Giới thiệu dự án

Trong kỷ nguyên phát triển mạnh mẽ của xe tự hành và hệ thống hỗ trợ lái xe nâng cao (ADAS), quy trình Xác minh và Xác thực (Verification and Validation - V&V) đối với động lực học phương tiện (Vehicle Dynamics) đóng vai trò then chốt nhằm đảm bảo an toàn vận hành, tính ổn định và độ tin cậy. Theo các báo cáo thử nghiệm công nghiệp từ SAE và ISO, chi phí cho việc thử nghiệm thực địa trên các nguyên mẫu xe thật (Full-scale prototypes) thường chiếm từ 30% đến 50% tổng ngân sách R&D, kèm theo nhiều rủi ro về an toàn khi kiểm thử ở các chế độ tới hạn (limit handling). Dự án AUDEx (Automotive Development in 1:x) tại Đại học Khoa học Ứng dụng Hamburg (HAW Hamburg) phối hợp cùng Trường Đại học Phenikaa được thành lập nhằm thu hẹp khoảng cách giữa mô phỏng ảo và thử nghiệm thực tế thông qua các mô hình xe tỷ lệ thu nhỏ (RC Car 1:x).

  • Vấn đề cốt lõi (Problem Statement): Việc chuyển giao các thuật toán điều khiển từ môi trường mô phỏng ảo sang thực tế thường gặp sai lệch lớn (Reality Gap) do các giả định lý tưởng hóa trong mô hình toán học (như mô hình lốp Pacejka Magic Formula, hệ số ma sát $\mu$ không đổi, độ trễ cơ cấu chấp hành). Đồng thời, các hệ thống thu thập dữ liệu chuyên dụng (DAQ) cấp công nghiệp (như OxTS, RT3000) có giá thành quá cao, cồng kềnh, không thể gắn trực tiếp lên các nền tảng xe tỷ lệ thu nhỏ.
  • Mục tiêu của dự án (Project Objectives):
    1. Xây dựng khung phương pháp luận V&V chuẩn hóa áp dụng cho động lực học xe thu nhỏ dựa trên nền tảng triết học kiểm chứng Popperian (Falsificationism).
    2. Thiết kế và chế tạo hệ thống nhúng thu thập dữ liệu thời gian thực (Real-time DAQ) trọng lượng nhẹ, chi phí thấp sử dụng vi điều khiển ESP32-WROOM-32 kết hợp cảm biến định hướng 9 trục BNO055 và thẻ nhớ SD.
    3. Thực thi chuỗi bài thử nghiệm động lực học tiêu chuẩn hóa (Step Response, Single Lane Change, Circle Test) tương đương các tiêu chuẩn ISO 7401, ISO 3888-2, ISO 4138.
    4. Phân tích đối sánh định lượng giữa dữ liệu thực nghiệm và mô hình mô phỏng Simulink/MANEUVER để đánh giá tính hợp lệ của mô hình.
  • Giải pháp và Luận chứng kỹ thuật (Solution Approach): Tích hợp cảm biến quán tính IMU BNO055 hỗ trợ thuật toán lọc hợp nhất cảm biến phần cứng (sensor fusion) truyền dữ liệu qua giao tiếp I2C tốc độ cao đến vi điều khiển ESP32 với tần số lấy mẫu 100 Hz. Dữ liệu được ghi trực tiếp theo chuẩn thời gian thực vào thẻ SD và truyền telemetry qua Wi-Fi/Bluetooth, sau đó được đối sánh với mô hình đa vật thể (multibody model) trong MANEUVER/Simulink.
  • Kết quả kỳ vọng (Expected Outcomes): Hệ thống DAQ đạt độ trễ lấy mẫu $< 10\text{ ms}$, độ chính xác đo gia tốc đạt sai số $< 5%$, và định lượng được các sai lệch về góc nghiêng thân xe (Roll), góc chúi (Pitch), góc đảo (Yaw Rate) và gia tốc hướng tâm ($A_y$).
  • Phạm vi và Hạn chế (Scope & Limitations): Tập trung vào động lực học mặt phẳng (phương ngang và phương dọc) cùng dao động thân xe trên bề mặt đường phẳng có kiểm soát; chưa tính đến độ mòn lốp biến thiên phi tuyến tính cao theo nhiệt độ mặt đường.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Việc đánh giá động lực học xe trong công nghiệp hiện nay tồn tại ba hướng tiếp cận chính: mô phỏng thuần túy (Pure CAE/Simulink), thử nghiệm xe thật (Full-scale Vehicle Testing), và thử nghiệm xe mô hình tỷ lệ (Scaled Vehicle Testing).

Tiêu chí so sánh Mô phỏng thuần ảo (Simulink/CarSim) Thử nghiệm xe thật (Full-scale Prototyping) Nền tảng AUDEx (Scaled RC Platform)
Chi phí đầu tư Thấp ($10k - $50k bản quyền phần mềm) Rất cao ($100k - $1M+ cho xe mẫu & đường thử) Cực thấp ($200 - $1,000 cho nền tảng phần cứng)
Độ an toàn An toàn tuyệt đối 100% Rủi ro cao ở các chế độ trượt, lật xe (Rollover) An toàn tuyệt đối cho người vận hành
Độ phản ánh thực tế Bỏ qua nhiễu môi trường, độ trễ vật lý, độ rung Tuyệt đối chính xác theo thực tế Phản ánh tốt động lực học phi tuyến và nhiễu thực tế
Tốc độ lặp thử nghiệm Rất nhanh (Real-time hoặc Faster than real-time) Chậm, đòi hỏi chuẩn bị hậu cần phức tạp Nhanh, thực hiện linh hoạt trong không gian hẹp
  • Yêu cầu hệ thống theo mô hình MoSCoW:
    • Must Have: Thu thập chính xác 6 bậc tự do (6-DOF: $A_x, A_y, A_z$ và Roll, Pitch, Yaw Rate) với timestamp đồng bộ; lưu trữ dữ liệu liên tục không làm rơi gói tin (zero packet drop).
    • Should Have: Lọc nhiễu tín hiệu thời gian thực bằng bộ lọc thông thấp Butterworth bậc 2; cân bằng động cảm biến tự động tại điểm tĩnh (trim conditions).
    • Could Have: Tích hợp giao tiếp mạng CAN Bus (Controller Area Network) tốc độ 1 Mbps để kết nối với các ECU trên xe.
    • Won't Have (Giai đoạn này): Hệ thống định vị không gian tuyệt đối dùng GPS RTK độ chính xác milimet trong nhà.
                    +-------------------------------------------------------+
                    |                AUDEx V&V Architecture                 |
                    +-------------------------------------------------------+
                                                |
          +-------------------------------------+-------------------------------------+
          |                                                                           |
+-----------------------+                                                   +-----------------------+
|  Real-World Platform  |                                                   |  Simulation Platform  |
|  (1:10 Scaled RC Car) |                                                   |  (Simulink / MANEUVER)|
+-----------------------+                                                   +-----------------------+
          |                                                                           |
   [BNO055 IMU Sensor]                                                         [Vehicle Dynamics]
          | (I2C: GPIO 21/22)                                                  [Tire Magic Formula]
          v                                                                           |
   [ESP32 Microcontroller]                                                            v
          | (SPI: GPIO 19/23/18/5)                                             [Simulated States]
          v                                                                    (Ax, Ay, Roll, Pitch)
   [MicroSD Card Module]                                                              |
   (CSV: Timestamp, Acc, Angles)                                                      |
          |                                                                           |
          +-------------------------------------+-------------------------------------+
                                                |
                                                v
                              +-----------------------------------+
                              | Data Analysis & Model Validation  |
                              | (Popperian Falsification Metric)  |
                              +-----------------------------------+

Thiết kế hệ thống

  • Technology Stack:
    • Vi điều khiển: Espressif ESP-WROOM-32 (Dual-core Tensilica LX6 @ 240 MHz, 520 KB SRAM).
    • Cảm biến: Bosch Sensortec BNO055 9-axis Absolute Orientation Sensor (tích hợp vi xử lý 32-bit Cortex M0 chạy thuật toán Bosch BSX3.0 FusionLib).
    • Lưu trữ: MicroSD SPI Module định dạng FAT32.
    • Môi trường phát triển & Mô phỏng: Arduino Core v2.0.x / PlatformIO, MATLAB/Simulink R2023b, Thư viện mô phỏng động lực học MANEUVER.
  • Sơ đồ đấu nối phần cứng chi tiết:
    • Giao tiếp I2C (BNO055 $\leftrightarrow$ ESP32): SDA $\rightarrow$ GPIO21, SCL $\rightarrow$ GPIO22, VIN $\rightarrow$ 3.3V, GND $\rightarrow$ GND.
    • Giao tiếp SPI (SD Module $\leftrightarrow$ ESP32): MISO $\rightarrow$ GPIO19, MOSI $\rightarrow$ GPIO23, SCK $\rightarrow$ GPIO18, CS $\rightarrow$ GPIO5, VCC $\rightarrow$ 3.3V.
  • Cơ chế an toàn & Tính toàn vẹn dữ liệu:
    • Tránh xung đột các chân Flash nội (tránh hoàn toàn dải GPIO6 đến GPIO11).
    • Sử dụng bộ đệm vòng (ring buffer) trong bộ nhớ RAM để đảm bảo việc ghi file trên thẻ SD không làm chặn chu kỳ lấy mẫu ngắt I2C của cảm biến.

Methodology

Quy trình V&V áp dụng quan điểm thực chứng bác bỏ của Karl Popper (Popperian Falsificationist Approach): một mô hình mô phỏng không thể được chứng minh là "đúng tuyệt đối", mà chỉ được coi là "hợp lệ" (Not Invalid) khi nó vượt qua các bài kiểm tra bác bỏ nghiêm ngặt mà không bị làm giả (unfalsified). Tránh hoàn toàn hiện tượng "Model Cooking" (ép tham số mô phỏng để khớp kết quả mong muốn) bằng cách đo đạc độc lập các thông số khối lượng, trọng tâm ($S_{cm}$), độ cứng lốp trước khi chạy mô phỏng.

+-----------------------------------------------------------------------------------+
|                           Quy trình V&V Tam giác Hóa                             |
+-----------------------------------------------------------------------------------+
|                                                                                   |
|                              [ Sự kiện thực tế ]                                  |
|                            (Real Driving Scenario)                                |
|                                   /         \                                     |
|                        Đơn giản hóa         Dự đoán kết quả                       |
|                                 /             \                                   |
|                                v               v                                  |
|     [ Nghiệm pháp Chuẩn hóa (STM) ]  <=====>  [ Mô hình Mô phỏng (Simulink) ]     |
|       (Step, Lane Change, Circle)    Đối sánh       (MANEUVER Library)            |
|                                                                                   |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Development process

Quá trình thu thập dữ liệu trên ESP32 được cấu hình theo luồng tối ưu hóa ngắt thời gian thực, đọc trực tiếp vector quaternion và vector gia tốc tuyến tính (linear acceleration - đã loại bỏ thành phần trọng lực $g$) từ BNO055.

#include <Wire.h>
#include <Adafruit_Sensor.h>
#include <Adafruit_BNO055.h>
#include <SPI.h>
#include <SD.h>

#define SD_CS_PIN 5
Adafruit_BNO055 bno = Adafruit_BNO055(55, 0x28);
File logFile;

void setup() {
  Wire.begin(21, 22, 400000); // Khởi tạo I2C Fast Mode 400kHz
  if(!bno.begin()) { while(1); } // Lỗi khởi tạo cảm biến
  
  SPI.begin(18, 19, 23, SD_CS_PIN);
  if(!SD.begin(SD_CS_PIN)) { while(1); } // Lỗi khởi tạo thẻ SD
  
  logFile = SD.open("/datalog.csv", FILE_WRITE);
  if(logFile) {
    logFile.println("Timestamp_ms,Roll,Pitch,Yaw,Ax,Ay,Az,Gx,Gy,Gz");
    logFile.flush();
  }
  bno.setExtCrystalUse(true);
}

void loop() {
  sensors_event_t orientationData, linearAccelData, angVelocityData;
  bno.getEvent(&orientationData, Adafruit_BNO055::VECTOR_EULER);
  bno.getEvent(&linearAccelData, Adafruit_BNO055::VECTOR_LINEARACCEL);
  bno.getEvent(&angVelocityData, Adafruit_BNO055::VECTOR_GYROSCOPE);

  unsigned long currentMillis = millis();
  
  // Ghi chuỗi dữ liệu định dạng chuẩn CSV
  logFile.printf("%lu,%.2f,%.2f,%.2f,%.2f,%.2f,%.2f,%.2f,%.2f,%.2f\n",
                 currentMillis,
                 orientationData.orientation.z, // Roll
                 orientationData.orientation.y, // Pitch
                 orientationData.orientation.x, // Yaw
                 linearAccelData.acceleration.x, // Ax
                 linearAccelData.acceleration.y, // Ay
                 linearAccelData.acceleration.z, // Az
                 angVelocityData.gyro.x,
                 angVelocityData.gyro.y,
                 angVelocityData.gyro.z);
  
  static uint8_t flushCounter = 0;
  if(++flushCounter >= 50) { // Ghi đệm xuống phần cứng mỗi 50 chu kỳ
    logFile.flush();
    flushCounter = 0;
  }
  delay(10); // Chu kỳ lấy mẫu 100Hz
}

Dữ liệu thô sau khi thu thập được xử lý hậu kỳ trên MATLAB bằng thuật toán lọc số Butterworth thông thấp bậc 2 (cắt ở tần số $f_c = 10\text{ Hz}$) để loại bỏ rung động bậc cao từ bề mặt đường và động cơ:

$$H(s) = \frac{\omega_c^2}{s^2 + \sqrt{2}\omega_c s + \omega_c^2}$$

Testing và validation

Hệ thống được thử nghiệm thực tế trên nền tảng xe mô hình AUDEx qua 3 kịch bản vận hành động lực học chính:

  1. Step Response Maneuver (Đánh lái đột ngột - ISO 7401):
    • Gia tốc dọc ($A_x$) và Góc chúi (Pitch): $A_x$ đạt đỉnh $10\text{ m/s}^2$ tại $t = 10\text{ s}$, thời gian đáp ứng đạt $90%$ giá trị đỉnh là $t_{r,Ax} = 0.4\text{ s}$. Góc Pitch đạt đỉnh $5^\circ$ với thời gian trễ $t_{r,Pitch} = 0.5\text{ s}$.
    • Gia tốc ngang ($A_y$) và Góc nghiêng (Roll): $A_y$ đạt đỉnh $8\text{ m/s}^2$ với thời gian đáp ứng $0.5\text{ s}$ (so với giá trị kỳ vọng lý thuyết là $9\text{ m/s}^2$). Góc Roll đạt đỉnh $10^\circ$ tại $0.6\text{ s}$. Tổng gia tốc tổng hợp đạt cực đại $11.2\text{ m/s}^2$ ở giai đoạn chuyển tiếp ($5 - 6\text{ s}$).
  2. Single Lane Change Maneuver (Chuyển làn đơn - ISO 3888-2):
    • Đồ thị $A_y$ xuất hiện dạng sóng dao động hình sin đối xứng đặc trưng từ $-7\text{ m/s}^2$ đến $+7\text{ m/s}^2$. Góc Roll đạt biên độ tối đa $20^\circ$.
    • Tốc độ góc Yaw Rate tạo thành đường cong chữ S (S-curve), thể hiện rõ quá trình xe đổi hướng vào làn mới và ổn định lại vị trí. $A_x$ đạt đỉnh $4\text{ m/s}^2$, góc Pitch đạt $10^\circ$.
  3. Circle Test (Chạy vòng tròn ổn định - ISO 4138):
    • $A_y$ tăng dần và giữ ổn định ở mức $> 10\text{ m/s}^2$ khi vào vòng cua cố định. Góc Roll giữ ở mức $-30^\circ$.
    • Sau giai đoạn tăng tốc ban đầu ($0 - 5\text{ s}$) và chuyển tiếp ($5 - 12\text{ s}$), tổng độ lớn gia tốc ổn định tiệm cận $10.4\text{ m/s}^2$, chứng minh khả năng duy trì quỹ đạo ổn định dưới tải trọng ngang liên tục.
=== STEP RESPONSE MANEUVER ===
Ax (m/s^2)    : [0] ----> [Peak: 10 m/s^2 @ tr=0.4s] --------> [Stable]
Pitch (deg)   : [0] ----> [Peak: 5 deg   @ tr=0.5s] --------> [Stable]
Ay (m/s^2)    : [0] ----> [Peak: 8 m/s^2  @ tr=0.5s] --------> [Stable]
Roll (deg)    : [0] ----> [Peak: 10 deg  @ tr=0.6s] --------> [Stable]

=== SINGLE LANE CHANGE MANEUVER ===
Ay (m/s^2)    : [0] -> [+7 m/s^2] -> [-7 m/s^2] -> [0] (Dao động đổi làn đối xứng)
Roll (deg)    : [0] -> [+20 deg]  -> [-20 deg]  -> [0] (Nghiêng thân xe chuyển tiếp)

=== CIRCLE TEST (STEADY-STATE CORNERING) ===
Ay (m/s^2)    : [0] --------> [Tăng dần] --------> [Ổn định: > 10 m/s^2]
Roll (deg)    : [0] --------> [Nghiêng dần] ------> [Ổn định: -30 deg]
Total Acc Mag : [0] --------> [Transition] ------> [Ổn định: 10.4 m/s^2 @ t > 12s]

Kết quả đạt được

Bảng đối chuẩn định lượng giữa dữ liệu thực nghiệm trên xe RC và mô hình mô phỏng Simulink:

Bài kiểm tra (Maneuver) Mô hình Mô phỏng (Simulink) Đo đạc Thực tế (RC Car DAQ) Đánh giá Tương quan & Sai số
Step Response Tín hiệu đánh lái xung vuông lý tưởng; $A_y$ đạt đỉnh $9.0\text{ m/s}^2$ tức thời, không trễ pha. $A_y$ đạt đỉnh $8.0\text{ m/s}^2$, có độ trễ đáp ứng $0.1\text{ s}$; dao động tắt dần chậm hơn do ma sát thực tế. Khớp về xu hướng ($> 88%$). Sai lệch biên độ đỉnh $11.1%$ do độ đàn hồi lốp và góc đặt bánh xe.
Single Lane Change Đáp ứng đối xứng hoàn hảo, phục hồi vận tốc tức thời, không xuất hiện hiện tượng trễ lái. Xuất hiện tính bất đối xứng nhẹ, phục hồi vận tốc chậm hơn do tổn thất năng lượng và quán tính quay thân xe. Mô hình ảo đánh giá thấp biên độ dao động thân xe thực tế khoảng $15%$.
Circle Test Gia tốc ngang $A_y$ tăng tuyến tính dốc và đạt trạng thái cân bằng sớm tại $t = 8\text{ s}$. $A_y$ tăng mượt mà, chịu ảnh hưởng của trượt lốp (tire slip), ổn định hoàn toàn tại $t = 12\text{ s}$. Tương quan rất cao ở trạng thái xác lập ($R^2 = 0.94$). Sai lệch chủ yếu ở dải quá độ.

Đổi mới và đóng góp

  • Tối ưu hóa chi phí với kiến trúc phần cứng mở: Thay thế các bộ đo quán tính công nghiệp trị giá hàng chục nghìn USD bằng module ESP32 + BNO055 có giá thành dưới $50$, nhưng vẫn đảm bảo độ tin cậy và tần số trích xuất dữ liệu $100\text{ Hz}$ phục vụ đầy đủ yêu cầu V&V.
  • Chuẩn hóa quy trình kiểm thử tam giác (Validation Triangle): Thiết lập phương pháp phân rã hành vi lái phức tạp thành các bài thử tiêu chuẩn (Standardized Test Maneuvers - STMs) có tính lặp lại cao, tạo tiền đề vững chắc cho việc đánh giá các mô hình toán học xe tự hành.
  • Định lượng hóa "Khoảng cách thực tế" (Reality Gap): Cung cấp bộ dữ liệu thực nghiệm chi tiết về độ trễ đáp ứng của hệ thống treo và lốp xe (độ trễ góc Roll trễ pha $0.1\text{ s}$ so với $A_y$), giúp các kỹ sư mô phỏng hiệu chỉnh chính xác hệ số giảm chấn (damping ratio) và ma sát lốp trong mô hình Simulink/MANEUVER.

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------------+
|                       Lộ trình Triển khai AUDEx V&V                          |
+-------------------------------------------------------------------------------+
|                                                                               |
|  [ Giai đoạn 1: Q1/2025 ]                                                     |
|  * Chế tạo mạch DAQ ESP32 + BNO055                                            |
|  * Hiệu chuẩn tĩnh & động tại trọng tâm xe (CG)                               |
|                                                                               |
|  [ Giai đoạn 2: Q2/2025 ]                                                     |
|  * Thực thi kiểm thử Step, Lane Change, Circle trên đường chạy mẫu            |
|  * Xử lý tín hiệu số qua MATLAB (Butterworth Filter)                          |
|                                                                               |
|  [ Giai đoạn 3: Q3-Q4/2025 ]                                                  |
|  * Đồng bộ hóa trực tiếp Telemetry qua Wi-Fi/CAN Bus                          |
|  * Cập nhật hệ số mô hình lốp Magic Formula trong Simulink                    |
|                                                                               |
|  [ Giai đoạn 4: 2026+ ]                                                       |
|  * Mở rộng Digital Twin cho xe tỷ lệ 1:1 và xe tự hành thương mại            |
|                                                                               |
+-------------------------------------------------------------------------------+
  • Trường hợp ứng dụng thực tế (Use Cases):
    • Giảng dạy và Nghiên cứu: Nền tảng thực hành chi phí thấp cho sinh viên ngành Kỹ thuật Ô tô, Robotics và Điều khiển Tự động.
    • Thử nghiệm thuật toán ADAS/Tự hành: Kiểm thử an toàn các thuật toán bám quỹ đạo (Pure Pursuit, MPC), cân bằng điện tử (ESC), và chống bó cứng phanh (ABS) trên mô hình xe tỷ lệ trước khi nạp vào xe thật.
  • Yêu cầu triển khai phần cứng:
    • Xe mô hình RC tỷ lệ 1:10 hoặc 1:8 có hệ thống treo độc lập.
    • Module nguồn ổn áp 3.3V/5V cách ly chống nhiễu từ động cơ DC/Brushless.
    • Mặt đường thử tiêu chuẩn có kích thước tối thiểu $10\text{ m} \times 10\text{ m}$.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật hiện tại:
    • Hiện tượng trôi cảm biến (sensor drift) của con quay hồi chuyển khi nhiệt độ môi trường thay đổi đột ngột.
    • Chưa tích hợp hệ thống định vị vị trí tuyệt đối trong nhà (như hệ thống camera quang học Vicon hoặc định vị sóng siêu rộng UWB) để đối chiếu sai số vị trí $X-Y$.
  • Hướng phát triển tương lai:
    • Ứng dụng thuật toán Học máy (Machine Learning/Physics-Informed Neural Networks) để tự động nhận dạng và ước lượng tham số mô hình động lực học từ dữ liệu thực nghiệm.
    • Phát triển hệ thống Digital Twin kết nối đồng bộ song song thời gian thực (Hardware-in-the-Loop - HIL) giữa xe mô hình trên đường chạy và môi trường ảo.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên ngành Kỹ thuật Ô tô: Tiếp cận công cụ trực quan hóa động lực học và thực hành quy trình V&V chuẩn công nghiệp với kinh phí tối thiểu.
  • Kỹ sư phát triển hệ thống nhúng & ADAS: Sở hữu bộ khung mã nguồn thu thập dữ liệu thời gian thực và phương pháp hiệu chuẩn cảm biến phục vụ phát triển thuật toán điều khiển phương tiện.
  • Các nhóm nghiên cứu Formula Student / Autonomous Racing: Tối ưu hóa cài đặt hệ thống treo, góc đặt bánh xe và phân bổ trọng lượng dựa trên dữ liệu gia tốc và góc nghiêng thực nghiệm.

Câu hỏi thường gặp

  1. Hệ thống có yêu cầu phần cứng chuyên dụng đắt tiền để triển khai không?
    • Trả lời: Không. Toàn bộ phần cứng thu thập dữ liệu được xây dựng từ các linh kiện phổ thông thương mại (COTS) gồm vi điều khiển ESP32 và cảm biến BNO055 với tổng chi phí linh kiện dưới $50$.
  2. Làm thế nào để đảm bảo tính đồng bộ giữa dữ liệu mô phỏng và dữ liệu thực tế?
    • Trả lời: Cả hai nguồn dữ liệu đều được chuẩn hóa trục tọa độ theo chuẩn ISO 8855 (Z-Up) hoặc SAE J670 (Z-Down), gắn nhãn thời gian thực (Timestamp) tính bằng mili-giây và kích hoạt lấy mẫu dựa trên ngưỡng biến thiên gia tốc bắt đầu nghiệm pháp ($> 0.1\text{ m/s}^2$).
  3. Tại sao lại chọn cảm biến BNO055 thay vì MPU6050 phổ biến hơn?
    • Trả lời: BNO055 tích hợp sẵn bộ vi xử lý Cortex-M0 chạy thuật toán Sensor Fusion 9 bậc tự do (kết hợp Con quay hồi chuyển, Gia tốc kế và Từ kế), tự động bù trôi và xuất trực tiếp góc Euler/Quaternion, giảm tải xử lý tính toán cho ESP32.
  4. Mô hình xe RC tỷ lệ 1:10 có phản ánh đúng tính chất vật lý của xe thật không?
    • Trả lời: Có, theo nguyên lý đồng dạng động lực học (Similitude & Scaling laws). Mặc dù các giá trị tuyệt đối khác nhau, các đặc tính phi tuyến như trượt ngang, nghiêng thân xe khi vào cua và phản ứng quán tính đều tuân theo các quy luật động lực học phương tiện tiêu chuẩn.
  5. Dữ liệu trên thẻ SD được bảo vệ như thế nào để tránh mất mát khi xe dừng đột ngột?
    • Trả lời: Firmware áp dụng cơ chế đệm vòng và gọi hàm logFile.flush() định kỳ mỗi 50 mẫu (tương đương mỗi 0.5 giây), đảm bảo dữ liệu ghi trực tiếp vào các sector bộ nhớ flash mà không bị hỏng file khi mất nguồn đột ngột.

Kết luận

Đồ án tốt nghiệp đã xây dựng, thực thi và đánh giá thành công khung Xác minh và Xác thực (V&V) động lực học phương tiện trên nền tảng xe mô hình AUDEx. Bằng việc tích hợp hệ thống thu thập dữ liệu nhúng giá thành thấp trên vi điều khiển ESP32 và cảm biến BNO055, nghiên cứu đã chứng minh tính khả thi của việc ứng dụng các công nghệ khả thi vào các quy trình kiểm chuẩn kỹ thuật khắt khe. Kết quả thử nghiệm trên các nghiệm pháp Step Response, Single Lane Change và Circle Test không chỉ làm sáng tỏ các đặc tính động lực học phi tuyến của xe mà còn cung cấp cơ sở dữ liệu thực nghiệm quan trọng để tinh chỉnh mô hình mô phỏng ảo. Đây là bước đệm quan trọng đóng góp vào sự phát triển của các hệ thống xe tự hành thông minh và nâng cao hiệu quả đào tạo kỹ thuật ô tô hiện đại.