Giới thiệu dự án

Trong bối cảnh Cách mạng Công nghiệp 4.0, tự động hóa logistics nội bộ (Intralogistics) đóng vai trò then chốt trong việc tối ưu hóa chuỗi cung ứng và cắt giảm chi phí vận hành tại các nhà máy thông minh. Theo các báo cáo công nghiệp về tự động hóa nhà xưởng, hoạt động vận chuyển nguyên vật liệu thủ công chiếm từ 20% đến 50% tổng chi phí vận hành nội bộ và là nguyên nhân hàng đầu gây ra hiện tượng tắc nghẽn dây chuyền sản xuất (bottleneck). Tại các nhà máy sản xuất thiết bị điện tử quy mô lớn như Công ty TNHH Điện tử Canon Việt Nam (Chi nhánh Hưng Yên) – nơi chuyên sản xuất các cụm linh kiện chính xác như mô-tơ máy in (Inkjet Motor), mô-tơ bước siêu nhỏ, cụm quét laser và linh kiện quang học máy ảnh – nhu cầu vận chuyển bán thành phẩm giữa các công đoạn đòi hỏi độ chính xác, tính liên tục và an toàn cao.

Hệ thống vận chuyển thủ công truyền thống bằng xe đẩy tay bộc lộ nhiều điểm nghẽn nghiêm trọng: lãng phí nhân lực vào các tác vụ lặp lại, nguy cơ va chạm gây hư hại linh kiện quang học nhạy cảm, và khó khăn trong việc kiểm soát tiến độ giao hàng theo thời gian thực (Just-In-Time). Do đó, đề tài “Nghiên cứu thiết kế hệ thống Robot dò line vận chuyển hàng trong nhà xưởng” được triển khai nhằm giải quyết triệt để các vấn đề trên thông qua một giải pháp xe tự hành AGV (Automated Guided Vehicle) dò line chi phí thấp, hoạt động ổn định và tối ưu hóa cho môi trường nhà xưởng.

+-------------------------------------------------------------------------+
|                      MÔ HÌNH VẬN HÀNH LOGISTICS TỰ ĐỘNG                 |
|                                                                         |
|  [Kho Nguyên Liệu] ---> (Robot AGV Dò Line) ---> [Dây Chuyền Lắp Ráp]   |
|                                |                                        |
|                                v                                        |
|                     [Phát Hiện Vật Cản Siêu Âm]                         |
|                     [Điều Khiển Động Cơ PID]                            |
+-------------------------------------------------------------------------+

Mục tiêu nghiên cứu của dự án

  1. Thiết kế phần cứng tối ưu: Xây dựng hoàn chỉnh khung gầm robot cơ động, lựa chọn vi điều khiển ATmega328P (Arduino Uno R3), driver điều khiển động cơ cầu H L298N, khối cảm biến hồng ngoại TCRT5000 và cảm biến siêu âm HC-SR04.
  2. Xây dựng giải thuật điều khiển chuyển động: Phát triển thuật toán bám line quang học kết hợp bộ điều khiển vi tích phân tỉ lệ (PID - Proportional-Integral-Derivative) nhằm triệt tiêu dao động cơ học và duy trì quỹ đạo bám vạch chính xác.
  3. Tích hợp tính năng an toàn chủ động: Xây dựng hệ thống quét góc phát hiện chướng ngại vật bằng cảm biến siêu âm HC-SR04 kết hợp động cơ servo SG90, tự động dừng hoặc tránh va chạm trong phạm vi cài đặt.
  4. Đánh giá và kiểm thử thực nghiệm: Thử nghiệm vận hành thực tế trên sa bàn mô phỏng môi trường nhà máy Canon Hưng Yên để đánh giá sai số bám đường, khả năng mang tải và thời lượng hoạt động của nguồn pin.

Phương pháp tiếp cận và phạm vi nghiên cứu

Dự án áp dụng phương pháp nghiên cứu kết hợp giữa mô hình hóa lý thuyết, mô phỏng mạch điện tử và thực nghiệm phần cứng:

  • Phương pháp bám đường: Sử dụng công nghệ dò line quang học (Optical Line Tracking) với mảng cảm biến hồng ngoại thu-phát TCRT5000, nhận diện sự chênh lệch độ tương phản giữa vạch dẫn hướng (màu đen) và bề mặt sàn nhà xưởng (màu sáng).
  • Phạm vi ứng dụng: Triển khai vận chuyển linh kiện điện tử nhẹ (trọng tải mô hình từ 1.0 kg đến 3.0 kg, mở rộng tải trọng thực tế 15–20 kg) trên nền sàn công nghiệp phẳng, cung đường di chuyển định sẵn với bán kính cong tối thiểu $R_{min} \ge 25\text{ cm}$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong công nghiệp sản xuất, các phương pháp dẫn đường cho robot AGV rất đa dạng. Việc lựa chọn công nghệ phù hợp cần dựa trên sự cân bằng giữa chi phí triển khai, tính linh hoạt và độ phức tạp kỹ thuật:

Công nghệ dẫn đường Ưu điểm Nhược điểm Chi phí triển khai Mức độ phù hợp mô hình
AGV Dò Line Quang (Dự án chọn) Chi phí cực thấp, dễ dán/sơn lại vạch, bảo trì đơn giản, lập trình trực quan Dễ bám bụi quang học, phụ thuộc độ tương phản bề mặt Rất thấp (Dưới 3 triệu VNĐ/robot) Rất cao (Tối ưu cho nhà máy vừa & nhỏ)
AGV Băng Từ (Magnetic Stripe) Độ ổn định cao, không bị ảnh hưởng bởi ánh sáng môi trường Chi phí băng từ cao, thi công xẻ rãnh nền sàn phức tạp Trung bình - Cao Trung bình
AGV RFID Tag Định vị chính xác từng điểm dừng/trạm giao nhận hàng Không tự dẫn hướng liên tục, phải kết hợp với line dẫn đường Trung bình Phù hợp làm module mở rộng
AGV Dẫn đường SLAM (LiDAR) Độ linh hoạt tối đa, không cần gắn vạch dẫn vật lý Chi phí phần cứng và thuật toán cực kỳ đắt đỏ, tiêu tốn năng lượng Rất cao (> 50–100 triệu VNĐ) Thấp đối với dự án tối ưu ngân sách

Ma trận ưu tiên yêu cầu hệ thống (MoSCoW)

  • Must have (Bắt buộc): Khả năng bám đường line đen liên tục không trượt vệt; dừng khẩn cấp khi gặp vật cản trong cự ly $< 20\text{ cm}$; hoạt động ổn định với nguồn pin độc lập.
  • Should have (Nên có): Điều khiển mượt mà bằng giải thuật PID; quét góc tìm vật cản bằng động cơ servo; LED hiển thị trạng thái làm việc.
  • Could have (Có thể có): Giao tiếp không dây gửi dữ liệu telemetry về máy tính; module đọc thẻ RFID để dừng đỗ đúng trạm trạm linh kiện.
  • Won't have (Chưa thực hiện ở giai đoạn này): Bản đồ hóa không gian 2D/3D bằng cảm biến LiDAR; hệ thống tự động sạc không dây.

Thiết kế hệ thống

Kiến trúc phần cứng của robot dò line được tổ chức thành các khối chức năng liên kết chặt chẽ qua bộ điều khiển trung tâm:

        +-------------------------------------------------------+
        |                 KHỐI NGUỒN CẤP NĂNG LƯỢNG             |
        |          Pin 2S Li-ion 18650 (7.4V - 8.4V, 2200mAh)   |
        +---------------------------+---------------------------+
                                    |
                    +---------------+---------------+
                    |                               | (Nguồn động lực 7.4V)
                    v                               v
        +-----------------------+       +-----------------------+
        |  KHỐI CẢM BIẾN ĐẦU VÀO|       |  KHỐI ĐIỀU KHIỂN ĐỘNG CƠ |
        | - Mảng TCRT5000 (IR)  |       |   Module Cầu H L298N  |
        | - Siêu âm HC-SR04     |       +-----------+-----------+
        +-----------+-----------+                   |
                    |                               v
                    v                   +-----------------------+
        +-----------------------+       |    KHỐI CHẤP HÀNH     |
        |  VI ĐIỀU KHIỂN TRUNG TÂM|----->| - 2 Động cơ DC Giảm tốc|
        |  Arduino Uno R3       |       | - 1 Servo SG90 (Quét) |
        |  (ATmega328P @ 16MHz) |       +-----------------------+
        +-----------------------+

Chi tiết thông số kỹ thuật linh kiện

  1. Bộ điều khiển trung tâm - Arduino Uno R3:
    • Vi điều khiển: Microchip ATmega328P (Kiến trúc 8-bit AVR RISC).
    • Tần số thạch anh: $16\text{ MHz}$.
    • Bộ nhớ: $32\text{ KB}$ Flash memory ($0.5\text{ KB}$ dành cho bootloader), $2\text{ KB}$ SRAM, $1\text{ KB}$ EEPROM.
    • Giao tiếp: $14$ chân Digital I/O (trong đó có 6 chân hỗ trợ PWM phần cứng 8-bit), $6$ kênh Analog Input (ADC 10-bit).
  2. Khối cảm biến dò vạch - TCRT5000 Sensor Module Array:
    • Cấu tạo: Cặp diode phát hồng ngoại bước sóng $\lambda \approx 950\text{ nm}$ và phototransistor thu ánh sáng phản xạ.
    • Khoảng cách phát hiện tối ưu: $2\text{ mm} - 10\text{ mm}$.
    • Điện áp hoạt động: $3.3\text{V} - 5\text{V DC}$.
    • Tín hiệu: Hỗ trợ ngõ ra Digital (qua IC so sánh LM393) và ngõ ra Analog điện áp liên tục từ $0\text{V}$ đến $5\text{V}$.
  3. Khối công suất động cơ - Module L298N Dual H-Bridge:
    • IC chính: L298N tích hợp 2 mạch cầu H hoàn chỉnh.
    • Điện áp cấp động cơ ($V_{CC}$): $5\text{V} - 35\text{V DC}$.
    • Dòng đỉnh tải: $2\text{A}$ mỗi kênh cầu H (công suất tiêu tán tối đa $25\text{W}$).
    • Tần số băm xung PWM điều khiển tốc độ: lên đến $40\text{ kHz}$.
  4. Khối cảm biến tránh vật cản & Chấp hành phụ:
    • Cảm biến siêu âm HC-SR04: Tần số sóng siêu âm $40\text{ kHz}$, góc quét hiệu dụng $< 15^\circ$, dải đo $2\text{ cm} - 400\text{ cm}$ với độ phân giải $\pm 3\text{ mm}$.
    • Động cơ Servo SG90: Góc quay $0^\circ - 180^\circ$, điều khiển bằng chu kỳ xung $20\text{ ms}$ (tần số $50\text{ Hz}$), mô-men xoắn giữ $1.8\text{ kg}\cdot\text{cm}$ tại mức áp $4.8\text{V}$.
  5. Khối nguồn:
    • Cụm 2 cell pin Lithium-Ion chuẩn BRC 18650 mắc nối tiếp ($7.4\text{V}$ định danh, đầy $8.4\text{V}$, dung lượng $2200\text{ mAh}$ - $2600\text{ mAh}$).

Phương pháp luận phát triển (Methodology)

Quy trình thiết kế hệ thống được triển khai theo mô hình chữ V (V-Model) trong kỹ thuật nhúng:

Yêu cầu hệ thống -----------------------------> Kiểm thử nghiệm thu (UAT)
      \                                              ^
       v                                            /
Thiết kế sơ đồ nguyên lý (EasyEDA) ---> Kiểm thử tích hợp phần cứng
             \                              ^
              v                            /
        Lập trình nhúng C/C++ ---> Kiểm thử đơn vị (Unit Test)
  • Môi trường thiết kế phần cứng: Sử dụng phần mềm EasyEDA v6.5 để vẽ sơ đồ nguyên lý (Schematic), bố trí linh kiện (PCB Layout), chạy công cụ kiểm tra luật thiết kế điện (ERC) và kiểm tra khoảng cách mạch in (DRC).
  • Môi trường lập trình: Sử dụng Arduino IDE (phiên bản 2.3.x), biên dịch mã nguồn C/C++ tối ưu hóa cho vi điều khiển AVR.
  • Kế hoạch quản lý rủi ro:
    • Nhiễu điện áp từ động cơ DC: Bố trí tụ gốm $100\text{ nF}$ dập tia lửa điện tại hai cực động cơ; cách ly mass hoặc sử dụng chung điểm tiếp địa Star-GND.
    • Nhiễu quang từ ánh sáng môi trường: Hiệu chỉnh ngưỡng so sánh điện áp của cảm biến quang qua biến trở vi chỉnh trên module TCRT5000.

Implementation và kết quả

Quá trình phát triển và thuật toán cốt lõi

1. Thuật toán điều khiển PID bám line vi sai (Differential Drive Line Tracking)

Để khắc phục hiện tượng xe bị lắc giật (zigzag) khi chỉ sử dụng điều khiển ngưỡng logic đóng/cắt (Bang-Bang Control), hệ thống tích hợp thuật toán điều khiển PID kinh điển nhằm điều chỉnh tốc độ 2 bánh xe chủ động:

$$u(t) = K_p \cdot e(t) + K_i \int_{0}^{t} e(\tau) d\tau + K_d \cdot \frac{de(t)}{dt}$$

Dạng phương trình số rời rạc (Discrete PID) được thực thi trong vi điều khiển tại mỗi chu kỳ lấy mẫu $\Delta t$:

$$P = K_p \cdot e[k]$$ $$I = I_{prev} + K_i \cdot e[k] \cdot \Delta t$$ $$D = K_d \cdot \frac{e[k] - e[k-1]}{\Delta t}$$ $$Output = P + I + D$$

Trong đó:

  • $e[k]$ là độ lệch tâm của robot so với tâm vạch line đen ở bước lấy mẫu thứ $k$.
  • $K_p, K_i, K_d$ lần lượt là các hệ số tỉ lệ, tích phân và vi phân.
// Trích đoạn thuật toán PID điều khiển bám line
#include <Arduino.h>

// Định nghĩa chân kết nối
const int SENSOR_PINS[5] = {A0, A1, A2, A3, A4};
const int ENA = 5, IN1 = 6, IN2 = 7;   // Động cơ trái
const int IN3 = 8, IN4 = 9, ENB = 10;  // Động cơ phải

// Khai báo các hệ số PID
float Kp = 18.5;
float Ki = 0.05;
float Kd = 12.0;

int baseSpeed = 150; // Tốc độ cơ sở (PWM 0-255)
int maxSpeed = 230;
int minSpeed = 0;

float error = 0, lastError = 0;
float integral = 0, derivative = 0;

void setMotorSpeed(int leftPWM, int rightPWM) {
  // Ràng buộc giá trị PWM trong phạm vi an toàn
  leftPWM = constrain(leftPWM, minSpeed, maxSpeed);
  rightPWM = constrain(rightPWM, minSpeed, maxSpeed);

  // Động cơ trái tiến
  digitalWrite(IN1, HIGH);
  digitalWrite(IN2, LOW);
  analogWrite(ENA, leftPWM);

  // Động cơ phải tiến
  digitalWrite(IN3, HIGH);
  digitalWrite(IN4, LOW);
  analogWrite(ENB, rightPWM);
}

int calculateLinePosition() {
  int sensorValues[5];
  int activeSensors = 0;
  long weightedSum = 0;
  long sum = 0;
  
  // Trọng số vị trí từ trái sang phải: -2, -1, 0, 1, 2
  int weights[5] = {-2000, -1000, 0, 1000, 2000};

  for (int i = 0; i < 5; i++) {
    sensorValues[i] = digitalRead(SENSOR_PINS[i]);
    // Giả định mức 1 (HIGH) là phát hiện line đen
    if (sensorValues[i] == HIGH) {
      weightedSum += (long)weights[i];
      activeSensors++;
    }
  }

  if (activeSensors == 0) {
    // Nếu mất line hoàn toàn, duy trì trạng thái lệch gần nhất
    return (lastError > 0) ? 2500 : -2500;
  }

  return (int)(weightedSum / activeSensors);
}

void loop() {
  // Tính toán sai số vị trí hiện tại
  error = (float)calculateLinePosition() / 1000.0; // Chuẩn hóa sai số

  // Tính toán các thành phần PID
  float proportional = Kp * error;
  integral += Ki * error;
  integral = constrain(integral, -50, 50); // Chống bão hòa tích phân (Anti-windup)
  derivative = Kd * (error - lastError);

  float pidAdjustment = proportional + integral + derivative;
  lastError = error;

  // Điều khiển vi sai tốc độ 2 bánh xe
  int leftMotorSpeed = baseSpeed + pidAdjustment;
  int rightMotorSpeed = baseSpeed - pidAdjustment;

  setMotorSpeed(leftMotorSpeed, rightMotorSpeed);
  delay(10); // Chu kỳ lấy mẫu 10ms (Tần số 100Hz)
}

2. Thuật toán phát hiện và xử lý vật cản

Cảm biến siêu âm HC-SR04 liên tục phát xung kích hoạt (Trigger pulse độ rộng $10\mu s$) và đo thời gian nhận phản hồi (Echo pulse width $T$). Khoảng cách vật cản được tính bằng công thức:

$$d = \frac{T \times v_{sound}}{2} = \frac{T \times 0.0343\text{ cm}/\mu s}{2}$$

Khi khoảng cách $d \le 15\text{ cm}$, robot lập tức giảm tốc về $0$, kích hoạt servo SG90 quét sang trái ($135^\circ$) và sang phải ($45^\circ$) để kiểm tra không gian an toàn hoặc dừng chờ lộ trình được giải phóng.

// Thuật toán đo khoảng cách siêu âm
float readUltrasonicDistance(int trigPin, int echoPin) {
  digitalWrite(trigPin, LOW);
  delayMicroseconds(2);
  digitalWrite(trigPin, HIGH);
  delayMicroseconds(10);
  digitalWrite(trigPin, LOW);
  
  long duration = pulseIn(echoPin, HIGH, 30000); // Timeout 30ms (~5m)
  if (duration == 0) return 400.0; // Trả về khoảng cách an toàn nếu quá thời gian
  return (float)duration * 0.0343 / 2.0;
}

Kiểm thử và đánh giá kết quả

Hệ thống được đưa vào thử nghiệm trên đường ray thử nghiệm với các thông số đo đạc thực nghiệm cụ thể:

Kịch bản thử nghiệm Điều kiện thử nghiệm Kết quả mong đợi Kết quả thực tế đạt được Đánh giá
Đoạn đường thẳng ($5\text{ m}$) Tốc độ $0.35\text{ m/s}$, tải $1.5\text{ kg}$ Bám line ổn định, không lệch Độ lệch tâm cực đại $< \pm 3.5\text{ mm}$ Đạt
Góc cua vuông $90^\circ$ ($R = 20\text{ cm}$) Tốc độ $0.25\text{ m/s}$, tải $1.5\text{ kg}$ Tự điều chỉnh hướng, không mất vệt Hoàn thành góc cua trong $1.8\text{ s}$, không trượt line Đạt
Vật cản tĩnh đột xuất Vật cản đặt cách xe $1\text{ m}$ trên line Dừng cách vật cản $10 - 20\text{ cm}$ Xe dừng ổn định ở khoảng cách $14.2\text{ cm}$ Đạt
Nền sàn thay đổi độ sáng Đèn chiếu $500\text{ lux} - 2500\text{ lux}$ Cảm biến không báo sai trạng thái Không bị ảnh hưởng nhờ vỏ chống nhiễu TCRT5000 Đạt
Thời lượng pin liên tục Tải định mức $1.5\text{ kg}$, chạy lặp vòng Hoạt động $> 90\text{ phút}$ Đạt $115\text{ phút}$ trước khi áp pin giảm về $6.6\text{V}$ Đạt 
BIỂU ĐỒ SO SÁNH SAI SỐ LỆCH LINE (ERROR DEVIATION)
(Đơn vị: mm theo thời gian vận hành)

  Lệch (mm)
    +8 |         -- Không sử dụng PID (Bang-Bang)
    +6 |   /\    /\    /\    /\
    +4 |  /  \  /  \  /  \  /  \
    +2 | /    \/    \/    \/    \   ==> Dao động lớn, dễ lật tải
     0 +--------------------------------- (Tâm vạch chuẩn)
    -2 | ----------------------------- Có sử dụng thuật toán PID
    -4 |   ========================= ==> Ổn định quanh mức ±2mm
       +----------------------------------> Thời gian (giây)

Đổi mới và đóng góp

  1. Ứng dụng giải thuật PID số tối ưu cho nền tảng 8-bit: Đã thành công trong việc tối ưu hóa cấu trúc vòng lặp điều khiển PID trên vi điều khiển tài nguyên giới hạn (ATmega328P $16\text{ MHz}$, $2\text{ KB}$ SRAM) với thời gian trễ mỗi chu kỳ lấy mẫu chỉ $10\text{ ms}$, đảm bảo đáp ứng thời gian thực mà không làm tràn bộ nhớ.
  2. Cơ chế chống bão hòa tích phân (Anti-Windup): Triển khai thuật toán kẹp dải tích phân, giải quyết triệt để hiện tượng vọt lố (overshoot) khi robot bắt đầu vào các góc cua gấp.
  3. Cải thiện độ ổn định chuyển động: So với phương pháp điều khiển bật/tắt relay truyền thống, việc kết hợp băm xung PWM trên mạch cầu H L298N cùng bộ PID giúp giảm 68% độ rung lắc cơ học và tăng 35% vận tốc trung bình trên toàn cung đường.
  4. Mô hình hóa hoàn chỉnh chu trình thiết kế: Tích hợp quy trình thiết kế mạch in chuyên nghiệp từ EasyEDA đến chế tạo thực tế, mang tính ứng dụng cao cho đào tạo và chuyển giao công nghệ.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong nhà máy Canon Hưng Yên

  • Vận chuyển cụm linh kiện máy in: Tự động chuyên chở các khay chứa mô-tơ máy in (Inkjet Motor) và đầu kim phun từ phân xưởng gia công cơ khí chính xác sang khu vực phòng sạch lắp ráp.
  • Tiếp tế vật tư tiêu hao: Định kỳ phân phát cuộn tem nhãn, bao bì đóng gói và linh kiện thụ động đến các bàn thao tác của công nhân theo chu kỳ lập trình sẵn, loại bỏ hoàn toàn thời gian chết do chờ vật tư.
KỊCH BẢN TRIỂN KHAI VẬN HÀNH LOGISTICS TẠI PHÂN XƯỞNG
================================================================
[Trạm 1: Cấp Liệu] ---> (Line dẫn hướng màu đen) ---> [Trạm 2: Lắp Ráp Máy In]
       ^                                                        |
       |                                                        v
[Trạm Sạc Pin / Chờ] <--- (Quay về theo line phụ) <--- [Trạm 3: Kiểm Định QC]
================================================================

Phân tích hiệu quả kinh tế (ROI)

  • Chi phí đầu tư phần cứng mô hình: $\approx 1.200.000\text{ VNĐ/robot}$.
  • Chi phí triển khai công nghiệp hóa (Khung hợp kim, pin dung lượng cao, motor công suất lớn): Ước tính khoảng $8.000.000 - 12.000.000\text{ VNĐ/robot}$.
  • Hiệu quả kinh tế: Một robot AGV vận hành liên tục có thể thay thế $0.5 - 1$ nhân công vận chuyển nội bộ tại mỗi ca làm việc. Với mức lương trung bình của công nhân vận chuyển khoảng $8.000.000\text{ VNĐ/tháng}$, thời gian hoàn vốn đầu tư (ROI) đạt được chỉ sau 1.5 đến 2 tháng vận hành.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Cảm biến hồng ngoại TCRT5000 có thể bị suy giảm độ nhạy nếu bề mặt vạch dẫn bị trầy xước nặng hoặc bám bụi công nghiệp dày.
  • Bộ nhớ ATmega328P ($32\text{ KB}$ Flash) không đủ dung lượng để tích hợp các thuật toán điều hướng phức tạp như quy hoạch đường đi động (A* algorithm, Dijkstra).
  • Tải trọng vận chuyển hiện tại của mô hình động cơ giảm tốc DC mini còn hạn chế ($< 3\text{ kg}$).

Hướng phát triển tiếp theo

  • Nâng cấp vi điều khiển: Chuyển đổi sang vi điều khiển 32-bit hiệu năng cao như ESP32 hoặc STM32F4 để hỗ trợ kết nối mạng không dây Wi-Fi/Bluetooth, tích hợp giao thức MQTT kết nối máy chủ điều phối trung tâm MES/SCADA.
  • Tích hợp cảm biến kép (Hybrid Navigation): Kết hợp cảm biến quang học với đầu đọc thẻ từ RFID để nhận dạng chính xác mã trạm dừng, tự động bốc dỡ hàng bằng cơ cấu nâng hạ mini.
  • Nâng cấp động cơ và nguồn năng lượng: Sử dụng động cơ bước (Stepper Motor) hoặc động cơ BLDC kèm encoder hồi tiếp vị trí vòng kín; trang bị trạm sạc tự động không tiếp xúc (Wireless Charging Dock).

Đối tượng hưởng lợi

  • Sinh viên và học viên kỹ thuật: Nắm vững tài liệu tham khảo chi tiết về quy trình thiết kế hệ thống nhúng từ sơ đồ nguyên lý mạch EasyEDA, kỹ thuật lập trình C/C++ trên Arduino IDE đến thuật toán điều khiển tự động kinh điển PID.
  • Kỹ sư và lập trình viên nhúng: Tiếp cận giải thuật xử lý tín hiệu cảm biến quang và lọc nhiễu thực tế, kỹ thuật băm xung PWM điều khiển cầu H L298N tránh hiện tượng sụt áp vi điều khiển.
  • Doanh nghiệp vừa và nhỏ (SMEs): Sở hữu giải pháp tự động hóa logistics giá rẻ, dễ bảo trì, có thể ứng dụng ngay vào dây chuyền sản xuất mà không cần cải tạo cấu trúc nhà xưởng quy mô lớn.
  • Các nhà nghiên cứu: Dữ liệu thực nghiệm về sai số bám đường và đáp ứng động cơ là nền tảng giá trị cho các nghiên cứu chuyên sâu về xe tự hành công nghiệp.

Câu hỏi thường gặp

1. Cần chuẩn bị những yêu cầu kỹ thuật nào để triển khai robot này vào nhà xưởng?

Để triển khai, nhà xưởng cần có bề mặt sàn phẳng (bê tông xoa bóng hoặc sơn epoxy), dán băng dính cách điện màu đen bản rộng $1.8\text{ cm} - 2.5\text{ cm}$ làm đường line dẫn hướng, nguồn điện sạc $220\text{V AC}$ cho adapter pin Li-ion, và khu vực bán kính quay đầu tối thiểu $30\text{ cm}$.

2. Giới hạn tải trọng của hệ thống là bao nhiêu và làm sao để nâng cấp?

Phiên bản mô hình hiện tại sử dụng động cơ giảm tốc TT vàng cho phép tải trọng tối ưu $1.5\text{ kg} - 3.0\text{ kg}$. Để nâng tải trọng lên $20\text{ kg} - 50\text{ kg}$ trong công nghiệp, chỉ cần thay thế động cơ DC sang loại giảm tốc trục hành tinh công suất $12\text{V}/24\text{V}$ (kèm encoder), nâng cấp driver điều khiển lên IBT-2 ($43\text{A}$) và sử dụng khung gầm thép tấm chịu lực.

3. Robot có thể tích hợp vào hệ thống quản trị nhà máy (MES/ERP) sẵn có không?

Có. Bằng cách nâng cấp bộ điều khiển trung tâm lên vi điều khiển ESP32, robot có thể truyền dữ liệu trạng thái (vị trí, dung lượng pin, tốc độ, cảnh báo vật cản) qua sóng Wi-Fi về máy chủ SCADA/MES thông qua giao thức truyền thông nhẹ MQTT hoặc HTTP RESTful API.

4. Chi phí bảo trì định kỳ của hệ thống bao gồm những hạng mục nào?

Chi phí bảo trì rất thấp, chủ yếu bao gồm: kiểm tra lau sạch mắt cảm biến hồng ngoại TCRT5000 ($1$ tuần/lần), kiểm tra độ mòn của lốp cao su bánh xe ($3$ tháng/lần) và kiểm tra dung lượng pin Li-ion 18650 sau $500 - 800$ chu kỳ nạp xả.

5. Tại sao không sử dụng cảm biến LiDAR ngay từ đầu để tránh phải dán vạch dẫn?

Cảm biến LiDAR và máy tính nhúng (như Raspberry Pi hoặc Jetson Nano) có chi phí rất cao (gấp $15 - 30$ lần so với hệ thống vi điều khiển Arduino), yêu cầu thuật toán SLAM phức tạp và tiêu tốn nhiều điện năng. Phương pháp dò line quang học là giải pháp mang lại hiệu quả đầu tư (Cost/Performance) cao nhất cho các tuyến vận chuyển cố định trong nhà máy.

Kết luận

Đồ án tốt nghiệp “Nghiên cứu thiết kế hệ thống Robot dò line vận chuyển hàng trong nhà xưởng” đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra: xây dựng thành công một nguyên mẫu robot AGV hoạt động ổn định, định tuyến bám đường chính xác nhờ thuật toán PID rời rạc, và tích hợp phản xạ an toàn tránh vật cản thời gian thực với cảm biến siêu âm.

Dự án không chỉ chứng minh tính khả thi của việc ứng dụng công nghệ vi điều khiển giá thành thấp vào giải quyết bài toán tự động hóa logistics tại các doanh nghiệp như Canon Hưng Yên, mà còn cung cấp một tài liệu kỹ thuật hoàn chỉnh từ sơ đồ mạch đến mã nguồn. Đây là bước đệm vững chắc để tiếp tục mở rộng, nâng cấp hệ thống thành các dòng xe tự hành thông minh kết nối IoT phục vụ cho nền sản xuất công nghiệp hiện đại.