Tổng quan nghiên cứu

Trong xu thế tự động hóa toàn cầu, hơn 75% các dây chuyền sản xuất hiện đại tại các nhà máy cơ khí chính xác, điện tử và đóng gói đã ứng dụng robot công nghiệp nhằm thay thế con người trong các môi trường làm việc nặng nhọc hoặc độc hại. Bài toán cốt lõi trong kỹ thuật robot là điều khiển khâu tác động cuối di chuyển chính xác theo một quỹ đạo xác định trong không gian ba chiều. Để thực hiện nhiệm vụ này, việc giải bài toán động học ngược nhằm xác định chính xác các biến khớp từ vị trí và hướng của bàn kẹp là điều kiện tiên quyết.

Tuy nhiên, các phương pháp truyền thống như phương pháp giải tích, phương pháp hình học và phương pháp lặp đang bộc lộ nhiều hạn chế nghiêm trọng. Phương pháp giải tích thường không đảm bảo tìm được nghiệm tường minh đối với các cấu trúc phức tạp; phương pháp hình học phụ thuộc chặt chẽ vào kết cấu cơ khí riêng biệt; trong khi phương pháp lặp số thường có thời gian tính toán kéo dài, tiêu tốn tài nguyên và dễ rơi vào điểm kỳ dị hoặc không hội tụ. Thách thức này càng trở nên phức tạp hơn đối với các loại tay máy có từ 5 đến 6 bậc tự do trở lên.

Nhằm vượt qua rào cản trên, đề tài luận văn thạc sĩ chuyên ngành Kỹ thuật Cơ điện tử thực hiện tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh đã nghiên cứu và phát triển giải pháp ứng dụng mạng nơron nhân tạo kết hợp giải thuật tối ưu Levenberg-Marquardt để giải bài toán động học ngược cho tay máy 5 bậc tự do Scorbot ER7. Nghiên cứu thực hiện phân chia không gian làm việc của robot thành 2 vùng chuyên biệt tương ứng với 2 cấu trúc mạng nơron nhằm nâng cao khả năng học và độ chính xác ánh xạ. Kết quả thực nghiệm mô phỏng cho thấy phương pháp mạng nơron đạt độ chính xác gần như trùng khớp hoàn toàn với phương pháp giải tích, rút ngắn thời gian xử lý tính toán ước tính đến 85% so với phương pháp lặp truyền thống, mở ra hướng đi đột phá trong điều khiển tay máy thời gian thực.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng tích hợp giữa lý thuyết động học robot và lý thuyết mạng nơron nhân tạo truyền thẳng nhiều lớp.

Về động học tay máy, mô hình sử dụng quy tắc Denavit-Hartenberg tiêu chuẩn công bố năm 1955 để thiết lập hệ tọa độ cục bộ trên từng khâu khớp của tay máy Scorbot ER7. Mô hình chuyển đổi tọa độ thuần nhất giữa các khâu liên tiếp được mô tả qua ma trận trạng thái cấp 4x4, tích hợp 4 tham số hình học đặc trưng bao gồm độ dài đường vuông góc chung, góc quay quanh trục khớp, khoảng cách trượt dọc trục và góc biến khớp. Bài toán động học thuận thiết lập hàm truyền xạ không gian từ 5 biến khớp góc quay sang tọa độ vị trí và hướng của khâu công tác cuối. Ngược lại, bài toán động học ngược đóng vai trò giải hệ phương trình phi tuyến đa biến để tái tạo chính xác trạng thái góc khớp tương ứng.

Về trí tuệ nhân tạo, nghiên cứu ứng dụng mô hình mạng nơron truyền thẳng đa tầng nhiều lớp với cơ chế học có giám sát. Các khái niệm nền tảng bao gồm phần tử xử lý nơron dạng M-P, hàm kích hoạt phi tuyến Sigmoid và Tang Hyperbolic, vector trọng số liên kết, độ dốc sai số và ma trận Jacobian. Để tối ưu hóa quá trình học, giải thuật Levenberg-Marquardt được lựa chọn nhờ sự kết hợp hài hòa giữa phương pháp hạ gradient dốc nhất và phương pháp Gauss-Newton. Giải thuật này giải quyết triệt để bài toán cực tiểu hóa hàm tổng bình phương sai lệch thông qua việc tự động điều chỉnh hệ số suy giảm trong suốt quá trình cập nhật trọng số.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp mô phỏng số và phân tích thực nghiệm dựa trên công cụ Neural Network Toolbox của phần mềm MATLAB.

Nguồn dữ liệu huấn luyện được tạo lập từ mô hình giải tích động học thuận của tay máy Scorbot ER7 với các thông số vật lý chuẩn: khâu thứ nhất có chiều dài 50 mm và độ dịch trục 358.5 mm; khâu thứ hai có chiều dài 300 mm và độ dịch trục âm 40 mm; khâu thứ ba có chiều dài 350 mm; khâu thứ năm có độ dài bàn kẹp 251 mm.

Quy mô mẫu nghiên cứu bao gồm bộ dữ liệu 5000 mẫu đại diện cho không gian làm việc của robot. Phương pháp chọn mẫu là lấy mẫu ngẫu nhiên đồng đều trong phạm vi góc quay giới hạn của từng khớp: khớp 1 trong khoảng từ âm 125 độ đến dương 125 độ; khớp 2 từ âm 130 độ đến dương 35 độ; khớp 3 từ âm 110 độ đến dương 110 độ; khớp 4 từ âm 90 độ đến dương 90 độ; và khớp 5 từ âm 180 độ đến dương 180 độ. Toàn bộ không gian làm việc được chia thành 2 vùng tọa độ tương ứng với 2 mạng nơron riêng biệt Net1_1 và Net2_1 để triệt tiêu hiện tượng đa nghiệm.

Lý do lựa chọn giải thuật Levenberg-Marquardt thay vì thuật toán lan truyền ngược truyền thống là do tốc độ hội tụ nhanh vượt trội, khả năng tính toán ổn định trên các tập dữ liệu kích thước vừa và nhỏ, đồng thời tránh được nguy cơ kẹt tại các điểm cực tiểu cục bộ. Toàn bộ quy trình thiết lập mô hình, trích xuất dữ liệu, huấn luyện và đánh giá kiểm chứng được thực hiện trong thời gian nghiên cứu 6 tháng, hoàn thành và nghiệm thu vào tháng 4 năm 2014.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình huấn luyện và mô phỏng kiểm chứng hai mô hình mạng nơron trên phần mềm MATLAB đã đem lại 4 phát hiện quan trọng có ý nghĩa khoa học và thực tiễn cao:

Thứ nhất, mô hình mạng Net1_1 ứng dụng cho vùng làm việc 1 và cấu hình 1 đã hoàn thành quá trình hội tụ tối ưu chỉ sau đúng 1000 bước lặp. Đồ thị hiệu suất ghi nhận tổng bình phương sai số huấn luyện giảm mạnh xuống dưới ngưỡng 0.0001, cho thấy khả năng khớp mẫu gần như tuyệt đối giữa vector đầu ra của mạng và giá trị mục tiêu động học giải tích với độ tương quan đạt 99.8%.

Thứ hai, mô hình mạng Net2_1 ứng dụng cho vùng làm việc 2 hoàn tất quá trình huấn luyện sau 1867 bước lặp. Mặc dù cấu hình vùng 2 có tính phi tuyến cao hơn, mạng vẫn đạt độ ổn định xuất sắc khi hệ số điều chỉnh tự động thu hẹp sai số trên tập kiểm định, đưa sai lệch góc quay trung bình của cả 5 biến khớp từ khớp 1 đến khớp 5 về mức cực tiểu dưới 0.05 độ.

Thứ ba, trong bài toán điều khiển tay máy bám theo quỹ đạo đường tròn không gian liên tục nằm trong vùng huấn luyện, cả hai mạng Net1_1 và Net2_1 đều tái tạo quỹ đạo thực tế với độ chính xác cao. Sai lệch vị trí không gian ba chiều giữa quỹ đạo mong muốn và quỹ đạo tạo bởi mạng nơron chỉ dao động trong khoảng từ 0.05 mm đến 0.25 mm, sai số tương đối giảm hơn 95% so với phương pháp số xấp xỉ bậc thấp.

Thứ tư, phương pháp phân vùng không gian làm việc kết hợp đa mạng nơron giúp nâng cao độ chính xác tổng thể lên 32% so với việc chỉ sử dụng một mạng nơron đơn lẻ duy nhất cho toàn bộ không gian tiếp cận của tay máy.

Thảo luận kết quả

Nguyên nhân cốt lõi giúp mô hình đạt hiệu suất cao nằm ở cơ chế cập nhật trọng số thông minh của giải thuật Levenberg-Marquardt. Khi vector sai lệch còn lớn ở giai đoạn đầu, hệ số kết hợp tăng lên giúp thuật toán hoạt động theo nguyên lý giảm dốc nhất để đảm bảo tính ổn định. Khi sai số tiến dần về điểm hội tụ, hệ số kết hợp tự động giảm dần để chuyển sang chế độ xấp xỉ Gauss-Newton bậc hai, giúp tốc độ hội tụ gia tăng theo cấp số nhân mà không bị phân kỳ.

So sánh với các công trình nghiên cứu trước đây trên thế giới, chẳng hạn như nghiên cứu của nhóm tác giả quốc tế năm 2011 từng sử dụng thuật toán lan truyền ngược cơ bản cho tay máy 3 bậc tự do phải mất tới 3000000 bước lặp với 5000 mẫu để đạt sai số 0.000121, mô hình đề xuất trong luận văn này đã giải quyết thành công cho tay máy 5 bậc tự do với số bước lặp chỉ từ 1000 đến 1867 lần. Điều này chứng minh giải thuật Levenberg-Marquardt giúp tiết kiệm hơn 99% chi phí thời gian huấn luyện.

Về phương diện trực quan hóa, toàn bộ dữ liệu kiểm chứng được biểu diễn hoàn hảo qua các đồ thị hàm truyền, biểu đồ phân tán hồi quy tuyến tính giữa giá trị đích và giá trị mạng nơron xác định được, cùng các đồ thị sai lệch tọa độ 3 chiều theo thời gian. Sự trùng khớp gần như tuyệt đối giữa đường cong quỹ đạo giải tích và quỹ đạo mô phỏng mạng nơron là minh chứng vững chắc cho tính đúng đắn của giải pháp đề xuất.

Đề xuất và khuyến nghị

Dựa trên những phát hiện khoa học từ đề tài, 4 giải pháp cụ thể được đề xuất nhằm tối ưu hóa và ứng dụng rộng rãi công nghệ này vào thực tiễn công nghiệp:

Thứ nhất, nhúng trực tiếp bộ trọng số và kiến trúc mạng nơron đã huấn luyện vào chip xử lý tín hiệu số DSP hoặc vi điều khiển ARM tốc độ cao trên các tay máy công nghiệp. Mục tiêu là giảm chu kỳ tính toán nội suy vị trí xuống dưới 5 mili giây, đáp ứng yêu cầu điều khiển thời gian thực với sai số quỹ đạo dưới 0.1 mm. Thời gian triển khai dự kiến trong vòng 6 tháng do các nhóm kỹ sư nghiên cứu và phát triển phần mềm nhúng thực hiện.

Thứ hai, mở rộng phương pháp phân vùng không gian làm việc từ 2 vùng hiện tại lên 4 đến 8 tiểu vùng chuyên biệt cho các dòng robot có từ 6 đến 7 bậc tự do hoặc robot dư dẫn động. Mục tiêu nâng cao độ mượt chuyển động và loại bỏ 100% các điểm kỳ dị động học. Thời gian thực hiện trong 9 tháng tới, do các kỹ sư tự động hóa và lập trình robot tại các viện nghiên cứu chủ trì.

Thứ ba, xây dựng hệ thống thu thập dữ liệu tự động với cỡ mẫu nâng cao trên 20000 điểm đo thực nghiệm, tích hợp cảm biến đo vị trí quang học độ phân giải cao để huấn luyện bù trừ sai số gia công cơ khí và độ rơ khớp nối. Mục tiêu đạt độ lặp lại vị trí dưới 0.02 mm. Thời gian thực hiện trong vòng 12 tháng, do các phòng thí nghiệm cơ điện tử phối hợp cùng nhà máy chế tạo triển khai.

Thứ tư, tiêu chuẩn hóa module phần mềm giải động học ngược bằng mạng nơron thành thư viện khối chức năng trong môi trường ROS (Robot Operating System). Mục tiêu hỗ trợ các doanh nghiệp tích hợp robot rút ngắn 50% thời gian lập trình quỹ đạo cho dây chuyền đóng gói và lắp ráp linh kiện điện tử. Thời gian thực hiện trong 3 tháng, do cộng đồng kỹ sư mã nguồn mở và các trường đại học kỹ thuật đảm trách.

Đối tượng nên tham khảo luận văn

Nội dung và phương pháp luận của luận văn mang lại giá trị thiết thực cho 4 nhóm đối tượng cụ thể:

Nhóm thứ nhất là các kỹ sư R&D trong ngành Robot và Tự động hóa công nghiệp. Họ có thể sử dụng cấu trúc mạng nơron và giải thuật Levenberg-Marquardt để thay thế các module giải số học cồng kềnh trên bộ điều khiển robot, giúp tối ưu hóa thuật toán bám quỹ đạo phức tạp như hàn, cắt laser hoặc sơn tĩnh điện.

Nhóm thứ hai là các giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành Cơ điện tử, Kỹ thuật Điều khiển và Tự động hóa. Tài liệu cung cấp cơ sở học thuật vững chắc, hướng dẫn từng bước từ mô hình hóa toán học Denavit-Hartenberg đến kỹ thuật lập trình công cụ Neural Network Toolbox trong MATLAB, phục vụ hiệu quả cho công tác giảng dạy và nghiên cứu chuyên sâu.

Nhóm thứ ba là sinh viên đại học khối ngành kỹ thuật đang làm đồ án tốt nghiệp hoặc nghiên cứu khoa học về tay máy công nghiệp. Luận văn đóng vai trò như một cẩm nang thực hành chuẩn mực về cách thiết lập tập dữ liệu mẫu, phân tích ma trận Jacobian và đánh giá sai số mô phỏng.

Nhóm thứ tư là các nhà quản lý kỹ thuật và chuyên gia tích hợp hệ thống tại các doanh nghiệp chế tạo máy. Luận văn mang đến góc nhìn công nghệ mới về việc ứng dụng trí tuệ nhân tạo để nâng cấp, hiện đại hóa và gia tăng độ chính xác cho các dòng robot công nghiệp hiện hữu mà không cần thay đổi phần cứng cơ khí đắt tiền.

Câu hỏi thường gặp

Bài toán động học ngược của tay máy 5 bậc tự do Scorbot ER7 có đặc thù gì phức tạp so với bài toán động học thuận? Bài toán động học thuận luôn có nghiệm duy nhất thông qua phép nhân ma trận thuần nhất. Ngược lại, bài toán động học ngược của tay máy 5 bậc tự do Scorbot ER7 chứa hệ phương trình lượng giác phi tuyến cao, thường tồn tại nhiều nghiệm hoặc vô nghiệm tùy thuộc vào cấu hình bàn kẹp, gây khó khăn lớn trong việc xác định góc khớp tối ưu theo thời gian thực.

Vì sao giải thuật Levenberg-Marquardt lại vượt trội hơn thuật toán lan truyền ngược giảm dốc cơ bản? Giải thuật Levenberg-Marquardt kết hợp tính ổn định của phương pháp giảm dốc nhất và tốc độ hội tụ bậc hai của phương pháp Gauss-Newton. Trong khi lan truyền ngược cơ bản đòi hỏi hàng triệu bước lặp, Levenberg-Marquardt chỉ cần 1000 đến 1867 bước lặp trên tập 5000 mẫu để đạt sai số cực tiểu dưới 0.0001.

Mục đích chính của việc chia không gian làm việc thành hai vùng Net1_1 và Net2_1 là gì? Do robot có nhiều cấu hình hình học khác nhau để tiếp cận cùng một điểm trong không gian, việc gom chung dữ liệu sẽ gây xung đột ánh xạ đa trị. Chia không gian thành 2 vùng tương ứng với 2 mạng nơron giúp đơn giản hóa miền quan hệ phi tuyến, tăng độ chính xác nhận dạng lên hơn 30% và đảm bảo tính duy nhất của nghiệm.

Độ chính xác vị trí của phương pháp mạng nơron khi mô phỏng theo quỹ đạo đường tròn đạt mức bao nhiêu? Kết quả kiểm chứng mô phỏng bám quỹ đạo đường tròn 3 chiều cho thấy sai lệch góc quay ở cả 5 khớp đều dưới 0.05 độ, đồng thời sai số khoảng cách vị trí tuyệt đối tại điểm tác động cuối chỉ dao động từ 0.05 mm đến 0.25 mm so với nghiệm giải tích chuẩn.

Mô hình mạng nơron trong nghiên cứu có thể mở rộng cho các loại robot có số bậc tự do lớn hơn 6 không? Hoàn toàn có thể. Bản chất của mạng nơron truyền thẳng đa tầng là bộ xấp xỉ hàm vạn năng. Khi số bậc tự do tăng lên 6 hoặc 7, chỉ cần bổ sung số nút ở lớp vào và lớp ra, tăng kích thước tập mẫu huấn luyện và chia nhỏ các vùng làm việc là mạng có thể giải quyết trơn tru mà không bị bế tắc như giải tích cổ điển.

Kết luận

Công trình nghiên cứu đã hoàn thành xuất sắc các mục tiêu đề ra với 5 kết luận và đóng góp cốt lõi:

  • Thiết lập thành công mô hình toán học động học thuận và giải tích động học ngược chuẩn xác cho tay máy 5 bậc tự do Scorbot ER7 dựa trên bảng thông số Denavit-Hartenberg.
  • Đề xuất giải pháp đột phá ứng dụng mạng nơron nhân tạo đa tầng kết hợp giải thuật huấn luyện Levenberg-Marquardt để giải bài toán động học ngược.
  • Sáng tạo phương pháp phân chia không gian làm việc thành 2 miền chuyên biệt Net1_1 và Net2_1, giải quyết triệt để bài toán phi tuyến đa nghiệm của cơ cấu tay máy.
  • Tối ưu hóa hiệu suất huấn luyện với tốc độ hội tụ nhanh chỉ sau 1000 đến 1867 bước lặp, đạt sai số tổng bình phương dưới 0.0001.
  • Chứng minh tính khả thi và độ chính xác vượt trội qua kiểm chứng quỹ đạo đường tròn với độ lệch vị trí không gian cực nhỏ dưới 0.25 mm.

Về kế hoạch phát triển tiếp theo, nhóm nghiên cứu đặt mục tiêu chuyển đổi thuật toán sang mã nguồn C++ nhúng trên phần cứng thời gian thực trong vòng 6 tháng tới để thử nghiệm trực tiếp trên cánh tay robot vật lý. Các kỹ sư, nhà nghiên cứu và doanh nghiệp quan tâm có thể khai thác cấu trúc mô hình này để nâng tầm công nghệ điều khiển tự động hóa trong kỷ nguyên sản xuất thông minh.