Luận Văn Thạc Sĩ: Bộ Điều Khiển Dự Báo Bám Quỹ Đạo Cho Xe Tự Hành

Luận văn thạc sĩ trình bày phương pháp xây dựng bộ điều khiển dự báo bám quỹ đạo cho xe tự hành trong lĩnh vực kỹ thuật điều khiển và tự động hóa.

• Tác giả: Đinh Quang Vũ
• Người hướng dẫn: TS. Nguyễn Vĩnh Hảo
• Trường học: Đại học Bách Khoa - ĐHQG TP. HCM
• Chuyên ngành: Kỹ thuật điều khiển và tự động hóa
• Đề tài: Bộ điều khiển dự báo bám quỹ đạo cho xe tự hành
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Mở đầu

Trong bối cảnh phát triển nhanh chóng của công nghệ và nhu cầu ngày càng cao về an toàn giao thông, việc nghiên cứu và phát triển bộ điều khiển tự động cho xe tự hành trở nên cần thiết. Luận văn này tập trung vào việc xây dựng bộ điều khiển dự báo bám quỹ đạo cho xe tự hành sử dụng phương pháp Model Predictive Control (MPC). Mục tiêu chính là cải thiện khả năng điều khiển và giảm thiểu tai nạn giao thông, đồng thời ứng dụng vào nông nghiệp hiện đại. Việc áp dụng công nghệ tự động hóa trong nông nghiệp không chỉ giúp nâng cao năng suất mà còn giảm thiểu sức lao động của con người.

1.1 Mục tiêu nghiên cứu

Mục tiêu của nghiên cứu là xây dựng một mô hình xe tự hành có khả năng bám quỹ đạo chính xác thông qua việc áp dụng thuật toán điều khiển dự báo. Nghiên cứu sẽ thực hiện mô phỏng trên Matlab Simulink để đánh giá tính khả thi của bộ điều khiển. Ngoài ra, việc so sánh với các bộ điều khiển truyền thống như Stanley cũng được thực hiện để đánh giá hiệu quả của MPC. Đặc biệt, luận văn còn hướng đến việc ứng dụng vào các máy kéo trong nông nghiệp, nhằm thay thế vai trò của con người, từ đó góp phần nâng cao hiệu suất làm việc.

II. Mô hình và hệ thống điều khiển

Mô hình xe tự hành được xây dựng dựa trên cấu trúc xe 4 bánh, bao gồm hệ thống lái và điều khiển động cơ. Hệ thống phần cứng gồm có các cảm biến như IMU và GPS để thu thập dữ liệu và điều hướng xe. Việc xây dựng hệ thống điều khiển không chỉ đảm bảo tính chính xác trong việc bám quỹ đạo mà còn đảm bảo độ ổn định trong quá trình di chuyển. Hệ điều hành cho robot được sử dụng để quản lý và điều phối hoạt động của các thiết bị, từ đó tối ưu hóa quy trình điều khiển và giảm thiểu sai số trong việc thực hiện lệnh.

2.1 Xây dựng mô hình xe tự hành

Mô hình xe tự hành được thiết kế với hệ thống bẻ lái và động cơ điều khiển độc lập, giúp xe di chuyển chính xác hơn. Mô hình này sẽ được kiểm tra thông qua các bài thực nghiệm để đánh giá khả năng bám quỹ đạo. Các thông số kỹ thuật của mô hình xe như kích thước, khối lượng và tốc độ được xác định rõ ràng để đảm bảo tính khả thi trong các bài thử nghiệm thực tế. Việc sử dụng cảm biến GPS-RTK cho phép xác định vị trí với độ chính xác cao, từ đó nâng cao hiệu quả của bộ điều khiển dự báo.

2.2 Hệ thống phần cứng

Hệ thống phần cứng bao gồm một bảng điều khiển chính và các board phụ để điều khiển động cơ và cảm biến. Máy tính nhúng kết nối với các cảm biến và truyền dữ liệu lên trạm giám sát, từ đó thực hiện điều khiển xe. Hệ thống này không chỉ giúp thu thập dữ liệu mà còn cho phép điều khiển xe từ xa qua kết nối không dây, đảm bảo tính linh hoạt và hiệu quả trong quá trình vận hành. Việc áp dụng công nghệ hiện đại trong phần cứng giúp tối ưu hóa quy trình điều khiển và nâng cao độ tin cậy của hệ thống.

III. Kết quả mô phỏng

Kết quả mô phỏng trên Matlab cho thấy bộ điều khiển MPC hoạt động hiệu quả trong việc bám quỹ đạo. Các thông số được khảo sát cho thấy khả năng điều khiển của bộ điều khiển này vượt trội hơn so với các bộ điều khiển truyền thống như Stanley. Việc mô phỏng các quỹ đạo khác nhau giúp đánh giá được tính linh hoạt và khả năng thích ứng của bộ điều khiển trong các tình huống thực tế. Những số liệu thu được từ mô phỏng sẽ là cơ sở để thực hiện các bài thử nghiệm thực tế sau này.

3.1 Thiết lập chương trình mô phỏng

Chương trình mô phỏng được thiết lập với các tham số cụ thể nhằm kiểm tra hiệu quả của bộ điều khiển dự báo. Các bài khảo sát được thực hiện để đánh giá sự ổn định và chính xác của xe khi di chuyển theo quỹ đạo đã định. Kết quả cho thấy bộ điều khiển MPC có khả năng điều chỉnh góc bẻ lái một cách chính xác, từ đó giảm thiểu sai số trong quá trình bám quỹ đạo. Điều này chứng minh tính khả thi của phương pháp điều khiển dự báo trong việc điều khiển xe tự hành.

IV. Kết quả thực nghiệm

Kết quả thực nghiệm cho thấy bộ điều khiển PID hoạt động ổn định trong việc điều khiển hệ thống lái của xe tự hành. Các bài thực nghiệm được thực hiện trong môi trường thực tế với các quỹ đạo khác nhau, từ quỹ đạo thẳng đến quỹ đạo số 8, giúp đánh giá khả năng bám quỹ đạo của xe. Các số liệu thu được từ thực nghiệm cho thấy bộ điều khiển MPC không chỉ vượt trội hơn về độ chính xác mà còn có khả năng thích ứng tốt hơn trong các tình huống khác nhau.

4.1 Thực nghiệm bộ điều khiển PID

Thực nghiệm bộ điều khiển PID cho thấy khả năng điều khiển ổn định trong các trường hợp khác nhau. Các giá trị đặt được thay đổi theo thời gian và bộ điều khiển vẫn duy trì được độ chính xác cao trong việc bám quỹ đạo. Kết quả này cho thấy tính khả thi của việc áp dụng các công nghệ hiện đại trong việc điều khiển xe tự hành, từ đó mở ra cơ hội ứng dụng rộng rãi trong thực tế.

V. Kết luận và hướng phát triển

Luận văn đã nghiên cứu và phát triển thành công bộ điều khiển dự báo bám quỹ đạo cho xe tự hành, chứng minh được tính hiệu quả và khả năng ứng dụng trong thực tế. Các kết quả từ mô phỏng và thực nghiệm cho thấy bộ điều khiển MPC có thể cải thiện đáng kể khả năng bám quỹ đạo của xe tự hành. Trong tương lai, nghiên cứu có thể mở rộng để áp dụng vào các lĩnh vực khác như nông nghiệp, giao thông vận tải, và các ứng dụng tự động hóa khác.

5.1 Hướng phát triển

Hướng phát triển tiếp theo của nghiên cứu là mở rộng khả năng của bộ điều khiển MPC để áp dụng cho các loại xe tự hành khác nhau, bao gồm cả xe tải và máy kéo. Việc tích hợp thêm các cảm biến và công nghệ mới sẽ giúp cải thiện tính chính xác và độ tin cậy của hệ thống điều khiển. Đồng thời, nghiên cứu cũng sẽ xem xét việc áp dụng các thuật toán học máy để tối ưu hóa quá trình điều khiển và nâng cao hiệu suất của xe tự hành trong các tình huống phức tạp.

Trích đoạn nội dung tài liệu

MỞ ĐẦU 1.1 Mục tiêu nghiên cứu Với sự phát triển nhanh chóng của nền kinh tế xã hội và ngành công nghiệp ô tô, mức độ phổ biến của ô tô ngày càng cao, kéo theo đó là vấn đề tai nạn giao thông thường xuyên. Theo số liệu của tổ chức y tế thế giới, mỗi năm có khoảng 1,24 triệu người chết vì tai nạn giao thông đường bộ [1]. Trong dữ liệu liên quan do Tổ chức Y tế Thế giới công bố, tai nạn giao thông đường bộ nằm trong số 10 nguyên nhân gây tử vong hàng đầu trên toàn thế giới [2]. Với tư cách là người điều khiển phương tiện, con người là yếu tố dễ gây ra hầu hết các vụ tai nạn giao thông.

Công nghệ an toàn chủ động của phương tiện hiện có dựa trên quyết định của người lái để hỗ trợ hoạt động điều khiển ổn định và không thể loại bỏ cơ bản khả năng xảy ra tai nạn giao thông. Bên cạnh đó, bối cảnh đất nước ta có truyến thống nông nghiệp lâu năm, chiếm tỉ trọng cao trong nền kinh tế. Chủ trương của nhà nước là phát triển nông nghiệp kết hợp với khoa học công nghệ giúp cải thiện năng suất và thu nhập cho người nông dân. Các nước phát triển trên thế giới có số lượng dân cư là nông dân rất thấp, nhưng sản lượng lại rất lớn.

Cụ thể nền nông nghiệp Mỹ, lao động làm nông nghiệp, lâm nghiệp, thủy sản chỉ chiếm có 0,7% trong tổng số 153,9 triệu lao động trên toàn nước Mỹ, vậy mà nông nghiệp Mỹ lại là một mô hình công nghiệp hóa, hiện đại hóa rất điển hình [9]. Để đạt được như vậy thì họ đã phải áp dụng phương tiện và kỹ thuật hiện đại trong sản xuất nông nghiệp. Các công ty lớn trên thế giới cũng đã phát triển nhiều loại máy kéo đa năng, kết hợp với chế độ tự động giúp nông dân không phải tốn sức ra ngoài đồng và có thể điều khiển từ nhà bằng việc thiết lập lộ trình sẵn có cho máy kéo. Máy kéo Case IH Magnum và New Holland T8 NHDrive của hãng CNH Industrial [17] Hình 1-2.

Chiếc máy cày tự hành do công ty John Deere sản xuất [18] Có thể thấy, các mô hình xe, máy kéo tự hành đóng vai trò hết sức quan trọng trong đời sống sản xuất của con người. Kiểm soát theo dõi đường dẫn là công nghệ chính của xe tự hành, vì vậy đề tài sẽ tập trung vào bộ điều khiển bám quỹ đạo mong muốn cho trước của xe tự hành. 2 Do kinh phí của đề tài bị giới hạn, vì thế việc kiểm chứng giải thuật sẽ không thể thực hiện trên mô hình xe, máy kéo thực tế như đề cập ở trên. Thay vào đó, 1 mô hình xe 4 bánh vừa và nhỏ sẽ được xây dựng và chạy thực nghiệm trong khuôn viên trường kết hợp với các cảm biến IMU, GPS có độ chính xác cao.2 Tổng quan đề tài Điều khiển bám quỹ đạo là một phần quan trọng của xe tự hành, việc kiểm soát theo dõi đường đi của xe tự hành dựa trên sự kiểm soát của hệ thống lái của phương tiện [5].

Điều khiển xe tự hành bao gồm việc điều khiển chiều ngang và chiều dọc, đây là hai yếu tố cốt lõi trong việc nghiên cứu xe tự hành. Điều khiển chiều ngang hướng tới điều khiển đối tượng bám vào quỹ đạo và hướng mong muốn, trong khi điều khiển chiều dọc đảm bảo đạt được tốc độ di chuyển long muốn của phương tiện [4]. Để giải quyết vấn đề này, hàng loạt các bộ điều khiển đã được phát triển dựa vào lý thuyết điều khiển cổ điển, hiện đại, nâng cao như PID, điều khiển tối ưu, điều khiển cuốn chiếu, điều khiển trượt,… [4] Điều khiển dự báo mô hình là việc kết hợp dự báo mô hình, tối ưu hóa, hiệu chỉnh phản hồi đã giải quyết được những giới hạn của một số bộ điều khiển nhờ vào việc xem xét ràng buộc đầu vào và trạng thái cho phép của mô hình [4]. Nghiên cứu gần đây cho thấy giải thuật MPC rất hữu ích để điều khiển động lực học của nhiều phương tiện khi xem xét các ràng buộc về an toàn và tính ổn định của các thuật toán này cũng đã được nghiên cứu kỹ lưỡng [4].

Sơ đồ điều khiển bám quỹ đạo xem xét độ lệch và ổn định ngang để tránh chướng ngại vật đã được đề xuất trong [4] bằng cách sử dụng hệ thống lái và phanh kết hợp, trong đó mô hình xe mười bậc và mô hình xe đạp đơn giản được sử dụng cho điều khiển dự báo mô hình phi tuyến tính (NMPC). Trong đề tài này, bộ điều khiển dự báo (MPC) sẽ được sử dụng để điều khiển bám quỹ đạo cho mô hình xe tự hành bằng việc tuyến tính hóa mô hình tại điểm tham chiếu ở mỗi chu kì điều khiển. Kiểm chứng giải thuật sẽ được thực hiện trên mô hình và thử nghiệm trên một số quỹ đạo khác nhau cho trước. 3 MÔ HÌNH VÀ HỆ THỐNG ĐIỀU KHIỂN 2.1 Xây dựng mô hình xe tự hành Mô hình xe tự hành sẽ được xây dựng dựa trên ý tưởng mô hình xe 4 bánh.

Phía trước là hệ thống bẻ lái phía được điều khiển bởi 1 động cơ gắn encoder, hệ thống lái có vai trò điều hướng xe trong quá trình di chuyển. Phía sau bao gồm 2 bánh xe có vai trò điều tốc, mỗi bánh sau được trang bị 1 động cơ gắn encoder để dễ dàng điều khiển độc lập để giải quyết vấn đề sai lệch, không đồng bộ giữa 2 động cơ dễ dàng hơn. Wifi GPS Motor-steering Steering angle Control L System vleft vright Motor-left Motor-right Hình 2-1. Mô hình xe 4 bánh được sử dụng trong luận văn Bảng 2-1.

Thông số mô hình xe tự hành Thông số Giá trị Kích thước (dài x rộng x cao) 1.4 (m) Khối lượng 20 kg Vật liệu Plastic Tốc độ Lên đến 2.5 (m/s) IMU, GPS, RF, 2 động cơ Thiết bị RS550 Encoder, 1 động cơ DC RS-365PW Encoder 4 2.1 Hệ thống phần cứng Hình 2-2. Sơ đồ thiết kế phần cứng Hệ thống điều khiển bao gồm một bảng điều khiển chính sử dụng máy tính nhúng và ba board phụ (PWM, cảm biến và Định vị) sử dụng ARM MCU. Máy tính nhúng được kết nối với các cảm biến bao gồm đơn vị đo quán tính (IMU) và hệ thống định vị toàn cầu (GPS), sau đó sẽ thu thập dữ liệu cảm biến và truyền lên trạm giám sát mặt đất. Board driver nhận lệnh từ MainBoard để điều khiển các motor.

Hệ thống USV có thể truy cập không dây: Wifi/RF để truyền/nhận lệnh giữa trạm mặt đất và máy tính nhúng để đưa ra lệnh điều khiển. DC Power PC IMU STM-Mainboard Hình 2-3. Hệ thống phần cứng điều khiển 5 2.2 Các thiết bị sử dụng trong mô hình 2. Chip STM32F407 Dòng ARM Cortex STM32F4 là một bộ xử lí thế hệ mới với một kiến trúc chuẩn cho nhu cầu đa dạng về công nghệ.

Dòng Cortex là một lõi xử lí hoàn thiện, dựa vào một chuẩn CPU và kiến trúc hệ thống chung.2 GPS GPS u-blox NEO M8P RTK là một mô-đun GPS RTK nhỏ, nhẹ và tiết kiệm năng lượng, dựa trên M8P u-blox. Sử dụng RTK, PX4 có thể nhận được vị trí của nó với độ chính xác tới mức cm, chính xác hơn nhiều so với GPS thông thường. Bộ cảm biến GPS-RTK Thông số cho cảm biến GPS: • Giao tiếp bằng UART, tốc độ baud rate 115200 • Thời gian cập nhật: 100ms (10 hz) • Bản tin từ cảm biến: $GPRMC Dữ liệu từ bản tin $GPRMC $GPRMC,083559.52,091202,,,A,V*57 6 Trong đó: • $GPRMC: mã bản tin.00: thời gan UTC. • A: trạng thái nhận.

A: dữ liệu hợp lê, V: dữ liệu không hợp lệ.11437: tọa độ vĩ độ (Lattitude), 2 số đầu dành cho độ, phần còn lại là phút. • N: chỉ thị Bắc.91522: tọa độ kinh độ (Longtitude), 2 số đầu dành cho độ, phần còn lại là phút. • E: chỉ thị Đông.004: tốc độ trên mặt đất.52: • 091202: ngày, tháng, năm. • A: mode chỉ thị.

• V: trạng thái chỉ thị định vị, V (thiết bị không cung cấp thông tin trạng thái điều hướng). Một hệ thống GPS-RTK bao gồm 2 thành phần: thành phần đứng yên gọi là Base và thành phần chuyển động gọi là Rover. Sơ đồ mô hình hoạt động của GPS-RTK [19] 7 Trạm GPS (base station) có tọa độ cố định và được xác định bằng các phương pháp đo đạc chính xác cao, thông thường được gọi là survey-in. Base sẽ dựa vào các thuật toán để ước lượng vị trí chính xác của nó và mất một khoảng thời gian để hoàn thành giai đoạn này.

Trong quá trình hoạt động, hệ thống định vị toàn cầu GNSS (Global Navigation Satellite System) được dùng để tính toán sai số vị trí tại vị trí của Base bằng cách so sánh với vị trí chính xác của Base(đã được ước lượng bằng survey-in trước đó). Sau khi sai số vị trí được xác định thì sẽ được gửi và cập nhật liên tục đến Rover bằng giao tiếp không dây. Rover sử dụng những hiệu chỉnh này để cải thiện vị trí được tính toán của nó từ GNSS và đạt được độ chính xác đến từng centimet. Trong một hệ thống nhiều Rover có thể sử dụng chung 1 Base.

Bộ GPS truyền thống thông thường có sai số lên tới 2-4 m. Nhưng việc kết hợp phương pháp RTK lại có thể đạt độ chính xác đến từng cm. Điều này rất có lợi trong các ứng dụng cần độ chính xác cao như xe tự hành, drone,… Hình 2-7. Sơ đồ kết nối của GPS-RTK NEO-M8P 8 2.3 IMU Cảm biến vận tốc góc và gia tốc: từ hãng Analog Devices, mã hiệu ADIS16480.

Cảm biến này có một số tính năng nổi trội so với các hãng khác như: tầm đo vận tốc góc lớn (4500/s), tầm đo gia tốc 8g, tần số cập nhật lớn (2460Hz), độ phân giải cao (32bit), độ trôi theo nhiệt độ thấp, độ trực giao của 3 trục lớn. Các thông số chính của ADIS16480: • Tầm đo vận tốc góc thiết lập: +/- 450°/sec. • Tầm đo gia tốc: -18g đến +18g • Thời gian khởi động: 120ms • Giao tiếp: SPI • Ngõ ra chuyển vị góc tương đối • Tích hợp cảm biến nhiệt độ • Lập trình thay đổi cấu hình làm việc: hiệu chỉnh bias auto/manual, băng • thông 50/330 Hz, tốc độ lấy mẫu 256/2048Hz, lọc FIR, digital I/O, alarm, • ngõ ra DAC. • Nguồn điện: +4,75V đến +5,25V.

• Gia tốc làm việc cho phép: <2000g. • Nhiệt độ làm việc: -40°C đến +105° Vi xử lý trung tâm: từ hãng STMicrochip, mã hiệu STM32F405. STM32F405 hoạt động ở xung nhịp 168MHz, có khả năng xử lý phép tính dấu chấm động chỉ trong 1 chu kỳ máy, và khả năng giao tiếp ngoại vi mạnh.