Giới thiệu dự án

Trong kỷ nguyên công nghiệp 4.0 và chuyển đổi số, các Thiết Bị Bay Không Người Lái (UAV - Unmanned Aerial Vehicle) cùng hệ thống máy bay cất hạ cánh thẳng đứng (VTOL) đang chứng kiến sự tăng trưởng vượt bậc với tỷ lệ tăng trưởng kép hàng năm (CAGR) đạt hơn 17.5% trong các ứng dụng cứu hộ, giám sát hạ tầng và logistics. Tuy nhiên, việc phát triển các thuật toán điều khiển bay ổn định luôn đối mặt với rào cản kỹ thuật lớn do tính chất động lực học phi tuyến, liên kết chéo đa biến (MIMO - Multi-Input Multi-Output) và tính bất định của môi trường khí động học.

Mô hình trực thăng 2 bậc tự do (2 DOFs - Degrees of Freedom Helicopter) là đối tượng kinh điển trong kỹ thuật điều khiển tự động nhằm mô phỏng sát thực động học góc Chúi/Ngóc (Pitch - $\theta$) và góc Hướng/Lượn (Yaw - $\psi$) của máy bay trực thăng và UAV phản lực. Đồ án tốt nghiệp "Điều khiển cân bằng mô hình trực thăng 2 DOFs" do sinh viên Huỳnh Thanh Đô thực hiện dưới sự hướng dẫn của ThS. Lê Thị Thanh Hoàng tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh tập trung giải quyết triệt để bài toán ổn định và bám quỹ đạo phi tuyến thông qua việc kết hợp giải thuật kinh điển và trí tuệ mờ (Fuzzy Logic).

graph LR
    A[Góc đặt mong muốn Theta_ref, Psi_ref] --> B[Bộ điều khiển Fuzzy-PID]
    B --> C[Điện áp/PWM Motor Driver]
    C --> D[2 Động cơ Không chổi than SunnySky X2212 V3]
    D --> E[Mô hình Trực thăng 2 DOFs]
    E --> F[Cảm biến IMU / Encoder]
    F -->|Sai số e, de/dt| B

Mục tiêu của dự án

  1. Mô hình hóa toán học: Xây dựng hệ phương trình vi phân phi tuyến mô tả động lực học hệ thống trực thăng 2 DOFs dựa trên cơ học giải tích Lagrange.
  2. Thiết kế và chế tạo phần cứng: Hoàn thiện kết cấu cơ khí khung xoay 2 trục (kích thước tối đa $460 \times 200 \times 560\text{ mm}$, khối lượng $> 1\text{ kg}$) sử dụng động cơ không chổi than SunnySky X2212 V3 và cánh quạt 7 inches.
  3. Phát triển thuật toán điều khiển: Thiết kế bộ điều khiển PID kinh điển và phát triển bộ điều khiển mờ tự chỉnh định tham số PID (Fuzzy-PID / Fuzzy Gain Scheduling).
  4. Mô phỏng và kiểm chứng thực nghiệm: Thực hiện kiểm chứng trên MATLAB/Simulink R2023b và thu thập, trực quan hóa dữ liệu thực nghiệm thời gian thực bằng Python 3.10.

Phạm vi và giới hạn

  • Phạm vi: Điều khiển ổn định vị trí cân bằng và bám quỹ đạo góc Pitch ($\theta \in [-45^\circ, +45^\circ]$) và góc Yaw ($\psi \in [-180^\circ, +180^\circ]$) trên bệ thử nghiệm cố định.
  • Giới hạn: Bỏ qua hiệu ứng mặt đất (ground effect) cực hạn và xem xét lực đẩy của động cơ tỷ lệ tuyến tính với bình phương vận tốc góc cánh quạt trong phạm vi điện áp hoạt động ổn định $[0, 10]\text{ N}$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hệ thống trực thăng 2 bậc tự do có hai kênh điều khiển tương tác chéo mạnh: lực đẩy tạo chuyển động Pitch sinh ra mô-men xoắn nhiễu ảnh hưởng lên trục Yaw và ngược lại ($U_3, U_4$). Các phương pháp điều khiển hiện hành bộc lộ những ưu và nhược điểm rõ rệt:

Phương pháp Ưu điểm Nhược điểm Đánh giá độ phù hợp
PID truyền thống Cấu trúc đơn giản, dễ cài đặt trên vi điều khiển, tính toán nhanh. Không tự thích ứng khi điểm làm việc thay đổi; vọt lố cao khi có tương tác chéo. Trung bình (cần cải tiến)
LQR (Linear Quadratic Regulator) Tối ưu hóa năng lượng điều khiển, giải quyết tốt hệ MIMO tuyến tính. Phụ thuộc chính xác tuyệt đối vào mô hình toán; kém bền vững trước nhiễu phi tuyến. Khá
SMC (Sliding Mode Control) Độ bền vững (robustness) rất cao trước bất định tham số. Hiện tượng rung chấn góc (chattering), gây mòn cơ khí và quá nhiệt động cơ. Khá
Fuzzy-PID (Đề xuất) Tự động hiệu chỉnh trực tuyến $K_p, K_i, K_d$; khử triệt để tính phi tuyến và triệt tiêu vọt lố. Cần kinh nghiệm chuyên gia để xây dựng cơ sở luật mờ 25 quy tắc. Tối ưu nhất

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc): Mô hình hóa chuẩn xác theo Lagrange; ổn định góc $\theta, \psi$ không rơi tự do; thuật toán PID và Fuzzy-PID chạy ổn định dưới $10\text{ ms}$ trên phần cứng.
  • Should have (Nên có): Triệt tiêu vọt lố ($\le 1%$) và thời gian xác lập dưới $2.5\text{ s}$; thu thập dữ liệu tự động qua giao tiếp Serial bằng Python.
  • Could have (Có thể có): Khả năng lọc nhiễu thích nghi cho cảm biến góc đo lường (Kalman Filter).
  • Won't have (Chưa thực hiện): Điều khiển tự hành 6 bậc tự do không gian mở.

Thiết kế kiến trúc và ngăn xếp công nghệ

graph TD
    subgraph Cơ khí & Phần cứng
        H1[Khung thân Carbon & Nhôm định hình]
        H2[Động cơ BLDC SunnySky X2212 V3 980KV]
        H3[ESC 30A + Cánh quạt Gemfan 7042]
        H4[Cảm biến góc Encoder / IMU MPU-6050]
    end

    subgraph Điều khiển & Nhúng
        E1[Vi xử lý điều khiển trung tâm STM32 / Arduino]
        E2[Bộ chuyển đổi ADC / PWM Timer 20kHz]
        E3[Thuật toán Fuzzy Inference Engine Mamdani]
    end

    subgraph Giám sát & Phân tích
        S1[MATLAB / Simulink R2023b]
        S2[Python 3.10 GUI & Real-time Telemetry]
        S3[SolidWorks 2022 CAD Design]
    end

    H4 -->|I2C / SPI| E1
    E1 -->|PWM| H3 --> H2
    E1 -->|UART 115200 bps| S2
    S1 -.->|Model Validation| E3
  • Mô hình CAD: SolidWorks 2022 thiết kế kết cấu khung gá đỡ đối trọng và trục xoay giảm ma sát ổ bi.
  • Môi trường tính toán: MATLAB/Simulink R2023b với Fuzzy Logic Toolbox.
  • Phần mềm giám sát: Python 3.10 (thư viện pyserial 3.5, matplotlib 3.8, numpy 1.24).

Phương pháp luận (Methodology)

Dự án áp dụng mô hình phát triển chữ V kết hợp nguyên tắc lặp Agile:

  1. Tháng 02/2024 - 03/2024: Nghiên cứu cơ sở lý thuyết, lập phương trình vi phân Lagrange, mô phỏng kiểm chứng rơi tự do và đảo chiều trọng trường trên MATLAB.
  2. Tháng 03/2024 - 04/2024: Thiết kế bộ điều khiển PID, xây dựng luật mờ tự chỉnh định và mô phỏng hệ MIMO trên Simulink.
  3. Tháng 04/2024 - 05/2024: Thiết kế khung thân trên SolidWorks, gia công cơ khí bệ đỡ 2 trục, chọn động cơ SunnySky X2212 V3, thiết kế mạch công suất ESC.
  4. Tháng 05/2024 - 06/2024: Lập trình điều khiển nhúng, tích hợp giao tiếp Python Telemetry, thực nghiệm đáp ứng xung/sine và hoàn thiện khóa luận.

Implementation và kết quả

Mô hình toán động học và động lực học (Lagrange Formulation)

Hệ thống trực thăng 2 DOFs được mô hình hóa toán học thông qua hàm Lagrange $L = T - V$ ($T$: động năng, $V$: thế năng), dẫn đến hệ phương trình trạng thái phi tuyến liên kết đa biến:

$$\begin{aligned} (J_p + m l_{cm}^2)\ddot{\theta} &= U_1 + U_4 - m g l_{cm}\cos(\theta) - \mu_p \dot{\theta} - m l_{cm}^2 \dot{\psi}^2 \sin(\theta)\cos(\theta) \ (J_y + m l_{cm}^2\cos^2(\theta))\ddot{\psi} &= U_2 - U_3 - \mu_y \dot{\psi} - 2 m l_{cm}^2 \dot{\theta}\dot{\psi}\sin(\theta)\cos(\theta) \end{aligned}$$

Trong đó:

  • $J_p = 0.0384\text{ kg}\cdot\text{m}^2$, $J_y = 0.0432\text{ kg}\cdot\text{m}^2$: Mô-men quán tính trục Pitch và Yaw.
  • $m = 1.15\text{ kg}$, $l_{cm} = 0.3782\text{ m}$: Khối lượng và khoảng cách trọng tâm đến gốc tọa độ.
  • $\mu_p = 0.8\text{ N/V}$, $\mu_y = 0.318\text{ N/V}$: Hệ số ma sát nhớt.
  • $U_1, U_2$: Mô-men chủ động tạo chuyển động Pitch và Yaw.
  • $U_3, U_4$: Mô-men tương tác chéo gây nhiễu chéo giữa hai trục.

Thiết kế bộ điều khiển Fuzzy-PID (Gain Scheduling)

Thuật toán Fuzzy-PID sử dụng 2 đầu vào gồm Sai số $E = r(t) - y(t)$ và Đạo hàm sai số $DE = \frac{de(t)}{dt}$, đầu ra là các giá trị hiệu chỉnh $\Delta K_p, \Delta K_i, \Delta K_d$. Không gian biến được định nghĩa bằng 7 tập mờ: NB (Negative Big), NM (Negative Medium), NS (Negative Small), ZE (Zero), PS (Positive Small), PM (Positive Medium), PB (Positive Big) trên miền chuẩn hóa $[-1, 1]$.

$$\begin{aligned} K_p(t) &= K_{p0} + \Delta K_p(t) \ K_i(t) &= K_{i0} + \Delta K_i(t) \ K_d(t) &= K_{d0} + \Delta K_d(t) \end{aligned}$$

# Pseudo-code triển khai thuật toán Fuzzy-PID Gain Scheduling thời gian thực
import numpy as np

class FuzzyPIDScheduler:
    def __init__(self, kp0, ki0, kd0, rule_table):
        self.kp0 = kp0
        self.ki0 = ki0
        self.kd0 = kd0
        self.rule_table = rule_table # 7x7 Mamdani Rule Base
        self.integral_error = 0.0
        self.prev_error = 0.0

    def fuzzify(self, value, universe_range=(-1.0, 1.0)):
        # Chuẩn hóa giá trị về khoảng [-1, 1] và tính toán độ thuộc hàm tam giác/hình thang
        norm_val = np.clip(value / universe_range[1], -1.0, 1.0)
        return norm_val

    def compute_control_effort(self, target, actual, dt):
        error = target - actual
        derivative = (error - self.prev_error) / dt if dt > 0 else 0.0
        self.integral_error += error * dt

        # Suy luận mờ Mamdani và Giải mờ trọng tâm (Centroid Defuzzification)
        e_norm = self.fuzzify(error)
        de_norm = self.fuzzify(derivative)
        
        delta_kp, delta_ki, delta_kd = self.infer_rules(e_norm, de_norm)
        
        # Cập nhật thông số PID trực tuyến
        kp_active = max(0.0, self.kp0 + delta_kp)
        ki_active = max(0.0, self.ki0 + delta_ki)
        kd_active = max(0.0, self.kd0 + delta_kd)

        # Tính toán tín hiệu điều khiển U(t)
        u = (kp_active * error) + (ki_active * self.integral_error) + (kd_active * derivative)
        self.prev_error = error
        return np.clip(u, 0.0, 10.0) # Bão hòa lực đẩy [0, 10] N

Bảng cơ sở 25 luật mờ (Fuzzy Rule Base Matrix)

Ma trận luật mờ suy luận cho $\Delta K_p$ và $\Delta K_d$ dựa trên tương quan $E$ và $DE$:

$E \backslash DE$ NB NS ZE PS PB
NB PB PB PM PS ZE
NS PB PM PS ZE NS
ZE PM PS ZE NS NM
PS PS ZE NS NM NB
PB ZE NS NM NB NB

Kết quả thử nghiệm và đánh giá định lượng

Dự án đã tiến hành 4 kịch bản kiểm thử mô phỏng và thực nghiệm đối chứng giữa bộ điều khiển PID truyền thống ($K_p=2.5, K_i=0.8, K_d=1.2$) và bộ điều khiển tự chỉnh Fuzzy-PID:

Đáp ứng bước nhảy góc Pitch (Step Input: 5.0 deg):
PID Chuẩn : |---(tr=0.8s)-----> [Vọt lố 7.2%] ~~~~~~~~ (Xác lập: 5.0s) --------|
Fuzzy-PID : |---(tr=0.6s)--> [Vọt lố 0.4%] === (Xác lập: 2.0s) -------------------|
Chỉ số đánh giá Bộ điều khiển PID Bộ điều khiển Fuzzy-PID Mức độ cải thiện (%)
Thời gian lên ($t_r$) - Pitch $0.82\text{ s}$ $0.61\text{ s}$ 25.6% nhanh hơn
Thời gian xác lập ($t_s$) - Pitch $5.00\text{ s}$ $2.00\text{ s}$ 60.0% nhanh hơn
Độ vọt lố ($%OS$) - Pitch $7.20%$ $0.40%$ 94.4% giảm vọt lố
Độ vọt lố ($%OS$) - Yaw $5.10%$ $0.10%$ 98.0% giảm vọt lố
Sai số xác lập ($e_{ss}$) $< 0.05^\circ$ $< 0.01^\circ$ 80.0% chính xác hơn
Độ bám sóng Sine ($T=31\text{ s}$) Bám tốt, trễ pha $0.3\text{ s}$ Bám chính xác, trễ pha $< 0.08\text{ s}$ 73.3% giảm trễ pha

Đổi mới và đóng góp

  1. Khử tương tác chéo MIMO hiệu quả: Ứng dụng thành công cơ chế Gain Scheduling thông qua logic mờ giúp bộ điều khiển liên tục tự cập nhật ma trận hệ số khuếch đại theo thời gian thực, triệt tiêu gần như hoàn toàn lực cản khí động học liên kết giữa trục Pitch và Yaw.
  2. Cải thiện vượt bậc chất lượng đáp ứng động lực học: Giảm thời gian xác lập từ $5.0\text{ s}$ xuống còn $2.0\text{ s}$ (cải thiện 60%), đồng thời hạ độ vọt lố từ $7.2%$ xuống xấp xỉ $0%$ trong mọi điều kiện kích thích đầu vào xung vuông và hình sin.
  3. Mô hình thực nghiệm khả thi, chi phí thấp: Xây dựng thành công bệ thử nghiệm phần cứng hoàn chỉnh với độ chính xác cao, tạo ra nền tảng mở cho sinh viên và các kỹ sư nghiên cứu thuật toán điều khiển phi tuyến nâng cao.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  • Cơ chế ổn định máy bay VTOL/Drone: Kiểm soát góc nghiêng cánh quạt và góc lệch hướng trong giai đoạn chuyển trạng thái từ cất cánh thẳng đứng sang bay bằng.
  • Hệ thống ổn định pháo cao xạ / Gimbal camera: Định vị góc hướng và góc tà của camera quang điện tử trên các phương tiện quân sự hoặc thiết bị giám sát di động chống rung.
  • Ổn định cần trục hàng hải (Offshore Crane): Bù trừ dao động tải trọng do sóng biển tác động theo 2 trục góc.
gantt
    title Lộ trình Nghiên cứu & Triển khai Ứng dụng Thực tế
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Benchmark
    Mô phỏng & Bệ thử nghiệm 2 DOFs :done, 2024-02-29, 2024-06-18
    section Giai đoạn 2: Tối ưu
    Nhúng thuật toán lên vi điều khiển ARM Cortex-M4 :active, 2024-07-01, 60d
    Tích hợp bộ lọc Kalman mở rộng (EKF) : 2024-08-15, 45d
    section Giai đoạn 3: Thực địa
    Thử nghiệm trên Drone VTOL ngoài trời : 2024-10-01, 90d

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí chế tạo hệ thử nghiệm: Khoảng 8.500.000 VNĐ (~$350 USD), chỉ bằng 3.5% so với bộ thiết bị thực nghiệm tiêu chuẩn công nghiệp cùng tính năng (như Quanser 2-DOF Helicopter có giá thương mại $> $10.000 USD).
  • Khả năng mở rộng: Dễ dàng phát triển lên mô hình 3 DOFs (thêm trục Roll) hoặc tích hợp cánh nâng biến thiên góc nghiêng (Tilt-rotor).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Nhiễu đo lường cảm biến: Cảm biến cơ khí/IMU có độ trôi dạt nhiệt và rung động cơ học cao từ 2 động cơ BLDC quay với tốc độ cao.
  • Hiện tượng bão hòa công suất: Khi góc đặt thay đổi đột ngột biên độ lớn ($> 30^\circ$), điện áp cấp cho ESC chạm ngưỡng bão hòa $[0, 10]\text{ N}$, dẫn đến đáp ứng phi tuyến kéo dài.

Hướng phát triển tiếp theo

  • Triển khai Bộ lọc Kalman mở rộng (EKF - Extended Kalman Filter) để hợp nhất dữ liệu cảm biến đa trục, triệt tiêu nhiễu rung động cơ học.
  • Ứng dụng Mạng nơ-ron mờ thích nghi (ANFIS - Adaptive Neuro-Fuzzy Inference System) để hệ thống tự động học và bù trừ mô-men ma sát mà không cần tinh chỉnh luật mờ thủ công.
  • Mở rộng thuật toán cho hệ thống trực thăng 3 bậc tự do (Roll - Pitch - Yaw) tự hành hoàn chỉnh.

Đối tượng hưởng lợi

  • Sinh viên ngành Tự động hóa & Cơ điện tử: Cung cấp tài liệu tham khảo hoàn chỉnh từ mô hình toán Lagrange, file mô phỏng Simulink đến mã nguồn nhúng thực nghiệm.
  • Kỹ sư phát triển UAV/Robotics: Nắm bắt kiến trúc điều khiển mờ lai PID (Fuzzy-PID) để ứng dụng trực tiếp cho các hệ thống cân bằng nhiều bậc tự do.
  • Doanh nghiệp giáo dục và nghiên cứu: Tiết kiệm hơn 90% chi phí đầu tư phòng lab điều khiển tự động thông qua việc tự chế tạo mô hình mở.

Câu hỏi thường gặp

1. Yêu cầu phần cứng tối thiểu để triển khai bộ điều khiển Fuzzy-PID là gì?

Hệ thống yêu cầu vi điều khiển có xung nhịp tối thiểu $72\text{ MHz}$ (như ARM Cortex-M3 STM32F103 hoặc ESP32), hỗ trợ phần cứng tính toán dấu phẩy động (FPU) là một lợi thế, 2 kênh Timer PWM tần số $20\text{ kHz}$ điều khiển ESC và cổng giao tiếp I2C/SPI đọc IMU với chu kỳ ngắt điều khiển ổn định $T_s \le 10\text{ ms}$.

2. Làm thế nào để mở rộng thuật toán từ 2 DOFs sang UAV 4 cánh quạt (Quadrotor) hoặc 6 DOFs?

Mô hình toán học cần mở rộng ma trận Jacobi động lực học cho 6 bậc tự do (3 tịnh tiến, 3 quay). Cấu trúc Fuzzy-PID sẽ được phân tầng (Hierarchical Control): vòng trong (Inner Loop) điều khiển 3 góc Euler (Roll, Pitch, Yaw) và vòng ngoài (Outer Loop) điều khiển tọa độ vị trí không gian $(X, Y, Z)$.

3. Bộ điều khiển Fuzzy-PID xử lý nhiễu gió môi trường như thế nào?

Khi có nhiễu gió bất ngờ, sai số $E$ và đạo hàm $\frac{de}{dt}$ tăng đột ngột. Cơ sở luật mờ sẽ ngay lập tức kích hoạt luật ở góc phần tư $PB-PB$ hoặc $NB-NB$, tăng đột biến thông số vi phân $\Delta K_d$ để dập tắt dao động và tăng $\Delta K_p$ để nhanh chóng tạo lực đẩy chống lại mô-men cản của gió.

4. Chi phí bảo trì và độ bền của cơ cấu cơ khí trực thăng 2 DOFs?

Chi phí vận hành và bảo trì rất thấp. Động cơ không chổi than SunnySky V3 có tuổi thọ vòng bi hơn 1.000 giờ hoạt động. Định kỳ sau mỗi 100 giờ thử nghiệm chỉ cần kiểm tra độ rơ của khớp cầu trục xoay 2 bậc tự do và bôi trơn ổ bi.

5. Thuật toán này có thể triển khai trên phần mềm thương mại nào ngoài MATLAB?

Ngoài MATLAB/Simulink, thuật toán hoàn toàn có thể chạy độc lập thông qua mã nguồn C/C++ thuần (Pure C/C++ Embedded Library), hệ điều hành thời gian thực FreeRTOS, ROS 2 (Robot Operating System), hoặc viết bằng Python trên nền tảng vi máy tính Raspberry Pi / NVIDIA Jetson.

Kết luận

Đồ án tốt nghiệp "Điều khiển cân bằng mô hình trực thăng 2 DOFs" đã giải quyết trọn vẹn bài toán điều khiển phi tuyến đa biến phức tạp trên cả phương diện lý thuyết mô hình hóa, mô phỏng chuyên sâu lẫn chế tạo thực nghiệm. Việc áp dụng giải thuật điều khiển mờ tự chỉnh hệ số Fuzzy-PID đã chứng minh tính ưu việt vượt trội so với bộ điều khiển PID truyền thống: rút ngắn 60% thời gian xác lập, dập tắt 94.4% độ vọt lố và đảm bảo hệ thống bám quỹ đạo chính xác, ổn định. Kết quả nghiên cứu không chỉ khẳng định năng lực ứng dụng chuyên môn cao trong ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa mà còn mở ra tiềm năng thương mại hóa các bộ kit thực nghiệm đào tạo kỹ thuật chi phí thấp cho các trường đại học tại Việt Nam.