I. Khám phá đồ án điều khiển PID Fuzzy cho hệ Pendubot
Đồ án tốt nghiệp với đề tài điều khiển PID Fuzzy cho hệ Pendubot là một công trình nghiên cứu tiêu biểu trong lĩnh vực điều khiển tự động và cơ điện tử. Nghiên cứu này tập trung giải quyết bài toán ổn định một hệ con lắc ngược (inverted pendulum) dạng Pendubot, một mô hình phi tuyến cao và rất khó điều khiển. Hệ Pendubot thuộc nhóm hệ thống hụt, tức là số đầu vào điều khiển ít hơn số bậc tự do của hệ, tạo ra một thách thức lớn cho các kỹ sư và nhà nghiên cứu. Bối cảnh công nghiệp hóa, hiện đại hóa đòi hỏi các hệ thống tự động hóa ngày càng chính xác và hiệu quả, và việc làm chủ các thuật toán điều khiển phức tạp như bộ điều khiển PID mờ (PID-Fuzzy) trên những mô hình như Pendubot có ý nghĩa thực tiễn to lớn. Đồ án này không chỉ dừng lại ở việc áp dụng lý thuyết mà còn tiến hành xây dựng mô hình, mô phỏng và kiểm chứng thực nghiệm. Mục tiêu chính là thiết kế và tối ưu hóa một bộ điều khiển lai kết hợp ưu điểm của thuật toán PID kinh điển và lý thuyết điều khiển mờ (Fuzzy Logic), nhằm đạt được sự ổn định hệ thống tại các vị trí cân bằng mong muốn với thời gian đáp ứng nhanh và độ vọt lố thấp. Việc nghiên cứu này mở ra hướng phát triển cho việc điều khiển các hệ thống cơ khí phức tạp hơn trong thực tế, từ robot công nghiệp đến các phương tiện tự hành.
1.1. Mục tiêu và nội dung chính của khóa luận tốt nghiệp
Mục tiêu cốt lõi của khóa luận tốt nghiệp cơ điện tử này là thiết kế, mô phỏng và triển khai thành công bộ điều khiển PD-Fuzzy để giữ cân bằng cho hệ Pendubot tại vị trí thẳng đứng (TOP). Các mục tiêu cụ thể bao gồm: tính toán và thiết kế lại phần cứng của mô hình, tìm hiểu và tích hợp module STM32 với Matlab Simulink để thu thập dữ liệu và gửi tín hiệu điều khiển. Nội dung nghiên cứu được cấu trúc chặt chẽ, bắt đầu từ việc xây dựng cơ sở lý thuyết, bao gồm việc giới thiệu mô hình và thiết lập phương trình động lực học cho hệ Pendubot. Tiếp theo, đồ án tập trung vào việc thiết kế các bộ điều khiển khác nhau như PID, Fuzzy và Swing-up, sau đó đưa ra lựa chọn tối ưu. Một phần quan trọng của báo cáo đồ án là thiết kế chương trình mô phỏng, sử dụng các công cụ mạnh mẽ của Matlab để kiểm chứng hiệu quả của thuật toán trước khi áp dụng lên mô hình thật. Cuối cùng, nghiên cứu trình bày kết quả thực nghiệm và đưa ra những kết luận, đánh giá về những gì đã đạt được cũng như các hạn chế và hướng phát triển trong tương lai.
1.2. Giới hạn phạm vi nghiên cứu của đề tài Pendubot
Phạm vi của đồ án được giới hạn một cách rõ ràng để đảm bảo tính khả thi và tập trung vào mục tiêu chính. Luận văn này chỉ tập trung vào việc điều khiển ổn định hệ thống Pendubot tại vị trí cân bằng TOP bằng cách sử dụng bộ điều khiển PD-Fuzzy. Các vị trí cân bằng khác như MID hay OX-TOP cũng được phân tích về mặt lý thuyết nhưng không phải là đối tượng điều khiển chính trong phần thực nghiệm. Toàn bộ quá trình thu thập số liệu, đánh giá hiệu năng và so sánh PID và Fuzzy được thực hiện thông qua hai phương pháp chính: mô phỏng hệ thống trên phần mềm và chạy thực nghiệm trên mô hình vật lý. Đồ án không đi sâu vào các thuật toán điều khiển phức tạp khác như điều khiển trượt, điều khiển thích nghi hay điều khiển bền vững. Thay vào đó, nó tập trung khai thác và tối ưu hóa sự kết hợp giữa bộ điều khiển PD và logic mờ, từ đó đưa ra những kết luận xác đáng và đề xuất các hướng phát triển tiềm năng cho hệ thống trong tương lai.
II. Thách thức ổn định hệ con lắc ngược Pendubot phi tuyến
Việc điều khiển và ổn định hệ thống Pendubot là một bài toán kinh điển nhưng đầy thách thức trong lý thuyết điều khiển mờ và tự động. Thách thức lớn nhất đến từ bản chất phi tuyến cao và tính không ổn định vốn có của hệ con lắc ngược. Mô hình Pendubot, với khớp thứ nhất được gắn động cơ DC và khớp thứ hai quay tự do, có phương trình động lực học phức tạp, phụ thuộc nhiều vào các góc và vận tốc góc tức thời. Bất kỳ một sai số nhỏ trong mô hình hóa hoặc nhiễu tác động từ môi trường đều có thể khiến hệ thống mất ổn định ngay lập tức. Một vấn đề khác là việc lựa chọn và tinh chỉnh thông số cho bộ điều khiển. Đối với bộ điều khiển PID truyền thống, việc xác định các thông số Kp Ki Kd tối ưu thường tốn nhiều thời gian và công sức, đôi khi phải dựa vào phương pháp thử-và-sai. Nhiều nghiên cứu trước đây, như được trích dẫn trong tài liệu gốc, đã sử dụng bộ điều khiển PID mờ nhưng chưa tối ưu hóa thông số, dẫn đến việc lựa chọn bộ thông số khó khăn và mất thời gian. Hơn nữa, các bộ điều khiển dựa trên logic mờ thường yêu cầu một hệ thống luật mờ lớn, gây tốn bộ nhớ và khó kiểm chứng toàn bộ các luật. Bài toán đặt ra cho đồ án này là làm thế nào để xây dựng một bộ điều khiển vừa hiệu quả, vừa tinh gọn, có khả năng tự động tinh chỉnh thông số để thích ứng với sự thay đổi của hệ thống.
2.1. Phân tích các hạn chế của những nghiên cứu trước
Tài liệu gốc đã chỉ ra một số hạn chế trong các công trình nghiên cứu trước đó. Một số nhóm tác giả sử dụng bộ điều khiển PID-Mờ nhưng chưa áp dụng các thuật toán tối ưu hóa, khiến việc chọn lựa thông số trở thành một quy trình thủ công và kém hiệu quả. Một bài báo khác cho thấy cấu trúc logic mờ của bộ mô phỏng khá nặng, chiếm nhiều bộ nhớ và đòi hỏi đến 81 luật mờ, cần có thông tin từ chuyên gia và rất khó để kiểm tra hết các trường hợp. Luận văn Thạc sĩ của tác giả Phan Văn Kiểm, mặc dù đề xuất giải thuật mờ trượt thành công tại vị trí thẳng đứng (upright), lại không giải quyết được vấn đề khi điểm làm việc của hệ thống thay đổi. Những hạn chế này chính là động lực để nhóm sinh viên thực hiện đồ án hướng tới việc xây dựng một bộ điều khiển PD-Fuzzy có khả năng ổn định hệ thống ở nhiều vị trí và trong thời gian dài, đồng thời đơn giản hóa quá trình thiết kế.
2.2. Vấn đề trong việc điều khiển hệ thống hụt underactuated
Hệ Pendubot là một ví dụ điển hình của hệ thống hụt (underactuated system), nơi số lượng cơ cấu chấp hành (đầu vào điều khiển) ít hơn số bậc tự do của hệ. Cụ thể, Pendubot có hai bậc tự do (góc quay của hai khớp) nhưng chỉ có một đầu vào điều khiển là mô-men xoắn tác động lên khớp thứ nhất. Đặc tính này làm cho việc điều khiển đồng thời cả hai khớp trở nên cực kỳ phức tạp. Không thể trực tiếp điều khiển góc của khớp thứ hai. Thay vào đó, bộ điều khiển phải tạo ra một quỹ đạo chuyển động cho khớp thứ nhất một cách khéo léo để thông qua các tương tác động lực học, khớp thứ hai có thể di chuyển đến vị trí mong muốn. Đây là bài toán cốt lõi và khó khăn nhất, đòi hỏi các thuật toán điều khiển phải có khả năng dự đoán và bù trừ các hiệu ứng phi tuyến và tương tác giữa các khớp.
III. Phương pháp xây dựng mô hình toán học cho hệ Pendubot
Để thiết kế một bộ điều khiển hiệu quả, bước đầu tiên và quan trọng nhất là xây dựng được một mô hình toán học Pendubot chính xác. Mô hình này mô tả mối quan hệ động lực học giữa các lực tác động và chuyển động của hệ thống. Trong đồ án này, phương pháp Euler-Lagrange được sử dụng để xây dựng phương trình động lực học. Đây là một phương pháp mạnh mẽ trong cơ học giải tích, dựa trên việc tính toán động năng (kinetic energy) và thế năng (potential energy) của hệ thống. Bằng cách áp dụng phương trình Euler-Lagrange, ta có thể thu được một hệ phương trình vi phân phi tuyến mô tả chuyển động của hai khớp Pendubot. Các thông số của mô hình như khối lượng, chiều dài, mô-men quán tính của các khớp được đo đạc trực tiếp hoặc tính toán từ các thành phần riêng lẻ. Từ hệ phương trình vi phân, mô hình không gian trạng thái của hệ thống được thiết lập. Mô hình này là cơ sở để tiến hành mô phỏng hệ thống trên Matlab Simulink, phân tích tính ổn định và thiết kế bộ điều khiển. Việc mô hình hóa chính xác giúp giảm thiểu sự khác biệt giữa kết quả mô phỏng và thực nghiệm, qua đó tiết kiệm thời gian và công sức trong quá trình triển khai.
3.1. Thiết lập phương trình động lực học Euler Lagrange
Phương pháp Euler-Lagrange bắt đầu bằng việc định nghĩa hàm Lagrange (L), là hiệu số giữa tổng động năng (K) và tổng thế năng (V) của hệ thống (L = K - V). Động năng của hệ Pendubot được tính toán dựa trên vận tốc của tâm khối của mỗi khớp, trong khi thế năng phụ thuộc vào độ cao của chúng so với một mốc tham chiếu. Sau khi xác định được các biểu thức cho K và V theo các biến trạng thái (góc quay q1, q2 và vận tốc góc), phương trình Euler-Lagrange được áp dụng để tìm ra mối quan hệ giữa mô-men xoắn đầu vào và gia tốc góc của các khớp. Kết quả là một hệ phương trình ma trận có dạng D(q)q̈ + C(q, q̇)q̇ + G(q) = τ, trong đó D(q) là ma trận quán tính, C(q, q̇) là ma trận Coriolis/lực hướng tâm, và G(q) là vector trọng lực. Đây chính là phương trình động lực học hoàn chỉnh của hệ.
3.2. Phân tích tính điều khiển được tại các điểm cân bằng
Một hệ thống chỉ có thể được điều khiển ổn định tại một điểm làm việc nếu nó có tính điều khiển được (controllability) tại điểm đó. Đồ án đã tiến hành tuyến tính hóa mô hình phi tuyến xung quanh các điểm cân bằng đặc trưng: TOP (cả hai khớp thẳng đứng hướng lên), MID (khớp 1 nằm ngang, khớp 2 thẳng đứng hướng xuống) và OX-TOP. Sau khi tuyến tính hóa, hệ thống được biểu diễn dưới dạng không gian trạng thái ẋ = Ax + Bu. Tính điều khiển được của hệ thống được kiểm tra bằng cách tính hạng (rank) của ma trận điều khiển [B, AB, A²B, ...]. Kết quả phân tích cho thấy, hệ Pendubot có thể điều khiển được tại cả ba vị trí cân bằng này (hạng của ma trận bằng số chiều của không gian trạng thái). Điều này khẳng định về mặt lý thuyết rằng việc thiết kế một bộ điều khiển để ổn định hệ thống tại các vị trí này là hoàn toàn khả thi.
IV. Hướng dẫn thiết kế bộ điều khiển PID mờ cho Pendubot
Giải pháp điều khiển chính được đề xuất trong đồ án là bộ điều khiển PID mờ (PID-Fuzzy), một dạng bộ điều khiển lai kết hợp sự đơn giản, hiệu quả của thuật toán PID và khả năng xử lý thông tin không chắc chắn, phi tuyến của logic mờ. Cấu trúc cơ bản là một bộ điều khiển PD (Proportional-Derivative), trong đó các hệ số Kp và Kd không phải là hằng số mà được tự động điều chỉnh trực tuyến bởi một fuzzy logic controller (bộ điều khiển logic mờ). Bộ điều khiển mờ này nhận đầu vào là sai lệch (e) và đạo hàm của sai lệch (de/dt) của các góc khớp, sau đó sử dụng một tập hợp các luật mờ (IF-THEN) để suy luận ra các giá trị Kp, Kd phù hợp nhất cho trạng thái hiện tại của hệ thống. Cách tiếp cận này giúp bộ điều khiển thích ứng tốt hơn với tính phi tuyến của hệ Pendubot. Thay vì phải dò tìm một bộ thông số Kp Ki Kd cố định, hệ thống có thể tự "học" và điều chỉnh, cải thiện đáng kể hiệu suất và khả năng ổn định hệ thống. Thiết kế này tận dụng kinh nghiệm của con người được mã hóa trong các luật mờ để xử lý các tình huống phức tạp mà bộ PID tuyến tính truyền thống khó có thể đáp ứng tốt.
4.1. Nguyên lý hoạt động của bộ điều khiển Fuzzy Logic
Một bộ điều khiển mờ cơ bản bao gồm ba khâu chính: Mờ hóa (Fuzzification), Suy luận mờ (Fuzzy Inference), và Giải mờ (Defuzzification). Ở khâu Mờ hóa, các giá trị đầu vào rõ (crisp inputs) như sai số góc được chuyển đổi thành các giá trị ngôn ngữ mờ (ví dụ: Sai số Âm Lớn, Sai số Zero, Sai số Dương Lớn) với một độ thuộc nhất định thông qua các hàm liên thuộc. Khâu Suy luận mờ sử dụng một hệ thống các luật IF-THEN để xử lý các giá trị mờ này và tạo ra một kết quả đầu ra mờ. Ví dụ một luật: "IF sai số là Zero AND đạo hàm sai số là Zero THEN Kp là Lớn". Cuối cùng, khâu Giải mờ chuyển đổi kết quả đầu ra mờ trở lại thành một giá trị rõ (crisp output) để làm tín hiệu điều khiển cho động cơ DC. Lý thuyết điều khiển mờ cho phép mô phỏng quá trình tư duy của con người, giúp giải quyết các bài toán điều khiển phức tạp một cách linh hoạt.
4.2. Tối ưu hóa thông số bằng giải thuật di truyền GA
Để giải quyết vấn đề chọn thông số ban đầu và tối ưu hóa bộ điều khiển, đồ án đã áp dụng giải thuật di truyền tối ưu PID. Giải thuật di truyền (Genetic Algorithm - GA) là một phương pháp tìm kiếm tối ưu hóa lấy cảm hứng từ quá trình tiến hóa tự nhiên. Thuật toán bắt đầu với một quần thể các "cá thể" (mỗi cá thể là một bộ thông số điều khiển). Qua các thế hệ, các cá thể tốt nhất (có hàm thích nghi cao, ví dụ như sai số xác lập nhỏ nhất) sẽ được lựa chọn để "lai ghép" và "đột biến", tạo ra thế hệ mới có khả năng tốt hơn. Bằng cách áp dụng GA, nhóm nghiên cứu có thể tìm ra bộ thông số Kp, Kd cho bộ điều khiển PD một cách nhanh chóng và hiệu quả hơn nhiều so với phương pháp thử-và-sai thủ công. Các thông số tối ưu này sau đó được sử dụng làm cơ sở để xây dựng và huấn luyện bộ điều khiển PD-Fuzzy.
V. Kết quả mô phỏng hệ thống Pendubot trên Matlab Simulink
Phần mềm Matlab Simulink đóng vai trò là công cụ cốt lõi để thực hiện mô phỏng hệ thống và kiểm chứng các thuật toán điều khiển trước khi áp dụng trên phần cứng. Đồ án đã xây dựng một môi trường mô phỏng chi tiết, trong đó khối "System" chứa phương trình động lực học của Pendubot đã được xây dựng trước đó, và các khối điều khiển PD, PD-Fuzzy được thiết kế để tạo ra tín hiệu điều khiển. Kết quả mô phỏng cho bộ điều khiển PD, sau khi được tối ưu bằng giải thuật di truyền, cho thấy hệ thống có thể đạt được trạng thái ổn định. Cụ thể, link 1 ổn định tại vị trí 1.57 rad (90 độ) và link 2 ổn định tại 0 rad (thẳng hàng với link 1) sau khoảng 2-3 giây, với dao động trong biên độ chấp nhận được. Tương tự, bộ điều khiển PD-Fuzzy cũng cho kết quả rất tốt, với thời gian ổn định và đáp ứng gần như tương đương với bộ PD đã tối ưu. Điều này cho thấy bộ điều khiển mờ đã "học" thành công từ dữ liệu của bộ PD. Các kết quả mô phỏng này là bằng chứng quan trọng, khẳng định tính đúng đắn của mô hình toán học Pendubot và hiệu quả của các phương pháp điều khiển đã thiết kế, tạo tiền đề vững chắc cho giai đoạn thực nghiệm.
5.1. Mô phỏng và đánh giá bộ điều khiển PD tối ưu
Chương trình mô phỏng cho bộ điều khiển PD được xây dựng trên Simulink. Khối "PD controller system" chứa các thông số Kp và Kd đã được tìm ra bởi giải thuật GA. Kết quả đồ thị cho thấy, với bộ thông số này, cả hai khớp của Pendubot đều nhanh chóng tiến về vị trí cân bằng TOP. Link 1 ổn định sau khoảng 2.36 giây và link 2 ổn định sau khoảng 2.3 giây. Dao động của hệ thống trong quá trình quá độ được kiểm soát tốt. Kết quả này chứng minh rằng một bộ điều khiển PD tuyến tính, nếu được tinh chỉnh thông số một cách cẩn thận, vẫn có thể điều khiển hiệu quả hệ thống phi tuyến trong một phạm vi hoạt động nhất định. Đây là cơ sở dữ liệu quan trọng để tiến hành so sánh PID và Fuzzy.
5.2. So sánh hiệu năng giữa bộ điều khiển PD và PD Fuzzy
Khi mô phỏng bộ điều khiển PD-Fuzzy, các khối Kp và Kd cố định được thay thế bằng các khối Fuzzy Logic Controller. Dữ liệu để "huấn luyện" các khối mờ này được lấy từ chính quá trình hoạt động của bộ điều khiển PD tối ưu. Kết quả mô phỏng cho thấy hiệu năng của hai bộ điều khiển gần như tương đồng. Cụ thể, với bộ PD-Fuzzy, link 1 ổn định sau 2.37 giây và link 2 ổn định sau 2.3 giây. Sự tương đồng này là một thành công, vì nó cho thấy bộ điều khiển PID mờ đã học và tái tạo lại được hành vi của bộ điều khiển PD tối ưu. Ưu điểm của phương pháp mờ sẽ thể hiện rõ hơn trong thực nghiệm, nơi có nhiều nhiễu và bất định, đòi hỏi khả năng thích ứng linh hoạt mà logic mờ mang lại. Báo cáo đồ án đã kết luận rằng cả hai bộ điều khiển đều điều khiển được hệ thống ổn định trên mô phỏng.
VI. Kết luận đồ án và hướng phát triển điều khiển Pendubot
Bản báo cáo đồ án đã hoàn thành xuất sắc các mục tiêu đề ra. Nghiên cứu đã thành công trong việc xây dựng mô hình toán học Pendubot dựa trên phương pháp Euler-Lagrange, phân tích tính điều khiển được của hệ thống và thiết kế hai bộ điều khiển hiệu quả là PD tối ưu bằng GA và PD-Fuzzy. Quá trình mô phỏng hệ thống trên Matlab Simulink đã chứng minh khả năng ổn định hệ thống của cả hai bộ điều khiển tại vị trí cân bằng TOP. Kết quả thực nghiệm (được trình bày trong chương 5 của tài liệu gốc) đã xác nhận tính khả thi của các giải pháp đề xuất. Đồ án không chỉ là một bài tập ứng dụng kiến thức đã học mà còn là một nghiên cứu có giá trị, đóng góp vào lĩnh vực điều khiển tự động các hệ phi tuyến. Những hạn chế của đề tài, chẳng hạn như phần cứng chưa đáp ứng đủ nguồn cấp cho bộ điều khiển Swing-up, cũng được ghi nhận một cách trung thực. Đây là cơ sở quan trọng để đề xuất các hướng phát triển trong tương lai, hứa hẹn mở ra nhiều nghiên cứu sâu hơn và các ứng dụng thực tiễn hơn cho mô hình hệ con lắc ngược Pendubot.
6.1. Tổng kết những kết quả đã đạt được trong luận văn
Những thành tựu chính của khóa luận tốt nghiệp cơ điện tử này bao gồm: thiết kế và chế tạo lại thành công mô hình phần cứng Pendubot; xây dựng chính xác mô hình toán học và phương trình không gian trạng thái; áp dụng thành công giải thuật di truyền tối ưu PID để tìm ra bộ thông số điều khiển hiệu quả; thiết kế và mô phỏng thành công bộ điều khiển PD và PD-Fuzzy, cho kết quả ổn định hệ thống trong thời gian ngắn. Luận văn đã chứng tỏ được năng lực nghiên cứu, khả năng áp dụng lý thuyết vào giải quyết một bài toán kỹ thuật phức tạp, từ khâu lên ý tưởng, thiết kế, mô phỏng cho đến kiểm chứng. Các kết quả này hoàn toàn đáp ứng yêu cầu của một đồ án tốt nghiệp kỹ sư ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa.
6.2. Đề xuất các hướng nghiên cứu và phát triển tương lai
Dựa trên những kết quả và hạn chế của đồ án, một số hướng phát triển tiềm năng được đề xuất. Trước hết là nâng cấp phần cứng, đặc biệt là động cơ DC và bộ nguồn, để có thể triển khai bộ điều khiển Swing-up, giúp hệ thống tự động nâng con lắc từ vị trí thấp nhất lên vị trí cân bằng. Hướng thứ hai là nghiên cứu và áp dụng các thuật toán điều khiển tiên tiến hơn như điều khiển trượt mờ (Fuzzy Sliding Mode Control) hoặc sử dụng mạng nơ-ron để tăng cường khả năng thích ứng và bền vững của hệ thống trước các loại nhiễu và bất định. Một hướng khác là mở rộng bài toán sang điều khiển bám quỹ đạo (trajectory tracking), yêu cầu hệ thống không chỉ đứng yên tại một điểm mà phải di chuyển theo một quỹ đạo đặt trước. Những hướng nghiên cứu này sẽ giúp nâng cao hơn nữa hiệu năng và tính ứng dụng của hệ Pendubot.
