Bối cảnh và vấn đề nghiên cứu
Trong sự phát triển của khoa học máy tính và kỹ thuật số, các phương thức giao tiếp giữa con người và thiết bị điều khiển đã có những bước chuyển biến từ tiếp xúc vật lý (bàn phím, nút bấm, màn hình cảm ứng) sang các giao thức không dây và điều khiển bằng giọng nói. Công nghệ xử lý tín hiệu âm thanh cho phép con người trực tiếp ra lệnh cho thiết bị mà không cần thao tác tiếp xúc cơ học, tạo ra nhiều ứng dụng thực tiễn trong nhà thông minh, thiết bị y tế hỗ trợ người khuyết tật và các phương tiện tự hành.
Đồ án tốt nghiệp "Điều khiển xe robot bằng giọng nói với Raspberry Pi 3" được thực hiện bởi sinh viên Phan Thanh Toàn và Võ Hoàng Khánh, dưới sự hướng dẫn của ThS. Nguyễn Duy Thảo tại Bộ môn Điện tử Công nghiệp – Y sinh, Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh (thực hiện từ ngày 20/03/2018 đến ngày 30/06/2018). Đề tài tập trung vào việc nghiên cứu, thiết kế và thi công mô hình xe robot 4 bánh có khả năng nhận dạng giọng nói tiếng Anh thông qua kit Raspberry Pi 3, kết hợp cảm biến siêu âm tránh vật cản và vi điều khiển phụ hiển thị trạng thái.
Mục tiêu nghiên cứu
Đề tài xác định 6 mục tiêu cụ thể:
- Điều khiển xe robot thực hiện các chuyển động: chạy tiến, lùi, rẽ trái, rẽ phải và dừng lại thông qua lệnh giọng nói.
- Tích hợp cảm biến siêu âm ở phía trước xe để phát hiện và tự động dừng lại khi gặp vật cản.
- Sử dụng board vi điều khiển Arduino Mega 2560 để điều khiển mắt hiển thị ma trận LED cho xe.
- Xây dựng chương trình điều khiển và xử lý giọng nói trên kit Raspberry Pi 3.
- Thi công mô hình phần cứng xe robot hoàn chỉnh với kết cấu cơ khí 2 tầng.
- Hoàn thiện sản phẩm và thử nghiệm vận hành trong điều kiện thực tế.
Nhiệm vụ nghiên cứu
Đề tài triển khai qua 6 nội dung nhiệm vụ:
- Nội dung 1: Thu thập dữ liệu và quy trình thiết kế một hệ thống điều khiển xe bằng giọng nói.
- Nội dung 2: Nghiên cứu các giải pháp thiết kế hệ thống và mô hình điều khiển.
- Nội dung 3: Khảo sát và lựa chọn linh kiện, thiết bị phần cứng phù hợp.
- Nội dung 4: Viết chương trình điều khiển và thiết kế giải thuật hệ thống.
- Nội dung 5: Thiết kế cơ khí và lắp ráp mô hình xe robot.
- Nội dung 6: Thử nghiệm, đo đạc và đánh giá kết quả hoạt động của toàn hệ thống.
Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu: Hệ thống phần cứng nhúng dựa trên máy tính đơn bo Raspberry Pi 3 Model B, mạch công suất cầu H L298N, cảm biến siêu âm HC-SRF04, vi điều khiển Arduino Mega 2560, micro không dây Daile V10 và phần mềm nhận dạng giọng nói trên hệ điều hành Windows 10 IoT Core.
- Phạm vi và giới hạn:
- Ngôn ngữ nhận dạng: Giới hạn xử lý khẩu lệnh bằng tiếng Anh, đòi hỏi người nói phát âm chuẩn.
- Thời gian đáp ứng: Tồn tại độ trễ nhất định trong quá trình thu âm, tiền xử lý và giải mã giọng nói trước khi truyền tín hiệu điều khiển động cơ.
- Không gian thu âm: Micro không dây hoạt động tối ưu trong cự ly nhận dạng từ 1m đến 3m do đặc tính của thiết bị phần cứng được sử dụng.
Cơ sở lý thuyết và phương pháp nghiên cứu
Khung lý thuyết và công nghệ sử dụng
- Xử lý và nhận dạng giọng nói: Quy trình nhận dạng giọng nói được chia thành hai phần chính gồm xử lý tín hiệu âm thanh đầu vào và bộ giải mã giọng nói (Speech Decoder). Hệ thống sử dụng thư viện
SpeechRecognizer do Microsoft cung cấp để chuyển đổi tín hiệu giọng nói thành chuỗi văn bản tương ứng và so khớp với tập lệnh điều khiển đã định nghĩa.
- Nguyên lý đo khoảng cách bằng sóng siêu âm (Sonar): Cảm biến HC-SRF04 hoạt động dựa trên nguyên lý phát một xung kích ngắn (5 µs) tại chân Trigger, sau đó đo độ rộng xung phản hồi tại chân Echo. Với tốc độ truyền âm thanh trong không khí là 340 m/s (tương đương 29,412 µs/cm), khoảng cách $D$ đến vật cản được tính theo công thức:
$$D = \frac{T_{\text{Echo}}}{2 \times 29{,}412} \quad (\text{cm})$$
trong đó $T_{\text{Echo}}$ là thời gian xung mức cao trên chân Echo (tính bằng micro giây).
- Mạch công suất cầu H và điều khiển động cơ DC: Mạch cầu H tích hợp IC L298N cho phép điều khiển đảo chiều và cấp nguồn cho động cơ DC với dòng định mức tối đa 2A cho mỗi nhánh cầu.
- Hệ điều hành nhúng: Tác giả tiến hành khảo sát các bản phân phối hệ điều hành dành cho Raspberry Pi gồm Raspbian, Ubuntu Mate, Snappy Ubuntu Core, OSMC, OpenELEC và Windows 10 IoT Core. Đề tài lựa chọn Windows 10 IoT Core do khả năng tích hợp trực tiếp với Visual Studio và hỗ trợ thư viện nhận dạng giọng nói Universal Windows Platform (UWP).
Phương pháp nghiên cứu
- Phương pháp phân tích - tổng hợp tài liệu: Khảo sát giáo trình Kỹ thuật truyền số liệu, tài liệu kỹ thuật của hãng Broadcom, Microsoft và các bảng thông số linh kiện (datasheet).
- Phương pháp thiết kế và tích hợp kỹ thuật: Phân chia hệ thống thành các khối chức năng độc lập (khối xử lý trung tâm, khối thu nhận âm thanh, khối cảm biến, khối điều khiển công suất, khối nguồn và khối hiển thị), sau đó thiết kế sơ đồ nguyên lý ghép nối.
- Phương pháp thực nghiệm: Lắp ráp phần cứng thực tế, đo đạc điện áp logic, thiết kế mạch cầu phân áp phối hợp mức điện áp và kiểm thử khả năng nhận dạng lệnh trên mô hình xe.
Thiết kế và triển khai hệ thống
Kiến trúc phần cứng và sơ đồ khối
Hệ thống được thiết kế gồm 6 khối chức năng liên kết với nhau:
| Tên khối |
Linh kiện / Thiết bị chính |
Chức năng kỹ thuật |
| Khối xử lý trung tâm |
Raspberry Pi 3 Model B (BCM2836 ARMv7 Quad-core 900MHz, 1GB RAM) |
Nhận dữ liệu âm thanh từ USB Sound Card, giải mã lệnh giọng nói, đọc tín hiệu cảm biến siêu âm và xuất tín hiệu GPIO điều khiển |
| Khối thu phát âm thanh |
Micro không dây Daile V10 (VHF 268.85 MHz) + USB Sound Card |
Thu tín hiệu giọng nói của người điều khiển, chuyển đổi tín hiệu analog sang digital và truyền vào Raspberry Pi qua cổng USB |
| Khối cảm biến |
Cảm biến siêu âm HC-SRF04 |
Phát hiện vật cản phía trước xe trong dải đo 2 – 300 cm, gửi tín hiệu ngắt về vi xử lý trung tâm khi khoảng cách dưới ngưỡng an toàn |
| Khối điều khiển công suất |
Module L298N (2 cầu H kép) |
Nhận 4 tín hiệu điều khiển logic từ GPIO của Raspberry Pi để đóng ngắt cấp điện áp 12V cho 4 động cơ DC GA25 |
| Khối hiển thị |
Arduino Mega 2560 + 2 module LED Matrix 8x8 MAX7219 |
Hiển thị biểu cảm/mắt LED của xe robot, giảm tải xử lý đồ họa cho Raspberry Pi |
| Khối nguồn |
Pin sạc dự phòng 5V/4.2A + Khối pin cell DC + Mạch hạ áp LM2596 |
Cung cấp nguồn 5V độc lập cho Raspberry Pi và nguồn 12V (sau hạ áp) cho module L298N, động cơ và Arduino |
Danh mục linh kiện và thông số kỹ thuật chế tạo
| STT |
Tên linh kiện / Thiết bị |
Thông số kỹ thuật |
Dạng vỏ / Đặc điểm |
| 1 |
Khung xe robot |
Kết cấu 2 tầng chịu lực |
Vật liệu Mica |
| 2 |
Bộ vi xử lý Raspberry Pi 3 |
Điện áp: 5V DC, dòng yêu cầu: 2A |
Vỏ bảo vệ nhựa cứng có quạt tản nhiệt |
| 3 |
Board vi điều khiển Arduino Mega |
ATmega2560, điện áp hoạt động: 5V (nguồn vào 7-12V) |
Dạng board mạch chuẩn |
| 4 |
Cảm biến siêu âm HC-SRF04 |
Điện áp: 5V DC, dòng tiêu thụ: 30 mA |
Module cảm biến 4 chân |
| 5 |
Module công suất L298N |
Điện áp động cơ: 5V - 30V, dòng tải tối đa: 2A/kênh |
Tản nhiệt nhôm tích hợp |
| 6 |
Động cơ DC giảm tốc GA25 (4 chiếc) |
Điện áp: 6V - 12V; Tốc độ: 110 vòng/phút (6V) - 240 vòng/phút (12V) |
Hộp giảm tốc bánh răng thép DC365 |
| 7 |
Mạch hạ áp DC-DC LM2596 |
Điện áp vào: 3V - 30V; Điện áp ra: 1.5V - 30V; Dòng tối đa: 3A |
Dạng module đóng gói |
| 8 |
Module LED Matrix MAX7219 (2 chiếc) |
Ma trận 8x8 LED, điện áp: 4.3V - 5V DC, dòng tiêu thụ: 320 mA |
IC điều khiển giao tiếp SPI |
| 9 |
Micro không dây Daile V10 |
Tần số VHF: 268.85 MHz cố định; Nguồn micro: 2 pin AA 1.5V |
Đầu thu USB 5V/1A kèm jack 3.5mm |
| 10 |
USB Sound Card 2.0 |
Giao tiếp USB 2.0, cổng mic in và audio out 3.5mm |
Chuyển đổi tín hiệu ADC/DAC |
| 11 |
Điện trở phân áp |
Trị số 1 kΩ và 2 kΩ |
Dạng chân cắm |
| 12 |
Khối nguồn cấp |
Pin dự phòng 5V/4.2A và pin Cell |
Khối pin chuyên dụng |
Phối hợp mức điện áp giữa HC-SRF04 và Raspberry Pi 3
Chân GPIO của Raspberry Pi 3 hoạt động ở mức logic 3.3V (dòng ra cực đại 5 mA), trong khi cảm biến HC-SRF04 sử dụng nguồn cấp 5V và chân phản hồi Echo xuất mức tín hiệu 5V. Nếu nối trực tiếp chân Echo vào GPIO của Raspberry Pi sẽ gây hỏng board mạch. Tác giả thiết kế mạch cầu phân áp sử dụng hai điện trở $R_1 = 1\text{ k}\Omega$ và $R_2 = 2\text{ k}\Omega$:
$$V_{\text{out}} = V_{\text{Echo}} \times \frac{R_2}{R_1 + R_2} = 5\text{V} \times \frac{2000}{1000 + 2000} \approx 3{,}33\text{V}$$
Điện áp ngõ ra xấp xỉ 3.33V đảm bảo an toàn tuyệt đối cho chân đầu vào của Raspberry Pi 3.
Triển khai phần mềm và giao thức điều khiển
- Môi trường lập trình: Sử dụng Microsoft Visual Studio 2017 trên máy tính Windows 10 (Build 10240) để biên dịch ứng dụng Universal Windows Platform (UWP).
- Hệ điều hành thiết bị: Windows 10 IoT Core nạp vào thẻ nhớ MicroSD chạy trên Raspberry Pi 3.
- Quản trị và nạp chương trình: Quản trị thiết bị thông qua cổng web Windows 10 IoT Core Web Management và giao tiếp dòng lệnh qua PowerShell từ máy tính kết nối cùng mạng Wi-Fi.
Nội dung chính theo từng chương
Chương 1: Tổng quan
Chương 1 trình bày bối cảnh phát triển của kỹ thuật số, công nghệ xử lý thông tin âm thanh và các ứng dụng điều khiển bằng giọng nói trên thế giới cũng như tại Việt Nam. Tác giả nêu bật tính ưu việt của phương thức điều khiển không tiếp xúc so với các hình thức điều khiển qua sóng vô tuyến, Wi-Fi hay Bluetooth (vốn phụ thuộc vào giao diện nút bấm hoặc màn hình cảm ứng). Chương này xác định rõ mục tiêu đề tài, 6 nội dung nghiên cứu cần thực hiện, các giới hạn kỹ thuật và bố cục toàn văn đồ án.
Chương 2: Cơ sở lý thuyết
Chương 2 cung cấp kiến thức nền tảng về các thành phần phần cứng và phần mềm:
- Khái niệm và tính năng tiêu chuẩn của xe robot điều khiển bằng giọng nói.
- Cấu trúc phần cứng Raspberry Pi 3 Model B: chip Broadcom BCM2836 (ARM Cortex-A7 quad-core 900MHz), 1GB SDRAM, GPU VideoCore IV, sơ đồ 40 chân GPIO (26 chân I/O, UART, I2C, 2 SPI, PWM).
- Khảo sát các hệ điều hành nhúng: Raspbian, Ubuntu Mate 15.04, Snappy Ubuntu Core, OSMC, OpenELEC và Windows 10 IoT Core.
- Cấu tạo và nguyên lý hoạt động của mạch cầu H L298N (bảng trạng thái kích hoạt ENA, ENB, IN1, IN2, IN3, IN4).
- Nguyên lý cảm biến siêu âm HC-SRF04: góc phản xạ, vùng phát hiện đối tượng, cơ chế phát xung 5 µs và cách tính khoảng cách từ thời gian phản hồi Echo.
- Đặc tính board Arduino Mega 2560, USB Sound Card, micro không dây Daile V10 (tần số VHF 268.85 MHz), động cơ DC GA25 và module LED Matrix 8x8 MAX7219.
Chương 3: Tính toán và thiết kế
Chương 3 tập trung thiết kế chi tiết sơ đồ khối và sơ đồ nguyên lý toàn mạch:
- Thiết kế sơ đồ nguyên lý khối nguồn: phân chia nguồn 5V cho Raspberry Pi và mạch hạ áp LM2596 cung cấp nguồn 12V cho động cơ, L298N và Arduino Mega.
- Thiết kế sơ đồ ghép nối GPIO giữa Raspberry Pi 3 với các chân điều khiển IN1, IN2, IN3, IN4 của module L298N.
- Thiết kế mạch ghép nối cảm biến siêu âm SRF04 với Raspberry Pi có tích hợp mạch phân áp giảm điện áp chân Echo từ 5V xuống 3.3V.
- Tổng hợp sơ đồ nguyên lý toàn mạch kết nối đồng bộ các khối chức năng.
Chương 4: Thi công hệ thống
Chương 4 mô tả quy trình gia công cơ khí, lắp ráp phần cứng và thiết lập phần mềm:
- Chuẩn bị linh kiện theo bảng danh mục thông số chi tiết.
- Lắp ráp cơ khí khung xe Mica 2 tầng: tầng dưới bố trí 4 động cơ DC GA25, bánh xe, mạch L298N và pin; tầng trên bố trí Raspberry Pi 3, Arduino Mega 2560, mạch hạ áp và cảm biến siêu âm.
- Đấu nối dây tín hiệu thực tế, kiểm tra phân áp an toàn cho chân Echo của cảm biến siêu âm.
- Lắp đặt đầu thu micro Daile V10 qua USB Sound Card cắm vào cổng USB của Raspberry Pi.
- Cài đặt hệ điều hành Windows 10 IoT Core, kết nối điều khiển qua PowerShell và nạp chương trình điều khiển từ Visual Studio 2017.
Chương 5: Kết quả, nhận xét và đánh giá
Chương 5 tổng kết các kết quả thực nghiệm của từng module:
- Đánh giá hoạt động của cảm biến siêu âm trong việc phát hiện vật cản.
- Đánh giá khả năng đáp ứng dòng và điều khiển hướng của bộ điều khiển động cơ L298N.
- Đánh giá hiệu năng xử lý của bộ vi xử lý Raspberry Pi 3 dưới hệ điều hành Windows 10 IoT Core.
- Đánh giá tổng thể khả năng nhận dạng giọng nói và vận hành thực tế của mô hình xe robot.
Chương 6: Kết luận và hướng phát triển
Chương 6 tổng kết các hạng mục đã hoàn thành theo mục tiêu ban đầu, chỉ rõ các hạn chế kỹ thuật chưa thể khắc phục trong phạm vi đồ án và đề xuất các giải pháp nâng cấp trong tương lai.
Kết quả và đóng góp
Kết quả nghiên cứu đạt được
- Hoàn thiện mô hình phần cứng: Chế tạo thành công xe robot 4 bánh kết cấu Mica 2 tầng vững chắc, tích hợp đầy đủ khối vi xử lý trung tâm Raspberry Pi 3, khối vi điều khiển phụ Arduino Mega 2560, mạch công suất L298N, cảm biến siêu âm và module LED ma trận hiển thị.
- Xử lý điều khiển chuyển động bằng giọng nói: Xe tiếp nhận và thực thi chính xác 5 trạng thái vận hành cơ bản qua khẩu lệnh tiếng Anh gồm: tiến (forward), lùi (backward), rẽ trái (turn left), rẽ phải (turn right) và dừng (stop).
- Tính năng an toàn tự động: Cảm biến siêu âm HC-SRF04 đo khoảng cách liên tục ở phía trước và kích hoạt lệnh dừng khẩn cấp khi gặp vật cản trong cự ly nguy hiểm, ngăn ngừa va chạm.
- Hiển thị trạng thái độc lập: Hai module ma trận LED 8x8 MAX7219 hiển thị trạng thái mô phỏng mắt xe robot do Arduino Mega 2560 điều khiển hoạt động ổn định.
- Giao tiếp âm thanh không dây: Micro Daile V10 truyền tín hiệu ổn định qua sóng VHF về USB Sound Card trên Raspberry Pi trong cự ly từ 1m đến 3m.
Đóng góp kỹ thuật của đề tài
- Ứng dụng thành công hệ điều hành nhúng Windows 10 IoT Core kết hợp thư viện
SpeechRecognizer của Microsoft trên nền tảng phần cứng Raspberry Pi 3 để xử lý giọng nói trực tiếp tại biên (edge device) mà không cần kết nối máy tính chủ cồng kềnh.
- Cung cấp giải pháp phối hợp điện áp logic chuẩn xác giữa cảm biến 5V (HC-SRF04) và vi xử lý 3.3V (Raspberry Pi 3) bằng mạch cầu phân áp điện trở đơn giản, bảo vệ phần cứng hiệu quả.
- Đề xuất mô hình phân chia tác vụ xử lý: Raspberry Pi 3 tập trung xử lý giọng nói và điều khiển logic cấp cao, trong khi Arduino Mega đảm nhiệm điều khiển hiển thị ma trận LED.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế của đề tài
- Rào cản ngôn ngữ và phát âm: Hệ thống chỉ nhận dạng được tiếng Anh và yêu cầu người điều khiển phải phát âm tương đối chuẩn, chưa hỗ trợ nhận dạng giọng nói tiếng Việt.
- Độ trễ xử lý: Tồn tại khoảng thời gian trễ nhất định từ lúc kết thúc khẩu lệnh đến khi xe thực hiện chuyển động do giới hạn năng lực xử lý giải mã âm thanh của hệ thống.
- Phạm vi thu âm hạn chế: Do sử dụng micro không dây thương mại phổ thông, cự ly nhận dạng ổn định chỉ đạt từ 1m đến 3m; ở khoảng cách xa hơn hoặc môi trường có nhiều tạp âm, tỷ lệ nhận dạng giảm.
Hướng phát triển
- Tích hợp các thuật toán hoặc API nhận dạng giọng nói tiếng Việt để tăng tính ứng dụng cho người dùng trong nước.
- Tối ưu hóa giải thuật giải mã giọng nói và mã nguồn UWP nhằm giảm thiểu tối đa độ trễ phản hồi của xe.
- Nâng cấp phần cứng thu âm (sử dụng micro định hướng hoặc mảng micro lọc nhiễu chủ động) để mở rộng cự ly điều khiển và tăng độ chính xác trong môi trường nhiều tiếng ồn.
- Bổ sung thêm các tính năng điều khiển vận tốc tự động và thuật toán tự định tuyến tránh vật cản thay vì chỉ dừng lại khi gặp chướng ngại vật.
Giá trị tham khảo
Tài liệu đồ án là nguồn tư liệu thực hành kỹ thuật có giá trị cho sinh viên và học viên thuộc các chuyên ngành:
- Ngành Kỹ thuật Điện tử - Truyền thông và Điện tử Công nghiệp: Tham khảo sơ đồ nguyên lý mạch nguồn hạ áp, mạch cầu phân áp bảo vệ GPIO, và thiết kế mạch công suất điều khiển động cơ DC dùng L298N.
- Ngành Kỹ thuật Máy tính và Hệ thống Nhúng / IoT: Tham khảo quy trình cài đặt, cấu hình, quản trị Windows 10 IoT Core qua PowerShell và triển khai ứng dụng Universal Windows Platform (UWP) giao tiếp phần cứng trên kit Raspberry Pi 3.
- Người nghiên cứu các đề tài tương tự: Tham khảo cấu trúc tích hợp cảm biến siêu âm HC-SRF04 và kỹ thuật thu nhận âm thanh qua USB Sound Card trên máy tính đơn bo Linux/Windows IoT.
Câu hỏi thường gặp
1. Tại sao không thể nối trực tiếp chân Echo của cảm biến HC-SRF04 vào chân GPIO của Raspberry Pi 3?
Chân GPIO của Raspberry Pi 3 hoạt động ở mức điện áp logic 3.3V và dòng chịu đựng rất nhỏ (tối đa 5 mA). Trong khi đó, cảm biến HC-SRF04 sử dụng nguồn 5V và chân Echo xuất tín hiệu mức cao 5V. Nếu đấu nối trực tiếp, mức điện áp 5V từ cảm biến sẽ gây quá áp và làm cháy chân GPIO của Raspberry Pi. Do đó, tác giả sử dụng mạch cầu phân áp với 2 điện trở ($1\text{ k}\Omega$ và $2\text{ k}\Omega$) để hạ điện áp xung Echo về mức an toàn xấp xỉ 3.33V.
2. Hệ điều hành nào được cài đặt trên Raspberry Pi 3 trong đồ án này?
Đồ án sử dụng hệ điều hành Microsoft Windows 10 IoT Core. Hệ điều hành này không có giao diện đồ họa thông thường của Windows mà chỉ chạy nhân rút gọn phục vụ các ứng dụng IoT, được quản trị từ xa thông qua giao diện Web và dòng lệnh PowerShell.
3. Hệ thống nhận dạng giọng nói bằng thư viện và ngôn ngữ nào?
Hệ thống sử dụng thư viện SpeechRecognizer do Microsoft phát triển trên nền tảng Universal Windows Platform (UWP), được lập trình trên phần mềm Visual Studio 2017. Hệ thống hiện chỉ hỗ trợ nhận dạng khẩu lệnh bằng tiếng Anh.
4. Hệ thống cấp nguồn cho các khối phần cứng trên xe robot như thế nào?
Hệ thống sử dụng hai nguồn cấp riêng biệt:
- Một pin sạc dự phòng 5V/4.2A chuyên dùng cấp nguồn ổn định cho Raspberry Pi 3 qua cổng Micro USB.
- Một khối pin cell kết hợp mạch hạ áp LM2596 để cấp nguồn 12V cho module công suất L298N, 4 động cơ DC GA25 và board Arduino Mega 2560.
5. Khung xe robot được thiết kế bằng vật liệu gì và bố trí như thế nào?
Khung xe được gia công bằng vật liệu Mica với kết cấu 2 tầng:
- Tầng 1 (tầng dưới): Gắn 4 động cơ DC GA25, bánh xe, mạch công suất cầu H L298N và bộ nguồn pin.
- Tầng 2 (tầng trên): Bố trí board mạch điều khiển trung tâm Raspberry Pi 3, board Arduino Mega 2560, mạch nguồn hạ áp, cảm biến siêu âm SRF04 và 2 module ma trận LED 8x8 MAX7219.
Kết luận
Đồ án tốt nghiệp "Điều khiển xe robot bằng giọng nói với Raspberry Pi 3" đã hoàn thành việc thiết kế, chế tạo và thử nghiệm thành công mô hình xe robot 4 bánh tự hành điều khiển bằng giọng nói tiếng Anh. Hệ thống kết hợp hài hòa giữa bộ xử lý trung tâm Raspberry Pi 3 chạy Windows 10 IoT Core với vi điều khiển phụ Arduino Mega 2560 và cảm biến siêu âm HC-SRF04, tạo nên một cơ chế vận hành chính xác và an toàn. Mặc dù còn một số hạn chế về ngôn ngữ nhận dạng và cự ly thu âm, công trình đã thể hiện phương pháp tiếp cận đúng đắn trong việc ứng dụng công nghệ nhận dạng giọng nói vào các hệ thống nhúng điều khiển tự động.
