Giới thiệu dự án

Trong kỷ nguyên tự động hóa công nghiệp và hàng không vũ trụ hiện đại, các đối tượng điều khiển ngày càng bộc lộ đặc tính phi tuyến cao, thông số bất định và chịu ảnh hưởng mạnh bởi hiện tượng liên kết chéo (cross-coupling). Theo các khảo sát trong kỹ thuật điều khiển công nghiệp, hơn 75% hệ thống cơ điện tử thực tế hoạt động với các thành phần phi tuyến tính mà các bộ điều khiển tuyến tính cổ điển không thể kiểm soát tối ưu khi mở rộng dải làm việc.

Đồ án tốt nghiệp "Điều khiển hệ phi tuyến dùng giải thuật thông minh" được thực hiện bởi nhóm sinh viên chuyên ngành Điện tử Công nghiệp, Khoa Điện - Điện tử, Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE) dưới sự hướng dẫn của ThS. Tạ Văn Phương. Đề tài tập trung giải quyết bài toán điều khiển bền vững cho hai đối tượng phi tuyến phức tạp điển hình: Hệ máy bay trực thăng hai bậc tự do (TRMS - Twin Rotor MIMO System) và Hệ thống điều khiển tốc độ động cơ không đồng bộ ba pha qua biến tần.

                    +------------------------------------------+
                    |        HỆ THỐNG PHI TUYẾN THỰC NGHIỆM     |
                    +------------------------------------------+
                                         |
                 +-----------------------+-----------------------+
                 |                                               |
                 v                                               v
    +--------------------------+                   +--------------------------+
    |   Mô hình TRMS (MIMO)    |                   | Động cơ 3 pha & Biến tần |
    |  - Trục Pitch (Nâng/Hạ)   |                   |  - Dải tốc độ: 0-1200 RPM|
    |  - Trục Yaw (Xoay Ngang) |                   |  - Thông số bất định     |
    +--------------------------+                   +--------------------------+
                 |                                               |
                 +-----------------------+-----------------------+
                                         |
                                         v
                    +------------------------------------------+
                    |    BỘ ĐIỀU KHIỂN THÔNG MINH (STM32F4)    |
                    |       [ PID - FUZZY LOGIC - NEURAL ]      |
                    +------------------------------------------+

Vấn đề kỹ thuật (Problem Statement)

  • Đối với hệ TRMS (Twin Rotor MIMO System): Đây là hệ đa biến MIMO (Multi-Input Multi-Output) phi tuyến bậc cao với sự ghép kênh chéo mạnh mẽ giữa trục chuyển động dọc (Pitch angle) và trục chuyển động ngang (Yaw angle). Lực nâng của cánh quạt chính sinh ra mô-men phản lực làm xoay thân trực thăng, trong khi luồng khí từ cánh quạt đuôi tác động ngược lại góc ngẩng. Sự thay đổi khí động học phi tuyến, lực ma sát khớp quay và nhiễu gió ngoại cảnh khiến các thuật toán cổ điển dễ mất ổn định hoặc xuất hiện dao động lớn.
  • Đối với hệ thống động cơ ba pha: Tốc độ động cơ không đồng bộ phụ thuộc phi tuyến vào tần số và điện áp cấp từ biến tần. Các thông số phần cứng như điện trở cuộn dây ($R_s, R_r$), điện kháng tản ($X_s, X_r$) và hệ số trượt biến thiên liên tục theo nhiệt độ và tải trọng thực tế mà không có thông số định danh chính xác trước.

Mục tiêu dự án

  1. Nghiên cứu & Thiết kế giải thuật: Xây dựng, mô phỏng và kiểm chứng 3 cấu trúc điều khiển: Bộ điều khiển tỷ lệ - tích phân - vi phân kinh điển (PID), Bộ điều khiển mờ (Fuzzy Logic Controller - FLC) và Bộ điều khiển mạng nơ-ron nhân tạo (Artificial Neural Network - ANN / NARMA-L2).
  2. Hiện thực hóa phần cứng nhúng: Thiết kế hệ thống điều khiển số trên vi điều khiển 32-bit ARM Cortex-M4 (STM32F407VG Discovery), xử lý tín hiệu phản hồi từ cảm biến quang Encoder độ phân giải cao (Autonics E50S8-5000 và E50S8-1024).
  3. Mã hóa và sinh mã tự động: Sử dụng kỹ thuật Model-Based Design trên môi trường MATLAB/Simulink R2013b kết hợp thư viện Waijung Blockset để biên dịch trực tiếp thuật toán sang mã C nhúng thời gian thực cho STM32F4.
  4. Kiểm nghiệm và đánh giá chất lượng: Vận hành thực nghiệm trên 2 mô hình vật lý, so sánh định lượng các chỉ số quá độ (độ vọt lố $%OS$, thời gian xác lập $t_s$, sai số xác lập $e_{ss}$, năng lượng điều khiển) giữa các thuật toán khi chịu tác động của nhiễu xung và biến đổi điểm làm việc liên tục.

Phương pháp tiếp cận & Phạm vi đề tài

  • Phương pháp: Tiếp cận từ mô hình hóa toán học lý thuyết $\to$ Nhận dạng hệ thống thực nghiệm $\to$ Thiết kế và tinh chỉnh bộ điều khiển trên Simulink $\to$ Tự động nhúng mã C xuống vi điều khiển $\to$ Giám sát và thu thập dữ liệu thời gian thực qua giao tiếp UART/RS-232 tốc độ cao lên giao diện PC Host.
  • Phạm vi & Giới hạn: Hệ TRMS hoạt động trong không gian 2 bậc tự do trong phòng thí nghiệm; động cơ ba pha thử nghiệm trong dải tốc độ từ 0 đến 1200 RPM thông qua biến tần công nghiệp Danfoss VLT 2807 (công suất định mức 0.75 kW).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp điều khiển Ưu điểm Nhược điểm Khả năng thích ứng phi tuyến
PID Cổ điển (Ziegler-Nichols) Cấu trúc đơn giản, tốn ít tài nguyên tính toán MCU, dễ tinh chỉnh tại một điểm làm việc tĩnh. Nhạy cảm với nhiễu, chất lượng giảm sút nghiêm trọng khi hệ thống chuyển vùng làm việc xa điểm tuyến tính hóa; không tự bù được ghép kênh MIMO. Kém (Chỉ tối ưu tại điểm cân bằng hẹp)
Điều khiển Mờ (Fuzzy Logic) Không cần biết chính xác phương trình vi phân toán học; nhúng được kinh nghiệm chuyên gia; thích ứng tốt với sai số mô hình. Thiết kế bảng luật và chọn hàm thuộc phụ thuộc nhiều vào trực giác; tính toán giải mờ tốn chu kỳ lệnh xử lý. Rất tốt (Dải làm việc rộng, bù phi tuyến tốt)
Mạng Nơ-ron (ANN / NARMA-L2) Khả năng xấp xỉ hàm phi tuyến bất kỳ; tự học và thích nghi mạnh với các thành phần động lực học chưa biết. Tốn nhiều tài nguyên bộ nhớ Flash/RAM; yêu cầu tập dữ liệu huấn luyện lớn; phức tạp khi nhúng thời gian thực trên MCU. Xuất sắc (Bù nhiễu động và biến đổi tham số)

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc): Đọc chính xác góc quay từ 2 Encoder quadrature; xuất xung PWM điều khiển ESC không chổi than (BLHeli 50A); xuất áp analog điều khiển tần số biến tần; duy trì độ ổn định góc Pitch và Yaw của TRMS.
  • Should have (Nên có): Giao diện giám sát thời gian thực dạng sóng trên MATLAB Monitor qua UART 115200 bps; khả năng bám quỹ đạo góc biến thiên (sóng hình sin chu kỳ $T = 15\text{ s}$).
  • Could have (Có thể có): Chuyển đổi linh hoạt giữa các chế độ điều khiển PID, Fuzzy và Neural trực tiếp từ phần mềm PC mà không cần nạp lại firmware.
  • Won't have (Chưa thực hiện): Điều khiển TRMS chuyển động tự do không gian 6 bậc tự do (6-DoF); tích hợp cảm biến quán tính không dây IMU 9 trục.

Thiết kế hệ thống

Bảng thông số kỹ thuật phần cứng & Phần mềm

Thành phần Thông số kỹ thuật / Phiên bản Chức năng trong hệ thống
MCU Board STM32F407VG-DISC1 (ARM Cortex-M4, 168 MHz, 1MB Flash, 192KB RAM, Hardware FPU) Xử lý thuật toán điều khiển số thời gian thực, đọc encoder, phát xung PWM/DAC.
Encoder Phản Hồi Autonics E50S8-5000 (5000 xung/vòng) & E50S8-1024 (1024 xung/vòng), Line Driver Đo góc quay trực thăng và vận tốc động cơ với độ phân giải cực cao.
Mạch Điều Tốc Emax BLHeli 50A ESC (Tần số phản hồi cao, hỗ trợ tín hiệu PWM 50-400Hz) Điều chế công suất cấp cho 2 động cơ Brushless DC cánh quạt.
Động cơ TRMS 2x Brushless DC Tarot 5008 (Đường kính stator 50mm, 700W, 24VDC, Cánh 10 inch) Tạo lực nâng khí động học cho trục Pitch và lực đẩy cho trục Yaw.
Biến tần Danfoss VLT 2807 195N1015 (3-phase 380-480V, tần số ra 1-1000Hz, công suất 0.75kW) Điều khiển tần số cấp nguồn cho động cơ không đồng bộ ba pha.
Môi trường phát triển MATLAB/Simulink R2013b, Waijung Blockset v14.11a, Keil MDK-ARM v5 Mô phỏng, nhận dạng hàm truyền, thiết kế giải thuật và tự động nạp code C.

Phương pháp nghiên cứu (Methodology)

Dự án áp dụng quy trình phát triển hình chữ V (V-Model Development) dựa trên nền tảng Model-Based Design (MBD):

  1. Giai đoạn 1 (Tuần 1 - 5): Khảo sát đặc tính động lực học, xây dựng phương trình trạng thái toán học phi tuyến cho TRMS; thiết lập sơ đồ nguyên lý mạch điều khiển phần cứng.
  2. Giai đoạn 2 (Tuần 6 - 9): Thiết kế bộ điều khiển PID theo tiêu chuẩn Ziegler-Nichols kết hợp tối ưu chỉ tiêu tích phân sai số (ITAE, ISE). Thiết kế bộ điều khiển Mờ Mamdani và Mạng Nơ-ron trên Simulink Toolbox.
  3. Giai đoạn 3 (Tuần 10 - 13): Nhận dạng đối tượng thực nghiệm qua System Identification Toolbox, cấu hình Waijung Blockset để nhúng thuật toán sang mã nguồn C cho chip STM32F407VG.
  4. Giai đoạn 4 (Tuần 14 - 16): Chạy thực nghiệm trên phần cứng, ghi nhận đồ thị đáp ứng thời gian, tinh chỉnh trực tiếp tham số (Online Tuning) và lập báo cáo tổng kết.

Implementation và kết quả

Quá trình phát triển và thuật toán cốt lõi

1. Mô hình hóa toán học hệ thống TRMS

Phương trình vi phân mô tả chuyển động phi tuyến của trực thăng 2 bậc tự do trên trục Pitch ($\theta_v$) và trục Yaw ($\alpha_h$):

$$I_v \frac{d^2\theta_v}{dt^2} = M_v(U_v) - M_{G}\sin(\theta_v) - B_v\frac{d\theta_v}{dt} - M_{cross,h}(\alpha_h)$$

$$I_h \frac{d^2\alpha_h}{dt^2} = M_h(U_h) - B_h\frac{d\alpha_h}{dt} - M_{cross,v}(\theta_v)$$

Trong đó:

  • $I_v, I_h$: Mô-men quán tính trục Pitch và trục Yaw.
  • $M_v(U_v), M_h(U_h)$: Mô-men lực đẩy do điện áp điều khiển cánh quạt chính và đuôi sinh ra ($M = C_T \cdot \omega^2$).
  • $M_G\sin(\theta_v)$: Mô-men trọng lực chống lại chuyển động nâng.
  • $B_v, B_h$: Hệ số ma sát nhớt.
  • $M_{cross}$: Thành phần mô-men ghép kênh phi tuyến chéo giữa hai trục.

2. Thiết kế Bộ điều khiển Mờ (Fuzzy Logic Controller)

Bộ điều khiển mờ 2 ngõ vào - 1 ngõ ra (MISO) cho từng kênh trục:

  • Ngõ vào: Sai số vị trí $e(t) = r(t) - y(t)$ và Đạo hàm sai số $de(t)/dt = \Delta e(t)$.
  • Ngõ ra: Tín hiệu điều khiển điện áp $u(t)$ (hoặc độ rộng xung PWM).
  • Tập mờ ngôn ngữ: {NB (Negative Big), NS (Negative Small), ZE (Zero), PS (Positive Small), PB (Positive Big)}.
  • Hàm thuộc: Dạng tam giác (Triangular) và hình thang (Trapezoidal) trên miền chuẩn hóa $[-1, 1]$.
  • Quy tắc giải mờ: Sử dụng phương pháp trọng tâm Centroid (Center of Gravity - COG):

$$u(t) = \frac{\sum_{i=1}^{m} \mu_{C}(u_i) \cdot u_i}{\sum_{i=1}^{m} \mu_{C}(u_i)}$$

/* Đoạn mã C minh họa giải thuật Mờ nhúng trên STM32F4 (Waijung Generated / Optimized) */
typedef struct {
    float e_gain;     // Hệ số khuếch đại sai số Ke
    float de_gain;    // Hệ số khuếch đại đạo hàm sai số Kde
    float out_gain;   // Hệ số tỷ lệ ngõ ra Ku
} Fuzzy_Param_t;

float Fuzzy_Controller_Step(float setpoint, float feedback, float dt, Fuzzy_Param_t *param) {
    static float prev_error = 0.0f;
    float error = (setpoint - feedback) * param->e_gain;
    float d_error = ((error - prev_error) / dt) * param->de_gain;
    prev_error = error;

    // Chuẩn hóa miền vào [-1.0, 1.0]
    if (error > 1.0f) error = 1.0f;
    else if (error < -1.0f) error = -1.0f;

    // Suy diễn mờ Mamdani và Giải mờ trọng tâm COG (Lookup Table hóa)
    float u_normalized = Evaluate_Fuzzy_RuleBase(error, d_error);
    
    // Tín hiệu điện áp điều khiển xuất ra actuator
    float u_out = u_normalized * param->out_gain;
    return u_out;
}

           BẢNG LUẬT MỜ MAMDANI (25 LUẬT CHO MỖI TRỤC)
     +---------+------+------+------+------+------+
     | de \ e  |  NB  |  NS  |  ZE  |  PS  |  PB  |
     +---------+------+------+------+------+------+
     |   NB    |  NB  |  NB  |  NM  |  NS  |  ZE  |
     |   NS    |  NB  |  NM  |  NS  |  ZE  |  PS  |
     |   ZE    |  NM  |  NS  |  ZE  |  PS  |  PM  |
     |   PS    |  NS  |  ZE  |  PS  |  PM  |  PB  |
     |   PB    |  ZE  |  PS  |  PM  |  PB  |  PB  |
     +---------+------+------+------+------+------+

3. Thiết kế Cấu trúc Mạng Nơ-ron NARMA-L2

Mô hình tự hồi quy phi tuyến trung bình trượt (NARMA-L2) được sử dụng để bù trễ và khử các thành phần phi tuyến của động cơ 3 pha:

$$y(k+d) = f[y(k), y(k-1), \dots, u(k), u(k-1), \dots] + g[y(k), y(k-1), \dots] \cdot u(k)$$

Mạng nơ-ron truyền thẳng nhiều lớp MLP (Multi-Layer Perceptron) gồm:

  • Lớp vào: 3 nút tín hiệu (giá trị đặt, sai số trễ, vận tốc trễ).
  • Lớp ẩn: 10 nơ-ron với hàm kích hoạt Sigmoid tiếp tuyến (tansig: $f(x) = \frac{2}{1+e^{-2x}} - 1$).
  • Lớp ra: 1 nơ-ron tuyến tính (purelin: $f(x) = x$).
  • Huấn luyện ngoại tuyến qua thuật toán lan truyền ngược Levenberg-Marquardt (tập dữ liệu 5000 mẫu lấy mẫu ở $T_s = 10\text{ ms}$).

Thử nghiệm và đánh giá chất lượng

Hệ thống được kiểm thử với 3 kịch bản thực nghiệm khắc nghiệt:

  1. Kịch bản 1 (Đáp ứng bậc thang - Step Response): Đặt góc ngẩng Pitch = $10^\circ$, góc xoay Yaw = $10^\circ$; tốc độ động cơ 3 pha đặt nấc từ 300 RPM $\to$ 900 RPM.
  2. Kịch bản 2 (Bám quỹ đạo liên tục - Tracking Sinusoidal): Tín hiệu đặt $r(t) = 15^\circ \cdot \sin\left(\frac{2\pi}{15}t\right)$.
  3. Kịch bản 3 (Khử nhiễu tác động - Disturbance Rejection): Tác động xung lực cơ học cưỡng bức lên cánh quạt khi đang ở trạng thái xác lập.

Bảng so sánh hiệu năng thực nghiệm trên mô hình TRMS (Trục Pitch & Yaw)

Tiêu chí đo lường PID Cổ Điển (Ziegler-Nichols) Bộ điều khiển Mờ (Fuzzy Logic) Mạng Nơ-ron (ANN / NARMA-L2)
Thời gian tăng $t_r$ (Rise time) $2.84\text{ s}$ $\mathbf{1.42\text{ s}}$ $1.56\text{ s}$
Thời gian xác lập $t_s$ ($5%$) $5.60\text{ s}$ $2.10\text{ s}$ $\mathbf{1.85\text{ s}}$
Độ vọt lố ($%OS$) $24.8%$ $\mathbf{3.2%}$ $4.5%$
Sai số xác lập $e_{ss}$ $\pm 1.8^\circ$ $\mathbf{\pm 0.2^\circ}$ $\pm 0.3^\circ$
Thời gian phục hồi khi có nhiễu $4.2\text{ s}$ (dao động kéo dài) $1.1\text{ s}$ (dập tắt nhanh) $\mathbf{0.9\text{ s}}$ (rất mượt mà)
Hiện tượng trôi do xen kênh MIMO Thấy rõ ($> 5^\circ$ góc lệch Yaw) Giảm thiểu đáng kể ($< 0.8^\circ$) Triệt tiêu hoàn toàn ($< 0.5^\circ$) 
                 ĐỒ THỊ ĐÁP ỨNG THỰC NGHIỆM GÓC PITCH (BƯỚC ĐẶT 10 ĐỘ)
   Góc (độ)
     14 |                .-. (PID: Vọt lố 24.8%)
     12 |              .'   `.
     10 |-------------+-------+--------------------- (Giá trị đặt: 10 độ)
      8 |           .'         `-------------------- (Fuzzy: Bám sát, OS 3.2%)
      6 |         .'                                 (Neural: Xác lập 1.85s)
      4 |       .'
      2 |     .'
      0 +----+----+----+----+----+----+----+----+---> Thời gian (giây)
        0    1    2    3    4    5    6    7    8

Đổi mới và đóng góp

  1. Ứng dụng thành công phương pháp Rapid Control Prototyping (RCP): Thay vì lập trình thanh ghi C thuần túy mất nhiều tháng debug phần cứng, đề tài ứng dụng luồng thiết kế Simulink $\to$ Waijung Blockset $\to$ C Code trực tiếp cho chip ARM Cortex-M4. Rút ngắn thời gian phát triển thuật toán từ 16 tuần xuống còn 4 tuần thực nghiệm.
  2. Khắc phục triệt để hiện tượng ghép kênh phi tuyến (Cross-Coupling): Giải thuật Fuzzy và Neural đã tự động bù trừ mô-men tác động chéo giữa 2 cánh quạt TRMS mà không cần thiết kế ma trận tách kênh phức tạp như trong lý thuyết điều khiển hiện đại tuyến tính hóa quanh điểm làm việc.
  3. Cải thiện vượt bậc hiệu năng điều khiển:
    • Giảm độ vọt lố từ $24.8%$ (PID) xuống còn $3.2%$ (Fuzzy) (cải thiện $87.1%$).
    • Giảm thời gian xác lập từ $5.6\text{ s}$ xuống $1.85\text{ s}$ (nhanh hơn $66.9%$).
    • Sai số bám quỹ đạo vận tốc động cơ 3 pha duy trì dưới $0.5%$ trên toàn dải từ $100 - 1200\text{ RPM}$.
  4. Cơ sở học thuật và ứng dụng chuyển giao: Xây dựng thành công giáo cụ trực quan và nền tảng thực hành điều khiển thông minh phục vụ nghiên cứu cho các khóa sinh viên và học viên cao học ngành Cơ điện tử và Kỹ thuật Điều khiển Tự động.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Hàng không không người lái (UAV / Drones): Thuật toán Fuzzy-PID và Neural được ứng dụng trực tiếp vào mạch cân bằng máy bay Quadrotor/VTOL khi cất/hạ cánh thẳng đứng trong điều kiện gió giật mạnh cấp 5 - 6.
  • Hệ thống dẫn đường Radar / Antenna Gimbal: Ổn định góc phương vị (Azimuth) và góc ngẩng (Elevation) cho chảo thu sóng vệ tinh trên tàu biển đang lắc lư trên sóng lớn.
  • Truyền động công nghiệp thông minh: Tối ưu hóa điều khiển tốc độ biến tần cho các dây chuyền dệt sợi, cán thép, băng tải than - nơi mà quán tính tải thay đổi liên tục theo thời gian thực.

Phân tích chi phí và hiệu quả đầu tư (Cost-Benefit Analysis)

              BẢNG HẠCH TOÁN CHI PHÍ PHẦN CỨNG MÔ HÌNH (VNĐ)
    +-----------------------------------------------+----------------+
    | Thiết bị / Linh kiện                          | Đơn giá (VNĐ)  |
    +-----------------------------------------------+----------------+
    | Kit STM32F407VG Discovery (ARM Cortex-M4)     |    550,000     |
    | 02 Bộ Encoder Autonics E50S8 (5000 & 1024 ppr)|  1,800,000     |
    | 02 Động cơ BLDC Tarot 5008 + Cánh Carbon 10"  |  1,400,000     |
    | 02 Bộ ESC Emax BLHeli 50A                     |    700,000     |
    | Biến tần Danfoss VLT 2807 0.75kW (Đã qua SD)  |  2,500,000     |
    | Bộ nguồn tổ ong Meanwell 24V-5A               |    350,000     |
    | Khung cơ khí gia công TRMS & Phụ kiện         |  1,200,000     |
    +-----------------------------------------------+----------------+
    | TỔNG CHI PHÍ PHẦN CỨNG                        |  8,500,000 VNĐ |
    +-----------------------------------------------+----------------+
  • So với các bộ kit thí nghiệm TRMS nhập khẩu từ Quanser hay Feedback Instruments có giá từ $15,000 - $25,000 USD (~350 - 600 triệu VNĐ), hệ thống tự chế tạo chỉ tiêu tốn $8,500,000\text{ VNĐ}$ (tiết kiệm hơn $98%$ chi phí) nhưng vẫn đáp ứng đầy đủ $100%$ các bài toán nghiên cứu điều khiển phi tuyến và ghép kênh.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Giới hạn góc quét phần cứng: Khung TRMS còn vướng dây nối encoder nên góc Yaw chỉ quay giới hạn trong khoảng $\pm 170^\circ$, chưa quay tự do $360^\circ$ liên tục.
  • Tài nguyên mạng nơ-ron: Mạng nơ-ron hiện tại được huấn luyện Offline trên MATLAB rồi nhúng trọng số tĩnh vào STM32F4; vi điều khiển chưa chạy trực tiếp thuật toán học Online (Online Backpropagation) do hạn chế dung lượng RAM 192KB khi tính đạo hàm ma trận lớn.

Hướng nâng cấp đề xuất

  1. Tích hợp giải thuật lai mờ - nơron (ANFIS) và Sliding Mode Control (SMC): Kết hợp tính bền vững của điều khiển trượt với khả năng thích nghi của logic mờ để triệt tiêu hoàn toàn hiện tượng chattering.
  2. Nâng cấp phần cứng cảm biến: Thay thế Encoder cơ học bằng cụm cảm biến quán tính IMU 9-DoF (MPU9250) kết hợp bộ lọc Kalman mở rộng (EKF - Extended Kalman Filter) để ước lượng trạng thái góc với độ chính xác cao hơn.
  3. Nền tảng IoT Giám sát: Tích hợp giao tiếp không dây Wi-Fi/ESP32 để đẩy dữ liệu trạng thái lên Cloud Dashboard (ThingsBoard/MQTT) phục vụ giám sát từ xa.

Đối tượng hưởng lợi

  • Sinh viên chuyên ngành Cơ điện tử / Tự động hóa: Được tiếp cận mô hình thực hành trực quan, mã nguồn C mở, sơ đồ khối Simulink mẫu để nhanh chóng nắm vững kiến thức điều khiển phi tuyến.
  • Kỹ sư nhúng & Điều khiển: Sở hữu mẫu kiến trúc Model-Based Design chuẩn công nghiệp, ứng dụng trực tiếp thư viện Waijung để sinh mã tối ưu cho dòng chip STM32F4.
  • Nhà nghiên cứu / Giảng viên: Cung cấp nền tảng phần cứng giá rẻ, độ tin cậy cao để thử nghiệm các thuật toán điều khiển hiện đại mới như $H_\infty$, LQR thích nghi, Reinforcement Learning (Học tăng cường).
  • Doanh nghiệp tích hợp hệ thống: Giải pháp điều khiển tốc độ biến tần bền vững không phụ thuộc thông số động cơ giúp tiết kiệm điện năng và giảm thời gian dừng máy do sốc tải.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần cứng tối thiểu để triển khai nhúng thuật toán là gì?

Hệ thống yêu cầu vi điều khiển có nhân ARM Cortex-M4 trở lên tích hợp bộ đồng xử lý dấu phẩy động (Hardware FPU), xung nhịp tối thiểu $84\text{ MHz}$, bộ nhớ tối thiểu 128KB Flash và 64KB RAM để đảm bảo chu kỳ thực thi vòng lặp kín $T_s \le 10\text{ ms}$. Các dòng STM32F401, STM32F407 hoặc STM32F411 hoàn toàn đáp ứng tốt.

2. Làm thế nào để giải quyết vấn đề trễ thời gian tính toán của Mạng Nơ-ron trên MCU?

Để khắc phục bài toán trễ chu kỳ lệnh, thuật toán mạng nơ-ron không tính toán ma trận trực tiếp bằng các vòng lặp lồng nhau mà được chuyển đổi sang dạng bảng tra cứu nội suy (Lookup Table) kết hợp cố định hóa trọng số (Quantization) từ float32 sang số nguyên int16/int8 sử dụng tập lệnh tăng tốc SIMD của lõi Cortex-M4.

3. Hệ thống có thể tích hợp với các chuẩn truyền thông công nghiệp khác không?

Hoàn toàn có thể. Nhờ tính linh hoạt của STM32F4, hệ thống dễ dàng mở rộng các giao thức như Modbus RTU (qua RS-485) để giao tiếp trực tiếp với PLC Siemens S7-1200 / Mitsubishi, hoặc kết nối mạng CAN Bus 2.0B trong các ứng dụng ô tô và robot tự hành.

4. Tại sao lại chọn Waijung Blockset thay vì nạp code C thủ công qua Keil C?

Waijung Blockset cho phép người phát triển tập trung $100%$ vào bản chất giải thuật điều khiển trên giao diện khối Simulink. Mọi thao tác cấu hình ngoại vi cấp thấp (Timer Encoder, ADC DMA, PWM Capture, UART ISR) đều được tự động hóa tối ưu, loại bỏ hoàn toàn các lỗi bộ nhớ con trỏ hoặc xung đột ngắt thường gặp khi lập trình thủ công.

5. Chi phí bảo trì và độ bền của hệ thống TRMS thực nghiệm như thế nào?

Hệ thống sử dụng động cơ không chổi than (BLDC Outrunner) không có cổ góp cơ học, kết hợp Encoder quang học không tiếp xúc nên tuổi thọ vận hành liên tục đạt trên 5,000 giờ. Chi phí bảo trì gần như bằng 0, chỉ cần định kỳ kiểm tra siết chặt ốc cơ khí và cân bằng tĩnh cánh quạt sau mỗi 6 tháng hoạt động.

Kết luận

Đồ án tốt nghiệp "Điều khiển hệ phi tuyến dùng giải thuật thông minh" đã thực hiện trọn vẹn và xuất sắc các mục tiêu đề ra từ nghiên cứu lý thuyết, mô phỏng toán học đến chế tạo phần cứng và thử nghiệm thực tế trên hệ TRMS 2 bậc tự do cùng hệ truyền động động cơ ba pha.

Kết quả thực nghiệm đã khẳng định tính vượt trội của các giải thuật thông minh (Fuzzy Logic và Artificial Neural Network) so với giải thuật PID kinh điển trong việc dập tắt dao động, triệt tiêu ảnh hưởng của hiện tượng ghép kênh MIMO và duy trì độ ổn định cao dưới tác động của nhiễu ngoại cảnh. Luồng thiết kế Model-Based Design kết hợp phần cứng nhúng ARM Cortex-M4 mở ra giải pháp tiếp cận hiện đại, hiệu quả và chi phí thấp cho các bài toán điều khiển tự động phức tạp trong công nghiệp và hàng không vũ trụ hiện nay.