Nghiên cứu Khoa học
Vấn đề năng lượng trên UAV: Thách thức cốt lõi trong vận hành và ứng dụng
Máy bay không người lái (Unmanned Aerial Vehicles – UAVs) đang được triển khai rộng rãi trong nhiều lĩnh vực như giám sát môi trường, nông nghiệp chính xác, giao hàng tự động, và đặc biệt là các nhiệm vụ cứu hộ trong thảm họa. Tuy nhiên, một trong những thách thức lớn nhất của UAV hiện nay là giới hạn về năng lượng. Phần lớn UAV sử dụng pin lithium-ion hoặc lithium-polymer, có mật độ năng lượng tương đối thấp, dẫn đến thời gian bay ngắn và phạm vi hoạt động hạn chế. Trong các ứng dụng cần duy trì kết nối hoặc thực hiện các tác vụ dài hạn, giới hạn này ảnh hưởng nghiêm trọng đến hiệu suất và tính khả thi của hệ thống.
Ngoài ra, các yếu tố như khối lượng tải trọng, điều kiện gió, quỹ đạo bay và các nhiệm vụ xử lý dữ liệu cũng làm tiêu hao năng lượng nhanh chóng. Đối với các UAV hoạt động trong môi trường đô thị hoặc khu vực thảm họa, yêu cầu tránh vật cản và duy trì liên lạc liên tục càng khiến bài toán năng lượng trở nên phức tạp. Việc cạn pin giữa nhiệm vụ không chỉ gây gián đoạn mà còn có thể gây nguy hiểm, đặc biệt khi UAV được sử dụng trong ứng cứu khẩn cấp hoặc giám sát an ninh. Chính vì vậy, quản lý năng lượng hiệu quả là yếu tố sống còn trong thiết kế và vận hành UAV.
Kỹ thuật cải thiện hiệu suất năng lượng cho UAV
Để khắc phục hạn chế về năng lượng, nhiều kỹ thuật đã được phát triển nhằm kéo dài thời gian hoạt động và tăng cường hiệu suất năng lượng của UAV. Một hướng tiếp cận quan trọng là tối ưu hóa quỹ đạo bay. Việc thiết kế lộ trình hợp lý giúp UAV giảm thời gian di chuyển, hạn chế bay ngược gió và tận dụng các dòng khí tự nhiên để tiết kiệm năng lượng. Nhiều công trình sử dụng thuật toán tìm đường như A*, Dijkstra, hay thuật toán tiến hóa (PSO, GA) để xác định quỹ đạo bay tối ưu với mức tiêu hao năng lượng thấp nhất.
Một kỹ thuật khác là sử dụng các mô hình dự đoán tiêu thụ năng lượng theo thời gian thực, kết hợp với cảm biến và thuật toán học máy để điều chỉnh hành vi bay của UAV một cách thông minh. Các UAV hiện đại còn được trang bị cơ chế chuyển đổi trạng thái hoạt động linh hoạt giữa chế độ bay, lơ lửng và nghỉ để giảm thiểu tiêu hao năng lượng không cần thiết. Bên cạnh đó, việc tích hợp pin năng lượng mặt trời trên cánh hoặc thân UAV cho phép sạc năng lượng trong khi bay, đặc biệt hiệu quả với các UAV hoạt động ban ngày và ở độ cao trung bình.
Về mặt thiết bị, việc sử dụng động cơ hiệu suất cao, giảm khối lượng không cần thiết, và tối ưu khí động học cũng góp phần đáng kể vào tiết kiệm năng lượng. Một số UAV còn được thiết kế dạng lai (hybrid), sử dụng đồng thời pin và nhiên liệu hóa thạch (xăng, diesel) để mở rộng thời gian bay. Trong một số nghiên cứu tiên tiến, hệ thống thu hồi năng lượng động học từ quá trình hạ cánh hoặc thay đổi độ cao cũng đang được thử nghiệm.
Giải pháp tổng thể và hướng nghiên cứu tương lai
Bên cạnh các kỹ thuật riêng lẻ, cần có giải pháp tổng thể trong quản lý và tối ưu hóa năng lượng UAV ở cấp hệ thống. Một xu hướng nổi bật hiện nay là phối hợp nhiều UAV thành một mạng bay (UAV swarm), trong đó các UAV có thể luân phiên thực hiện nhiệm vụ, chia sẻ dữ liệu và hỗ trợ sạc lẫn nhau qua công nghệ sạc không dây hoặc UAV tiếp tế năng lượng. Các chiến lược lập lịch và phân chia nhiệm vụ thông minh giúp giảm tải cho từng UAV và kéo dài tuổi thọ hệ thống tổng thể.
Ngoài ra, việc kết hợp UAV với các trạm mặt đất, trạm sạc di động hoặc UAV tiếp tế (recharging UAV) đang mở ra những hướng triển khai thực tế có tính khả thi cao. Một số mô hình hybrid UAV – hệ thống mạng mặt đất cho phép UAV chỉ đóng vai trò thu thập dữ liệu và truyền về nơi xử lý tập trung, giảm tải xử lý trên UAV để tiết kiệm năng lượng. Về mặt điều khiển, các thuật toán tối ưu hóa đa mục tiêu (multi-objective optimization) đang được áp dụng nhằm cân bằng giữa thời gian bay, độ phủ sóng, và tiêu thụ năng lượng.
Trong tương lai, các công nghệ như siêu tụ điện (supercapacitors), pin nhiên liệu hydro, hoặc hệ thống năng lượng thông minh (smart energy system) có thể thay thế hoặc kết hợp với pin truyền thống để cung cấp năng lượng bền vững và hiệu suất cao hơn. Bên cạnh đó, trí tuệ nhân tạo (AI) và học sâu (deep learning) sẽ đóng vai trò ngày càng quan trọng trong việc dự đoán, lập lịch và ra quyết định tối ưu theo thời gian thực. Việc phát triển các UAV có khả năng tự học và tự thích nghi với môi trường nhằm tối ưu hóa năng lượng sẽ là chìa khóa cho các ứng dụng UAV quy mô lớn và dài hạn.
KHOA ĐIỆN - ĐIỆN TỬ ĐẠI HỌC DUY TÂN
Phòng 503 - K7/25 Quang Trung, Tp Đà Nẵng
(0236) 3827111(Ext 503)
feee@duytan.edu.vn
