Điều Khiển Xe Tự Cân Bằng Sử Dụng Arduino

Dự án điều khiển xe tự cân bằng sử dụng Arduino là một chủ đề hấp dẫn trong lĩnh vực robot và hệ thống điều khiển tự động. 61 trang.

• Đề tài: Điều Khiển Xe Tự Cân Bằng Sử Dụng Arduino

Mục lục chi tiết

• DANH SÁCH HÌNH VẼ
• DANH SÁCH BẢNG BIỂU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ ROBOT HAI BÁNH TỰ CÂN BẰNG
• 1.1. Giới thiệu chung
• 1.2. Thế nào là robot hai bánh tự cân bằng
• 1.3. Tại sao phải thiết kế robot hai bánh tự cân bằng
• 1.4. Mục tiêu của đồ án
• 1.5. Phương pháp nghiên cứu
• 1.6. Giới hạn của đồ án
• 2. CHƯƠNG 2: THIẾT KẾ CHẾ TẠO
• 2.1. Sơ đồ khối
• 2.2. Thiết kế phần cứng
• 2.3. Mạch điện tử
• 2.3.1. Nguồn điện
• 2.3.2. Bộ điều khiển trung tâm Arduino Mega 2560
• 2.3.3. Mạch điều khiển động cơ robo shield
• 2.3.4. Cảm biến MPU6050
• 2.3.5. Động cơ Encoder 334 Xung + Giảm tốc RP201
• 2.4. Các phương thức giao tiếp
• 2.4.1. Điều chế độ rộng xung PWM
• 2.4.2. Giao tiếp I2C
• 2.4.3. Giao tiếp UART
• 2.5. Giải thuật lập trình
• 2.5.1. Nguyên lý điều khiển cân bằng
• 2.5.2. Bộ lọc Kalman
• 2.5.3. Giải thuật điều khiển PID
• 2.5.4. Nguyên lý hoạt động
• 3. CHƯƠNG 3: THỬ NGHIỆM VÀ KẾT LUẬN
• 3.1. Thử nghiệm
• 3.2. Kết luận
• 3.3. Hướng phát triển
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC
• LỜI CẢM ƠN

Tóm tắt

I. Nguyên Lý Điều Khiển Xe Tự Cân Bằng Với Arduino Cơ Bản

Dự án điều khiển xe tự cân bằng sử dụng Arduino là một chủ đề hấp dẫn trong lĩnh vực robot và hệ thống điều khiển tự động. Mục tiêu cốt lõi của dự án, như được trình bày trong đồ án nghiên cứu, là xây dựng một robot có khả năng di chuyển linh hoạt trên hai bánh đồng trục. Mô hình này hứa hẹn trở thành một phương tiện di chuyển hiệu quả, đặc biệt trong các không gian chật hẹp nơi các phương tiện ba hoặc bốn bánh gặp khó khăn. Nguyên lý cơ bản đằng sau một robot hai bánh tự cân bằng tương tự như hành động giữ thăng bằng một cây gậy trên lòng bàn tay. Đối với các loại xe ba hay bốn bánh, sự ổn định đến từ việc trọng tâm của chúng luôn nằm trong bề mặt chân đế do các bánh xe tạo ra. Tuy nhiên, một hệ thống hai bánh đồng trục về bản chất là không ổn định và sẽ đổ ngay lập tức nếu không có sự can thiệp của một hệ thống điều khiển chủ động. Để giữ thăng bằng, hệ thống phải liên tục đo góc nghiêng của xe so với phương thẳng đứng và điều khiển động cơ di chuyển về phía xe đang có xu hướng ngã. Cụ thể, nếu xe nghiêng về phía trước, các bánh xe sẽ được điều khiển quay về phía trước để "đuổi theo" trọng tâm, đưa xe trở lại vị trí cân bằng. Quá trình này đòi hỏi sự phối hợp chính xác giữa các cảm biến và cơ cấu chấp hành, tất cả được điều khiển bởi một bộ não trung tâm, trong trường hợp này là bo mạch Arduino.

1.1. Khái niệm và nguyên tắc hoạt động cơ bản của robot

Một robot hai bánh tự cân bằng là một hệ thống cơ điện tử có cấu trúc con lắc ngược. Nó chỉ sử dụng hai bánh xe đặt song song trên một trục duy nhất để di chuyển và giữ thăng bằng. Nguyên tắc hoạt động cốt lõi dựa trên việc duy trì trọng tâm của robot ngay phía trên trục bánh xe. Theo tài liệu gốc, "để cho robot cân bằng, trọng tâm của nó cần được giữ nằm ngay giữa các bánh xe". Điều này đạt được thông qua một vòng lặp điều khiển khép kín: cảm biến đo góc nghiêng hiện tại, bộ vi điều khiển tính toán sai lệch so với vị trí cân bằng (góc 0 độ), và sau đó ra lệnh cho động cơ quay với tốc độ và chiều phù hợp để triệt tiêu sai lệch này. Quá trình này diễn ra liên tục hàng trăm lần mỗi giây, tạo ra ảo giác rằng robot đang đứng yên một cách ổn định dù chỉ trên hai bánh.

1.2. So sánh ưu điểm so với các phương tiện đa bánh khác

So với các robot ba hoặc bốn bánh truyền thống, mô hình xe tự cân bằng mang lại nhiều lợi ích vượt trội. Ưu điểm lớn nhất là sự linh hoạt. Nhờ có bề mặt tiếp xúc nhỏ và khả năng xoay tại chỗ, robot có thể dễ dàng di chuyển trong các môi trường đông đúc hoặc không gian hẹp. Đồ án nghiên cứu chỉ ra rằng các phương tiện ba bánh thường gặp khó khăn khi di chuyển trên địa hình dốc hoặc lồi lõm, do trọng lượng bị dồn về phía trước hoặc sau gây mất độ bám. Ngược lại, robot hai bánh "tự động nghiêng ra trước và giữ cho trọng lượng dồn về hai bánh lái chính" khi leo dốc, và nghiêng ra sau khi xuống dốc, giúp duy trì sự ổn định và lực kéo một cách thông minh. Điều này làm cho chúng trở thành nền tảng lý tưởng cho các phương tiện cá nhân trong đô thị, robot dịch vụ trong nhà hoặc các ứng dụng quân sự đòi hỏi sự cơ động cao.

II. Thách Thức Kỹ Thuật Khi Chế Tạo Robot Tự Cân Bằng

Việc xây dựng một hệ thống điều khiển xe tự cân bằng sử dụng Arduino phải đối mặt với nhiều thách thức kỹ thuật đáng kể, chủ yếu xuất phát từ tính chất bất ổn định của hệ thống. Thách thức lớn nhất chính là bài toán ổn định động học. Một vật thể chỉ có hai điểm tiếp xúc trên một trục duy nhất sẽ không thể tự đứng vững. Bất kỳ một nhiễu loạn nhỏ nào, từ sự không hoàn hảo của bề mặt di chuyển đến một luồng gió nhẹ, đều có thể khiến robot mất cân bằng và đổ. Do đó, hệ thống điều khiển phải có khả năng phản ứng cực nhanh và chính xác để bù trừ cho những nhiễu loạn này trong thời gian thực. Một thách thức khác là việc xử lý tín hiệu từ cảm biến. Dữ liệu từ cảm biến gia tốc và con quay hồi chuyển thường bị nhiễu và trôi (drift). Gia tốc kế nhạy với rung động, trong khi con quay hồi chuyển có sai số tích lũy theo thời gian. Nếu không có thuật toán lọc hiệu quả, bộ điều khiển sẽ nhận được thông tin sai lệch về góc nghiêng, dẫn đến các quyết định điều khiển sai lầm và làm robot mất ổn định. Cuối cùng, việc hiệu chỉnh các tham số của bộ điều khiển, như các hệ số của giải thuật PID, là một quá trình phức tạp và tốn thời gian. Việc tìm ra một bộ thông số tối ưu để robot vừa đáp ứng nhanh, vừa ổn định và không bị vọt lố đòi hỏi kiến thức sâu về lý thuyết điều khiển và nhiều lần thử nghiệm thực tế.

2.1. Vấn đề ổn định động học của hệ thống con lắc ngược

Mô hình động học của robot hai bánh tự cân bằng về cơ bản là một hệ con lắc ngược (inverted pendulum). Đây là một ví dụ kinh điển trong lý thuyết điều khiển về một hệ thống không ổn định tự nhiên. Sự ổn định của nó phụ thuộc hoàn toàn vào một hệ thống điều khiển phản hồi chủ động. Bất kỳ sự chậm trễ nào trong vòng lặp điều khiển – từ việc đọc dữ liệu cảm biến, tính toán, đến việc ra lệnh cho động cơ – đều có thể dẫn đến thất bại. Hệ thống phải có khả năng dự đoán và chống lại xu hướng ngã trước khi nó xảy ra, đòi hỏi một mô hình toán học chính xác và một bộ điều khiển mạnh mẽ.

2.2. Yêu cầu xử lý nhiễu và trôi dữ liệu từ cảm biến

Để điều khiển xe tự cân bằng một cách chính xác, việc xác định góc nghiêng là tối quan trọng. Tuy nhiên, các cảm biến quán tính (IMU) như MPU6050 không cung cấp dữ liệu hoàn hảo. Dữ liệu từ gia tốc kế (accelerometer) cho kết quả đo góc chính xác khi robot đứng yên nhưng lại rất nhiễu khi có chuyển động hoặc rung động. Ngược lại, dữ liệu từ con quay hồi chuyển (gyroscope) đo vận tốc góc rất chính xác trong thời gian ngắn nhưng lại bị "trôi" (drift) theo thời gian, gây ra sai số tích lũy. Thách thức đặt ra là phải kết hợp dữ liệu từ hai cảm biến này để lấy được ưu điểm của cả hai và loại bỏ nhược điểm, đây chính là vai trò của các bộ lọc phức tạp như bộ lọc Kalman.

III. Phương Pháp Lựa Chọn Phần Cứng Cho Xe Tự Cân Bằng

Việc lựa chọn phần cứng phù hợp là bước nền tảng quyết định sự thành công của dự án điều khiển xe tự cân bằng sử dụng Arduino. Mỗi thành phần đều đóng một vai trò chuyên biệt và phải phối hợp nhịp nhàng với nhau. Trung tâm của hệ thống là bộ vi điều khiển, nơi tất cả các thuật toán được thực thi. Đồ án đã lựa chọn Arduino Mega 2560, một bo mạch mạnh mẽ với nhiều chân I/O, bộ nhớ lớn và tốc độ xử lý đủ nhanh để thực hiện các phép tính phức tạp của bộ lọc Kalman và giải thuật PID trong thời gian thực. Để xác định góc nghiêng, cảm biến quán tính (IMU) MPU6050 được sử dụng. Đây là một lựa chọn phổ biến vì nó tích hợp cả gia tốc kế 3 trục và con quay hồi chuyển 3 trục trên cùng một chip, cung cấp đầy đủ dữ liệu cần thiết cho thuật toán lọc. Module này giao tiếp với Arduino thông qua chuẩn I2C, giúp tiết kiệm chân vi điều khiển. Phần cơ cấu chấp hành bao gồm động cơ và mạch điều khiển. Đồ án sử dụng Động cơ Encoder 334 Xung kết hợp với mạch Robo Shield. Động cơ có gắn encoder giúp đo lường chính xác tốc độ và vị trí của bánh xe, cung cấp phản hồi quan trọng cho các vòng lặp điều khiển phức tạp hơn trong tương lai. Mạch Robo Shield, với IC L298, cung cấp đủ dòng điện và khả năng điều khiển PWM (điều chế độ rộng xung) để thay đổi tốc độ và chiều quay của hai động cơ một cách chính xác theo lệnh từ Arduino.

3.1. Vai trò của bộ vi điều khiển trung tâm Arduino Mega 2560

Arduino Mega 2560 được chọn làm bộ não xử lý trung tâm nhờ vào hiệu năng và tính linh hoạt. Với vi điều khiển ATmega2560, nó có 54 chân digital I/O, 16 chân analog input, và bộ nhớ Flash 256KB. Lượng tài nguyên dồi dào này cho phép kết nối dễ dàng với nhiều cảm biến, động cơ và các module mở rộng khác mà không bị giới hạn. Tốc độ xử lý 16MHz đủ để thực hiện các vòng lặp điều khiển tốc độ cao, đảm bảo robot có thể phản ứng kịp thời với những thay đổi về góc nghiêng. Hơn nữa, cộng đồng hỗ trợ lớn và môi trường lập trình (IDE) thân thiện của Arduino giúp đơn giản hóa quá trình phát triển và gỡ lỗi phần mềm.

3.2. Cảm biến MPU6050 Giác quan xác định góc nghiêng

Cảm biến MPU6050 đóng vai trò như "giác quan" của robot, liên tục cung cấp thông tin về trạng thái không gian. Nó kết hợp một gia tốc kế và một con quay hồi chuyển. Gia tốc kế đo gia tốc trọng trường để xác định góc nghiêng khi robot đứng yên hoặc di chuyển chậm. Con quay hồi chuyển đo vận tốc góc, cho biết robot đang nghiêng nhanh hay chậm. Việc tích hợp cả hai cảm biến trên một chip cùng với bộ xử lý chuyển động kỹ thuật số (DMP) bên trong giúp đơn giản hóa việc thiết kế phần cứng. Dữ liệu thô từ MPU6050 là đầu vào quan trọng cho bộ lọc Kalman để tính toán ra góc nghiêng cuối cùng, ổn định và chính xác.

3.3. Mạch Robo Shield và Động cơ Encoder cho hệ truyền động

Để biến các tín hiệu điều khiển số thành chuyển động cơ học, hệ thống truyền động là không thể thiếu. Mạch điều khiển động cơ Robo Shield hoạt động như một cầu nối công suất giữa Arduino và động cơ. Nó nhận tín hiệu logic mức thấp (PWM) từ Arduino và chuyển đổi thành dòng điện đủ lớn đểขับ động cơ DC. Động cơ Encoder được lựa chọn vì khả năng cung cấp phản hồi về tốc độ quay. Encoder tạo ra một số xung nhất định cho mỗi vòng quay, cho phép vi điều khiển tính toán chính xác vận tốc của bánh xe. Sự kết hợp này tạo ra một hệ thống truyền động mạnh mẽ và có khả năng điều khiển chính xác, nền tảng cho việc thực thi giải thuật PID hiệu quả.

IV. Phương Pháp Lập Trình Điều Khiển Xe Tự Cân Bằng Tối Ưu

Phần mềm là linh hồn của dự án điều khiển xe tự cân bằng sử dụng Arduino, biến các linh kiện phần cứng rời rạc thành một hệ thống thông minh và tự chủ. Trọng tâm của phần mềm là hai giải thuật cốt lõi: bộ lọc Kalman để xử lý dữ liệu cảm biến và giải thuật điều khiển PID để duy trì sự cân bằng. Việc triển khai thành công hai thuật toán này quyết định trực tiếp đến hiệu suất và sự ổn định của robot. Đầu tiên, chương trình phải liên tục đọc dữ liệu thô từ gia tốc kế và con quay hồi chuyển của cảm biến MPU6050. Dữ liệu này sau đó được đưa vào bộ lọc Kalman. Đây là một thuật toán đệ quy, sử dụng một mô hình động học của hệ thống để ước tính trạng thái thực (góc nghiêng) từ các phép đo bị nhiễu. Nó kết hợp sự ổn định dài hạn của gia tốc kế với phản ứng nhanh của con quay hồi chuyển để tạo ra một giá trị góc nghiêng vừa chính xác vừa mượt mà. Kết quả từ bộ lọc Kalman là một giá trị góc đáng tin cậy. Giá trị này sau đó được so sánh với điểm đặt (setpoint), thường là 0 độ (vị trí thẳng đứng), để tính toán sai số. Sai số này chính là đầu vào cho bộ điều khiển PID. Giải thuật PID sẽ tính toán một tín hiệu điều khiển đầu ra dựa trên ba thành phần: sai số hiện tại (Proportional - P), tổng tích lũy của sai số theo thời gian (Integral - I), và tốc độ thay đổi của sai số (Derivative - D). Tín hiệu đầu ra này được chuyển thành giá trị PWM để điều khiển tốc độ và chiều quay của động cơ, đưa robot trở lại trạng thái cân bằng.

4.1. Ứng dụng bộ lọc Kalman để xử lý nhiễu từ cảm biến

Đồ án nghiên cứu nhấn mạnh: "bộ lọc Kalman sẽ cho ước lượng giá trị tối ưu (chính xác do đã được loại sai số, nhiễu)". Thuật toán này hoạt động theo một chu trình hai bước: dự đoán (predict) và cập nhật (update). Trong bước dự đoán, bộ lọc sử dụng trạng thái trước đó và dữ liệu từ con quay hồi chuyển để ước tính trạng thái hiện tại. Trong bước cập nhật, nó sử dụng dữ liệu từ gia tốc kế để hiệu chỉnh lại ước tính đó. Bằng cách điều chỉnh "độ tin cậy" tương đối giữa dự đoán và phép đo thực tế (thông qua các ma trận hiệp biến Q và R), bộ lọc Kalman có thể loại bỏ hiệu quả cả nhiễu tần số cao từ gia tốc kế và sai số trôi của con quay hồi chuyển, cung cấp một luồng dữ liệu góc ổn định cho bộ điều khiển.

4.2. Xây dựng giải thuật điều khiển PID để giữ thăng bằng

Sau khi có được góc nghiêng chính xác, giải thuật PID được áp dụng để tính toán hành động điều khiển cần thiết. Mỗi thành phần của PID có một vai trò riêng: Khâu tỷ lệ (P - Proportional) tạo ra một lực đẩy tỷ lệ thuận với góc nghiêng hiện tại, giúp robot phản ứng nhanh với sai lệch. Khâu tích phân (I - Integral) tính tổng sai số theo thời gian, giúp triệt tiêu các sai số xác lập nhỏ mà khâu P có thể bỏ qua, đảm bảo robot đứng thẳng tuyệt đối. Khâu vi phân (D - Derivative) hoạt động dựa trên tốc độ thay đổi của sai số, có tác dụng "giảm xóc", ngăn robot không bị dao động qua lại quanh vị trí cân bằng (vọt lố) và làm cho chuyển động mượt mà hơn. Việc cân chỉnh ba hệ số Kp, Ki, Kd là quá trình quan trọng để đạt được trạng thái cân bằng hoàn hảo.

V. Kết Quả Thử Nghiệm Mô Hình Xe Tự Cân Bằng Arduino

Sau quá trình thiết kế, lắp ráp và lập trình, mô hình điều khiển xe tự cân bằng sử dụng Arduino đã được đưa vào thử nghiệm thực tế để đánh giá hiệu quả. Kết quả thu được từ quá trình này là minh chứng rõ ràng cho sự thành công của các phương pháp và thuật toán đã được áp dụng. Mục tiêu chính của đồ án là xây dựng một robot có khả năng tự giữ thăng bằng tại một vị trí và phản ứng lại với các tác động từ bên ngoài. Theo báo cáo thử nghiệm trong tài liệu gốc, "robot có khả năng giữ cân bằng tại vị trí đặt ban đầu". Điều này cho thấy sự kết hợp giữa cảm biến MPU6050, bộ lọc Kalman và giải thuật PID đã hoạt động một cách chính xác để tạo ra một vòng lặp điều khiển ổn định. Khi có lực tác động nhẹ theo phương ngang, robot không bị đổ ngay lập tức. Thay vào đó, nó thể hiện khả năng phục hồi đáng kể. Hệ thống điều khiển đã phát hiện ra sự thay đổi góc nghiêng và ngay lập tức điều khiển động cơ di chuyển để bù trừ, sau đó "tiếp tục giữ cân bằng và di chuyển quay về lại vị trí đặt ban đầu". Kết quả này không chỉ xác nhận tính đúng đắn của giải thuật mà còn cho thấy sự hiệu quả của việc hiệu chỉnh các tham số PID, giúp robot đạt được sự cân bằng giữa phản ứng nhanh và ổn định, tránh được các dao động không mong muốn. Toàn bộ quá trình đã đạt được các mục tiêu cốt lõi được đề ra trong phần "Kết quả" của phiếu giao đề tài.

5.1. Các thành tựu chính đạt được trong đồ án nghiên cứu

Đồ án đã gặt hái được nhiều thành công quan trọng. Về mặt kỹ thuật, kết quả nổi bật nhất là việc "Sử dụng thành công bộ lọc Kalman trong mô hình robot để tính toán góc" và "Xây dựng thành công giải thuật cân bằng bám theo vị trí ban đầu dựa trên thuật toán PID". Đây là hai trụ cột công nghệ đảm bảo khả năng hoạt động của robot. Về mặt kiến thức, dự án đã giúp củng cố và mở rộng hiểu biết về điện tử, động lực học và lập trình nhúng. Việc hoàn thành mô hình từ khâu ý tưởng đến sản phẩm chạy được là một minh chứng cho khả năng áp dụng lý thuyết vào thực tiễn.

5.2. Đánh giá khả năng hoạt động thực tế của mô hình

Trong các bài kiểm tra thực tế, mô hình xe tự cân bằng đã chứng tỏ được khả năng hoạt động như mong đợi. Robot có thể đứng vững trên hai bánh mà không cần bất kỳ sự hỗ trợ nào từ bên ngoài. Nó phản ứng nhanh chóng với các cú đẩy nhẹ, di chuyển bánh xe để lấy lại thăng bằng một cách mượt mà. Mặc dù mô hình hiện tại có những giới hạn nhất định về khả năng chịu tải và di chuyển trên địa hình phức tạp, nhưng nó đã hoàn thành xuất sắc vai trò là một mô hình chứng minh khái niệm (proof-of-concept), đặt nền móng vững chắc cho các cải tiến và phát triển trong tương lai.

VI. Tương Lai Của Xe Tự Cân Bằng và Hướng Phát Triển Mới

Dự án điều khiển xe tự cân bằng sử dụng Arduino không chỉ dừng lại ở một mô hình nghiên cứu thành công mà còn mở ra nhiều hướng phát triển tiềm năng trong tương lai. Nền tảng hiện tại là một cơ sở vững chắc để xây dựng các ứng dụng phức tạp và có giá trị thực tiễn cao hơn. Một trong những hạn chế của mô hình hiện tại, như được đề cập trong đồ án, là "chưa có nhiều ứng dụng". Do đó, các hướng phát triển trong tương lai sẽ tập trung vào việc tích hợp thêm tính năng để biến robot thành một sản phẩm hữu ích. Hướng đi rõ ràng nhất là cải tiến phần cơ khí và hệ thống truyền động để robot có thể chịu tải nặng hơn. Tài liệu gốc đã đề xuất ý tưởng "phát triển thêm để chế tạo thành 1 sản phẩm có thể chở được cả con người". Điều này sẽ biến robot thành một phương tiện di chuyển cá nhân nhỏ gọn, tương tự như các loại xe Segway, phù hợp cho việc đi lại trong các khu đô thị, khuôn viên lớn hoặc nhà xưởng. Một hướng phát triển khác là nâng cao khả năng tự chủ của robot. Bằng cách tích hợp thêm các cảm biến như GPS, Lidar hoặc camera và các module giao tiếp không dây (Bluetooth, Wi-Fi), robot có thể được điều khiển từ xa hoặc thậm chí tự động di chuyển theo một lộ trình định sẵn. Nó có thể được ứng dụng trong việc vận chuyển hàng hóa tự động trong kho bãi, làm robot phục vụ trong nhà hàng, hoặc robot hỗ trợ người khuyết tật. Việc tối ưu hóa giải thuật PID và bộ lọc Kalman cũng là một lĩnh vực cần tiếp tục nghiên cứu để cải thiện độ ổn định và khả năng thích ứng của robot trên nhiều loại địa hình khác nhau.

6.1. Hạn chế của mô hình và tiềm năng cải tiến kỹ thuật

Mô hình robot tự cân bằng hiện tại vẫn còn một số hạn chế cần khắc phục. Khung xe và động cơ có thể chưa đủ mạnh để chịu tải lớn hoặc di chuyển với tốc độ cao. Nguồn pin cũng cần được tối ưu hóa để kéo dài thời gian hoạt động. Về mặt thuật toán, có thể nghiên cứu các bộ điều khiển tiên tiến hơn như LQR (Linear-Quadratic Regulator) hoặc điều khiển mờ (Fuzzy Logic) để so sánh hiệu quả với PID. Việc tích hợp thêm encoder vào vòng lặp điều khiển vị trí sẽ giúp robot không chỉ giữ cân bằng mà còn di chuyển đến một tọa độ xác định một cách chính xác.

6.2. Các ứng dụng thực tiễn của công nghệ xe tự cân bằng

Công nghệ đằng sau xe tự cân bằng có tiềm năng ứng dụng vô cùng rộng lớn. Trong lĩnh vực giao thông, nó có thể là giải pháp cho "last-mile transportation", giúp mọi người di chuyển từ các trạm phương tiện công cộng về nhà hoặc văn phòng. Trong công nghiệp, robot có thể tự động vận chuyển vật tư trong các nhà máy thông minh. Trong đời sống, chúng có thể trở thành những người bạn đồng hành, trợ lý cá nhân, hoặc các thiết bị giải trí công nghệ cao. Với sự phát triển không ngừng của Arduino và các nền tảng mã nguồn mở, việc hiện thực hóa những ý tưởng này đang trở nên dễ dàng và khả thi hơn bao giờ hết.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển của khoa học kỹ thuật hiện đại, các hệ thống tự hành và robot ngày càng giữ vai trò quan trọng trong sản xuất công nghiệp cũng như đời sống thường nhật. Mô hình robot hai bánh tự cân bằng (Two-Wheeled Self-Balancing Robot) là một trong những đối tượng nghiên cứu kinh điển và mang tính ứng dụng cao của lĩnh vực điều khiển tự động và cơ điện tử.

Khác với các dòng xe ba bánh (gồm hai bánh dẫn động và một bánh tự lựa) hoặc xe bốn bánh vốn đạt được trạng thái ổn định tĩnh nhờ trọng tâm luôn rơi vào mặt đáy chân đế, xe hai bánh đồng trục là một hệ thống phi tuyến, bất ổn định cố hữu ở trạng thái dừng tĩnh. Đối với các xe nhiều bánh thông thường:

• Khi di chuyển trên dốc nghiêng hoặc qua địa hình bậc thang gồ ghề, trọng tâm xe dễ bị dồn về phía trước (khi xuống dốc) làm bánh dẫn động mất lực bám, hoặc dồn về phía sau (khi lên dốc) gây nguy cơ lật úp.
• Kích thước cồng kềnh của xe bốn bánh hạn chế đáng kể khả năng xoay trở trong các không gian chật hẹp.

Ngược lại, mô hình robot hai bánh có trục bánh trùng nhau sở hữu khả năng tự điều chỉnh linh động: khi leo dốc, thân xe tự động nghiêng về phía trước; khi xuống dốc, thân xe nghiêng về phía sau nhằm giữ cho trọng tâm luôn nằm trên phương thẳng đứng đi qua trục bánh xe. Nhờ vậy, robot giữ vững độ bám, triệt tiêu nguy cơ lật úp và có thể đổi hướng tại chỗ trong phạm vi hẹp.

Đề tài "Điều khiển xe cân bằng sử dụng Arduino" được tác giả Bùi Duy Tin (lớp DHDKTD10B, Khoa Công nghệ Điện, Trường Đại học Công nghiệp TP.HCM) thực hiện dưới sự hướng dẫn của ThS. Nguyễn Ngọc Anh Tuấn trong khoảng thời gian 3 tháng (năm 2018).

Nhiệm vụ nghiên cứu cụ thể bao gồm:

1. Khảo sát các mô hình robot cân bằng và nguyên lý cân bằng con lắc ngược.
2. Thiết kế và chế tạo phần cứng hệ thống bao gồm khung cơ khí, mạch nguồn và mạch điều khiển.
3. Ứng dụng cảm biến quán tính (IMU) và giải thuật lọc Kalman trên vi điều khiển nhằm ước lượng chính xác góc nghiêng thực tế của thân xe.
4. Xây dựng thuật toán điều khiển PID (Proportional - Integral - Derivative) để điều khiển động cơ DC giữ thăng bằng và phục hồi vị trí.
5. Lập trình nhúng hoàn chỉnh, thử nghiệm thực tế và đánh giá khả năng vận hành của mô hình.

---

Cơ sở lý thuyết và phương pháp

Đề tài kết hợp giữa lý thuyết điều khiển tự động vòng kín, kỹ thuật xử lý tín hiệu số và phương pháp thiết kế cơ điện tử thực nghiệm.

Khung lý thuyết ứng dụng

1. Lý thuyết cân bằng con lắc ngược: Để giữ cân bằng cho hệ thống hai bánh có trục trùng nhau, bộ điều khiển không cần biết chính xác tọa độ trọng tâm mà thực hiện việc dịch chuyển bánh xe về phía thân xe đang nghiêng nhằm triệt tiêu góc lệch nghiêng ($\theta = 0$).
2. Thuật toán lọc Kalman: Cảm biến đo lường thường gặp nhược điểm: cảm biến gia tốc (Accelerometer) đo góc tĩnh tốt nhưng chịu ảnh hưởng nặng bởi rung chấn và lực quán tính chuyển động; cảm biến con quay hồi chuyển (Gyroscope) đáp ứng nhanh với vận tốc góc nhưng bị sai số trôi dạt (drift) tích lũy theo thời gian. Giải thuật lọc Kalman 2 trạng thái được áp dụng để kết hợp hai nguồn dữ liệu này, ước lượng tối ưu góc nghiêng thực và loại bỏ thành phần sai lệch tĩnh (gyro_bias).
3. Giải thuật điều khiển PID: Sử dụng cấu trúc điều khiển vòng kín với hàm truyền: $$u(t) = K_p e(t) + K_i \int e(t) dt + K_d \frac{de(t)}{dt}$$ Trong đó, sai lệch $e(t)$ là hiệu giữa góc đặt cân bằng và góc nghiêng thực tế từ bộ lọc Kalman.

Phương pháp nghiên cứu

• Phương pháp khảo sát và tổng hợp tài liệu: Nghiên cứu cấu tạo phần cứng vi điều khiển Arduino Mega 2560, cảm biến MPU6050, mạch công suất động cơ và các giải thuật lọc số.
• Phương pháp toán học và mô phỏng rời rạc hóa: Chuyển đổi các phương trình vi phân và ma trận của bộ lọc Kalman và giải thuật PID sang dạng rời rạc để chạy trên chip xử lý 8-bit.
• Phương pháp thực nghiệm: Chế tạo mô hình thực tế, đo đạc thông số và hiệu chỉnh tham số điều khiển trực tiếp trên phần cứng.

---

Thiết kế và triển khai

Hệ thống điều khiển xe tự cân bằng được tổ chức thành các khối chức năng liên kết chặt chẽ:

Khối chức năng	Linh kiện / Thiết bị chính	Thông số kỹ thuật & Đặc điểm
Xử lý trung tâm	Arduino Mega 2560	Vi điều khiển ATmega2560, thạch anh 16 MHz, 54 chân Digital (15 chân PWM), 16 chân Analog, 4 cổng UART Serial, Flash 256 KB, SRAM 8 KB.
Cảm biến góc	MPU6050	Tích hợp gia tốc kế 3 trục và Gyroscope 3 trục, giao tiếp vi điều khiển qua chuẩn I2C (SDA, SCL).
Mạch công suất	Robo Shield	Sử dụng IC cầu H L298 dán, điều khiển 2 động cơ DC độc lập, hỗ trợ giao tiếp PWM và đảo chiều quay.
Cơ cấu chấp hành	Động cơ DC + Hộp số	Động cơ DC giảm tốc RP201 tích hợp encoder 334 xung phản hồi vị trí/vận tốc.
Nguồn cấp	Bộ Pin Lithium	3 cell pin 12V mắc nối tiếp, dung lượng mỗi cell khoảng 3000 mAh.
Khung xe	Kết cấu khung cơ khí	Tấm nhựa cứng liên kết bằng vít đồng, hai bánh xe bọc lốp cao su có nhiều rãnh tăng độ bám.

Xử lý tín hiệu với Bộ lọc Kalman

Mô hình bộ lọc Kalman 2 trạng thái được thiết lập với trạng thái góc (angle) và độ trôi vận tốc góc (q_bias):

• Ma trận hiệp phương sai nhiễu quá trình $Q$ (kích thước $2 \times 2$) đại diện cho độ tin cậy giữa gia tốc kế và con quay hồi chuyển.
• Hiệp phương sai nhiễu đo $R = 0.03 \text{ rad}^2 \approx (1.8^\circ)^2$ từ gia tốc kế.
• Chu trình xử lý gồm hai hàm chính:
  • State_update(): Cập nhật ước lượng trạng thái góc và ma trận hiệp phương sai theo chu kỳ lấy mẫu $dt$ dựa trên dữ liệu vận tốc góc của Gyroscope.
  • Kalman_update(): Hiệu chỉnh góc ước lượng khi có dữ liệu đo góc mới từ gia tốc kế thông qua việc tính toán độ lợi Kalman ($K$).

Tinh chỉnh hệ số điều khiển PID

Hệ thống sử dụng bảng phân tích tác động của các khâu điều khiển nhằm thực hiện tinh chỉnh thực nghiệm:

Thông số	Thời gian đáp ứng	Độ vọt lố	Thời gian xác lập	Sai số xác lập
$K_p$	Giảm	Tăng	Ít thay đổi	Giảm
$K_i$	Giảm	Tăng	Tăng	Triệt tiêu
$K_d$	Ít thay đổi	Giảm	Giảm	Ít thay đổi

Quy trình tinh chỉnh tham số PID thực nghiệm:

1. Đặt ban đầu $K_p = K_i = K_d = 0$.
2. Tăng dần $K_p$ cho đến khi thân xe bắt đầu xuất hiện dao động cân bằng xung quanh điểm thẳng đứng.
3. Giảm $K_p$ xuống khoảng một nửa giá trị nói trên.
4. Tăng dần $K_i$ để triệt tiêu sai số xác lập, đảm bảo xe không bị lệch hẳn về một phía khi đứng yên.
5. Tăng dần $K_d$ nhằm dập tắt dao động nhanh chóng, giảm hiện tượng vọt lố và giữ hệ thống ổn định trước các tác động ngoại lực.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan về robot hai bánh tự cân bằng

Chương này giới thiệu lý do phát triển dòng robot hai bánh tự cân bằng. Tác giả phân tích chi tiết cơ chế cân bằng của mô hình con lắc ngược và so sánh ưu thế hình học của hệ hai bánh đồng trục so với các hệ ba bánh và bốn bánh khi vận hành trên mặt phẳng nghiêng, dốc lồi lõm hoặc bậc thang. Chương 1 cũng xác định mục tiêu thiết kế hệ thống trong thời gian 3 tháng, các phương pháp tiếp cận và giới hạn nghiên cứu của đề tài.

Chương 2: Thiết kế chế tạo

Nội dung chương 2 tập trung vào việc mô tả chi tiết sơ đồ khối hệ thống và quá trình chế tạo thực tế:

• Phần cứng: Cung cấp thông số kỹ thuật chi tiết của Arduino Mega 2560 (sơ đồ chân, 4 cổng UART Serial, các chân ngắt ngoài, chuẩn SPI, I2C), cấu tạo module driver Robo Shield dùng IC L298, cảm biến quán tính MPU6050, động cơ DC RP201 tích hợp encoder 334 xung và hệ thống 3 cell pin 12V 3000 mAh.
• Phương thức giao tiếp: Trình bày nguyên lý điều chế độ rộng xung (PWM) để điều khiển tốc độ động cơ DC, các giao thức truyền thông UART và I2C.
• Giải thuật lập trình: Trình bày chi tiết toán học và thuật toán mã nguồn của bộ lọc Kalman 2 trạng thái tối ưu cho vi điều khiển, lý thuyết điều khiển vòng kín PID, bảng ảnh hưởng của các hệ số $K_p, K_i, K_d$, phương pháp Ziegler-Nichols và sơ đồ khối thuật toán điều khiển tổng thể.

Chương 3: Thử nghiệm và kết luận

Chương cuối trình bày các kết quả thử nghiệm thực tế trên mô hình sau khi lắp ráp và nạp code:

• Robot giữ thăng bằng ổn định tại vị trí ban đầu.
• Khi có ngoại lực đẩy ngang với cường độ vừa phải, robot tự động di chuyển bánh xe theo chiều nghiêng để triệt tiêu góc lệch và đưa thân xe trở lại trạng thái cân bằng thẳng đứng.
• Tác giả tổng kết các kết quả đạt được, chỉ ra những hạn chế do thời gian nghiên cứu và đề xuất hướng phát triển thành phương tiện chở người hoặc chuyên chở hàng hóa trong nhà.

---

Kết quả và đóng góp

Kết quả chính

• Chế tạo thành công mô hình phần cứng robot hai bánh tự cân bằng hoàn chỉnh với khung nhựa cứng, board Arduino Mega 2560, driver L298, cảm biến MPU6050 và động cơ DC giảm tốc có encoder.
• Lập trình nhúng thành công thuật toán lọc Kalman 2 trạng thái, giải quyết triệt để vấn đề trôi dạt của con quay hồi chuyển và nhiễu dao động của gia tốc kế, cho ra giá trị đo góc nghiêng ổn định theo thời gian thực.
• Xây dựng và thực thi giải thuật điều khiển PID vòng kín, xuất tín hiệu PWM điều khiển động cơ giữ thăng bằng tại vị trí đặt ban đầu và tự phục hồi khi có lực tác động ngang.

Đóng góp của đề tài

• Hệ thống hóa phương pháp toán học và mã nguồn C/C++ cho bộ lọc Kalman 2 trạng thái trên nền tảng vi điều khiển mã nguồn mở, tối ưu hóa các phép tính ma trận điểm trôi (floating-point) cho chip xử lý hạn chế tài nguyên.
• Cung cấp tài liệu thiết kế cơ điện tử chi tiết, làm nền tảng tham khảo thực tế cho các dự án phát triển xe tự cân bằng ở quy mô lớn hơn.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế: Đề tài thực hiện trong phạm vi 3 tháng nên tập trung chủ yếu vào việc hiện thực hóa mô hình cơ bản và giải thuật thăng bằng. Robot chưa được tích hợp các tính năng mở rộng như điều khiển từ xa không dây (qua module WiFi ESP8266, Bluetooth HC-06 hoặc RF PT2272 dù board Robo Shield đã hỗ trợ khe cắm), chưa có cảm biến tránh vật cản và tải trọng của khung xe còn nhỏ.
• Hướng phát triển: Nâng cấp kết cấu cơ khí và sử dụng động cơ công suất lớn để phát triển thành xe hai bánh tự cân bằng có khả năng chở người (tương tự xe Segway) hoặc làm phương tiện vận chuyển đồ đạc, hàng hóa tự động trong nhà và khuôn viên hẹp.

---

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên và kỹ sư thuộc các ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Cơ điện tử, và Kỹ thuật Điện - Điện tử:

• Phần giải thuật lọc Kalman (Mục 2.5): Cung cấp các bước toán ma trận và logic lập trình C cụ thể để xử lý tín hiệu kết hợp từ cảm biến IMU (MPU6050), giải quyết bài toán chống trôi bias cho Gyroscope.
• Phần thiết kế điều khiển PID và giao tiếp phần cứng (Mục 2.2 - 2.4): Hướng dẫn chi tiết cách kết nối vi điều khiển với mạch cầu H L298, xử lý tín hiệu encoder và quy trình chỉnh định hệ số PID bằng thực nghiệm trên hệ phi tuyến.

---

Câu hỏi thường gặp

1. Đồ án sử dụng loại vi điều khiển nào và có đặc tính bộ nhớ ra sao?
Đồ án sử dụng bo mạch vi điều khiển Arduino Mega 2560 chạy chip ATmega2560 với tần số dao động 16 MHz. Chip có bộ nhớ Flash 256 KB (trong đó 8 KB dùng cho bootloader), 8 KB SRAM và 4 KB EEPROM.

2. Cảm biến nào được dùng để đo góc nghiêng và giao tiếp qua chuẩn gì?
Hệ thống sử dụng module cảm biến quán tính MPU6050 (gồm cảm biến gia tốc 3 trục và con quay hồi chuyển 3 trục), kết nối và truyền nhận dữ liệu với vi điều khiển Arduino thông qua giao thức truyền thông nối tiếp I2C (chân SDA và SCL).

3. Tại sao tác giả phải dùng bộ lọc Kalman thay vì chỉ lấy trực tiếp dữ liệu từ cảm biến?
Vì cảm biến gia tốc đo góc tĩnh tốt nhưng rất nhạy cảm với rung động cơ khí và quán tính khi xe chuyển động, trong khi con quay hồi chuyển Gyroscope đáp ứng tức thời tốt nhưng tích lũy sai số trôi dạt (gyro bias) theo thời gian. Bộ lọc Kalman 2 trạng thái giúp ước lượng tối ưu góc nghiêng thực tế và tự động cập nhật sai số trôi của con quay hồi chuyển.

4. Mạch công suất điều khiển động cơ trong đồ án sử dụng IC gì?
Mạch công suất sử dụng Robo Shield với thành phần điều khiển chính là IC cầu H L298 dạng dán, cho phép điều khiển đảo chiều và điều chế độ rộng xung (PWM) tốc độ cho 2 động cơ DC độc lập.

5. Kết quả thử nghiệm thực tế của robot đạt được như thế nào?
Trên mô hình thực nghiệm, robot duy trì thăng bằng ổn định tại vị trí ban đầu. Khi chịu tác động đẩy ngang làm nghiêng thân xe ở mức vừa phải, robot tự động điều chỉnh tốc độ và hướng quay của hai bánh xe để triệt tiêu góc nghiêng và quay trở lại vị trí cân bằng.

---

Kết luận

Đồ án tốt nghiệp "Điều khiển xe cân bằng sử dụng Arduino" của sinh viên Bùi Duy Tin đã hoàn thành trọn vẹn mục tiêu thiết kế và chế tạo mô hình robot hai bánh tự cân bằng trên nền tảng vi điều khiển ATmega2560. Bằng việc kết hợp thành công thuật toán lọc Kalman ước lượng góc nghiêng từ cảm biến MPU6050 và giải thuật điều khiển vòng kín PID lái mạch cầu L298, hệ thống đã chứng minh được khả năng duy trì thăng bằng và phục hồi vị trí ổn định khi chịu ngoại lực tác động. Công trình là tài liệu thực nghiệm có giá trị tham khảo cao cho các nghiên cứu về hệ thống con lắc ngược và phương tiện tự hành hai bánh.

Trích đoạn nội dung tài liệu

dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe ien 10,xe tu can bang suPM2:09:32 20242:09:32 dung ArduinoDieu ĐẠI khien xeHỌC PM61Monday, tu June CÔNG can bang 10, NGHIỆP su20242:09:32 dung ArduinoDieu khienTP.HCM PM2:09:32 xe PM61Monday, tu can bang su dung Arduino June 10, 20242:09:3 612410062:09:31 PM2:09:31 PM612410062:09:31 PM2:09:31 PM612410062:09:31 PM2:09:31 PM KHOA 10, 20242:09:32 PM2:09:32 PM61Monday, June 10,CÔNG NGHỆ 20242:09:32 ĐIỆN PM2:09:32 PM61Monday, June 10, 20242:09:3 dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe 10, 20242:09:31 PM2:09:31 PM61Monday, June 10, 20242:09:31 PM2:09:31 PM61Monday, June 10, 20242:09:3 dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe ĐỒ ÁN TỐT NGHIỆP dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe ĐIỀU KHIỂN XE CÂN BẰNG SỬ DỤNG ARDUINO dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe 61Dieu khien xe tu can bang su dung ArduinoMonday, June 10, 2024 dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe SINH VIÊN : BÙI DUY TIN MSSV : 14064861 LỚP : DHDKTD10B GVHD :THS. NGUYỄN NGỌC ANH dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe TUẤN dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe 10, 20242:09:31 PM2:09:31 PM61Monday, June 10, 20242:09:31 PM2:09:31 PM61Monday, June 10, 20242:09:3 Dieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDie Đồ án tốt nghiệp dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe tu can bang su dung ArduinoDieu khien xe ien 10,xe tu can bang suPM2:09:32 20242:09:32 dung ArduinoDieu PM61Monday, canTP.