biến thiên của e, được tạo 
nhờ khâu vi phân /du dt . 
- Các phần tử hiển thị, chuyển đổi tín hiệu để kiểm tra 
đáp ứng của hệ thống. 
Tín hiệu vào cơ bản cho FPD là góc khớp cổ chân, 
như H. 5, tín hiệu ra là điện áp, giá trị có thể thay đổi 
được nhờ hệ số K1. Đáp ứng của toàn hệ thống là góc 
khớp thực (t) và vận tốc góc (t). 
Nhờ một chuyển mạch bằng tay, có thể mô phỏng hệ 
thống với tín hiệu vào Step hoặc góc khớp mẫu ref. 
H. 9 Sơ đồ cấu trúc của bộ FPD 
Bước 2: Thiết kế hệ logic mờ, gồm thiết lập các 
modul mờ hóa, suy luận mờ và giải mờ. Hệ logic mờ 
ở đây sử dụng hệ suy luận Sugeno, có hai hàm thuộc 
đầu vào (Error e và Error-dot e ) kiểu hình thang 
(trapmf) và một hàm thuộc đầu ra (điện áp bù) kiểu 
tuyến tính 
 output a e b e c     (3) 
trong đó a, b, c là các hằng số. Các hệ số a, b, c được 
chọn tùy theo mức độ nhạy cảm cần có của hệ với sai 
số e, tốc độ biến thiên của e và độ mờ. Phương án 
được chọn là a = 0,5; b = 1. Giá trị c = (-2, -1, 0, 1, 2) 
tương ứng các giá trị hàm thuộc đầu ra (AL, A, K, D, 
DL), trong đó A - âm , D - dương, L - lớn, K - không. 
Hệ quy tắc suy luận mờ được tóm tắt trong B.2. 
B.2 Bảng quy tắc suy luận mờ 
 E-dot 
 E A K D 
A DL D K 
K D K A 
D K A AL 
Sử dụng luật hợp thành max-min, quy tắc suy luận mờ 
được thể hiện bởi tập hợp các mệnh đề logic sau: 
Công cụ Rule Wiewer (H. 10) cho phép quan sát tổng 
hợp các hàm thuộc, quy tắc suy luận mờ, hợp thành 
và giải mờ, và kiểm tra quan hệ vào-ra. Ví dụ cho 
input = [8,5] (nghĩa là 8; 5e e  ), sẽ nhận được 
điện áp 6,7V. 
Bước 3: Xác định các thông số điều khiển. Các thông 
số cần xác định là hệ số tỷ lệ KP, vi phân KD, khuyếch 
đại K1 (xem H. 9). Các thông số này chi phối chất 
lượng điều khiển: lượng quá chỉnh, thời gian xác lập 
và độ chính xác tĩnh. Tín hiệu vào thích hợp cho bước 
này là hàm bậc thang đơn vị. 
Bật chuyển mạch sang vị trí Step. Trước hết, điều 
chỉnh KP, KD theo quy tắc vẫn áp dụng cho các hệ PID 
truyền thống để hệ ổn định và đạt các đáp ứng đầu ra 
tốt nhất có thể. Sau đó, điều chỉnh K1 để nhận được 
dải điện áp phù hợp. Cuối cùng, bộ thông số được 
Van toc goc (rad/s)
0.06
0.00077s +0.5392s +0.6122s3 2
Transfer Fcn
y
To WorkspaceStep
K2
Rad-do
Manual
Switch
Kp
Kd
K1
Goc khop co chan
Signal 1
Goc co chan
FLC
Error
1/K2
Do-radian
du/dt
Derivative1
du/dt
Derivative
Hội nghị toàn quốc lần thứ 7 về Cơ Điện tử - VCM-2014 
VCM-2014 
chọn là KD = 0,27, KP = 2,5, K1 = 200. Đáp ứng Step 
của hệ như trong H. 11: lượng quá chỉnh 2,6%, thời 
gian xác lập khoảng 1,76s, sai số tĩnh bằng 0. Số liệu 
này được lấy từ biến y do Simulink xuất sang 
workspace (H. 9). 
H. 10 Quan sát hệ suy luận mờ 
H. 11 Đáp ứng Step của bộ FPD 
Bước 4: Thử nghiệm với tín hiệu vào mẫu ref, được 
lấy từ đồ thị góc khớp cổ chân trong H. 5, đưa vào 
Simulink dưới dạng đồ thị như H. 12. 
H. 12 Tín hiệu vào góc khớp cổ chân 
Bật chuyển mạch sang tín hiệu thực (Goc co chan), 
chạy chương trình, nhận được đáp ứng đầu ra (vẽ 
cùng tín hiệu vào) như H. 13. Ta thấy, tín hiệu ra bám 
sát tín hiệu vào, sai số lớn nhất khoảng 0,05. 
Bước 5: Kết quả mô phỏng cho thấy bộ FPD làm việc 
ổn định và có chất lượng tốt. Tuy nhiên, hiệu quả của 
giải pháp mờ sẽ thể hiện trực quan hơn khi so sánh 
trực tiếp đáp ứng của nó với PDF. 
Một mô hình mới được thiết lập bằng cách ghép thêm 
một bộ PDF (nền xanh), dùng chung tín hiệu vào với 
FPD (xem H. 14). 
Như đã nói trong mục đặt vấn đề, trong một nghiên 
cứu khác [7], chúng tôi đã so sánh các bộ PID truyền 
thống khi làm việc với cùng một hệ chấp hành trong 
H. 9 và nhận thấy bộ PDF, dạng 
1 /P D
NK K
N s


 (4) 
có chất lượng tốt nhất. Trong đó N - hằng số của bộ 
lọc, được xác định cùng với KP, KD. 
H. 13 Đáp ứng góc khớp cổ chân của FPD 
H. 14 Mô hình để so sánh FPD với PDF
0 0.5 1 1.5 2 2.5 3
0
0.2
0.4
0.6
0.8
1
1.2
1.4
X: 1.566
Y: 1.026
Dap ung Step
A
m
pl
itu
de
Time, s
X: 1.759
Y: 1.02
0 1 2 3 4 5 6 7 8 9 10
-70
-60
-50
-40
-30
-20
-10
0
Signal 1
Time (sec)
KC03_FLC/Goc co chan : Group 1
0 2 4 6 8 10
-70
-60
-50
-40
-30
-20
-10
0
10
Dap ung goc khop co chan
G
oc
 k
ho
p 
(d
o)
Time, s
Output
Input
0.06
0.00077s +0.5392s +0.6122s3 2
Transfer Fcn1
0.06
0.00077s +0.5392s +0.6122s3 2
Transfer Fcn
y
To Workspace
Step
PDF
In1 Out1
PD-Fuzzy Control ler
PD(s)
PD Controller
Manual
Switch
K2
K2
Signal 1
Goc co chan
1/K2
Do-radian
Comparison
Hội nghị toàn quốc lần thứ 7 về Cơ Điện tử - VCM-2014 
VCM-2014 
H. 15 Các thông số của bộ PDF 
Công cụ Tuner của Matlab cho phép hiệu chỉnh các 
thông số Bandwidth (bề rộng dải thông), Phase 
margin (dự trữ ổn định pha), Response time (thời gian 
đáp ứng) và Peak response (giá trị max) trong chế độ 
tương tác. Khi hiệu chỉnh tự động, Matlab sẽ dung 
hòa các tiêu chí trên và chọn các thông số chất lượng 
là: quá chỉnh 9,56%, thời gian quá độ 1,98s. 
Tổng hợp các thông số của hai bộ điều khiển trong 
B.3 cho thấy bộ FPD có chất lượng tốt hơn bộ PDF. 
Điều này cũng được thể hiện trên H. 16. 
B.3 So sánh hai phương án thiết kế 
Thông số PDF FPD 
Hệ số Kp 
 Kd 
 N 
30,157 
16,122 
4,828 
2,5 
0,27 
- 
Lượng quá chỉnh (%) 9,56 2,6 
Thời gian ổn định (s) 1,98 1,76 
Sai số xác lập 0 0 
H. 16 Đáp ứng step của PD mờ và PD truyền thống 
Để mô phỏng với đầu vào là góc khớp thực, bật 
chuyển mạch sang bên phải (H. 14). Đáp ứng của 2 hệ 
được vẽ trên cùng đồ thị như H. 17. Ta thấy, đáp ứng 
của FPD bám sát dữ liệu vào hơn của bộ PDF. 
H. 17 Đáp ứng của PD mờ và của PD truyền thống 
Kết quả trên nhận được với tín hiệu vào của khớp cổ 
chân. Mô hình hệ điều khiển đồng thời khớp hông và 
khớp gối được lập như trong H. 18. Hệ gồm hai bộ 
điều khiển mờ giống nhau, mỗi bộ có tín hiệu vào 
riêng, được trích từ H. 5. Đồ thị đáp ứng của chúng 
được vẽ trên cùng hệ tọa độ trên H. 19. 
Ta thấy, đồ thị đáp ứng của khớp cổ chân (xem H. 17) 
và của khớp hông (H. 19) có sai số ban đầu, còn khớp 
gối không có. Lý do là góc ban đầu của khớp hông và 
khớp cổ chân khác 0, trong khi cơ cấu chấp hành xuất 
phát từ vị trí 0. Sai số này có thể được khử dễ dàng 
bằng cách gán điều kiện đầu thích hợp cho chúng, 
hoặc set điểm 0 thích hợp cho phần cứng. 
H. 18 Mô hình PD mờ điều khiển khớp hông và khớp gối 
0 0.5 1 1.5 2 2.5 3
0
0.2
0.4
0.6
0.8
1
1.2
1.4
X: 1.504
Y: 1.096
Dap ung Step
A
m
pl
itu
de
Time, s
X: 1.572
Y: 1.026
PD mo
PDF
Input
0 2 4 6 8 10
-70
-60
-50
-40
-30
-20
-10
0
10
Dap ung goc co chan
G
oc
 k
ho
p 
(d
o)
Time, s
PD mo
PDF
Input
Van toc goc
K2
Rad-do
Signal 1
Goc khop hong
Signal 1
Goc khop goi
Goc khop
Hong, Goi1/K2
Do-rad1
1/K2
Do-rad
du/dt
In1 Out1
Bo DK khop hong
In1 Out1
Bo DK khop goi
Hội nghị toàn quốc lần thứ 7 về Cơ Điện tử - VCM-2014 
VCM-2014 
H. 19 Đáp ứng của hệ FPD ở khớp hông và khớp gối 
5. Kết luận 
So sánh đáp ứng của hệ điều khiển bám cho các khớp 
của robot dùng FPD và PDF được thiết kế theo 
phương pháp truyền thống cho thấy FPD có chất 
lượng tốt hơn. Nhưng sẽ là sai nếu nói rằng "điều 
khiển mờ tốt hơn điều khiển truyền thống". Mong 
muốn của chúng tôi là bộ điều khiển mờ có được các 
chỉ tiêu chất lượng tương đương PID truyền thống 
ngay cả với hệ phi tuyến và dữ liệu vào không thể 
được biểu diễn tường minh bằng toán học, hay nhập 
nhằng, có biên giới mờ như ở người khuyết tật, và đã 
đạt được. Tính ổn định, bền vững của điều khiển mờ 
trong điều kiện nói trên không cần phải chứng minh, 
vì nó nằm trong bản chất của điều khiển mờ. Với các 
hệ tuyến tính, có mô hình toán học tường minh thì 
giải pháp truyền thống vẫn là lựa chọn hợp lý, nhất là 
khi được hỗ trợ bởi các phương pháp thiết kế tiên tiến. 
Nói rộng ra, kết quả khả quan trong nghiên cứu ứng 
dụng logic mờ và giải thuật gen [7] vào điều khiển 
RBHT cho phép khẳng định tính khả thi của hướng 
tiếp cận phỏng sinh. Nhưng còn một điều chúng tôi 
tâm đắc nhưng chưa kịp thực hiện, là tạo khả năng 
học cho bộ tạo quỹ đạo mẫu (Gait pattern generator - 
GPG) tương tự não người. Về lý thuyết thì có thể thực 
hiện được bằng cách thay bộ điều khiển mờ bằng hệ 
ANFIS (Adaptive Neural Fuzzy Inference System), 
hoặc đơn giản là gắn thêm modul ANN để xác định 
các hệ số KP, KD cho bộ điều khiển mờ. Vấn đề nằm ở 
chỗ, tạo dữ liệu huấn luyện cho ANN hay ANFIS thế 
nào? Chúng tôi rất mong và chân thành cảm ơn những 
chia sẻ của các bạn đọc. 
Công trình này được thực hiện trong khuôn khổ đề tài 
cấp Nhà nước, mã số KC.03.12/11-15. 
Tài liệu tham khảo 
[1] José L. Pons: Wearable Robots: Biomechatronic 
Exoskeletons; John Wiley & Sons, 2008. 
[2] Kazerooni, H. and R. Steger: The Berkeley 
Lower Extremity Exoskeleton, Journal of 
Dynamic Systems Measurement and Control-
Transactions of the Asme, 2006. 
[3] Andrew Valiente: Design of a Quasi-Passive 
Parallel Leg Exoskeleton to Augment Load 
Carrying for Walking; Master’s of Science at 
the MIT; August 2005. 
[4] D. A. Winter: Biomechanics and Motor Control 
of Human Movement, 5th Edition. John Wiley & 
Sons, New York, 2009. 
[5] HIWIN: Linear Actuator LAS Series (2014). 
[6] R. L. Haupt, S. E. Haupt: Practical Genetic 
Algorithm, 2nd ed., Wiley-Interscience, 2004. 
[7] Đào Văn Hiệp, Đào Trung Kiên: Tối ưu hóa bộ 
điều khiển bám quỹ đạo khớp của robot hỗ trợ 
người thiểu năng vận động, Chuyên san Điều 
khiển & Tự động hóa, số 10 (08-2014). 
GS. TS. Đào Văn Hiệp tốt 
nghiệp Học viện Kỹ thuật quân 
sự, chuyên ngành Cơ khí - Chế 
tạo máy vào năm 1977; nhận 
bằng tiến sĩ Cơ khí năm 1989 tại 
Học viện Quân sự (VAAZ) - 
Cộng hòa Czech; được Nhà nước 
bổ nhiệm Phó giáo sư năm 2005, 
Giáo sư năm 2011 ngành Cơ khí-
Động lực. Hiện nay, ông là giảng viên tại Khoa Hàng 
không - Vũ trụ, Học viện Kỹ thuật quân sự. Các lĩnh 
vực hoạt động chính: Công nghệ chế tạo thiết bị hàng 
không, CAD/CAM/CNC, Kỹ thuật Robot, Cơ điện tử 
trong các hệ thống sản xuất tự động. 
TS. Đào Trung Kiên tốt nghiệp 
ngành Công nghệ thông tin của 
Trường Đại học Cergy-Pontoise, 
Pháp vào năm 2004. Anh nhận 
bằng thạc sĩ về Hệ thống phân tán 
của Trường Đại học Paris 6 
(UPMC), Pháp năm 2006, và bằng 
tiến sĩ về Cơ khí và Tự động hoá, 
Trường Đại học Dayeh, Đài Loan năm 2010. Hiện 
anh là giảng viên, nghiên cứu viên của Phòng nghiên 
cứu Môi trường Cảm thụ và Tương tác, thuộc Viện 
nghiên cứu quốc tế MICA, Đại học Bách khoa Hà 
Nội. Các hướng nghiên cứu chính bao gồm định vị ở 
môi trường trong nhà, tương tác người-hệ thống đa 
phương thức, động lực học và điều khiển. 
TS. Tăng Quốc Nam, tốt nghiệp 
đại học ngành Cơ khí động lực 
năm 1995 tại Học viện Kỹ thuật 
Quân sự, nhận bằng thạc sĩ về Cơ 
điện tử tại Viện Công nghệ châu 
Á (AIT) - Thái Lan năm 2002 và 
bằng tiến sĩ về Cơ học kỹ thuật 
tại Học viện Kỹ thuật Quân sự 
năm 2011. Từ năm 1995 đến nay, 
anh là giảng viên tại bộ môn 
Robot đặc biệt và Cơ điện tử, khoa Hàng không Vũ 
trụ, Học viện Kỹ thuật Quân sự. Các hướng nghiên 
cứu chính bao gồm Cơ điện tử trong khí tài quân sự, 
Động lực học và điều khiển robot di động, Định vị và 
xây dựng bản đồ ở môi trường trong nhà, Robot đặc 
biệt trong quân sự và thám hiểm, Mô hình hóa và mô 
phỏng các hệ động lực. 
0 1 2 3 4 5 6 7 8 9 10
-20
-10
0
10
20
30
40
50
Dap ung goc khop hong va khop goi
G
oc
 k
ho
p 
(d
o)
Time, s
Hong-ra
Hong-vao
Goi-ra
Goi-vao