NGHIÊN CỨU XÂY DỰNG GIẢI THUẬT ĐIỀU KHIỂN TỐI ƯU QUÁ TRÌNH SWING-UP HỆ ACROBOT

Luận văn thạc sĩ về điều khiển tối ưu hệ Acrobot. Nghiên cứu xây dựng giải thuật Swing-up, ứng dụng trong kỹ thuật điều khiển và tự động hóa. Xem ngay!

• Tác giả: Phạm Thị Hòa
• Người hướng dẫn: PGS. Huỳnh Thái Hoàng
• Trường học: Trường Đại học Bách Khoa
• Chuyên ngành: Tự động hóa
• Đề tài: Nghiên cứu xây dựng giải thuật điều khiển tối ưu quá trình swing-up hệ Acrobot
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI
• 1.1. Tổng quan các đề tài nghiên cứu liên quan
• 1.2. Xây dựng phương trình động học của hệ Acrobot
• 1.3. Đề xuất các luật điều khiển tổng hợp từ những công trình nghiên cứu liên quan
• 1.4. Nhiệm vụ luận văn
• 1.5. Sơ lược nội dung luận văn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Phương pháp điều khiển hồi tiếp tuyến tính hóa riêng phần
• 2.1.1. Phương pháp tuyến tính hóa hồi tiếp
• 2.1.2. Tuyến tính hóa ngõ vào
• 2.1.3. Tuyến tính hóa vào-ra
• 2.1.4. Bài toán tuyến tính hóa hồi tiếp
• 2.1.5. Phương pháp hồi tiếp tuyến tính hóa riêng phần áp dụng cho hệ Acrobot
• 2.2. Phương pháp điều khiển LQR
• 2.2.1. Ổn định Lyapunov với hệ phi tuyến – tiêu chuẩn ổn định lyapunov - phương pháp thứ hai Lyapunov
• 2.2.2. Điều khiển tối ưu hệ phi tuyến với chỉ tiêu chất lượng dạng toàn phương – Phương trình Riccati đối với hệ liên tục
• 2.2.3. Các bước thiết kế và giải bài toán toàn phương tuyến tính cho hệ thống liên tục
• 2.2.4. Phương pháp LQR áp dụng cho hệ Acrobot
• 2.2.4.1. Phương pháp điều khiển LQR
• 2.2.4.2. Xây dựng bộ điều khiển
• 2.3. Phương pháp điều khiển mờ
• 2.3.1. Giới thiệu chung
• 2.3.2. Cấu trúc bộ điều khiển mờ
• 2.3.3. Bộ điều khiển mờ cơ bản
• 2.3.4. Phương pháp điều khiển mờ madani
• 2.3.5. Phương pháp điều khiển mờ Sugeno
• 3. CHƯƠNG 3: NGHIÊN CỨU MÔ HÌNH VÀ XÂY DỰNG GIẢI THUẬT ĐIỀU KHIỂN TỐI ƯU QUÁ TRÌNH SWING-UP HỆ ACROBOT
• 3.1. Mô hình động học hệ Acrobot
• 3.1.1. Xây dựng mô hình toán học
• 3.1.2. Mô phỏng hệ Acrobot bằng mô hình Matlab/Simulink
• 3.2. Xây dựng bộ điều khiển Swing-up và giữ cân bằng cho hệ Acrobot
• 3.2.1. Mô phỏng bộ điều khiển Swing-Up và giữ cân bằng hệ Acrobot
• 3.2.2. Phương pháp điều khiển mờ tự do để Swing-Up và kết hợp LQR để giữ cân bằng hệ Acrobot
• 3.2.3. Phương pháp điều khiển hồi tiếp tuyến tính hóa để Swing-up và kết hợp LQR để giữ cân bằng hệ Acrobot
• 4. CHƯƠNG 4: THIẾT KẾ THI CÔNG THỰC TẾ VÀ ĐIỀU KHIỂN TỐI ƯU QUÁ TRÌNH SWING-UP HỆ ACROBOT
• 4.1. Thiết kế cơ khí mô hình Acrobot
• 4.2. Mạch điều khiển hệ Acrobot
• 4.2.1. Vi điều khiển DSP TMS320F28335
• 4.2.2. Module vi điều khiển DSP TMS320F28335 value module
• 4.2.3. Board điều khiển đọc các giá trị Encoder và xuất xung PWM
• 4.2.4. Mạch Driver cầu H lái động cơ
• 4.3. Mạch điều khiển hệ Acrobot (tiếp tục)
• 4.3.1. Giới thiệu các khối điều khiển và thư viện hỗ trợ của simulink
• 4.3.2. Sơ đồ giải thuật của chương trình điều khiển
• 4.3.3. Khối điều khiển hệ Acrobot thực tế (Real Acrobot)
• 4.3.4. Khối truyền tín hiệu hiển thị lên máy tính SCI (SCI transfer data to PC)
• 4.3.5. Chương trình điều khiển hệ Acrobot dùng luật điều khiển hồi tiếp tuyến tính hóa riêng phần để Swing-up kết hợp LQR để giữ cân bằng
• 4.3.6. Chương trình điều khiển hệ Acrobot dùng luật điều khiển mờ để Swing-up kết hợp LQR để giữ cân bằng
• 4.3.7. So sánh kết quả của hai bộ điều khiển
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI
• 5.1. Đóng góp khoa học của luận văn
• 5.2. Hướng phát triển của đề tài
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng quan về Điều khiển tối ưu hệ Acrobot Giới thiệu chung

Hệ Acrobot, viết tắt của ACROBATIC ROBOT, là một hệ mô hình robot cơ bản của các hệ thống robot thiếu cơ cấu truyền động. Nó mô phỏng sự chuyển động của một vận động viên thể dục dụng cụ trên xà đơn. Acrobot có hai khớp, khớp thứ nhất được gá cố định (khớp thụ động) và khớp thứ hai được gắn với cơ cấu truyền động. Mục tiêu là điều khiển hệ từ vị trí cân bằng dưới lên vị trí cân bằng trên và giữ cân bằng tại đó. Trong ba thập niên gần đây, bài toán điều khiển Swing-Up và cân bằng Acrobot đã thu hút sự quan tâm của nhiều nhà khoa học trên thế giới. Nhiều giải thuật đã được đề xuất và cải tiến để giải quyết bài toán này. Các bài báo, hội nghị khoa học đã công bố những công trình nghiên cứu từ các trường đại học và viện nghiên cứu trên thế giới, cho thấy tầm quan trọng và tính ứng dụng của Acrobot trong thực tế.

1.1. Lịch sử phát triển và ứng dụng của hệ Acrobot trong robot học

Sự phát triển của robot và các thử nghiệm liên quan đến robot ngày càng đa dạng. Cuộc sống hiện đại đã thúc đẩy các nhà khoa học chế tạo robot có tính ứng dụng cao. Một trong số đó là các cánh tay robot được sử dụng trong các lĩnh vực điều khiển khác nhau, như lắp đặt linh kiện IC vào bo mạch, hàn và sơn khung xe, máy bay,... Các cánh tay robot cũng được ứng dụng trong các dây chuyền lắp ráp đòi hỏi độ chính xác cao và trong môi trường độc hại, nguy hiểm. Cuộc thi sáng tạo robot đã thu hút nhiều ý tưởng tiên tiến để giải quyết các vấn đề thực tiễn.

1.2. Vai trò của Acrobot như một hệ thống thiếu cơ cấu truyền động

Trong lĩnh vực người máy, việc điều khiển máy móc với số ngõ vào điều khiển nhỏ hơn số cơ cấu chấp hành đang được quan tâm. Các hệ thống như vậy gọi là hệ thống thiếu cơ cấu truyền động. So với hệ thống có đầy đủ cơ cấu truyền động, hệ thống thiếu cơ cấu truyền động có nhiều ưu điểm như nhẹ, rẻ, tiêu hao ít năng lượng và độ tin cậy cao. Hệ thống thiếu cơ cấu truyền động có nhiều ứng dụng quan trọng như: hệ thống không gian vũ trụ, hệ thống tàu thủy, hệ thống cần trục. Acrobot là một ví dụ điển hình cho hệ thống thiếu cơ cấu truyền động.

II. Thách thức trong Điều khiển Acrobot Bài toán Swing up và ổn định

Mặc dù có nhiều ưu điểm, việc điều khiển hệ Acrobot không hề đơn giản. Bài toán chính là làm thế nào để điều khiển hệ từ vị trí ban đầu (thường là vị trí cân bằng dưới) đến vị trí cân bằng mong muốn (vị trí cân bằng trên) và giữ cho hệ ổn định tại vị trí này. Quá trình này được gọi là Swing-up. Do tính chất phi tuyến và thiếu tác động trực tiếp lên tất cả các khớp, việc thiết kế bộ điều khiển hiệu quả là một thách thức lớn. Các yếu tố như ma sát, quán tính, và nhiễu loạn cũng ảnh hưởng đến hiệu suất của hệ thống. Theo luận văn gốc, "Bởi vì sự phức tạp của tính phi tuyến và dao động của hệ thống là rất lớn nên vấn đề điều khiển cho loại truyền động này khá khó khăn và phức tạp."

2.1. Tính phi tuyến và bất ổn định vốn có của hệ Acrobot

Hệ Acrobot là một hệ thống phi tuyến phức tạp. Phương trình động học của hệ có chứa các thành phần phi tuyến như sin và cos, khiến cho việc phân tích và thiết kế bộ điều khiển trở nên khó khăn. Ngoài ra, hệ thống cũng có tính chất bất ổn định vốn có. Điều này có nghĩa là nếu không có tác động điều khiển, hệ thống sẽ có xu hướng rơi khỏi vị trí cân bằng. "Việc giảm số cơ cấu truyền động giúp cho hệ thống nhẹ hơn, giảm giá thành và hệ thống cũng linh hoạt hơn so với hệ thống có đầy đủ cơ cấu truyền động."

2.2. Ảnh hưởng của yếu tố bên ngoài Ma sát nhiễu và sai số mô hình

Trong thực tế, hiệu suất của hệ thống Acrobot còn bị ảnh hưởng bởi nhiều yếu tố bên ngoài như ma sát, nhiễu loạn và sai số mô hình. Ma sát có thể làm giảm hiệu quả của bộ điều khiển và gây ra sai lệch so với quỹ đạo mong muốn. Nhiễu loạn từ môi trường bên ngoài có thể làm mất ổn định hệ thống. Sai số mô hình, do sự không chính xác trong việc mô tả hệ thống, cũng có thể ảnh hưởng đến hiệu suất điều khiển.

III. Giải thuật Swing up Acrobot Điều khiển hồi tiếp tuyến tính hóa

Một trong những phương pháp phổ biến để giải quyết bài toán Swing-up là sử dụng điều khiển hồi tiếp tuyến tính hóa (Feedback Linearization). Phương pháp này biến đổi hệ thống phi tuyến thành một hệ thống tuyến tính tương đương, giúp cho việc thiết kế bộ điều khiển trở nên dễ dàng hơn. Tuy nhiên, việc tuyến tính hóa chỉ đúng trong một vùng hoạt động nhất định. Do đó, cần kết hợp với các phương pháp khác để đảm bảo tính ổn định và hiệu suất trong toàn bộ phạm vi hoạt động. Luận văn gốc đề cập đến "Nghiên cứu bộ điều khiển hồi tiếp tuyến tính hóa riêng phần cho quá trình Swing-up." để giải quyết vấn đề này.

3.1. Nguyên lý cơ bản của phương pháp hồi tiếp tuyến tính hóa

Phương pháp hồi tiếp tuyến tính hóa dựa trên việc tìm một phép biến đổi trạng thái và một luật điều khiển để chuyển đổi hệ thống phi tuyến thành một hệ thống tuyến tính. Sau khi tuyến tính hóa, có thể sử dụng các kỹ thuật điều khiển tuyến tính để thiết kế bộ điều khiển. Tuyến tính hóa hồi tiếp là một phương pháp điều khiển cho hệ phi tuyến, nó sử dụng một sự thay đổi tọa độ và một luật điều khiển phản hồi để có được một hệ thống vòng kín tuyến tính.

3.2. Ưu điểm và hạn chế của điều khiển tuyến tính hóa hồi tiếp Acrobot

Ưu điểm của phương pháp tuyến tính hóa hồi tiếp là đơn giản, dễ thực hiện và có thể đạt được hiệu suất điều khiển tốt trong một số trường hợp. Tuy nhiên, phương pháp này cũng có một số hạn chế. Thứ nhất, việc tuyến tính hóa chỉ đúng trong một vùng hoạt động nhất định. Thứ hai, phương pháp này nhạy cảm với sai số mô hình và nhiễu loạn. Do đó, cần kết hợp với các phương pháp khác để khắc phục những hạn chế này.

3.3. Ứng dụng hồi tiếp tuyến tính hóa riêng phần cho Acrobot

Một biến thể của tuyến tính hóa hồi tiếp là tuyến tính hóa hồi tiếp riêng phần. Phương pháp này chỉ tuyến tính hóa một phần của hệ thống, phần còn lại được xử lý bằng các phương pháp phi tuyến. Phương pháp này có thể hiệu quả hơn trong việc điều khiển hệ Acrobot vì nó tận dụng được cấu trúc của hệ thống. "Phương pháp hồi tiếp tuyến tính hóa riêng phần áp dụng cho hệ Acrobot"

IV. LQR Acrobot Tối ưu điều khiển tuyến tính toàn phương cho Acrobot

Bộ điều khiển LQR (Linear Quadratic Regulator) là một phương pháp điều khiển tối ưu được sử dụng rộng rãi cho các hệ thống tuyến tính. LQR tìm kiếm một luật điều khiển sao cho tối thiểu hóa một hàm chi phí toàn phương, đại diện cho năng lượng điều khiển và sai lệch trạng thái. Trong bài toán điều khiển Acrobot, LQR thường được sử dụng để ổn định hệ thống tại vị trí cân bằng trên sau khi đã được Swing-up. Theo tài liệu, "Nghiên cứu bộ điều khiển LQR cho quá trình giữ cân bằng tại vị trí cân bằng trên." là một nhiệm vụ quan trọng.

4.1. Cơ sở lý thuyết và nguyên tắc hoạt động của LQR

LQR dựa trên lý thuyết điều khiển tối ưu. Mục tiêu là tìm một luật điều khiển u = -Kx, trong đó K là ma trận khuếch đại, sao cho hàm chi phí J = ∫(x'Qx + u'Ru)dt được tối thiểu hóa. Q và R là các ma trận trọng số xác định tầm quan trọng của việc giảm thiểu sai lệch trạng thái và năng lượng điều khiển. LQR là một phương pháp điều khiển tối ưu cho các hệ thống tuyến tính ổn định trong miền thời gian.

4.2. Thiết kế bộ điều khiển LQR cho hệ thống Acrobot đã tuyến tính hóa

Để áp dụng LQR cho hệ thống Acrobot, cần phải tuyến tính hóa hệ thống xung quanh vị trí cân bằng mong muốn. Sau đó, chọn các ma trận trọng số Q và R để đạt được hiệu suất mong muốn. Quá trình này thường đòi hỏi sự điều chỉnh và thử nghiệm để đạt được kết quả tốt nhất. "Các bước thiết kế và giải bài toán toàn phương tuyến tính cho hệ thống liên tục"

4.3. Kết hợp LQR với các giải thuật Swing up để điều khiển Acrobot

LQR thường được sử dụng kết hợp với các giải thuật Swing-up như điều khiển hồi tiếp tuyến tính hóa hoặc điều khiển mờ. Sau khi hệ thống đã được Swing-up đến gần vị trí cân bằng, LQR sẽ được kích hoạt để ổn định hệ thống và duy trì vị trí cân bằng. Việc kết hợp các phương pháp này cho phép điều khiển hệ thống Acrobot một cách hiệu quả trong toàn bộ phạm vi hoạt động.

V. Ứng dụng thực tế và mô phỏng Điều khiển Acrobot hiệu quả

Việc nghiên cứu điều khiển Acrobot không chỉ mang tính lý thuyết mà còn có nhiều ứng dụng thực tế trong robot học và điều khiển học. Mô hình Acrobot được sử dụng để nghiên cứu và phát triển các kỹ thuật điều khiển cho các hệ thống phức tạp hơn như robot hai chân và các hệ thống thiếu cơ cấu truyền động khác. Mô phỏng đóng vai trò quan trọng trong việc kiểm tra và đánh giá các giải thuật điều khiển trước khi triển khai trên phần cứng thực tế.

5.1. Các ứng dụng tiềm năng của Acrobot trong robot leo trèo và thể thao

Acrobot được sử dụng làm mô hình cho các robot leo trèo, giúp nghiên cứu các chiến lược điều khiển để robot có thể di chuyển trên các bề mặt thẳng đứng. Trong lĩnh vực thể thao, Acrobot có thể được sử dụng để huấn luyện và phát triển các kỹ năng cho vận động viên thể dục dụng cụ. "Ứng dụng điều khiển tối ưu Acrobot trong robot hai chân"

5.2. Sử dụng MATLAB Simulink để mô phỏng và kiểm tra các giải thuật

MATLAB/Simulink là một công cụ mạnh mẽ để mô phỏng và kiểm tra các giải thuật điều khiển. Với Simulink, có thể xây dựng mô hình động học của hệ thống Acrobot và các bộ điều khiển, sau đó mô phỏng hoạt động của hệ thống và đánh giá hiệu suất của các giải thuật khác nhau. "Mô phỏng hệ Acrobot và các bộ điều khiển đã được nghiên cứu ở trên bằng MATLAB /Simulink trong miền liện tục và trong miền rời rạc."

5.3. Kết quả thực nghiệm và so sánh các phương pháp điều khiển

Luận văn gốc đã thực hiện điều khiển thực tế trên hệ thống Acrobot sử dụng card DSP TMS320F28335 và so sánh kết quả của hai bộ điều khiển: điều khiển hồi tiếp tuyến tính hóa riêng phần kết hợp LQR và điều khiển mờ kết hợp LQR. Kết quả cho thấy cả hai phương pháp đều có thể điều khiển hệ thống Acrobot, tuy nhiên mỗi phương pháp có những ưu nhược điểm riêng. "Thiết kế lập trình một ứng dụng windows form trên máy tính để giao tiếp với các bo vi điều khiển nhận các tín hiệu và hiển thị các giá trị đo đạc và tín hiệu điều khiển, đồng thời vẽ đồ thị đáp ứng online của chúng kiểm chứng kết quả"

VI. Hướng phát triển Điều khiển Acrobot trong tương lai Tổng kết

Nghiên cứu về điều khiển Acrobot vẫn còn nhiều tiềm năng phát triển. Các hướng nghiên cứu trong tương lai có thể tập trung vào việc phát triển các giải thuật điều khiển mạnh mẽ hơn, có khả năng chống nhiễu tốt hơn và thích ứng với các điều kiện hoạt động khác nhau. Ngoài ra, việc tích hợp các kỹ thuật học máy và trí tuệ nhân tạo cũng có thể mang lại những cải tiến đáng kể trong hiệu suất điều khiển. Luận văn gốc cũng đề cập đến "Đánh giá so sánh kết quả thu được và hướng phát triển của luận văn."

6.1. Các giải pháp điều khiển thích nghi và điều khiển bền vững Acrobot

Điều khiển thích nghi (Adaptive Control) và điều khiển bền vững (Robust Control) là hai hướng nghiên cứu quan trọng trong điều khiển Acrobot. Điều khiển thích nghi cho phép bộ điều khiển tự động điều chỉnh các tham số của nó để thích ứng với các thay đổi trong hệ thống hoặc môi trường. Điều khiển bền vững đảm bảo rằng bộ điều khiển vẫn hoạt động tốt ngay cả khi có nhiễu loạn hoặc sai số mô hình. "Điều khiển thích nghi Acrobot" và "Điều khiển bền vững Acrobot"

6.2. Áp dụng học máy và trí tuệ nhân tạo để tối ưu điều khiển

Các kỹ thuật học máy và trí tuệ nhân tạo, như học tăng cường (Reinforcement Learning) và mạng nơ-ron (Neural Networks), có thể được sử dụng để tối ưu hóa bộ điều khiển Acrobot. Học tăng cường cho phép bộ điều khiển học cách điều khiển hệ thống thông qua thử và sai, trong khi mạng nơ-ron có thể được sử dụng để xấp xỉ các hàm phi tuyến phức tạp và cải thiện hiệu suất điều khiển.

Nội dung chính

Tổng quan nghiên cứu

Hệ Acrobot là một mô hình robot cơ bản thuộc nhóm hệ thống thiếu cơ cấu truyền động, với cấu trúc gồm hai khớp nối hoạt động trong mặt phẳng thẳng đứng, mô phỏng chuyển động của vận động viên thể dục dụng cụ trên thanh xà đơn. Theo ước tính, các hệ thống thiếu cơ cấu truyền động như Acrobot ngày càng được quan tâm do ưu điểm về trọng lượng nhẹ, chi phí thấp, tiêu hao năng lượng ít và độ tin cậy cao. Tuy nhiên, tính phi tuyến và dao động phức tạp của hệ thống gây khó khăn lớn trong việc thiết kế bộ điều khiển tối ưu.

Mục tiêu chính của luận văn là nghiên cứu xây dựng giải thuật điều khiển tối ưu cho quá trình Swing-up (lắc lên) và giữ cân bằng hệ Acrobot. Cụ thể, luận văn tập trung phát triển các bộ điều khiển hồi tiếp tuyến tính hóa riêng phần, điều khiển mờ tự do cho quá trình Swing-up, kết hợp với bộ điều khiển toàn phương tuyến tính (LQR) để giữ cân bằng tại vị trí cân bằng trên. Phạm vi nghiên cứu bao gồm mô phỏng trên Matlab/Simulink, thiết kế phần cứng mô hình thực tế và nhúng giải thuật vào vi điều khiển DSP TMS320F28335. Thời gian nghiên cứu kéo dài từ tháng 6/2013 đến tháng 6/2014 tại Trường Đại học Bách Khoa, Đại học Quốc gia TP.HCM.

Nghiên cứu có ý nghĩa quan trọng trong việc mở rộng ứng dụng các giải thuật điều khiển tối ưu cho các hệ thống robot thiếu cơ cấu truyền động, góp phần nâng cao hiệu quả và độ ổn định trong các ứng dụng công nghiệp và nghiên cứu khoa học. Các chỉ số hiệu suất như thời gian Swing-up tối ưu, độ ổn định vị trí cân bằng và khả năng chịu nhiễu được sử dụng làm tiêu chí đánh giá.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên ba lý thuyết và mô hình nghiên cứu chính:

1. Phương pháp hồi tiếp tuyến tính hóa riêng phần (Partial Feedback Linearization): Đây là kỹ thuật tuyến tính hóa hệ thống phi tuyến bằng cách loại bỏ tính phi tuyến thông qua hồi tiếp trạng thái, giúp thiết kế bộ điều khiển tuyến tính cho hệ thống phi tuyến như Acrobot. Phương pháp này cho phép tuyến tính hóa từng phần của hệ thống, từ đó xây dựng bộ điều khiển Swing-up hiệu quả.

2. Phương pháp điều khiển toàn phương tuyến tính (Linear Quadratic Regulator - LQR): LQR là phương pháp điều khiển tối ưu cho hệ thống tuyến tính với tiêu chí chất lượng toàn phương. Trong luận văn, LQR được sử dụng để giữ cân bằng hệ Acrobot tại vị trí cân bằng trên, đảm bảo ổn định Lyapunov và giảm thiểu sai số bám.

3. Lý thuyết điều khiển mờ (Fuzzy Control): Bộ điều khiển mờ tự do được áp dụng cho quá trình Swing-up nhằm xử lý các bất định và phi tuyến của hệ thống. Luật điều khiển mờ được thiết kế dựa trên năng lượng của Acrobot, điều chỉnh biên độ momen điều khiển sao cho năng lượng tăng trong khi biên độ momen giảm, giúp chuyển động trơn láng và tối ưu.

Các khái niệm chuyên ngành quan trọng bao gồm: Swing-up (lắc lên), Balancing (giữ cân bằng), Under-actuated system (hệ thiếu cơ cấu truyền động), Partial Feedback Linearization (tuyến tính hóa hồi tiếp riêng phần), LQR (toàn phương tuyến tính), Fuzzy Control (điều khiển mờ), DSP (xử lý tín hiệu số).

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ mô hình toán học hệ Acrobot xây dựng dựa trên phương trình động học phi tuyến, được tuyến tính hóa tại điểm cân bằng. Các bộ điều khiển được thiết kế và mô phỏng trên Matlab/Simulink trong cả miền liên tục và rời rạc nhằm đánh giá hiệu quả điều khiển.

Phương pháp phân tích bao gồm:

• Thiết kế và mô phỏng bộ điều khiển hồi tiếp tuyến tính hóa riêng phần kết hợp LQR.
• Thiết kế bộ điều khiển mờ tự do cho quá trình Swing-up kết hợp LQR giữ cân bằng.
• So sánh hiệu quả các bộ điều khiển qua các chỉ số thời gian Swing-up, độ ổn định và đáp ứng góc, vận tốc.
• Thiết kế phần cứng mô hình Acrobot thực tế, bao gồm cơ khí, mạch điều khiển, sử dụng vi điều khiển DSP TMS320F28335.
• Lập trình nhúng giải thuật điều khiển trên DSP, giao tiếp với máy tính qua ứng dụng Windows Form để thu thập và hiển thị dữ liệu đo đạc, kiểm chứng kết quả thực nghiệm.

Cỡ mẫu nghiên cứu là mô hình Acrobot hai khớp với các thông số vật lý được xác định cụ thể, lựa chọn phương pháp phân tích dựa trên tính phi tuyến và thiếu cơ cấu truyền động của hệ. Timeline nghiên cứu kéo dài 12 tháng, từ tháng 6/2013 đến tháng 6/2014.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của bộ điều khiển hồi tiếp tuyến tính hóa riêng phần kết hợp LQR: Mô phỏng cho thấy hệ thống đạt trạng thái cân bằng sau khoảng 2-3 chu kỳ dao động, với thời gian Swing-up tối ưu. Đáp ứng góc và vận tốc ổn định, sai số bám giảm đáng kể so với các phương pháp cổ điển. Thời gian đạt trạng thái cân bằng giảm khoảng 50% so với các giải thuật trước đó.

2. Bộ điều khiển mờ tự do cho quá trình Swing-up: Luật điều khiển mờ dựa trên năng lượng giúp điều chỉnh biên độ momen điều khiển giảm khi năng lượng tăng, tạo chuyển động trơn láng và ổn định. Kết quả mô phỏng cho thấy thời gian Swing-up được rút ngắn, đáp ứng góc mượt mà hơn, giảm dao động không mong muốn khoảng 30% so với bộ điều khiển tuyến tính đơn thuần.

3. Nhúng giải thuật vào mô hình thực tế: Việc lập trình nhúng trên DSP TMS320F28335 thành công, mô hình Acrobot thực tế hoạt động ổn định, đáp ứng vị trí góc và vận tốc tương tự mô phỏng. Hệ thống chịu được nhiễu tín hiệu, sau khoảng thời gian ngắn (khoảng vài giây) có thể cân bằng lại vị trí cân bằng ngược.

4. So sánh các giải thuật điều khiển: Bộ điều khiển kết hợp mạng neural và giải thuật di truyền (GA) cho thời gian Swing-up nhanh nhất (khoảng 2 giây), tuy nhiên có hiện tượng đứt gãy chuyển giao giữa các luật điều khiển. Bộ điều khiển mờ và hồi tiếp tuyến tính hóa riêng phần cho kết quả ổn định và trơn láng hơn, phù hợp cho ứng dụng thực tế.

Thảo luận kết quả

Nguyên nhân thành công của bộ điều khiển hồi tiếp tuyến tính hóa riêng phần là do khả năng loại bỏ tính phi tuyến một cách hiệu quả, giúp thiết kế bộ điều khiển tuyến tính cho hệ phi tuyến phức tạp. Việc kết hợp với LQR đảm bảo ổn định và tối ưu hóa sai số bám tại vị trí cân bằng trên.

Bộ điều khiển mờ tận dụng khả năng xử lý bất định và phi tuyến, điều chỉnh linh hoạt biên độ momen dựa trên năng lượng, giúp quá trình Swing-up trơn tru, giảm dao động không mong muốn. So với các nghiên cứu trước, phương pháp này cải thiện đáng kể về thời gian và độ ổn định.

Việc nhúng giải thuật vào phần cứng thực tế với DSP TMS320F28335 chứng minh tính khả thi và ứng dụng thực tiễn của nghiên cứu. Kết quả thực nghiệm tương đồng với mô phỏng, cho thấy độ tin cậy cao của giải thuật.

So sánh với các nghiên cứu khác, giải thuật kết hợp mạng neural và GA tuy nhanh nhưng phức tạp và có nhược điểm về chuyển giao luật điều khiển. Giải pháp mờ và hồi tiếp tuyến tính hóa riêng phần cân bằng giữa hiệu quả và độ ổn định, phù hợp cho ứng dụng công nghiệp.

Dữ liệu có thể được trình bày qua biểu đồ đáp ứng góc và vận tốc theo thời gian, bảng so sánh thời gian Swing-up và sai số bám giữa các giải thuật, giúp minh họa rõ ràng hiệu quả từng phương pháp.

Đề xuất và khuyến nghị

1. Triển khai rộng rãi giải thuật điều khiển mờ kết hợp LQR cho các hệ thống thiếu cơ cấu truyền động: Động từ hành động là "ứng dụng", mục tiêu là nâng cao độ ổn định và tối ưu thời gian Swing-up, thời gian thực hiện trong 1-2 năm, chủ thể thực hiện là các viện nghiên cứu và doanh nghiệp công nghệ robot.

2. Phát triển phần mềm mô phỏng và nhúng giải thuật trên các nền tảng vi điều khiển khác: Động từ "phát triển", mục tiêu mở rộng khả năng ứng dụng trên nhiều loại vi điều khiển, timeline 1 năm, chủ thể là các nhóm nghiên cứu và công ty phần mềm.

3. Nâng cao độ chính xác mô hình toán học và tích hợp các yếu tố ma sát, nhiễu thực tế: Động từ "cải tiến", mục tiêu giảm sai số mô hình hóa, tăng độ tin cậy trong thực nghiệm, thời gian 1-2 năm, chủ thể là các nhà nghiên cứu và kỹ sư phát triển sản phẩm.

4. Tổ chức đào tạo và chuyển giao công nghệ về điều khiển tối ưu hệ Acrobot và các hệ tương tự: Động từ "đào tạo", mục tiêu nâng cao năng lực chuyên môn cho kỹ sư và sinh viên, timeline liên tục, chủ thể là các trường đại học và trung tâm đào tạo.

Đối tượng nên tham khảo luận văn

1. Sinh viên và nghiên cứu sinh ngành Tự động hóa, Cơ điện tử: Giúp hiểu sâu về thiết kế bộ điều khiển tối ưu cho hệ thống phi tuyến và thiếu cơ cấu truyền động, áp dụng trong luận văn và nghiên cứu khoa học.

2. Kỹ sư phát triển robot và hệ thống điều khiển: Cung cấp kiến thức thực tiễn về mô hình hóa, thiết kế và nhúng giải thuật điều khiển trên phần cứng thực tế, hỗ trợ phát triển sản phẩm robot công nghiệp.

3. Giảng viên và nhà nghiên cứu trong lĩnh vực điều khiển tự động: Là tài liệu tham khảo để phát triển các giải thuật điều khiển mới, so sánh hiệu quả các phương pháp điều khiển hiện đại.

4. Doanh nghiệp công nghệ và startup về robot: Hỗ trợ ứng dụng các giải thuật điều khiển tối ưu vào sản phẩm thực tế, nâng cao hiệu suất và độ ổn định của hệ thống robot thiếu cơ cấu truyền động.

Câu hỏi thường gặp

1. Hệ Acrobot là gì và tại sao lại quan trọng trong nghiên cứu điều khiển?
   Acrobot là hệ robot hai khớp thiếu cơ cấu truyền động, mô phỏng chuyển động lắc lên và giữ cân bằng. Nó quan trọng vì đại diện cho các hệ thống phi tuyến phức tạp, giúp phát triển giải thuật điều khiển tối ưu cho các ứng dụng robot thực tế.

2. Phương pháp hồi tiếp tuyến tính hóa riêng phần có ưu điểm gì?
   Phương pháp này giúp loại bỏ tính phi tuyến của hệ thống một cách hiệu quả, cho phép thiết kế bộ điều khiển tuyến tính cho hệ phi tuyến, từ đó cải thiện độ ổn định và đáp ứng của hệ thống.

3. Bộ điều khiển mờ tự do được thiết kế như thế nào cho quá trình Swing-up?
   Bộ điều khiển mờ sử dụng năng lượng của Acrobot làm đầu vào, điều chỉnh biên độ momen điều khiển sao cho năng lượng tăng trong khi biên độ momen giảm, giúp chuyển động trơn láng và tối ưu thời gian Swing-up.

4. Việc nhúng giải thuật vào vi điều khiển DSP có khó khăn gì?
   Quá trình nhúng đòi hỏi lập trình thời gian thực, giao tiếp chính xác với phần cứng và xử lý tín hiệu nhanh. Luận văn đã thiết kế thành công chương trình nhúng trên DSP TMS320F28335, chứng minh tính khả thi.

5. Giải thuật kết hợp mạng neural và giải thuật di truyền có ưu nhược điểm gì?
   Ưu điểm là thời gian Swing-up nhanh và khả năng tối ưu hóa cao. Nhược điểm là phức tạp, có hiện tượng đứt gãy chuyển giao giữa các luật điều khiển và tốc độ tiến hóa chậm, cần cải tiến thêm.

Kết luận

• Luận văn đã xây dựng thành công mô hình toán học và các giải thuật điều khiển tối ưu cho quá trình Swing-up và giữ cân bằng hệ Acrobot.
• Bộ điều khiển hồi tiếp tuyến tính hóa riêng phần kết hợp LQR và bộ điều khiển mờ tự do cho kết quả mô phỏng và thực nghiệm khả quan, tối ưu thời gian và độ ổn định.
• Giải thuật được nhúng thành công vào vi điều khiển DSP TMS320F28335, mô hình thực tế hoạt động ổn định trong môi trường có nhiễu.
• So sánh các giải thuật cho thấy sự cân bằng giữa hiệu quả và độ phức tạp, mở ra hướng phát triển cho các hệ thống robot thiếu cơ cấu truyền động.
• Đề xuất mở rộng nghiên cứu, phát triển phần mềm và đào tạo nhằm ứng dụng rộng rãi trong công nghiệp và nghiên cứu khoa học.

Next steps: Triển khai ứng dụng giải thuật trong các hệ robot phức tạp hơn, cải tiến mô hình và phần mềm nhúng, tổ chức đào tạo chuyển giao công nghệ.

Các nhà nghiên cứu và kỹ sư trong lĩnh vực tự động hóa và robot được khuyến khích áp dụng và phát triển tiếp các giải thuật điều khiển tối ưu này để nâng cao hiệu quả và độ tin cậy của hệ thống robot trong thực tế.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về đề tài GVHD: PGS. Huỳnh Thái Hoàng ( ) ( ) ( ) Cho link I (i=1,2) ,thông số ̇ là góc, vận tốc góc, khối lượng, chiều dài link, chiều dài từ đầu khớp tới trung tâm của link và moment quán tính. Ma trận momen quán tính được xây dựng : ( ) ( ) ( ) [ ] ( ) ( ) (6) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ̇) ( ) ̇ ( ) ̇ ̇ ( ) ( ) ( ) ( ) ( ) Thay vào hệ (1a) và (1b) ta được:   m12 (  d 2 (q, q )  g 2 (q))  m22 (d1 (q, q )  g1 (q)) q1  m11 (q)m22 (q)  m12 2 (q)  m (  d 2 (q, q )  g 2 (q))  m12 (d1 (q, q )  g1 (q))  q2  11  m11 (q)m22 (q)  m12 2 (q) HVTH: Phạm Thị Hòa 6 Chương 1: Tổng quan về đề tài GVHD: PGS. Huỳnh Thái Hoàng  P2 P3 (q12  2q1 q 2  q 22 ) sin(q 2 )  P32 cos(q 2 ) sin(q 2 )q12  P3 g 2 cos(q 2 ) sin(q1  q 2 )  P2 g1 sin(q1 ) q1   P1 P2  P32 cos 2 (q 2 )   P2 2  P3 cos(q 2 )    ( P1  P2 )  ( P1  P2 ) P3 q12 sin(q 2 )  ( P1  P2 ) g 2 sin(q1  q 2 )  2 P3 cos(q 2 )  2 P32 cos(q 2 ) sin(q 2 )q12 q 2   P1 P2  P32 cos 2 (q 2 )    2 P3 g 2 cos(q 2 ) sin(q1  q 2 )  P2 P3 (2q1 q 2  q 22 ) sin(q 2 )  P2 g1 sin(q1 )  P2 g 2 sin(q1  q 2 )     P 2 (2q q  q 2 ) cos(q ) sin(q )  P g cos(q ) sin(q )  P g cos(q ) sin(q  q )  3 1 2 2 2 2 3 1 2 1 3 2 2 1 2   x1 (t )  q1  x (t )  q  Đặt:  2 2  x3 (t )  x1 (t )  q1  x4 (t )  x2 (t )  q2  x1  x3  x  x  2 4  P2 P3 ( x32  2 x3 x4  x42 ) sin( x2 )  P32 cos( x2 ) sin( x2 ) x32  P3 g 2 cos( x2 ) sin( x1  x2 )  P2 g1 sin( x1 ) 3x   P1 P2  P32 cos 2 ( x2 )   P   P cos( x )  2 2 3 2    x  ( P1  P2 )  ( P1  P2 ) P3 sin( x2 ) x3  ( P1  P2 ) g 2 sin( x1  x2 )  2 P3 cos( x2 )  2 P3 cos( x2 ) sin( x2 ) x3 2 2 2  4 P1 P2  P32 cos 2 (q2 )    2 P3 g 2 cos( x2 ) sin( x1  x2 )  P2 P3 (2 x3 x4  x4 ) sin( x2 )  P2 g1 sin( x1 )  P2 g 2 sin( x1  x2 ) 2     P32 (2 x3 x4  x42 ) cos( x2 ) sin( x2 )  P3 g1 cos( x2 ) sin( x1 )  P3 g 2 cos( x2 ) sin( x1  x2 )   *Phương trình động lực học của Acrobot được tuyến tính hóa tại điểm cân bằng x=[0 0 ̇ 0 0]T và u=[0 0]T được viết lại như sau { HVTH: Phạm Thị Hòa 7 Chương 1: Tổng quan về đề tài GVHD: PGS.

Huỳnh Thái Hoàng Với ( ) ( ) ( ) [ ] ( ) [ ] [ ] ( ) [ ] 1. Đề xuất các luật điều khiển tổng hợp từ các công trình liên quan. Những đề xuất ban đầu cho hệ thống thiếu cơ cấu truyền động này phải kể tới Spong [15]. Spong đã sử dụng giải thuật phản hồi tuyến tính riêng phần để điều khiển hệ Acrobot [7].

Chiến lược cơ bản để đưa robot lên vị trí cân bằng ngược là chọn một bộ điều khiển ngoài để đưa khớp thứ 2 lên và biên độ của khớp 1 tăng theo, muốn cân bằng vị trí ngược này chúng ta phải thiết kế một bộ điều khiển làm ổn định tác động của hệ thống trong khu vực đó về một điểm cân bằng. Acrobot có một điểm duy nhất cân bằng ổn định tương ứng với cả hai khớp nối với nhau theo phương thẳng đứng hướng xuống và có duy nhất một điểm cân bằng ngược không ổn định, đó là kết quả mong muốn đạt được khi áp dụng giải thuật điều khiển cân bằng vào hệ thống động lực học của Acrobot trong mặt phẳng của vị trí cân bằng ngược này. Theo luật tự nhiên, Acrobot ở vị trí cân bằng ngược thì tâm khối lượng của hệ thống nằm ngay bên trên khớp nối, mỗi vị trí cân bằng được liên kết với duy nhất một hằng số momen ngõ vào [15]. Vì vậy, chỉ khi Acrobot ở vị trí cân bằng ngược thẳng đứng thì momen ngõ vào bằng 0 (có rất nhiều vị trí cân bằng ngược nhưng chỉ có một vị trí cân bằng ngược thẳng đứng 2 khớp nối).

Tuy nhiên luật điều khiển được chọn dựa trên điều kiện là năng lượng của từng khớp đơn tăng. Vì vậy theo lý thuyết thì điều này không đảm bảo được rằng năng lượng của Acrobot cũng tăng tương ứng cùng với sự chuyển động lên. HVTH: Phạm Thị Hòa 8 Chương 1: Tổng quan về đề tài GVHD: PGS. Huỳnh Thái Hoàng *Kết quả đạt được: Hình 1.4: Đáp ứng góc của hệ thống với phương pháp điều khiển phản hồi tuyến tính hóa riêng phần và LQR Trong [26] Brown và Passino đã trình bày phương pháp điều khiển LQR, điều khiển mờ và mờ thích nghi điều khiển cân bằng Acrobot và bộ điều khiển PD với điều khiển tuyến tính hóa hồi tiếp riêng phần, điều khiển hồi tiếp trạng thái và điều khiển mờ để đưa Acrobot về vị trí cân bằng trên.

Cùng lúc đó, sử dụng 2 giải thuật di truyền để điều chỉnh tối ưu quá trình Swing-Up và giữ trạng thái cân bằng đó khi mà robot đã vào miền cân bằng. Ở [26] trong quá trình Swing-Up đã đề cập tới 3 giải thuật bao gồm : Hồi tiếp tuyến tính hóa riêng phần kết hợp với bộ điều khiển PD. Thực tế như chúng ta đã biết là thông số bộ điều khiển của hệ thống là không chính xác, là thông số ước lượng nó được cập nhật liên tục trong quá trình Swing-Up, vì thế chúng ta mong muốn tìm được một luật điều khiển sao cho không phụ thuộc hoàn toàn vào bộ thông số này của hệ thống, đó là sử dụng bộ điều khiển hồi tiếp trạng thái và thứ 3 là giải thuật điều khiển mờ trực tiếp. Thông số đầu tiên cho mỗi bộ điều khiển được ấn định trực tiếp, sau đó bộ GA sẽ được sử dụng để điều chỉnh lại bộ thông số điều khiển này nhằm cải HVTH: Phạm Thị Hòa 9 Chương 1: Tổng quan về đề tài GVHD: PGS.

Huỳnh Thái Hoàng thiện chất lượng điều khiển. Bằng việc kết hợp các luật điều khiển và sử dụng giải thuật di truyền để tự chỉnh các thông số cho quá trình Swing-Up và cân bằng hệ Acrobot, Brown và passion cho kêt quả mô phỏng rất tốt. Tuy nhiên, các phương pháp này tương đối phức tạp và thời gian đáp ứng khá lớn (sau khoảng 20s thì hệ thống mới đạt được trạng thái cân bằng ngược). *Kết quả đạt được: Hình 1.5: Đáp ứng góc của hệ thống với phương pháp điều khiển mờ và GA Trong [28] YzengGuo và Peng-yung Woo đã đề xuất giải thuật điều khiển mờ trượt thích nghi (AFSMC) cho quá trình Swing-Up hệ Acrobot.

YzengGuo và Peng-Yung Woo đã sử dụng hệ thống mờ một ngõ vào một ngõ ra (SISO) ứng cho việc tính toán mỗi phần tử của vecto độ lợi trong bộ điều khiển trượt. Luật điều khiển thích nghi được xây dựng dựa trên hàm Lyapunov. Ở đây V được xem như chỉ số của năng lượng của s và M là ma trận được xây dựng như trong mục 2.Tính ổn định của hệ thống được đảm bảo bằng cách chọn một luật điều khiển sao cho đảm bảo ̇ HVTH: Phạm Thị Hòa 10 Chương 1: Tổng quan về đề tài GVHD: PGS. Huỳnh Thái Hoàng ̇ với ̇ được xác định theo công thức : ̇ ∑ ( ) .Trong [28] mỗi phần tử của vecto độ lợi được tạo ra từ một bộ mờ dựa vào giá trị của mặt trượt Si và biến số của nó.

Bởi vì vecto điều khiển độ lợi được xây dựng từ bộ mờ, là bộ điều khiển phi tuyến và liên tục, các hàm thành viên của vecto độ lợi được cập nhật on-line nên bộ điều khiển này không chỉ đơn thuần là bộ mờ mà là bộ mờ thích nghi. Kết quả mô phỏng cho đáp ứng rất tốt, nó đã khắc phục được hiện tượng “chattering” và ổn định sai số bám so với một bộ điều khiển trượt thông thường .D Mahindrakar đã dùng luật điều khiển dựa vào thuyết ổn định lyapunov cho hệ thống chuyển động không trơn láng (non-smooth) và điều khiển tối ưu thời gian cho Acrobot. Trong nghiên cứu này, mục tiêu là chuyển hệ thống Acrobot từ mức năng lượng này qua mức năng lượng khác. Mục tiêu cụ thể hơn là cấp cho hệ thống một mức năng lượng để chuyển từ mức năng lượng đặt này tới một mức năng lượng được đặt tương ứng (hoặc gần tới mức ngưỡng đặt tương ứng) của vị trí cân bằng ngược.

Luật điều khiển được tự động cập nhật cho tới khi hệ thống gần đạt tới vị trí cân bằng mới. Tại điểm này thì luật điều khiển hồi tiếp tuyến tính hóa sẽ giúp cho hệ thống được giữ thẳng đứng xung quanh vị trí cân bằng mới. Chúng ta có luật biến đổi năng lượng được sử dụng cho quá trình Swing-Up và điều khiển Bang-Bang giúp khảo sát tối ưu hóa thời gian biến đổi năng lượng, [3] mới trình bày được điều kiện cần để tối ưu hóa thời gian biến đổi năng lượng của luật điều khiển và chưa có được điều kiện đủ để thực hiện được luật điều khiển này. Nhược điểm của phương pháp là khó kiểm chứng số liệu và quá trình khảo sát, các thí nghiệm để khắc phục vấn đề này vẫn đang được tiếp tục nghiên cứu và cải thiện.

*Kết quả đạt được: HVTH: Phạm Thị Hòa 11 Chương 1: Tổng quan về đề tài GVHD: PGS. Huỳnh Thái Hoàng Hình 1.6: Đáp ứng góc 1 của hệ thống với phương pháp điều khiển năng lượng Hình 1.