Tổng quan nghiên cứu

Hệ con lắc ngược kép song song đại diện cho một trong những đối tượng chuẩn mực phức tạp nhất trong lý thuyết điều khiển tự động hiện đại, đặc trưng bởi tính phi tuyến cao, thiếu cơ cấu chấp hành và trạng thái cân bằng nội tại không ổn định. Nghiên cứu tập trung giải quyết bài toán cốt lõi: thiết kế giải thuật điều khiển một lực kéo duy nhất tác động lên xe trượt để giữ thăng bằng đồng thời hai thanh lắc chuyển động quay hoàn toàn độc lập. Mục tiêu cụ thể của công trình bao gồm việc xây dựng mô hình toán học động lực học chính xác thông qua phương pháp Euler-Lagrange, thiết kế bộ điều khiển tối ưu toàn phương tuyến tính LQR ở cả miền liên tục và rời rạc, tích hợp bộ lọc Kalman nhằm triệt tiêu nhiễu đo lường, đồng thời khảo sát tính khả thi của giải thuật điều khiển trượt. Công trình được thực hiện tại Trường Đại học Bách khoa thuộc Đại học Quốc gia Thành phố Hồ Chí Minh, hoàn thành vào tháng 7 năm 2011 dưới sự hướng dẫn khoa học của Tiến sĩ Huỳnh Thái Hoàng. Về mặt định lượng, nghiên cứu khảo sát mô hình xe có khối lượng 1.247 kg, mang hai thanh lắc với chiều dài lần lượt là 1.0 m và 0.4 m cùng mô men quán tính 0.0033 kg.m2. Ý nghĩa thực tiễn của đề tài được khẳng định qua việc mở rộng vùng ổn định góc lệch từ 30 độ lên tới 50 độ nhờ tích hợp lọc nhiễu, đặt nền tảng vững chắc cho việc phát triển các cơ cấu robot tự cân bằng hai bánh, thiết bị định vị không gian và hệ thống dẫn đường bệ phóng tên lửa.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Khung lý thuyết của luận văn được xây dựng trên sự giao thoa của ba trụ cột điều khiển học hiện đại. Thứ nhất là lý thuyết điều khiển tối ưu với bộ điều khiển LQR, vận hành dựa trên việc giải phương trình vi phân và đại số Riccati để tìm ma trận độ lợi phản hồi trạng thái K nhằm cực tiểu hóa hàm chỉ tiêu chất lượng toàn phương J. Thứ hai là lý thuyết ước lượng trạng thái ngẫu nhiên với Bộ lọc Kalman rời rạc do R.E. Kalman công bố năm 1960, sử dụng thuật toán dự báo và hiệu chỉnh đệ quy dựa trên phân bố xác suất Gauss để tối thiểu hóa phương sai sai số ước lượng. Thứ ba là lý thuyết điều khiển trượt phi tuyến bền vững dựa trên tính ổn định Lyapunov, hướng các quỹ đạo trạng thái tiến về và duy trì trên một mặt trượt xác định. Ba khái niệm trung tâm bao gồm: không gian trạng thái 6 chiều mô tả tọa độ vị trí cùng vận tốc của xe và hai thanh lắc, ma trận trọng số bán xác định dương Q và ma trận xác định dương R phản ánh mức độ ưu tiên giữa sai số trạng thái và năng lượng điều khiển, cùng với mặt trượt S đóng vai trò như một tập hợp bất biến đảm bảo sai lệch tiến dần về 0 theo hàm mũ.

Phương pháp nghiên cứu

Luận văn sử dụng nguồn dữ liệu thông số vật lý thực nghiệm tiêu chuẩn từ các phòng thí nghiệm tự động hóa với khối lượng xe 1.247 kg, chiều dài hai thanh lắc là 1.0 m và 0.4 m, hệ số ma sát trượt 0.1 N.s/m và gia tốc trọng trường 9.81 m/s2. Cỡ mẫu nghiên cứu bao gồm 6 biến trạng thái động học được thu thập qua 100 chu kỳ mô phỏng thử nghiệm với các điều kiện biên góc lệch ban đầu khác nhau nhằm kiểm tra độ bền vững. Phương pháp chọn mẫu trạng thái ban đầu tập trung vào các trường hợp khắc nghiệt nhất: hai thanh lệch cùng hướng từ 0 đến 50 độ và hai thanh lệch ngược hướng từ 0 đến 10 độ. Lý do lựa chọn phương pháp phân tích Euler-Lagrange thay vì các định luật Newton truyền thống là nhằm đơn giản hóa việc thiết lập phương trình vi phân chuyển động cho hệ nhiều vật thể có bậc tự do phi tuyến phức tạp mà vẫn bảo toàn đầy đủ các đặc tính động năng và thế năng. Quá trình tuyến tính hóa quanh điểm cân bằng thẳng đứng được thực hiện để phục vụ thiết kế LQR trên nền tảng phần mềm mô phỏng Matlab trong mốc thời gian nghiên cứu liên tục từ năm 2010 đến 2011.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, mô hình toán học giải tích phản ánh chính xác 100% động học thực tế khi cho thấy hai thanh lắc tự do dao động tắt dần và hội tụ về vị trí cân bằng bền phía dưới tương ứng với góc 3.14 rad (180 độ) do ảnh hưởng của hệ số cản ma sát 0.1 N.s/m. Thứ hai, bộ điều khiển LQR liên tục đơn lẻ đạt hiệu suất giữ thăng bằng tối ưu với góc lệch cực đại khi hai thanh lệch cùng phía là 30 độ và khi lệch ngược chiều là 4 độ với giá trị ma trận trọng số R được thiết lập bằng 10. Thứ ba, sự kết hợp giữa bộ điều khiển LQR và bộ lọc Kalman mang lại bước nhảy vọt về hiệu năng khi nâng góc lệch thăng bằng tối đa ở trường hợp cùng phía lên 50 độ (tăng trưởng 66.7% so với LQR đơn lẻ) và ở trường hợp ngược phía lên 10 độ (tăng tới 150% so với giới hạn 4 độ ban đầu). Thứ tư, việc lựa chọn tỷ lệ chiều dài giữa thanh ngắn 0.4 m và thanh dài 1.0 m (chênh lệch 2.5 lần) tạo ra sự khác biệt về tần số dao động tự nhiên, giúp xe trượt dễ dàng dẫn động thanh ngắn theo kịp thanh dài và xác lập cân bằng toàn hệ thống trong thời gian dưới 10 giây.

Thảo luận kết quả

Sự vượt trội của cấu trúc phối hợp LQR và Kalman bắt nguồn từ khả năng khử nhiễu Gauss trung bình bằng 0 và lọc sạch sai số đo lường của cảm biến, cung cấp vector trạng thái ước lượng posteriori chính xác cho khâu phản hồi. Khi so sánh với các nghiên cứu sử dụng hệ thống suy diễn mờ SIRMs có cùng thời gian ổn định khoảng 10 giây, phương pháp LQR kết hợp Kalman của luận văn đòi hỏi chi phí tính toán thấp hơn đáng kể và dễ dàng tối ưu hóa ma trận trọng số. Kết quả nghiên cứu được biểu diễn trực quan qua biểu đồ đáp ứng thời gian đa kênh: đường cong vị trí xe dao động nhẹ quanh gốc tọa độ 0 m, đường cong vận tốc và góc lệch của hai thanh lắc triệt tiêu dao động hoàn toàn sau 8 đến 10 giây. Bảng tổng hợp so sánh các ma trận trạng thái tuyến tính 6x6 và ma trận điều khiển 6x1 chứng minh hệ thống đạt trạng thái ổn định tiệm cận. Tuy nhiên, giải thuật điều khiển trượt chưa đạt kết quả trọn vẹn do độ nhạy cao với tham số mô hình chưa xác định đầy đủ và hiện tượng rung giật tần số cao khi lấy mẫu gián đoạn.

Đề xuất và khuyến nghị

Thứ nhất, tối ưu hóa thuật toán điều khiển trượt thích nghi kết hợp hàm bão hòa liên tục để loại bỏ hoàn toàn hiện tượng rung giật, hướng tới mục tiêu giảm sai số góc lệch xuống dưới 0.5 độ trong thời gian thực hiện 6 tháng bởi các nhóm nghiên cứu điều khiển tự động tại các trường đại học kỹ thuật.

Thứ hai, triển khai thử nghiệm trên phần cứng nhúng thực tế sử dụng vi xử lý DSP tốc độ cao hoặc chip ARM 32-bit với chu kỳ lấy mẫu 1 ms tương ứng tần số 1000 Hz và độ trễ xử lý dưới 2 ms, tiến hành trong lộ trình 9 tháng bởi các kỹ sư tự động hóa và cơ điện tử.

Thứ ba, nâng cấp bộ lọc Kalman tuyến tính lên Bộ lọc Kalman mở rộng hoặc Unscented Kalman Filter nhằm ước lượng chính xác trạng thái phi tuyến trong điều kiện nhiễu môi trường biến thiên, nâng độ chính xác ước lượng lên trên 98% trong thời gian 12 tháng do các viện nghiên cứu chuyên sâu đảm nhiệm.

Thứ tư, tích hợp thuật toán điều khiển dự báo mô hình đa biến kết hợp LQR để tối ưu hóa lực kéo của động cơ tuyến tính, mở rộng góc lệch khởi tạo lên mức 60 độ và rút ngắn thời gian xác lập dưới 5 giây, thực hiện trong 18 tháng bởi các doanh nghiệp công nghệ chế tạo robot.

Đối tượng nên tham khảo luận văn

Học viên cao học và nghiên cứu sinh chuyên ngành Tự động hóa, Kỹ thuật Điều khiển và Cơ điện tử: Tiếp cận quy trình mô hình hóa giải tích bằng phương pháp Euler-Lagrange và kỹ thuật tuyến tính hóa phương trình trạng thái 6 chiều phục vụ các bài toán điều khiển phi tuyến nâng cao.

Kỹ sư nghiên cứu và phát triển sản phẩm robot di động: Ứng dụng trực tiếp thuật toán LQR và bộ lọc Kalman để lập trình thuật toán cân bằng cho xe hai bánh tự hành, robot hai chân và hệ thống cân bằng con lắc vận tải.

Giảng viên và nhà nghiên cứu học thuật: Sử dụng tài liệu như một giáo trình tham khảo chuyên sâu, cung cấp mã nguồn mô phỏng trên Matlab cho các học phần Lý thuyết Điều khiển Hiện đại và Điều khiển Tối ưu.

Chuyên gia thiết kế hệ thống hàng không vũ trụ và quân sự: Khai thác nguyên lý ổn định hệ nhiều vật thể liên kết để thiết kế hệ thống điều khiển góc phóng bệ tên lửa, cơ cấu ổn định vệ tinh và cân bằng tải trọng động trên các phương tiện không người lái.

Câu hỏi thường gặp

Tại sao hệ con lắc ngược kép song song lại là đối tượng kiểm chứng lý tưởng cho các giải thuật điều khiển hiện đại? Hệ thống sở hữu tính chất phi tuyến nghiêm trọng, thiếu cơ cấu chấp hành khi chỉ dùng một lực kéo điều khiển hai vật thể độc lập và có trạng thái cân bằng không ổn định. Điều này tạo ra một thước đo khắt khe để đánh giá độ chính xác và tính bền vững của các bộ điều khiển tối ưu.

Sự kết hợp giữa bộ lọc Kalman và bộ điều khiển LQR mang lại lợi ích cụ thể nào cho hệ thống? Bộ lọc Kalman giúp triệt tiêu nhiễu đo lường ngẫu nhiên và ước lượng chính xác vector trạng thái. Nhờ đó, giới hạn góc lệch giữ thăng bằng được mở rộng từ 30 độ lên 50 độ khi hai thanh cùng phía và từ 4 độ lên 10 độ khi lệch ngược phía.

Vì sao hai thanh lắc trong mô hình bắt buộc phải có chiều dài và khối lượng khác nhau? Sự chênh lệch chiều dài giữa thanh ngắn 0.4 m và thanh dài 1.0 m tạo ra hai tần số dao động tự nhiên khác biệt. Thanh ngắn dao động nhanh hơn sẽ giúp xe trượt dễ dàng điều khiển thanh ngắn đuổi kịp góc lệch của thanh dài để đưa cả hệ thống về vị trí cân bằng.

Nguyên nhân nào khiến giải thuật điều khiển trượt chưa thể áp dụng thành công hoàn toàn trong luận văn này? Điều khiển trượt đòi hỏi phải xác định chính xác toàn bộ tham số động lực học phi tuyến và trạng thái ổn định toàn cục. Ngoài ra, chu kỳ lấy mẫu rời rạc gây ra hiện tượng rung giật tín hiệu điều khiển, khiến hệ thống chưa đạt được trạng thái trượt lý thuyết trên mô hình mô phỏng.

Kết quả mô phỏng của luận văn có độ tin cậy như thế nào khi chuyển giao sang mô hình phần cứng thực tế? Mô hình Euler-Lagrange đã tích hợp đầy đủ hệ số ma sát 0.1 N.s/m, mô men quán tính 0.0033 kg.m2 và khối lượng thực 1.247 kg. Thuật toán LQR rời rạc và lọc Kalman được thiết kế chuẩn hóa, sẵn sàng nạp trực tiếp vào các vi điều khiển nhúng có tần số lấy mẫu 1000 Hz.

Kết luận

  • Xây dựng thành công mô hình toán học phi tuyến hoàn chỉnh của hệ con lắc ngược kép song song bằng phương pháp Euler-Lagrange với độ chính xác cao.
  • Tuyến tính hóa không gian trạng thái 6 chiều quanh điểm làm việc thẳng đứng, tạo nền tảng vững chắc cho thiết kế điều khiển tối ưu.
  • Thiết lập bộ điều khiển LQR liên tục và rời rạc, đạt khả năng cân bằng hệ thống ở góc lệch 30 độ cho trường hợp hai thanh cùng hướng.
  • Nâng cao vượt bậc độ ổn định của hệ lên góc lệch 50 độ và 10 độ bằng cách tích hợp bộ lọc Kalman triệt tiêu nhiễu đo lường ngẫu nhiên.
  • Làm sáng tỏ các rào cản kỹ thuật của giải thuật điều khiển trượt rời rạc, định hướng giải pháp khắc phục hiện tượng rung giật cho các nghiên cứu tiếp theo.

Đóng góp lớn nhất của luận văn là cung cấp giải pháp toàn diện từ mô hình hóa giải tích đến điều khiển tối ưu hóa có lọc nhiễu cho hệ phi tuyến đa biến phức tạp. Kế hoạch tiếp theo bao gồm việc hoàn thiện thuật toán trượt thích nghi trong 6 tháng, chuyển đổi thuật toán sang phần cứng nhúng DSP trong 9 tháng và tích hợp bộ lọc Kalman mở rộng trong 12 tháng. Quý độc giả và các nhóm nghiên cứu tự động hóa hãy áp dụng ngay cấu trúc LQR kết hợp Kalman này để nâng cao hiệu suất cho các dự án robot tự cân bằng trong thực tế.