I. Giới thiệu về Hệ thống Cân bằng Bóng và Đĩa Ba Bậc Tự do
Hệ thống cân bằng bóng và đĩa ba bậc tự do là một đối tượng điều khiển phi tuyến phức tạp, được ứng dụng rộng rãi trong lĩnh vực tự động hóa và điều khiển. Mô hình này khác biệt so với hệ thống bóng đĩa hai bậc tự do thông thường, với độ phức tạp cao hơn và yêu cầu kỹ thuật điều khiển nâng cao. Hệ thống gồm một viên bi được đặt trên một đĩa có khả năng xoay theo ba trục không gian, cho phép điều khiển vị trí và quỹ đạo của bi. Ứng dụng của hệ thống cân bằng bóng đĩa bao gồm robot, công nghiệp 4.0 và các hệ thống tự động hóa hiện đại. Việc nghiên cứu và phát triển các giải thuật điều khiển hiệu quả cho hệ thống này có vai trò quan trọng trong giáo dục kỹ thuật và ứng dụng thực tiễn.
1.1. Định nghĩa và Cấu trúc của Hệ thống
Hệ thống cân bằng bóng đĩa ba bậc tự do bao gồm một đĩa có thể quay quanh ba trục: Roll, Pitch và Yaw. Viên bi được đặt trên bề mặt đĩa với khả năng chuyển động tự do. Cấu trúc gồm động cơ servo, cảm biến vị trí, và hệ thống điều khiển. Mô hình toán học được xây dựng dựa trên phương trình động lực học Lagrange. Độ phức tạp nằm ở ba bậc tự do, tạo nên một hệ thống MIMO (Multiple Input Multiple Output) đòi hỏi điều khiển tiên tiến.
1.2. Ứng dụng Thực tiễn
Hệ thống cân bằng bóng đĩa có ứng dụng quan trọng trong nhiều lĩnh vực: robot di động, hệ thống ổn định vệ tinh, các thiết bị y tế, và công nghệ tự động hóa công nghiệp. Trong giáo dục, nó được sử dụng như công cụ thực hành cho sinh viên về điều khiển tự động. Các thuật toán điều khiển PD và LQR được áp dụng để đạt hiệu quả điều khiển cao nhất, đảm bảo độ chính xác và ổn định của hệ thống trong điều kiện thực tế.
II. Mô hình Toán học và Phương trình Động lực học
Mô hình toán học của hệ thống cân bằng bóng đĩa ba bậc tự do được xây dựng dựa trên phương trình Lagrange và nguyên lý động lực học. Hệ thống được mô tả bởi các biến trạng thái bao gồm vị trí của bi trên đĩa (x, y), góc quay của đĩa (θ, φ, ψ) và các vận tốc tương ứng. Phương trình động lực học phải tính đến các lực tác dụng: trọng lực, lực ma sát, và lực quán tính. Mô hình này là phi tuyến, do đó cần được tuyến tính hóa xung quanh điểm cân bằng để áp dụng các thuật toán điều khiển tuyến tính như LQR (Linear Quadratic Regulator). Việc xây dựng chính xác mô hình toán học là nền tảng cho thiết kế bộ điều khiển hiệu quả.
2.1. Phương trình Lagrange và Động lực học
Phương trình Lagrange được sử dụng để mô tả động lực học của hệ thống: L = T - V, trong đó T là động năng và V là thế năng. Phương trình Euler-Lagrange cho hệ thống cân bằng bóng đĩa ba bậc tự do tạo nên hệ phương trình vi phân bậc hai. Các hệ số ma sát và lực cản phải được xác định thông qua thực nghiệm để đảm bảo độ chính xác. Mô phỏng được thực hiện để xác minh mô hình toán học trước khi triển khai trên hệ thống thực tế.
2.2. Tuyến tính hóa và Điểm cân bằng
Tuyến tính hóa hệ phi tuyến quanh điểm cân bằng (x=0, y=0, θ=0, φ=0) tạo nên mô hình tuyến tính phù hợp cho điều khiển PD và LQR. Ma trận Jacobian được sử dụng để tính các đạo hàm riêng. Hệ thống tuyến tính được biểu diễn dưới dạng: ẋ = Ax + Bu, trong đó A là ma trận trạng thái và B là ma trận điều khiển. Độ chính xác của tuyến tính hóa ảnh hưởng trực tiếp đến hiệu suất điều khiển trong vùng lân cận điểm cân bằng.
III. Các Giải thuật Điều khiển PD và LQR
Giải thuật PD (Proportional-Derivative) và LQR (Linear Quadratic Regulator) là hai phương pháp điều khiển tuyến tính phổ biến để ổn định hệ thống cân bằng bóng đĩa ba bậc tự do. Bộ điều khiển PD sử dụng phản hồi từ sai số vị trí và đạo hàm sai số để điều chỉnh tín hiệu điều khiển. Công thức PD: u = Kpe + Kdde/dt, với Kp là hệ số tỉ lệ và Kd là hệ số đạo hàm. Giải thuật LQR tối ưu hóa hàm chi phí bậc hai, đảm bảo ổn định toàn cục và hiệu suất điều khiển tối ưu. LQR giải phương trình Riccati để tìm ma trận lợi suất K. Cả hai phương pháp đều được mô phỏng và thực nghiệm trên hệ thống thực tế.
3.1. Bộ điều khiển PD Thiết kế và Tối ưu hóa
Bộ điều khiển PD được thiết kế với hai tham số chính: hệ số Kp và hệ số Kd. Việc tối ưu hóa các tham số này quyết định chất lượng phản ứng điều khiển, bao gồm thời gian xác lập, overshoot và độ ổn định. Phương pháp Ziegler-Nichols hoặc tinh chỉnh thủ công được sử dụng để tìm các giá trị tối ưu. Bộ điều khiển PD đơn giản, dễ triển khai nhưng có thể không đạt được hiệu suất tối ưu cho hệ thống phức tạp như hệ thống ba bậc tự do.
3.2. Giải thuật LQR Tối ưu hóa Tính năng Điều khiển
Giải thuật LQR tối ưu hóa hàm chi phí: J = ∫(x'Qx + u'Ru)dt, với Q và R là các ma trận trọng số. Giải phương trình Riccati đại số cung cấp ma trận lợi suất K tối ưu. LQR đảm bảo hệ vòng kín ổn định và cân bằng giữa độ chính xác điều khiển và chi phí năng lượng. Phương pháp này phù hợp hơn cho hệ thống MIMO phức tạp. Kết quả mô phỏng và thực nghiệm cho thấy LQR đạt hiệu suất tốt hơn PD trong hầu hết các trường hợp.
IV. Kết quả Mô phỏng và Thực nghiệm
Kết quả mô phỏng được thực hiện trên phần mềm MATLAB/Simulink để xác minh tính hiệu quả của các giải thuật điều khiển PD và LQR trước khi triển khai trên hệ thống thực tế. Thực nghiệm được tiến hành trên mô hình phần cứng được thiết kế và thi công bằng phần mềm SolidWorks 2021. Các cảm biến vị trí được sử dụng để thu thập dữ liệu thời gian thực về vị trí viên bi. Kết quả cho thấy cả hai giải thuật đều thành công trong điều khiển vị trí xác định và bám quỹ đạo. Sai lệch giữa mô phỏng và thực nghiệm được phân tích để cải thiện mô hình toán học. Các kết quả nghiên cứu đã được tổng hợp thành bài báo khoa học được đăng tại tạp chí quốc tế.
4.1. Kết quả Mô phỏng trên MATLAB Simulink
Mô phỏng được thực hiện với các điều kiện ban đầu khác nhau để kiểm tra tính ổn định và hiệu suất điều khiển. Kết quả mô phỏng cho thấy cả PD và LQR đều đạt được phản ứng mong muốn, nhưng LQR có thời gian xác lập nhanh hơn và overshoot thấp hơn. Đáp ứng tần số của hệ thống được phân tích qua biểu đồ Bode. Độ ổn định được đánh giá thông qua khoảng cách từ trục ảo trong mặt phẳng phức. Mô phỏng quỹ đạo cho viên bi trên đĩa cho thấy hệ thống có khả năng bám quỹ đạo với độ chính xác cao.
4.2. Kết quả Thực nghiệm và Đánh giá Hiệu suất
Thực nghiệm trên hệ thống thực tế được tiến hành để xác minh kết quả mô phỏng. Dữ liệu thực nghiệm được thu thập bằng cảm biến và hệ thống đo lường. So sánh mô phỏng và thực nghiệm cho thấy sai lệch do các tham số chưa được nhận dạng chính xác. Hiệu suất điều khiển được đánh giá dựa trên ISE (Integral Square Error) và ITAE (Integral Time Absolute Error). Kết quả cuối cùng chứng minh rằng cả hai giải thuật đều phù hợp, nhưng LQR có ưu thế rõ ràng trong điều khiển hệ thống phức tạp ba bậc tự do.
