Tổng quan nghiên cứu

Trong kỹ thuật robot hiện đại, việc tối ưu hóa khả năng cơ động trong không gian hẹp là thách thức hàng đầu đối với các hệ thống di động truyền thống. Các dòng robot 3 hoặc 4 bánh thông thường đòi hỏi diện tích tiếp xúc lớn và bán kính quay vòng tối thiểu từ 0,5 đến 1,2 mét, trong khi robot 2 bánh tự cân bằng vẫn gặp trở ngại lớn khi cần đổi hướng tức thời 360 độ. Mô hình robot một bánh tự cân bằng trên quả cầu (Ballbot) ra đời nhằm giải quyết triệt để vấn đề này, đưa bán kính quay vòng về 0 mét và cho phép di chuyển đa hướng linh hoạt trên mặt phẳng 2 chiều.

Luận văn thạc sĩ chuyên ngành Tự động hóa của tác giả Nguyễn Trọng Quang, thực hiện dưới sự hướng dẫn của Tiến sĩ Nguyễn Vĩnh Hảo tại Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh (hoàn thành tháng 12 năm 2013), tập trung nghiên cứu toàn diện bài toán điều khiển cân bằng cho hệ robot một bánh có tổng khối lượng danh định khoảng 9,062 kg. Mục tiêu trọng tâm là mô hình hóa chính xác hệ động lực học phi tuyến bậc cao, thiết kế các giải thuật điều khiển tuyến tính và phi tuyến, đồng thời chế tạo hệ thống phần cứng thực nghiệm để kiểm chứng khả năng tự giữ thăng bằng quanh phương thẳng đứng với góc lệch ban đầu lên đến 10 độ. Nghiên cứu mang ý nghĩa học thuật và ứng dụng sâu sắc, mở ra giải pháp nền tảng cho các robot trợ lý cá nhân, thiết bị vận chuyển thông minh trong bệnh viện, văn phòng có mật độ di chuyển cao.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Hệ robot một bánh là một hệ thống phi tuyến, bất định và thiếu cơ cấu chấp hành (underactuated system). Khung lý thuyết của nghiên cứu được xây dựng vững chắc dựa trên 4 trụ cột toán học và kỹ thuật điều khiển:

Thứ nhất, phương pháp động lực học Euler-Lagrange được sử dụng để thiết lập phương trình chuyển động vi phân toàn phần. Thông qua việc tính toán động năng và thế năng của thân robot, quả bóng bowling và hệ thống động cơ chấp hành, hệ phương trình phi tuyến được dẫn xuất chi tiết trên hai mặt phẳng trực giao.

Thứ hai, lý thuyết điều khiển toàn phương tuyến tính (Linear Quadratic Regulator - LQR) được áp dụng sau khi tuyến tính hóa mô hình quanh điểm cân bằng tĩnh. Ma trận độ lợi tối ưu được giải thông qua phương trình đại số Riccati với ma trận trọng số trạng thái đường chéo được thiết lập với hệ số phạt góc nghiêng đạt 600.000 và ma trận trọng số điều khiển bằng 1.000.

Thứ ba, lý thuyết điều khiển trượt (Sliding Mode Control - SMC) được phát triển nhằm đảm bảo tính bền vững trước các thành phần phi tuyến bị bỏ qua và nhiễu tải ngoại cảnh. Mặt trượt Hurwitz được thiết lập cùng luật đóng cắt Lyapunov với hàm dấu nhằm đảm bảo trạng thái sai lệch tiệm cận về 0 trong thời gian hữu hạn.

Thứ tư, lý thuyết ước lượng tối ưu Kalman (Kalman Filter) đóng vai trò dung hợp dữ liệu cảm biến quán tính IMU 9 bậc tự do (MPU-9150), kết hợp cảm biến gia tốc và con quay hồi chuyển để triệt tiêu sai số trôi.

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa tính toán giải tích, mô phỏng số và kiểm nghiệm thực nghiệm trên mô hình vật lý:

Nguồn dữ liệu và thiết lập tham số: Các thông số vật lý của mô hình thực được đo đạc chính xác với khối lượng thân robot 9,062 kg, bán kính quả cầu danh định kết hợp cùng các thông số động cơ DC Servo 68W (điện áp định mức 24V, tốc độ 2.500 vòng/phút, encoder 400 xung/vòng).

Phương pháp phân tích và mô phỏng: Thuật toán được lập trình và mô phỏng kiểm thử trên môi trường Matlab/Simulink. Cỡ mẫu đánh giá bao gồm 3 kịch bản điều kiện đầu khác nhau: góc lệch ban đầu trục x và y lần lượt là dương 10 độ và dương 5 độ; dương 10 độ và âm 5 độ; âm 10 độ và âm 5 độ. Phương pháp phân tích miền thời gian được lựa chọn nhằm đánh giá trực tiếp độ vọt lố, thời gian xác lập và biên độ điện áp điều khiển.

Thực nghiệm phần cứng: Thuật toán được nhúng trực tiếp lên vi điều khiển 32-bit ARM Cortex-M4 STM32F4-Discovery hoạt động ở xung nhịp 168 MHz, điều khiển công suất qua mạch cầu H chuyên dụng sử dụng IC IR2184 và MOSFET IRF3205 với tần số trích mẫu 100 Hz. Toàn bộ quá trình nghiên cứu và thực nghiệm được tiến hành liên tục trong giai đoạn 2011 đến 2013.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và kiểm nghiệm thực tế đã mang lại 4 kết quả then chốt với các số liệu định lượng rõ ràng:

Thứ nhất, bộ lọc Kalman ước lượng góc nghiêng hoạt động vượt trội khi loại bỏ hơn 95% nhiễu dao động cơ khí tần số cao từ cảm biến gia tốc và bù đắp hoàn toàn hiện tượng trôi tín hiệu của con quay hồi chuyển, duy trì sai số góc nghiêng thân robot dưới ngưỡng 0,5 độ.

Thứ hai, thuật toán LQR cho thấy khả năng ổn định hóa hệ thống nhanh chóng. Trong cả 3 trường hợp thử nghiệm với góc nghiêng ban đầu từ 5 đến 10 độ, hệ thống nhanh chóng đưa góc lệch về vị trí cân bằng 0 rad chỉ sau khoảng 1,5 đến 2,0 giây, biên độ điện áp điều khiển cực đại đạt 16V, thấp hơn 33% so với giới hạn nguồn cung cấp 24V.

Thứ ba, thuật toán điều khiển trượt (SMC) thể hiện độ chính xác bám quỹ đạo tuyệt đối với độ vọt lố ghi nhận xấp xỉ 0%. So với bộ điều khiển LQR, SMC phản hồi nhanh hơn khoảng 15% khi xuất hiện các tác động lực bất ngờ từ môi trường, duy trì mặt trượt ổn định bền vững.

Thứ tư, phần cứng thực nghiệm với cơ cấu truyền động 2 con lăn trực giao điều khiển bởi động cơ 68W và mạch cầu H chịu dòng đỉnh 30A đã vận hành trơn tru, truyền động ma sát hiệu quả lên bề mặt quả bóng bowling bọc cao su mà không xảy ra hiện tượng trượt trơn cơ học nghiêm trọng.

Thảo luận kết quả

Khi đối chiếu giữa hai thuật toán điều khiển, LQR mang lại đáp ứng điện áp điều khiển êm thuận, giảm thiểu hao mòn cơ khí và tiết kiệm năng lượng, tuy nhiên phụ thuộc nhiều vào độ chính xác của quá trình tuyến tính hóa quanh điểm làm việc. Ngược lại, điều khiển trượt xử lý hoàn hảo các thành phần phi tuyến của mô hình Lagrange nhưng xuất hiện hiện tượng dao động đóng cắt biên độ nhỏ (chattering) quanh mặt trượt.

Các dữ liệu phản hồi trạng thái có thể được tổng hợp trực quan qua biểu đồ đáp ứng thời gian giữa góc lệch thân robot và điện áp điều khiển động cơ trên hai trục. Đồ thị cho thấy trong khi LQR tạo ra đường cong suy giảm hàm mũ mượt mà thì SMC đưa biến trạng thái trượt dọc theo mặt cong pha với tốc độ suy giảm nhanh hơn 0,3 giây. Kết quả này hoàn toàn tương đồng với các công bố của Đại học Carnegie Mellon (CMU) và Viện Công nghệ Liên bang Thụy Sĩ (ETH Zurich), khẳng định tính đúng đắn của phương pháp tiếp cận điều khiển nhúng trên nền tảng vi xử lý ARM.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu lý thuyết và thực nghiệm, 4 giải pháp trọng tâm được đề xuất nhằm nâng cấp hệ thống robot một bánh tự cân bằng:

  1. Nâng cấp thuật toán ước lượng trạng thái: Ứng dụng bộ lọc Kalman mở rộng (Extended Kalman Filter - EKF) hoặc bộ lọc Kalman không mùi (UKF) nhằm xử lý trực tiếp tính phi tuyến của cảm biến IMU, mục tiêu giảm sai số ước lượng góc xuống dưới 0,2 độ trong điều kiện di chuyển rung lắc mạnh. Thời gian thực hiện dự kiến 6 tháng, do nhóm nghiên cứu hệ thống nhúng đảm trách.

  2. Cải tiến cấu trúc cơ khí và vật liệu: Thay thế quả bóng bowling bằng vật liệu hợp kim nhôm định hình phủ lớp polyurethane dày 3,2 mm nhằm giảm 25% tổng khối lượng hệ cơ khí (từ 9,062 kg xuống khoảng 6,8 kg), giúp hạ thấp mô-men quán tính và tăng tốc độ phản ứng của động cơ. Thời gian triển khai 3 tháng, do kỹ sư cơ điện tử thực hiện.

  3. Phát triển thuật toán điều khiển trượt mờ thích nghi: Kết hợp logic mờ (Fuzzy Logic) vào bộ điều khiển trượt nhằm tự động điều chỉnh biên độ đóng cắt, đặt mục tiêu triệt tiêu 100% hiện tượng chattering mà vẫn duy trì tính bền vững trước nhiễu. Thời gian hoàn thiện 9 tháng, do chuyên gia thuật toán điều khiển phụ trách.

  4. Mở rộng điều khiển bám vị trí và điều hướng không gian: Xây dựng giải thuật điều khiển đồng thời cả 3 thành phần bao gồm góc nghiêng, vị trí tọa độ xy và góc xoay hướng thân robot (Yaw angle), nâng độ chính xác định vị bám quỹ đạo đạt sai số dưới 1 cm trong phạm vi 10 mét di chuyển. Thời gian thực hiện 12 tháng, do các phòng thí nghiệm robot tự hành triển khai.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo học thuật và kỹ thuật giá trị cho 4 nhóm đối tượng cụ thể:

  1. Học viên cao học và sinh viên ngành Tự động hóa, Robot và Cơ điện tử: Cung cấp tài liệu mẫu mực về phương pháp dẫn xuất phương trình Euler-Lagrange cho hệ cơ điện tử phức tạp, cách lập trình mô phỏng trên Matlab/Simulink và phương pháp thiết kế bộ điều khiển LQR, SMC từ lý thuyết đến thực hành.

  2. Kỹ sư phát triển hệ thống nhúng và IoT công nghiệp: Cung cấp sơ đồ mạch phần cứng chi tiết, kỹ thuật thiết kế mạch cầu H công suất cao sử dụng IR2184/IRF3205 và mã nguồn xử lý thuật toán lọc Kalman dung hợp cảm biến IMU trên vi điều khiển 32-bit STM32F4.

  3. Các nhà nghiên cứu và phát triển sản phẩm robot dịch vụ: Tham khảo kiến trúc cơ học di động đa hướng 0-bán kính quay vòng để ứng dụng vào việc chế tạo robot vận chuyển tài liệu trong văn phòng, robot hỗ trợ y tế tại các hành lang bệnh viện hẹp.

  4. Giảng viên và cán bộ nghiên cứu tại các trường đại học kỹ thuật: Sử dụng làm học liệu giảng dạy chuyên đề Điều khiển phi tuyến, Kỹ thuật Robot nâng cao và làm tài liệu tham khảo cho các đề tài nghiên cứu cấp cơ sở.

Câu hỏi thường gặp

  1. Robot một bánh tự cân bằng có ưu điểm gì vượt trội so với robot hai bánh tự cân bằng? Robot một bánh có khả năng di chuyển tức thời theo mọi hướng 360 độ trên mặt phẳng 2 chiều mà không cần quay thân, đưa bán kính quay vòng về đúng 0 mét. Trong khi đó, robot hai bánh buộc phải thực hiện động tác quay phức tạp để chuyển hướng, gây hạn chế lớn khi hoạt động trong không gian hẹp dưới 1 mét.

  2. Vai trò cốt lõi của bộ lọc Kalman trong việc xử lý tín hiệu IMU là gì? Bộ lọc Kalman kết hợp tối ưu dữ liệu từ cảm biến gia tốc (đo tốt ở tần số thấp nhưng dễ nhiễu rung) và con quay hồi chuyển (đáp ứng nhanh ở tần số cao nhưng bị trôi dạt theo thời gian). Quá trình dung hợp giúp triệt tiêu hơn 95% nhiễu, giữ sai số góc nghiêng luôn nhỏ hơn 0,5 độ.

  3. Điểm khác biệt cơ bản giữa bộ điều khiển LQR và bộ điều khiển trượt SMC trong luận văn là gì? LQR là thuật toán tối ưu tuyến tính giúp hệ thống xác lập cân bằng mượt mà sau 1,5 đến 2,0 giây với điện áp êm dịu dưới 16V. Ngược lại, điều khiển trượt là giải thuật phi tuyến bền vững, có khả năng kháng nhiễu tải vượt trội và triệt tiêu độ vọt lố về 0%, phản hồi nhanh hơn LQR khoảng 15%.

  4. Cấu hình phần cứng nào đảm bảo khả năng tính toán thời gian thực cho hệ thống? Hệ thống sử dụng vi điều khiển 32-bit ARM Cortex-M4 STM32F4-Discovery với tần số xung nhịp 168 MHz kết hợp bộ xử lý số thực FPU, cho phép thực thi các thuật toán ma trận Riccati và lọc Kalman tuần hoàn ở tần số lấy mẫu 100 Hz mà không gây trễ tín hiệu điều khiển.

  5. Hiện tượng chattering trong điều khiển trượt ảnh hưởng thế nào và cách xử lý trong thực tế? Hiện tượng chattering là sự dao động đóng cắt tần số cao quanh mặt trượt do sử dụng hàm dấu signum, có thể gây nóng động cơ và rung lắc cơ khí. Trong thực tế, hiện tượng này được khắc phục bằng cách thay thế hàm dấu bằng hàm bão hòa (saturation) hoặc tích hợp điều khiển mờ thích nghi.

Kết luận

  • Luận văn đã thiết lập thành công mô hình toán học giải tích phi tuyến hoàn chỉnh cho hệ robot một bánh tự cân bằng thông qua phương pháp động lực học Euler-Lagrange.
  • Thiết kế và mô phỏng kiểm chứng thành công hai giải thuật điều khiển cốt lõi: LQR tối ưu hóa năng lượng và điều khiển trượt bền vững chống nhiễu trên nền tảng Matlab/Simulink.
  • Ứng dụng thành công bộ lọc Kalman trên cảm biến IMU 9-DOF MPU-9150, loại bỏ trên 95% sai số đo lường để cung cấp góc nghiêng chính xác cho vòng lặp điều khiển kín.
  • Thi công hoàn thiện mô hình thực nghiệm phần cứng với vi điều khiển ARM STM32F4 và động cơ DC Servo 68W, kiểm chứng khả năng tự giữ cân bằng thực tế từ góc lệch 10 độ.
  • Đề ra lộ trình 6 đến 12 tháng để hoàn thiện điều khiển bám quỹ đạo đa hướng và triệt tiêu dao động cơ học.

Công trình là nền tảng kỹ thuật vững chắc cho các nghiên cứu chuyên sâu về robot di động tự hành. Quý độc giả, học viên và các kỹ sư quan tâm có thể ứng dụng trực tiếp các phương trình trạng thái và giải thuật điều khiển trong luận văn để phát triển các thế hệ robot phục vụ công nghiệp và đời sống.