Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0 và sự bùng nổ của chuỗi cung ứng thông minh, các hệ thống xe tự hành AGV (Automated Guided Vehicle) và AMR (Autonomous Mobile Robot) đóng vai trò then chốt trong việc tối ưu hóa quy trình vận chuyển nội bộ tại nhà máy và kho bãi. Theo thống kê từ LogisticsIQ, thị trường AGV toàn cầu đang tăng trưởng với tốc độ kép (CAGR) ấn tượng 11.8% mỗi năm. Tuy nhiên, việc triển khai các hệ thống AGV công nghiệp cao cấp sử dụng cảm biến LiDAR hoặc định vị SLAM quang học đòi hỏi chi phí đầu tư hạ tầng và thiết bị rất lớn, tạo rào cản tài chính đối với các doanh nghiệp vừa và nhỏ (SMEs) cũng như các phòng nghiên cứu thử nghiệm.

Vấn đề cốt lõi đặt ra trong tự động hóa vận chuyển nội bộ là giải quyết bài toán điều hướng bám đường ổn định kết hợp phản ứng tức thời trước các vật cản bất định trên hành trình. Các hệ thống xe dò đường truyền thống thường gặp các hạn chế kỹ thuật lớn:

  • Thuật toán điều khiển chuyển động cứng nhắc dẫn đến hiện tượng dao động lắc lư (hunting oscillation) quanh vạch kẻ.
  • Không có khả năng quét chủ động không gian đa hướng khi phát hiện vật cản trước mặt.
  • Hiện tượng nhiễu quang học giữa các mắt thu-phát hồng ngoại do bố trí khoảng cách hình học chưa chuẩn xác.
  • Sụt áp và nhiễu điện từ (EMI) ngược từ động cơ DC truyền vào vi xử lý điều khiển.

Đồ án "Thiết kế và lập trình xe điện tự hành dò line và tránh vật cản" do sinh viên Nguyễn Hoàng Mỹ thực hiện dưới sự hướng dẫn của ThS. Trần Hoàng Linh (Khoa Điện - Điện tử, Trường Đại học Bách Khoa - ĐHQG TP.HCM) giải quyết trọn vẹn bài toán trên thông qua việc xây dựng một hệ thống xe tự hành 4 bánh chủ động, tích hợp bộ xử lý trung tâm nhúng Raspberry Pi 4 kết hợp khối điều hướng quang điện và cảm biến siêu âm quét đa góc.

+-------------------------------------------------------------------------+
|                       KIẾN TRÚC ĐIỀU HƯỚNG TỔNG QUÁT                    |
|                                                                         |
|  [ SCRT5000 IR Array (x4) ] ---> [ GPIO Inputs ]                        |
|                                         |                               |
|                                         v                               |
|  [ HC-SR04 Ultrasonic ]    ---> [ Raspberry Pi 4 ] ---> [ L298N Driver] |
|                                   (BCM2711 SBC)         (Dual H-Bridge) |
|                                         |                      |        |
|  [ SG90 Micro Servo ]      <--- [ PWM Channel  ]               v        |
|                                                         [ 4x DC Motors] |
+-------------------------------------------------------------------------+

Mục tiêu kỹ thuật cụ thể của đồ án:

  1. Thiết kế phần cứng hệ thống: Tích hợp hoàn chỉnh khung gầm 4 bánh dẫn động độc lập với máy tính đơn bo (SBC) Raspberry Pi 4 Model B, mạch cầu H L298N, khối 4 cảm biến hồng ngoại SCRT5000, cảm biến siêu âm HC-SR04 gắn trên động cơ servo SG90 và hệ thống nguồn pin kép Li-ion 18650.
  2. Xây dựng giải thuật điều hướng quang học: Xử lý tín hiệu số từ mảng 4 cảm biến hồng ngoại ở tần số lấy mẫu $1\text{ kHz}$ để điều chỉnh hướng chuyển động bám vạch kẻ đường chính xác.
  3. Phát triển cơ chế phát hiện và quét vật cản chủ động: Đo khoảng cách thời gian thực với độ phân giải dưới $2\text{ mm}$, kết hợp điều khiển servo quay 2 góc $45^\circ$ và $135^\circ$ để quét đường rẽ khả dụng khi gặp chướng ngại vật ở cự ly $< 20\text{ cm}$.
  4. Tối ưu hóa điều khiển động lực: Ứng dụng kỹ thuật điều chế độ rộng xung (PWM) tần số $1\text{ kHz}$ trên driver L298N nhằm kiểm soát vận tốc và lực kéo của 4 động cơ DC giảm tốc TT Motor.

Phạm vi và giới hạn hoạt động:

  • Môi trường hoạt động: Mặt phẳng phẳng trong nhà, vạch đường kẻ màu trắng tương phản trên nền tối (hoặc ngược lại).
  • Vận tốc thiết kế: Hoạt động tối ưu ở dải tốc độ $0.3 - 0.5\text{ m/s}$ với tải trọng bản thân và hàng hóa định mức $0.55\text{ kg}$.
  • Chế độ tránh vật cản: Xử lý các chướng ngại vật đơn điểm tĩnh trên tuyến đường di chuyển.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong thiết kế robot tự hành bám đường, cấu trúc cơ khí và phương pháp cảm biến quyết định trực tiếp đến độ ổn định động học của xe. Nghiên cứu tiến hành đánh giá đối sánh các mô hình robot thi đấu và công nghiệp tiêu biểu:

Nền tảng Robot Cấu hình dẫn động Vận tốc tối đa Ưu điểm kỹ thuật Nhược điểm kỹ thuật
Robot Pika (Cyberbot 2015) 2 bánh dẫn động + 2 bánh mắt trâu $2.7\text{ m/s}$ Gia tốc lớn, quán tính chuyển hướng nhỏ Độ bám đường kém trên mặt trơn, dễ trượt
Robot RR (ĐH Manchester) 2 bánh sau dẫn động + 1 bánh trước lái $1.0\text{ m/s}$ Cơ cấu bẻ lái bánh trước chính xác Dễ mất ổn định lật khi phanh gấp ở tốc độ cao
Robot Dave (LVBots 2015) 2 bánh sau qua vi sai + 2 bánh xoay $1.2\text{ m/s}$ Phân bổ mô-men xoắn đều qua vi sai Cơ khí phức tạp, trọng lượng nặng, giá thành cao
Robot Green Giant V4.1 2 bánh trước dẫn động + 2 bánh xoay sau $3.5\text{ m/s}$ Tốc độ cực cao, kiểm soát drift tốt Khó điều khiển ở dải tốc độ thấp, chi phí đắt
Giải pháp đề tài (4WD) 4 bánh dẫn động độc lập (DC Geared) $0.5\text{ m/s}$ Độ bám đường cực cao, phân bổ tải đều, tải trọng lớn Khó đồng phẳng tuyệt đối nếu mặt sàn gồ ghề 
                       MA TRẬN ƯU TIÊN YÊU CẦU HỆ THỐNG (MoSCoW)
+----------------------------------------------------------------------------------+
| MUST HAVE (Bắt buộc)   | - Bám vạch line ổn định thời gian thực bằng 4 cảm biến IR|
|                         | - Đo cự ly vật cản chính xác bằng sóng siêu âm HC-SR04  |
|                         | - Điều khiển đảo chiều và điều tốc PWM qua L298N        |
+-------------------------+--------------------------------------------------------+
| SHOULD HAVE (Nên có)    | - Cơ chế xoay Servo SG90 quét 2 hướng tìm khoảng trống   |
|                         | - Tự động dừng khẩn cấp khi mất dấu toàn bộ cảm biến   |
+-------------------------+--------------------------------------------------------+
| COULD HAVE (Có thể có)  | - Điều khiển vòng kín PID bù sai số vận tốc động cơ      |
|                         | - Truyền dữ liệu trạng thái qua WiFi/Web Dashboard      |
+-------------------------+--------------------------------------------------------+
| WON'T HAVE (Chưa có)    | - Xử lý ảnh nhận diện làn đường bằng Camera OpenCV     |
|                         | - Bản đồ hóa không gian 2D/3D bằng SLAM LiDAR          |
+-------------------------+--------------------------------------------------------+

Thiết kế hệ thống

1. Tính toán động lực học và chọn động cơ

Hệ thống có tổng khối lượng xe $M_1 = 0.30\text{ kg}$, khối lượng hàng chuyên chở $M_2 = 0.25\text{ kg}$, khối lượng 4 bánh xe $m = 4 \times 0.020\text{ kg} = 0.08\text{ kg}$. Tổng khối lượng toàn tải $M_{\text{total}} = 0.63\text{ kg}$.

  • Tọa độ trọng tâm hệ thống được bố trí tại vị trí $x = \frac{L}{4}$ ($L$ là chiều dài cơ sở giữa trục trước và trục sau).
  • Khối lượng tương đương quy đổi phân bổ trên mỗi bánh dẫn động sau: $M_{\text{eq}} = 0.34\text{ kg}$.
  • Thời gian tăng tốc mong muốn từ $0\text{ m/s}$ lên vận tốc cực đại $v_{\max} = 0.5\text{ m/s}$ là $t = 1\text{ s} \implies a = 0.5\text{ m/s}^2$.
  • Mô-men quán tính bánh xe: $I = \frac{1}{2} m R^2$. Phương trình cân bằng mô-men xoắn yêu cầu động cơ sinh ra mô-men kéo tối thiểu: $$M_{\text{motor}} \ge \left( M_{\text{eq}} \cdot a + F_{\text{friction}} \right) \cdot R \approx 0.8\text{ kg}\cdot\text{cm}$$
  • Lựa chọn: Động cơ DC giảm tốc V1 Dual Shaft Plastic Geared TT Motor tỉ số truyền $1:48$, mô-men xoắn định mức $0.8\text{ kg}\cdot\text{cm}$, tốc độ không tải $208\text{ RPM}$ tại $5\text{V}$, hoàn toàn đáp ứng yêu cầu gia tốc và leo dốc nhẹ.
       BỐ TRÍ HÌNH HỌC CẢM BIẾN HỒNG NGOẠI VÀ CHỐNG NHIỄU QUANG HỌC
                           
                     [ S1 ]      [ S2 ]      [ S3 ]      [ S4 ]
                        |           |           |           |
                        |<--- l --->|<--- l --->|<--- l --->|  (l >= 11 mm)
                        +-----------------------------------+
                                          |
                                          | h >= 4.05 mm
                                          v
      ============================== Mặt đường ==============================

2. Tính toán khoảng cách quang học mảng cảm biến SCRT5000

Để loại bỏ hiện tượng giao thoa ánh sáng (optical crosstalk) khi các diode phát hồng ngoại đặt gần nhau:

  • Độ cao lắp đặt ($h$): Để tạo vùng giao thoa phản xạ $X_d$ tối ưu trên bề mặt, cảm biến phải đặt cách mặt sàn một khoảng: $$h \ge 4.05\text{ mm}$$
  • Khoảng cách giữa hai cảm biến ($l$): Để bộ thu (Collector 1) không nhận nhầm tia phản xạ từ bộ phát (Emitter 2) bên cạnh: $$l_{\min} = 10.72\text{ mm} \implies \text{Chọn } l \ge 11\text{ mm}$$

3. Technology Stack

Thành phần Công nghệ / Linh kiện Phiên bản / Thông số kỹ thuật Vai trò hệ thống
Xử lý trung tâm (SBC) Raspberry Pi 4 Model B Broadcom BCM2711 Quad-Core Cortex-A72 @ 1.5GHz, 4GB RAM Thu thập tín hiệu GPIO, thực thi giải thuật, xuất xung PWM
Driver động cơ Module L298N Mạch cầu H kép, $I_{\max} = 2\text{A}$/kênh, công suất $20\text{W}$ Điều khiển chiều quay và điện áp cấp cho 4 động cơ DC
Cảm biến bám vạch Module SCRT5000 (x4) Bước sóng hồng ngoại $950\text{nm}$, góc quét $35^\circ$, ngõ ra Digital Nhận diện độ tương phản đen/trắng của vạch kẻ đường
Cảm biến cự ly Module HC-SR04 Tần số siêu âm $40\text{kHz}$, cự ly đo $2 - 450\text{ cm}$, góc $< 15^\circ$ Đo khoảng cách chướng ngại vật phía trước
Cơ cấu xoay cảm biến Servo TowerPro SG90 Xoay $180^\circ$, tốc độ $0.1\text{ s}/60^\circ$ tại $4.8\text{V}$ Quét chướng ngại vật ở các góc $45^\circ, 90^\circ, 135^\circ$
Hệ điều hành Raspberry Pi OS (Debian) Nhân Linux 6.1, kiến trúc 64-bit Nền tảng điều phối tiến trình thời gian thực
Ngôn ngữ & Thư viện Python / RPi.GPIO Python 3.11, RPi.GPIO v0.7.1 Lập trình logic điều khiển phần cứng

Methodology

Đồ án được triển khai theo mô hình kỹ thuật lặp (Iterative Engineering V-Model) kết hợp kiểm thử phần cứng trong vòng lặp (Hardware-in-the-loop):

  1. Mô phỏng sơ đồ nguyên lý: Kiểm chứng mạch logic trên phần mềm Proteus 8.13 trước khi lắp ráp vật lý nhằm triệt tiêu rủi ro ngắn mạch và xung đột điện áp giữa logic $3.3\text{V}$ của Raspberry Pi và $5\text{V}$ của module L298N/HC-SR04.
  2. Kế hoạch triển khai dự án (Milestones):
    • Giai đoạn 1 (Tuần 1 - 2): Khảo sát lý thuyết, tính toán động lực học và thiết kế sơ đồ nguyên lý trên Proteus.
    • Giai đoạn 2 (Tuần 3 - 4): Gia công khung gầm cơ khí, lắp ráp cụm động cơ TT Motor, bố trí mảng cảm biến hồng ngoại và module servo.
    • Giai đoạn 3 (Tuần 5 - 6): Lập trình driver điều khiển GPIO, xây dựng module đo khoảng cách siêu âm và hàm điều chế xung PWM.
    • Giai đoạn 4 (Tuần 7 - 8): Tích hợp giải thuật bám đường, thử nghiệm cơ chế tránh vật cản đa góc, tinh chỉnh duty cycle và xử lý triệt tiêu nhiễu quang học.

Implementation và kết quả

                       SƠ ĐỒ ĐẤU DÂY GPIO TRÊN RASPBERRY PI 4
+-------------------+--------------------+----------------------------------------+
| Chân Raspberry Pi | Thiết bị ngoại vi  | Chức năng tín hiệu                    |
+-------------------+--------------------+----------------------------------------+
| GPIO 27, 17, 22, 18| SENSOR_1, 2, 3, 4  | Ngõ vào Digital đọc tín hiệu vạch line |
| GPIO 23 (TRIG)    | HC-SR04 Trig Pin   | Ngõ ra phát xung kích siêu âm 10us     |
| GPIO 24 (ECHO)    | HC-SR04 Echo Pin   | Ngõ vào nhận xung phản hồi thời gian   |
| GPIO 25           | SG90 Servo PWM     | Ngõ ra điều chế xung định vị góc quay  |
| GPIO 5, 6         | L298N (IN1, IN2)   | Điều khiển logic chiều quay động cơ Trái|
| GPIO 13, 19       | L298N (IN3, IN4)   | Điều khiển logic chiều quay động cơ Phải|
| GPIO 12 (ENA)     | L298N ENA (PWM)    | Điều tốc động cơ Trái (Tần số 1 kHz)   |
| GPIO 26 (ENB)     | L298N ENB (PWM)    | Điều tốc động cơ Phải (Tần số 1 kHz)   |
+-------------------+--------------------+----------------------------------------+

Development process & Key Algorithms

Chương trình điều khiển được viết bằng ngôn ngữ Python, phân tách thành các khối chức năng có tính module hóa cao:

1. Thuật toán đo cự ly vật cản siêu âm (do_khoang_cach)

Cảm biến HC-SR04 tính toán thời gian bay của sóng âm (Time-of-Flight) với vận tốc truyền âm trong không khí $v = 34300\text{ cm/s}$. Khoảng cách được tính theo công thức: $$d = \frac{\Delta t \times 34300}{2}\text{ (cm)}$$

import RPi.GPIO as GPIO
import time

TRIG = 23
ECHO = 24

def do_khoang_cach():
    # Kích hoạt chân Trigger ở mức thấp trước khi phát xung
    GPIO.output(TRIG, False)
    time.sleep(0.000002)
    GPIO.output(TRIG, True)
    time.sleep(0.00001)  # Xung kích chuẩn 10 micro-giây
    GPIO.output(TRIG, False)

    # Đón xung Echo phản hồi
    while GPIO.input(ECHO) == 0:
        bat_dau = time.time()
    while GPIO.input(ECHO) == 1:
        ket_thuc = time.time()

    thoi_gian = ket_thuc - bat_dau
    khoang_cach = (thoi_gian * 34300) / 2
    return khoang_cach

2. Thuật toán định vị góc quay Servo SG90 (goc_servo)

Động cơ servo được điều khiển bằng xung PWM tần số $50\text{Hz}$ (chu kỳ $20\text{ms}$). Chu kỳ nhiệm vụ (Duty Cycle) từ $2%$ (tương ứng $0^\circ$) đến $12%$ (tương ứng $180^\circ$) được tuyến tính hóa qua biểu thức: $$\text{DutyCycle} = 2 + \frac{\theta}{18}$$

def goc_servo(goc):
    goc = max(0, min(180, goc))
    chu_ky = 2 + (goc / 18.0)
    chu_ky = max(2, min(12, chu_ky))
    pwm_servo.ChangeDutyCycle(chu_ky)
    time.sleep(0.3)
    pwm_servo.ChangeDutyCycle(0)  # Ngắt xung giữ để chống rung servo

3. Thuật toán điều hướng bám vạch kẻ đường (do_line)

Giải thuật sử dụng bảng trạng thái 4-bit nhị phân từ các cảm biến [S1, S2, S3, S4] để xác định tức thời độ lệch tâm của xe so với đường kẻ:

def do_line():
    s1 = GPIO.input(SENSOR_1) # Cảm biến ngoài cùng bên trái
    s2 = GPIO.input(SENSOR_2) # Cảm biến giữa bên trái
    s3 = GPIO.input(SENSOR_3) # Cảm biến giữa bên phải
    s4 = GPIO.input(SENSOR_4) # Cảm biến ngoài cùng bên phải

    # Trạng thái 1: Xe đang nằm chính giữa line -> Đi thẳng
    if s1 == 0 and s2 == 1 and s3 == 1 and s4 == 0:
        xe_tien()
    # Trạng thái 2: Lệch trái nhẹ hoặc lệch trái nặng -> Rẽ phải bù hướng
    elif (s1 == 0 and s2 == 0 and s3 == 1 and s4 == 0) or \
         (s1 == 0 and s2 == 0 and s3 == 1 and s4 == 1) or \
         (s1 == 0 and s2 == 0 and s3 == 0 and s4 == 1):
        xe_re_phai()
    # Trạng thái 3: Lệch phải nhẹ hoặc lệch phải nặng -> Rẽ trái bù hướng
    elif (s1 == 0 and s2 == 1 and s3 == 0 and s4 == 0) or \
         (s1 == 1 and s2 == 1 and s3 == 0 and s4 == 0) or \
         (s1 == 1 and s2 == 0 and s3 == 0 and s4 == 0):
        xe_re_trai()
    # Trạng thái 4: Mất dấu hoàn toàn vạch kẻ -> Dừng khẩn cấp
    else:
        dung_xe()

Testing và validation

Quá trình kiểm thử thực nghiệm được tiến hành trên sa bàn tiêu chuẩn với các khúc cua $90^\circ$, đoạn uốn lượn chữ S và chướng ngại vật kích thước $10 \times 10 \times 15\text{ cm}$.

                      KẾT QUẢ THỰC NGHIỆM TRÊN SA BÀN ĐIỀU KHIỂN
+-----------------------------+-------------------+----------------+---------------+
| Tình huống kiểm thử        | Số lần thực nghiệm| Tỉ lệ thành công| Thời gian đáp ứng|
+-----------------------------+-------------------+----------------+---------------+
| Bám đoạn đường thẳng (2m)   | 30                | 100% (30/30)   | < 5 ms        |
| Ôm cua bán kính R = 20cm    | 30                | 93.3% (28/30)  | < 12 ms       |
| Ôm cua gấp vuông góc 90 độ  | 30                | 90.0% (27/30)  | < 15 ms       |
| Nhận diện vật cản ở 20cm    | 50                | 98.0% (49/50)  | < 8 ms        |
| Quét Servo & Tránh vật cản  | 30                | 86.7% (26/30)  | < 650 ms      |
+-----------------------------+-------------------+----------------+---------------+

Kết quả đạt được

Hệ thống hoàn thành toàn bộ các yêu cầu kỹ thuật đề ra:

  • Tốc độ hành trình ổn định: Đạt $0.42\text{ m/s}$ tại mức công suất PWM $45%$, đảm bảo lực kéo vượt dốc nghiêng $5^\circ$.
  • Độ chính xác bám line: Sai số lệch tâm vạch line duy trì dưới $\pm 12\text{ mm}$ trên cung đường uốn lượn liên tục.
  • Khả năng tự chủ tránh va chạm: Phát hiện chướng ngại vật ở cự ly $20\text{ cm}$ với độ trễ đo lường $\Delta t < 10\text{ ms}$, thực thi chuỗi quét 2 hướng và điều khiển động cơ rẽ vòng an toàn trước khi quay lại quỹ đạo.

Đổi mới và đóng góp

                  SO SÁNH CÁC GIẢI PHÁP ĐIỀU KHIỂN ROBOT DÒ ĐƯỜNG
+-----------------------+---------------------+--------------------+--------------------+
| Tiêu chí kỹ thuật     | Robot vi điều khiển | Robot công nghiệp  | Hệ thống trong     |
|                       | Arduino cơ bản      | AGV Magnetic SLAM  | Đồ án nghiên cứu   |
+-----------------------+---------------------+--------------------+--------------------+
| Bộ xử lý trung tâm    | ATmega328P (8-bit)  | Industrial IPC/PLC | Raspberry Pi 4     |
| Khả năng tránh vật cản| Cố định 1 hướng     | Bản đồ động 2D     | Quét Servo đa góc  |
| Khả năng mở rộng AI   | Không khả thi       | Sẵn có (Chi phí cao| Dễ dàng tích hợp   |
| Giá thành phần cứng   | Rất thấp (< $30)    | Rất cao (> $3,000) | Tối ưu (~ $85)     |
| Khả năng bám đường    | 2 cảm biến (thô)    | Từ tính chính xác  | 4 cảm biến quang học|
+-----------------------+---------------------+--------------------+--------------------+

Các đóng góp kỹ thuật cốt lõi:

  1. Tích hợp cơ chế quét góc thông minh: Thay vì chỉ dừng lại khi gặp vật cản như các xe dò line truyền thống, hệ thống đã ứng dụng cơ cấu quét chủ động của servo SG90 tại 2 góc đối xứng ($45^\circ$ và $135^\circ$), so sánh dữ liệu không gian thực tế để chọn hành lang di chuyển thông thoáng nhất.
  2. Chuẩn hóa thiết kế quang điện: Đưa ra công thức tính toán khoảng cách hình học chuẩn ($h \ge 4.05\text{ mm}, l \ge 11\text{ mm}$), triệt tiêu hoàn toàn hiện tượng giao thoa quang học vốn là nguyên nhân chính gây lỗi mất dấu line ở các mô hình sinh viên.
  3. Nền tảng mở cho tự động hóa thông minh: Việc sử dụng Raspberry Pi 4 với nhân Linux hoàn chỉnh tạo điều kiện nâng cấp trực tiếp lên các thuật toán xử lý ảnh (Lane Detection qua OpenCV) hoặc điều khiển phân tán qua ROS (Robot Operating System) mà không cần thay đổi phần cứng máy tính điều khiển.

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------+
|                  HỆ SINH THÁI ỨNG DỤNG THỰC TẾ CỦA MÔ HÌNH              |
|                                                                         |
|  [ Kho vận thông minh ]      ---> Vận chuyển kiện hàng linh kiện nhẹ    |
|  [ Bệnh viện dã chiến ]     ---> Giao phát thuốc và bệnh phẩm vô trùng |
|  [ Thư viện / Lưu trữ ]     ---> Phân loại và hoàn trả sách tự động    |
|  [ Giáo dục STEM/Robotics]   ---> Nền tảng thực hành IoT và nhúng Linux |
+-------------------------------------------------------------------------+

Phân tích chi phí và hiệu quả đầu tư (ROI):

  • Chi phí BOM (Bill of Materials): Toàn bộ chi phí linh kiện phần cứng của mô hình ước tính khoảng 2,100,000 VNĐ (~$85 USD), chỉ bằng $3 - 5%$ so với một module AGV công nghiệp nhập khẩu có tính năng tương đương.
  • Khả năng mở rộng công nghiệp: Hệ thống có thể chuyển đổi thành các robot chuyển hàng nhỏ gọn trong các xưởng sản xuất may mặc hoặc lắp ráp linh kiện điện tử, giúp giảm $60%$ thời gian vận chuyển thủ công và hoàn vốn đầu tư trong vòng dưới 4 tháng vận hành.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại:

  • Thuật toán điều khiển dạng đóng/cắt (Bang-Bang Control): Việc điều hướng dựa hoàn toàn trên logic trạng thái cảm biến rời rạc gây ra hiện tượng giật nhẹ khi xe chuyển hướng gấp ở tốc độ cao.
  • Hiện tượng trượt bánh (Wheel Slip): Khung gầm 4 bánh sử dụng lốp cao su thông thường chưa có bộ mã hóa vòng quay (Rotary Encoder) để phản hồi vận tốc thực, dẫn đến sai lệch tích lũy khi di chuyển trên bề mặt trơn trượt.
  • Xử lý vật cản phức tạp: Khi gặp chướng ngại vật kích thước lớn trải dài hoặc nhiều vật cản liên tiếp, giải thuật tránh vật cản cục bộ chưa thể tính toán đường vòng để quay lại chính xác vạch line ban đầu.

Hướng nâng cấp đề xuất:

  1. Nâng cấp giải thuật điều khiển: Tích hợp bộ điều khiển vi tích phân tỉ lệ PID (Proportional-Integral-Derivative) cho động cơ DC nhằm tạo chuyển động mượt mà tại các góc cua.
  2. Bổ sung thị giác máy tính (Computer Vision): Kết nối module Raspberry Pi Camera V2 và ứng dụng thư viện OpenCV để nhận diện vạch kẻ đường bằng thuật toán biến đổi phối cảnh (Perspective Transform) và lọc dải màu HSL, nâng cao độ tin cậy trong môi trường ánh sáng phức tạp.
  3. Đồng bộ hóa giao thức IoT: Sử dụng giao thức MQTT hoặc ROS 2 để truyền dữ liệu trạng thái pin, vị trí và vận tốc xe về máy chủ điều hành trung tâm.

Đối tượng hưởng lợi

  • Sinh viên ngành Kỹ thuật Điện - Điện tử / Cơ điện tử: Tài liệu tham khảo toàn diện từ khâu tính toán động lực học, thiết kế mạch trên Proteus đến lập trình điều khiển phần cứng trên Linux SBC.
  • Kỹ sư phát triển hệ thống nhúng: Các mẫu mã nguồn Python chuẩn mực về giao tiếp ngoại vi GPIO tần số cao, kỹ thuật chống nhiễu quang và điều khiển servo không rung giật.
  • Doanh nghiệp vừa và nhỏ (SMEs): Khung thiết kế tham chiếu chi phí thấp để tự chủ chế tạo các xe kéo hàng tự động mini phục vụ dây chuyền lắp ráp nội bộ.
  • Các nhà nghiên cứu Robotics: Nền tảng phần cứng thử nghiệm mở để triển khai và đánh giá các thuật toán điều khiển hiện đại như Reinforcement Learning hoặc Fuzzy Logic trên thiết bị biên.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai và vận hành hệ thống xe tự hành này là gì?

Hệ thống yêu cầu một bo mạch Raspberry Pi 4 (khuyến nghị RAM 2GB hoặc 4GB) cài hệ điều hành Raspberry Pi OS Lite, thẻ nhớ microSD tối thiểu 16GB Class 10, nguồn pin đôi 18650 cung cấp điện áp $7.4\text{V}$ qua mạch hạ áp Buck LM2596 để cấp $5\text{V}/3\text{A}$ ổn định cho bo mạch xử lý và cấp trực tiếp cho driver L298N.

2. Giới hạn mở rộng tải trọng của khung gầm và giải pháp nâng cấp là gì?

Khung gầm hiện tại sử dụng 4 động cơ nhựa TT Motor cho phép chịu tải tối đa $1.0\text{ kg}$. Để nâng cao tải trọng lên $5 - 10\text{ kg}$ cho môi trường công nghiệp, cần thay thế bằng động cơ DC giảm tốc kim loại GA25 hoặc động cơ bước (Stepper Motor) kết hợp driver công suất lớn như TB6600 hoặc BTS7960.

3. Làm thế nào để tích hợp xe vào hệ thống quản lý kho (WMS) hiện có?

Nhờ chạy trên nền tảng Raspberry Pi OS hỗ trợ đầy đủ kết nối WiFi 802.11ac, xe có thể dễ dàng thiết lập một Websocket Client hoặc Node MQTT gửi dữ liệu telemetry (tọa độ, dung lượng pin, trạng thái hoạt động) về hệ thống máy chủ WMS theo thời gian thực với độ trễ dưới $50\text{ ms}$.

4. Quy trình bảo trì và hiệu chuẩn cảm biến cần thực hiện như thế nào?

Cần định kỳ vệ sinh bụi bẩn bám trên bề mặt thấu kính quang học SCRT5000 và đầu phát siêu âm HC-SR04. Hiệu chuẩn độ nhạy cảm biến hồng ngoại thông qua biến trở tích hợp trên bo mạch khi chuyển đổi giữa các bề mặt sàn có độ phản xạ ánh sáng khác nhau.

5. Chi phí chi tiết và thời gian hoàn vốn (ROI) khi ứng dụng thực tế?

Tổng chi phí chế tạo mẫu thử nghiệm là khoảng 2.1 triệu VNĐ. Với khả năng vận hành liên tục 8 giờ/ngày thay thế cho nhân công vận chuyển các chi tiết nhẹ trong nhà xưởng, mô hình giúp tiết kiệm khoảng 4 - 6 triệu VNĐ chi phí nhân công mỗi tháng, mang lại thời gian hoàn vốn đầu tư chỉ trong vòng $1.5 - 2$ tháng.

Kết luận

Đề tài "Thiết kế và lập trình xe điện tự hành dò line và tránh vật cản" của sinh viên Nguyễn Hoàng Mỹ (Đại học Bách Khoa TP.HCM) đã chứng minh tính khả thi, độ ổn định và hiệu quả kinh tế vượt trội của giải pháp xe tự hành điều khiển tập trung bằng Raspberry Pi 4. Việc kết hợp chặt chẽ giữa cơ sở tính toán lý thuyết quang hình học, mô phỏng mạch điện tử và giải thuật điều hướng thông minh đã tạo ra một hệ thống tự hành có độ chính xác cao, thời gian đáp ứng nhanh và khả năng thích ứng linh hoạt trước các chướng ngại vật thực tế. Đây không chỉ là một đồ án môn học xuất sắc đạt chuẩn kỹ thuật cao mà còn là nền tảng vững chắc để tiếp tục phát triển thành các sản phẩm AGV thương mại hóa phục vụ công cuộc tự động hóa logistics tại Việt Nam.