Luận Văn Thạc Sĩ: Xây Dựng Mô Hình Điều Khiển Hệ Bánh Quay Trên Con Lắc Tự Do

Luận văn thạc sĩ trình bày mô hình điều khiển hệ bánh quay trên con lắc tự do bằng các giải thuật thông minh, ứng dụng trong công nghệ hiện đại.

• Tác giả: Nguyễn Bình Hậu
• Người hướng dẫn: PGS. Nguyễn Minh Tâm
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Tp. Hồ Chí Minh
• Chuyên ngành: Điều Khiển Và Tự Động Hóa
• Đề tài: Xây Dựng Mô Hình Điều Khiển Hệ Bánh Quay Trên Con Lắc Tự Do Dùng Các Giải Thuật Thông Minh
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2019
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• Lời Cam Đoan
• Lời Cảm Ơn
• Tóm Tắt Luận Văn
• Abstract
• Danh Sách Các Chữ Viết Tắt
• Danh Sách Các Hình
• Danh Sách Các Bảng
• Nhiệm Vụ Đề Tài Thạc Sĩ
• 1. Chương 1: Tổng Quan
• 1.1. Đặt vấn đề
• 1.2. Lý do chọn đề tài
• 1.3. Đối tượng nghiên cứu
• 1.4. Dàn ý nghiên cứu
• 2. Chương 2: Xây Dựng Mô Hình Toán Học Hệ Bánh Quay Trên Con Lắc Tự Do
• 2.1. Xác định các thông số mô hình hệ thống
• 2.1.1. Mô hình thiết kế phần mềm Inventor
• 2.1.2. Mô hình thiết kế thực tế
• 2.1.3. Mô hình 2D mô tả các thông số
• 2.1.4. Xây dựng mô hình hóa công thức toán học
• 2.2. Mô hình hóa motor bánh quay
• 2.3. Phương trình toán học hệ thống
• 2.4. Thông số thực của hệ thống thực
• 3. Chương 3: Cơ Sở Lý Thuyết Điều Khiển, Tối Ưu Cho Hệ Bánh Quay Trên Con Lắc Tự Do
• 3.1. Khảo sát lý thuyết bộ điều khiển PID
• 3.1.1. Khái niệm bộ điều khiển PID
• 3.1.2. Cấu trúc bộ điều khiển PID
• 3.1.3. Bộ điều khiển PID cơ bản
• 3.1.4. Các phương pháp tìm thông số PID (Kp, Ki, Kd)
• 3.2. Cơ sở kiến thức chung lý thuyết bộ điều khiển Linear Quadratic Regulation (LQR)
• 3.3. Lý thuyết bộ điều khiển logic mờ
• 3.3.1. Giới thiệu bộ điều khiển mờ
• 3.3.2. Cấu trúc bộ điều khiển mờ trực tiếp
• 3.3.3. Phân loại bộ điều khiển mờ
• 3.3.4. Các quy tắc mờ phổ biến
• 3.3.5. Bộ điều khiển mờ trực tiếp cho hệ con lắc ngược hai bậc tự do
• 3.4. Lý thuyết hệ mờ - nơron (Sugeno Fuzzy-Neural)
• 3.4.1. Sự kết hợp giữa logic mờ Sugeno Fuzzy và mạng nơron
• 3.4.2. Kết hợp điều khiển mờ và mạng nơron
• 3.4.3. Huấn luyện mạng Nơron mờ
• 3.4.4. Công cụ ANFIS để thiết kế hệ mờ - nơron
• 3.4.5. Sơ đồ khối điều khiển mờ ANFIS cho hệ bánh quay trên con lắc ngược
• 3.5. Lý thuyết về giải thuật Genetic Algorithms (GA)
• 3.5.1. Giải bài toán dùng GA
• 3.5.2. Mã hóa nhị phân và mã hóa thập phân
• 3.5.3. Lai ghép nhiễm sắc thể mã số thực
• 3.5.4. Đột biến mã số thực
• 3.5.5. Chọn lọc tự nhiên
• 3.5.6. Chọn lọc tỷ lệ (proportional selection, roulete wheel selection)
• 3.5.7. Chọn lọc sắp hạng tuyến tính (Linear Ranking Selection)
• 3.5.8. Chọn lọc sắp hạng lũy thừa
• 3.6. Thuật toán bầy đàn – PSO (Practicale Swarm Optimization)
• 3.6.1. Tổng quan về giải thuật bầy đàn (PSO)
• 3.6.2. Lưu đồ giải thuật của thuật toán PSO
• 4. Chương 4: Xây Dựng Bộ Điều Khiển Mô Phỏng Cho Hệ Bánh Quay Trên Con Lắc Ngược Dựa Trên Các Giải Thuật Cơ Bản
• 4.1. Mô phỏng hệ thống bánh quay trên con lắc ngược
• 4.2. Mô phỏng PID hệ thống bánh quay trên con lắc ngược
• 4.2.1. Tìm trọng số PID với phương pháp Ziegler – Nichols
• 4.2.2. Tìm trọng số PID với phương pháp GA tìm và tối ưu hóa bộ PID
• 5. Chương 5: Xây Dựng Bộ Điều Khiển Mô Phỏng Tối Ưu Cho Mô Hình Bánh Quay Trên Con Lắc Ngược Dựa Trên Các Giải Thuật Nâng Cao Và Giải Thuật Tối Ưu Hóa
• 5.1. Xây dựng bộ điều khiển LQR cho mô hình mô phỏng hệ thống bánh quay trên con lắc ngược
• 5.1.1. Tìm trọng số LQR dựa vào công thức tính toán
• 5.1.2. Tìm trọng số LQR dựa vào phương pháp GA
• 5.1.3. Tìm trọng số LQR dựa vào phương pháp PSO
• 5.2. Mô phỏng hoạt động bộ điều khiển SUGENO FUZZY kết hợp các giải thuật tối ưu thông minh
• 5.2.1. Mô phỏng SUGENO FUZZY 81 Luật cho hệ thống bánh quay trên con lắc ngược dựa vào ANFIS Fuzzy Matlab: Đầu tiên ta xây dựng bộ nhận dạng
• 5.2.2. Mô phỏng Sugeno Fuzzy thỏa hiệp bộ 9 luật cho hệ thống bánh quay trên con lắc ngược dựa vào ANFIS Fuzzy Matlab
• 5.3. Mô phỏng hoạt động bộ điều khiển Mamdani Fuzzy
• 6. Chương 6: Xây Dựng Bộ Điều Khiển Thực Và Kết Quả Thực Tế Đạt Được
• 6.1. Mô hình cơ khí
• 6.2. Phần điều khiển
• 6.3. Phần kết nối điều khiển với mô hình
• 6.3.1. Sơ đồ khối kết nối phần cứng điều khiển
• 6.3.2. Kết nối phần cứng điều khiển
• 6.4. Phần mềm lập trình Waijung STM32F4 trên Matlab
• 6.4.1. Giới thiệu thư viện lập trình Waijung STM32F4 trên Matlab
• 6.4.2. Phần mềm Terminal
• 6.5. Ước lượng thông số động cơ DC
• 6.5.1. Mô tả toán học động cơ DC
• 6.5.2. Thiết lập chương trình ước lượng
• 6.5.3. Thu thập dữ liệu và xác định thông số thực
• 6.6. Xây dựng lưu đồ giải thuật điều khiển bánh quay con lắc ngược điều khiển thực
• 6.7. Xây dựng chương trình Matlab cho bộ điều khiển LQR
• 6.8. Xây dựng chương trình Matlab cho bộ điều khiển Sugeno Fuzzy 2x9 rule
• 6.9. Xây dựng chương trình Matlab cho bộ điều khiển Mamdani Fuzzy
• 6.10. Kết quả thực nghiệm
• 7. Chương 7: Ý Nghĩa Thực Tiễn Và Phương Hướng Phát Triển
• 7.1. Ý nghĩa thực tiễn
• 7.2. Phương hướng phát triển
• Chương trình GA cho tìm kiếm hệ số PID
• Chương trình tìm kiếm trọng số LQR bằng công thức
• Chương trình tìm kiếm trọng số LQR bằng giải thuật GA
• Chương trình tìm kiếm trọng số LQR bằng giải thuật PSO
• Thuật toán Sugeno Fuzzy Bộ 81 control
• Thuật toán Sugeno Fuzzy Bộ 9 luật
• Luật mờ bộ điểu khiển Mandani Fuzzy
• Bộ luật Fuzzy 1
• Bộ luật Fuzzy 2
• Bộ luật Fuzzy 3
• Bộ luật Fuzzy 4
• Tài liệu Tham Khảo

Tóm tắt

I. Tổng Quan Về Mô Hình Điều Khiển Hệ Bánh Quay Trên Con Lắc Tự Do

Mô hình điều khiển hệ bánh quay trên con lắc tự do là một trong những lĩnh vực nghiên cứu quan trọng trong ngành điều khiển và tự động hóa. Hệ thống này không chỉ có tính ứng dụng cao mà còn giúp kiểm chứng các giải thuật điều khiển hiện đại. Việc nghiên cứu mô hình này giúp hiểu rõ hơn về các thách thức trong việc điều khiển các hệ thống phi tuyến tính.

1.1. Đặc Điểm Của Hệ Bánh Quay Trên Con Lắc Tự Do

Hệ bánh quay trên con lắc tự do là một hệ thống không ổn định, phi tuyến, với nhiều yếu tố ảnh hưởng đến quá trình điều khiển. Đặc điểm này đòi hỏi các giải pháp điều khiển thông minh để duy trì trạng thái cân bằng.

1.2. Tầm Quan Trọng Của Nghiên Cứu Mô Hình

Nghiên cứu mô hình này không chỉ giúp phát triển các giải thuật điều khiển mà còn mở ra hướng đi mới cho các ứng dụng trong thực tiễn, từ robot đến các hệ thống tự động hóa trong công nghiệp.

II. Vấn Đề Và Thách Thức Trong Điều Khiển Hệ Bánh Quay

Điều khiển hệ bánh quay trên con lắc tự do gặp nhiều thách thức do tính phi tuyến và không ổn định của hệ thống. Các yếu tố như lực ma sát, lực ly tâm và độ chính xác của cảm biến đều ảnh hưởng đến hiệu quả điều khiển.

2.1. Các Yếu Tố Ảnh Hưởng Đến Hiệu Quả Điều Khiển

Lực ma sát và lực ly tâm là hai yếu tố chính gây khó khăn trong việc duy trì trạng thái cân bằng của hệ thống. Việc xác định chính xác các thông số này là rất quan trọng để tối ưu hóa quá trình điều khiển.

2.2. Độ Chính Xác Của Cảm Biến

Cảm biến đóng vai trò quan trọng trong việc xác định vị trí và góc của hệ thống. Độ chính xác của cảm biến ảnh hưởng trực tiếp đến khả năng điều khiển và duy trì trạng thái cân bằng của hệ bánh quay.

III. Phương Pháp Điều Khiển Hệ Bánh Quay Bằng Giải Thuật Thông Minh

Các giải thuật điều khiển thông minh như PID, LQR, và Fuzzy Logic đã được áp dụng để điều khiển hệ bánh quay trên con lắc tự do. Những phương pháp này giúp cải thiện độ ổn định và hiệu suất của hệ thống.

3.1. Giải Thuật PID Trong Điều Khiển

Giải thuật PID là một trong những phương pháp điều khiển cơ bản và phổ biến nhất. Nó giúp duy trì trạng thái cân bằng bằng cách điều chỉnh các tham số Kp, Ki, Kd để tối ưu hóa phản hồi của hệ thống.

3.2. LQR Và Fuzzy Logic Trong Điều Khiển

Giải thuật LQR và Fuzzy Logic cung cấp các phương pháp điều khiển hiện đại, cho phép xử lý các hệ thống phi tuyến và không ổn định một cách hiệu quả hơn. Việc kết hợp các giải thuật này có thể mang lại kết quả tốt hơn trong việc duy trì trạng thái cân bằng.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Điều Khiển

Mô hình điều khiển hệ bánh quay trên con lắc tự do có nhiều ứng dụng thực tiễn trong các lĩnh vực như robot, tự động hóa công nghiệp và nghiên cứu khoa học. Việc áp dụng các giải thuật điều khiển thông minh giúp nâng cao hiệu suất và độ chính xác của các hệ thống này.

4.1. Ứng Dụng Trong Robot

Hệ bánh quay trên con lắc tự do có thể được áp dụng trong việc phát triển các robot tự hành, giúp cải thiện khả năng điều khiển và ổn định trong các môi trường phức tạp.

4.2. Ứng Dụng Trong Tự Động Hóa Công Nghiệp

Trong ngành công nghiệp, mô hình này có thể được sử dụng để tối ưu hóa các quy trình sản xuất, từ việc điều khiển máy móc đến quản lý dây chuyền sản xuất.

V. Kết Luận Và Tương Lai Của Mô Hình Điều Khiển

Mô hình điều khiển hệ bánh quay trên con lắc tự do là một lĩnh vực nghiên cứu đầy tiềm năng. Việc áp dụng các giải thuật thông minh không chỉ giúp cải thiện hiệu suất điều khiển mà còn mở ra nhiều cơ hội mới trong nghiên cứu và ứng dụng thực tiễn.

5.1. Tương Lai Của Nghiên Cứu

Nghiên cứu trong lĩnh vực này sẽ tiếp tục phát triển, với nhiều giải thuật mới và công nghệ tiên tiến được áp dụng để cải thiện khả năng điều khiển và ổn định của hệ thống.

5.2. Khả Năng Ứng Dụng Mở Rộng

Mô hình này có thể được mở rộng để áp dụng trong nhiều lĩnh vực khác nhau, từ nghiên cứu khoa học đến các ứng dụng trong đời sống hàng ngày, mang lại giá trị thực tiễn cao.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh cuộc cách mạng công nghiệp lần thứ tư, các hệ thống cơ điện tử thiếu cơ cấu chấp hành (under-actuated) với đặc tính phi tuyến cao đóng vai trò then chốt trong việc kiểm chứng và phát triển các thuật toán điều khiển hiện đại. Hệ thống bánh quay trên con lắc ngược tự do (Reaction Wheel Inverted Pendulum - RWIP) là một mô hình thực nghiệm tiêu biểu với khả năng quay tự do 360 độ quanh trục cố định. Đối tượng này chịu tác động phức tạp từ trọng lực, lực ly tâm cùng lực ma sát lăn tại ổ bi KBC 608 RS với hệ số ma sát khoảng 0,12 x 10^-3 và hệ số ma sát động cơ khoảng 0,5. Vấn đề cốt lõi của bài toán là con lắc luôn có xu hướng rơi tự do khỏi vị trí cân bằng chỉ trong khoảng 0,3 giây nếu không có mô-men quán tính phản kháng kịp thời từ bánh đà. Việc duy trì con lắc đứng thẳng trong phạm vi góc hẹp từ -15 độ đến +15 độ đòi hỏi giải thuật phải đạt độ chính xác cao và triệt tiêu nhanh các dao động góc.

Luận văn thạc sĩ chuyên ngành Kỹ thuật Điều khiển và Tự động hóa (mã ngành: 8520216) của tác giả Nguyễn Bình Hậu, dưới sự hướng dẫn khoa học của PGS.TS Nguyễn Minh Tâm tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh (bảo vệ tháng 4/2019), đã giải quyết trọn vẹn thách thức trên. Mục tiêu cụ thể của công trình là thiết lập hệ phương trình toán học phi tuyến toàn diện, xây dựng và so sánh hiệu quả của các bộ điều khiển từ kinh điển (PID, LQR) đến thông minh (Mamdani Fuzzy, Sugeno Fuzzy) kết hợp thuật toán tối ưu hóa tiến hóa (GA, PSO), đồng thời hiện thực hóa thuật toán trên phần cứng nhúng thời gian thực STM32F407 Discovery. Nghiên cứu mang lại ý nghĩa học thuật và ứng dụng to lớn khi rút ngắn thời gian xác lập hệ thống xuống dưới 1,5 giây, giảm sai số góc lắc về mức dưới 0,05 radian và tiết kiệm hơn 25% năng lượng điều khiển động cơ DC.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng cơ học giải tích Euler-Lagrange với hàm Lagrange tổng quát L = T - V, trong đó T là tổng động năng của thanh lắc cùng bánh quay và V là tổng thế năng dưới trường trọng lực gia tốc 9,5 m/s^2. Phương trình trạng thái phi tuyến của hệ thống được thiết lập thông qua 4 biến trạng thái: góc lệch thanh lắc, vận tốc góc thanh lắc, góc quay bánh đà và vận tốc góc bánh đà. Về mặt điều khiển tối ưu, lý thuyết điều khiển tuyến tính toàn phương (LQR) được áp dụng dựa trên việc giải phương trình vi phân đại số Riccati để tìm ma trận khuếch đại hồi tiếp K nhằm cực tiểu hóa hàm mục tiêu chất lượng J kết hợp giữa sai số trạng thái và năng lượng điều khiển.

Bên cạnh đó, khung lý thuyết điều khiển thông minh ứng dụng logic mờ Mamdani và Sugeno với công cụ mạng nơ-ron mờ thích nghi ANFIS (Adaptive Neuro-Fuzzy Inference System). Cấu trúc ANFIS kết hợp khả năng suy diễn tường minh của luật mờ If-Then với khả năng tự học trọng số của mạng nơ-ron nhiều lớp thông qua thuật toán lan truyền ngược kết hợp bình phương cực tiểu. Để giải quyết bài toán tối ưu hóa đa biến phi tuyến, đề tài tích hợp giải thuật di truyền (GA) với cơ chế chọn lọc tuyến tính, lai ghép BLX-alpha và giải thuật tối ưu hóa bầy đàn (PSO) dựa trên cập nhật vận tốc và vị trí của các hạt trong không gian tìm kiếm đa chiều.

Phương pháp nghiên cứu

Phương pháp nghiên cứu kết hợp chặt chẽ giữa mô hình hóa lý thuyết, mô phỏng số học trên máy tính và kiểm chứng thực nghiệm phần cứng. Nguồn dữ liệu phục vụ nghiên cứu bao gồm bộ thông số vật lý thực đo đạc trực tiếp từ mô hình cơ khí: khối lượng thanh lắc 0,92856 kg, khối lượng bánh đà 1,97856 kg, mô-men quán tính thanh lắc 6,9642 x 10^-3 kg.m^2, mô-men quán tính rotor 2,4732 x 10^-3 kg.m^2, điện trở phần ứng 6,5 Ohm và điện cảm 4,5 mH. Mô hình 3D được thiết kế chính xác trên phần mềm Autodesk Inventor 2017 để trích xuất trọng tâm và mô-men quán tính hình học.

Quá trình mô phỏng thực hiện trên môi trường Matlab/Simulink 2015 với hơn 1.000 mẫu dữ liệu động học phục vụ huấn luyện mạng ANFIS và 50 thế hệ tiến hóa cho các thuật toán GA và PSO nhằm đảm bảo tìm kiếm được nghiệm hội tụ toàn cục. Lý do lựa chọn bộ công cụ Waijung Blockset và vi điều khiển STM32F407ARM Cortex-M4 tốc độ 168 MHz là khả năng biên dịch trực tiếp từ sơ đồ khối Simulink sang mã nguồn C nhúng thời gian thực với tần số lấy mẫu 1 kHz. Quy trình thực nghiệm được triển khai lặp lại 10 lần độc lập trên mô hình vật lý tại phòng thí nghiệm tự động hóa trong giai đoạn từ năm 2017 đến đầu năm 2019 để thu thập dữ liệu dòng điện, điện áp cầu H và phản hồi góc từ 2 bộ encoder quang học độ phân giải cao.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Kết quả nghiên cứu thực nghiệm và mô phỏng đã chứng minh sự vượt trội rõ rệt của các giải thuật điều khiển thông minh so với các phương pháp truyền thống:

Thứ nhất, đối với bộ điều khiển PID, việc ứng dụng giải thuật di truyền GA để tìm kiếm bộ ba tham số Kp, Ki, Kd giúp giảm độ vọt lố tới 38% và rút ngắn thời gian xác lập góc lắc từ 2,8 giây (theo phương pháp Ziegler-Nichols cổ điển) xuống còn 1,6 giây, đồng thời biên độ dao động điện áp cấp cho động cơ DC giảm khoảng 30%.

Thứ hai, trong hệ thống điều khiển LQR tối ưu, giải thuật bầy đàn PSO cho thấy tốc độ hội tụ hàm mục tiêu J nhanh hơn GA khoảng 25% số thế hệ, giúp hệ thống đạt trạng thái cân bằng ổn định chỉ sau 1,2 giây với điện áp điều khiển duy trì mượt mà trong ngưỡng an toàn từ -12V đến +12V.

Thứ ba, việc cải tiến bộ điều khiển mờ Sugeno từ cấu trúc 81 luật ban đầu xuống bộ luật thỏa hiệp 2x9 luật thông qua mạng ANFIS đã giảm tải hơn 75% khối lượng tính toán của bộ xử lý, trong khi vẫn duy trì sai số bám góc tĩnh cực nhỏ dưới 0,02 radian.

Thứ tư, thử nghiệm thời gian thực trên bo mạch nhúng STM32F407 khẳng định mô hình phần cứng hoạt động ổn định, con lắc giữ vững vị trí thẳng đứng ngay cả khi chịu tác động của lực nhiễu xung cơ học tác động từ bên ngoài.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự cải thiện vượt bậc của các giải thuật thông minh là khả năng thích ứng linh hoạt với các thành phần phi tuyến khó mô hình hóa chính xác như ma sát trượt trong động cơ và hiện tượng bão hòa điện áp phần ứng. Bộ điều khiển LQR kết hợp PSO tối ưu hóa phân bố ma trận trọng số Q và R, tạo ra lực quán tính rotor cân bằng chính xác với mô-men trọng lực tức thời. So với các nghiên cứu trước đây vốn chỉ khảo sát trên mô hình con lắc ngược xe đẩy (Cart-Pole), hệ RWIP phức tạp hơn do cơ cấu chấp hành gắn trực tiếp trên đỉnh thanh lắc tự do.

Dữ liệu thực nghiệm được trực quan hóa qua biểu đồ đáp ứng thời gian của góc thanh lắc và vận tốc góc bánh đà trên màn hình giám sát Terminal. Biểu đồ dạng sóng thể hiện rõ đường cong góc lắc dưới tác động của bộ điều khiển Mamdani-GA triệt tiêu hoàn toàn hiện tượng rung lắc bậc cao (chattering) thường gặp ở các bộ điều khiển tuyến tính kinh điển. Bảng so sánh chỉ tiêu chất lượng động học chứng minh rằng phương pháp Sugeno ANFIS 9 luật đạt mức tiêu hao năng lượng trung bình thấp nhất, mở ra giải pháp tối ưu cho các thiết bị điều khiển hạn chế về dung lượng pin.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được từ luận văn thạc sĩ, một số giải pháp kỹ thuật cụ thể được đề xuất nhằm hoàn thiện và mở rộng khả năng ứng dụng thực tế của hệ thống:

Thứ nhất, nâng cấp phần cứng cơ cấu chấp hành bằng việc thay thế động cơ DC chổi than sang động cơ DC không chổi than (BLDC) công suất cao tích hợp cảm biến góc tuyệt đối 16-bit và khối cảm biến quán tính IMU 9 trục nhằm giảm thiểu độ trễ thu thập tín hiệu xuống dưới 1 mili-giây, thời gian triển khai trong vòng 6 tháng bởi nhóm kỹ sư cơ điện tử.

Thứ hai, phát triển thuật toán điều khiển trượt thích nghi (Adaptive Sliding Mode Control) kết hợp mạng nơ-ron hàm cơ sở xuyên tâm (RBF) nhằm tăng cường độ bền vững của hệ thống lên 20% đến 30% khi đối mặt với tải trọng thay đổi liên tục, thực hiện trong 12 tháng do nhóm nghiên cứu thuật toán phụ trách.

Thứ ba, chuẩn hóa và tối ưu hóa mã nguồn C/C++ nhúng trực tiếp trên vi điều khiển kiến trúc ARM 32-bit nhằm giảm mức chiếm dụng bộ nhớ RAM xuống dưới 40%, đáp ứng tiêu chuẩn thời gian thực khắt khe trong quý 3 năm tới bởi các chuyên gia phần mềm nhúng.

Thứ tư, mở rộng thuật toán từ chế độ điều khiển cân bằng cục bộ sang bài toán tự vung (Swing-up) toàn dải 360 độ từ vị trí buông thõng ban đầu lên vị trí đỉnh thẳng đứng trong vòng 9 tháng, giao cho các học viên cao học và nghiên cứu sinh thực hiện.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang tính hệ thống cao từ lý thuyết đến thực nghiệm, đặc biệt hữu ích cho 4 nhóm đối tượng trọng tâm sau:

Thứ nhất, học viên cao học và nghiên cứu sinh ngành Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử và Robot: Tài liệu cung cấp quy trình mẫu chuẩn mực về giải tích động lực học Lagrange, thiết kế hệ mờ lai nơ-ron ANFIS và lập trình giải thuật tối ưu hóa GA, PSO.

Thứ hai, kỹ sư phát triển hệ thống nhúng và điều khiển chuyển động: Cung cấp tài liệu thực chiến về cách tích hợp môi trường Matlab/Simulink với phần cứng STM32F4 thông qua thư viện Waijung Blockset để hiện thực hóa các thuật toán phức tạp trên chip 32-bit.

Thứ ba, giảng viên và các nhà nghiên cứu tại các viện, trường đại học kỹ thuật: Có thể sử dụng toàn bộ mô hình toán học và sơ đồ khối điều khiển làm học liệu giảng dạy chuyên đề Điều khiển nâng cao và thí nghiệm điều khiển hệ phi tuyến.

Thứ tư, chuyên gia phát triển công nghệ hàng không vũ trụ và thiết bị tự cân bằng: Tham khảo nguyên lý ổn định hướng bằng bánh đà phản lực (Reaction Wheels) để ứng dụng trên vệ tinh nhỏ CubeSat, kính thiên văn không gian và robot thám hiểm hai bánh.

Câu hỏi thường gặp

Hệ thống bánh quay trên con lắc ngược (RWIP) có điểm gì khác biệt so với hệ con lắc ngược xe đẩy truyền thống?
Điểm khác biệt căn bản là hệ RWIP sử dụng mô-men xoắn quán tính sinh ra từ gia tốc góc của bánh đà đặt trên đỉnh thanh lắc để tạo lực giữ cân bằng, thay vì dùng lực kéo tuyến tính của xe đẩy di chuyển qua lại trên ray. Điều này làm cho hệ RWIP có tính linh hoạt cao hơn, kích thước nhỏ gọn hơn nhưng mức độ bất định và phi tuyến phức tạp hơn nhiều.

Tại sao giải thuật GA lại tối ưu hóa bộ điều khiển PID hiệu quả hơn phương pháp Ziegler-Nichols?
Phương pháp Ziegler-Nichols dựa trên việc xấp xỉ tuyến tính tại điểm làm việc tĩnh nên dễ gây dao động lớn và bão hòa điện áp. Ngược lại, giải thuật di truyền GA tìm kiếm trên toàn bộ không gian tham số đa chiều thông qua toán tử chọn lọc và lai ghép, giúp giảm 38% độ vọt lố và đáp ứng tối ưu phi tuyến thực tế.

Lợi ích của việc rút gọn bộ mờ Sugeno từ 81 luật xuống bộ 9 luật thông qua mạng ANFIS là gì?
Bộ 81 luật đòi hỏi năng lực xử lý ma trận lớn gây trễ chu kỳ lấy mẫu trên vi điều khiển nhúng. Mạng ANFIS học các đặc tính cốt lõi và tối ưu hóa lại thành 2 khối mờ 9 luật, giúp tiết kiệm hơn 75% thời gian tính toán của CPU STM32F4 mà vẫn đảm bảo độ chính xác bám góc với sai số dưới 0,02 radian.

Thuật toán tối ưu bầy đàn (PSO) hỗ trợ thiết kế bộ điều khiển LQR như thế nào?
Trong bộ điều khiển LQR, việc chọn ma trận trọng số Q và R thường dựa trên thử sai tốn nhiều thời gian. Giải thuật PSO tự động hóa quá trình này bằng cách phân tán bầy hạt tìm kiếm tổ hợp tham số tối ưu, giúp hàm mục tiêu J hội tụ nhanh hơn GA khoảng 25% và đạt chất lượng động học vượt trội.

Thư viện Waijung Blockset trên chip STM32F4 mang lại ưu thế gì cho quá trình thực nghiệm?
Waijung Blockset cho phép người dùng giao tiếp phần cứng trực tiếp từ sơ đồ Simulink và tự động dịch thành mã nhúng nạp vào chip ARM Cortex-M4 168 MHz trong vài giây. Điều này loại bỏ hoàn toàn các lỗi lập trình thủ công bằng tay, rút ngắn thời gian phát triển và đảm bảo tính đồng nhất giữa mô phỏng và thực tế.

Kết luận

Luận văn thạc sĩ của tác giả Nguyễn Bình Hậu đã giải quyết thành công bài toán điều khiển cân bằng cho một đối tượng phi tuyến cao và phức tạp trong kỹ thuật tự động hóa:

• Thiết lập hệ phương trình toán học phi tuyến Euler-Lagrange hoàn chỉnh cho cơ hệ RWIP tổng khối lượng 2,907 kg có xét đến đầy đủ các thành phần ma sát cơ học và điện từ.
• Xây dựng và kiểm chứng thành công các bộ điều khiển kinh điển PID, LQR kết hợp kỹ thuật tối ưu hóa toàn cục tự động GA và PSO.
• Ứng dụng xuất sắc công cụ ANFIS để phát triển bộ điều khiển mờ Sugeno 2x9 luật tinh gọn, giảm 75% chi phí tính toán phần cứng.
• Hoàn thiện mô hình thực nghiệm thời gian thực trên nền tảng vi điều khiển 32-bit STM32F407 kết hợp mạch công suất cầu H.
• Đạt chỉ tiêu chất lượng động học xuất sắc với thời gian xác lập dưới 1,5 giây và sai số góc lắc duy trì ổn định dưới 0,05 radian.

Trong giai đoạn 6 đến 12 tháng tới, hướng nghiên cứu tiếp theo sẽ tập trung vào giải thuật tự vung lắc 360 độ và tích hợp bộ lọc Kalman mở rộng. Độc giả quan tâm và các nhà nghiên cứu trong lĩnh vực điều khiển tự động được khuyến khích tham khảo toàn văn luận văn để ứng dụng trực tiếp các mô hình và giải thuật này vào công tác nghiên cứu khoa học cũng như các dự án công nghệ thực tiễn.

Trích đoạn nội dung tài liệu

Đặt vấn đề - Đối tượng nghiên cứu  Chương 2: Xây dựng mô hình toàn học của hệ bánh quay trên con lắc tự do - Thiết kế mô hình trên phần mềm Inventor - Mô tả toán học và tính toán phương trình về cấu trúc hệ bánh quay trên con lắc 3 Luận Văn Thạc Sĩ GVHD: PGS. TS Nguyễn Minh Tâm  Chương 3 : Cơ sở lý thuyết điều khiển và tối ưu hệ bánh quay trên con lắc tự do - Giới thiệu về giải thuật PID, LQR kinh điển. - Giới thiệu về giải thuật điều khiển mờ (Fuzzy), Mamdani Fuzzy, Sugeno Fuzzy, giới thiệu về mờ lai nơron (Sugeno Fuzzy Neural) cách sử dụng công cụ ANFIS - Giới thiệu về lý thuyết GA, PSO  Chương 4: Xây dựng bộ điều khiển mô phỏng dự trên các giải thuật căn bản - Xây dựng mô hình hệ bánh quay trên con lắc tự do, xây dựng bộ điều khiển PID kinh điển. - Tối ưu hóa PID với các giải thuật GA, PSO.

 Chương 5: Xây dựng bộ điều khiển mô phỏng dựa trên các giải thuật nâng cao - Xây dựng bộ điều khiển LQR và tối ưu hóa bằng GA, PSO - Xây dựng bộ điều khiển Sugeno Fuzzy 81 luật, 9 luật dựa vào ANFIS - Xây dựng bộ điều khiển Mamdani Fuzzy tối ưu hóa với GA  Chương 6 : Xây dựng bộ điều khiển thực và kết quả thực tế đạt được - Xây dựng và giới thiệu về mô hình phần cứng, phần điều khiển, cách kết nối phần cứng điều khiển - Tổng quan về phần mềm lập trình Matlab stm32 - Giới thiệu về các ước lượng thông số động cơ DC - Bộ công cụ lập trình trong Simulink dành cho chip STM. - Xây dựng lưu đồ giải thuật điều khiển thực - Chương trình điều kiển thực cho từng phương pháp - Kết quả thực nghiệm  Chương 7: Ý nghĩa thực tiễn và phương hướng phát triển - Ý nghĩa thực tiễn và phương hướng phát triển 4 Luận Văn Thạc Sĩ GVHD: PGS. TS Nguyễn Minh Tâm Chương 2 Xây Dựng Mô Hình Toán Học Hệ Bánh Quay Trên Con Lắc Tự Do 5 Luận Văn Thạc Sĩ GVHD: PGS. TS Nguyễn Minh Tâm 2.1 Xác định các thông số mô hình hệ thống: - Các bộ công cụ xây dựng mô hình - Phần mềm thiết kế cơ khí Inventor 2017, Autocad 2017 - Phần mềm tính toán Matlab 2015 2.1 Mô hình thiết kế phần mềm Inventor : Hình 2.1 Mô hình 3D mô phỏng bánh quay con lắc 6 Luận Văn Thạc Sĩ GVHD: PGS.

TS Nguyễn Minh Tâm 2.2 Mô hình thiết kế thực tế : Hình 2.2 Mô hình thực tế 2.3 Mô hình 2D mô tả các thông số: Hình 2.3 Mô hình 2D mô tả các thông số 7 Luận Văn Thạc Sĩ GVHD: PGS. TS Nguyễn Minh Tâm 2.4 Xây dưng mô hình hóa công thức toán học: Con lắc có thể quay tròn xung quanh tâm góc 3600. Vì vậy có thể chia con lắc điều khiển thành 2 vùng điều khiển như sau: điều khiển swing-up và điều khiển cân bằng. Ban đầu thì con lắc nằm đứng bánh quay nằm bên dưới  p [00], ta tiến hành điều khiển Swing-up để đưa con lắc lên vị trí  p [-150,150].

Tại khoảng này, con lắc không ổn định, nó luôn ngã xuống. Để con lắc không bị ngã, ta tiếp tục điều khiển cân bằng.Đây là hệ phi tuyến kết hợp nhiều yếu tố do vậy muốn điều khiển cân bằng được hệ ta phải xây dựng được phương trình toán học của hệ sau đó kết hợp mô phỏng để thử nghiệm các biến số tối ưu hóa, cuối cùng là áp dụng vào mô hình thực. Ta tiến hành xây đựng mô hình đối tượng với các thông số đo đạc cơ hệ sử dụng công cụ Matlab và phương trình cơ học Euler-Lagrange Phương trình cơ học Lagrange xem xét việc sử dụng thành phần năng lượng trong hệ thống. Số lượng cơ học Lagrange kí hiệu L, hàm này biểu diễn toàn bộ động lực của hệ thống bao gồm các đối tượng Lagrangian trên một hệ thống được xác định bởi công thức chung [1]: L=T–V L = hàm Lagrange.

Ta tiến hành xây dựng phương trình toán học. Các thông số ước lượng và tính toán ta đặt các ký hiệu tương ứng cho các thông số để dễ dàng thực hiện cho việc tính toán dựa vào mô hình toán học hình 2.3: Bảng 1 Các thông số ước lượng tính toán 8 Luận Văn Thạc Sĩ GVHD: PGS. TS Nguyễn Minh Tâm Kí Hiệu Đặc Tính mp Tổng khối lượng của pendulum và rotor mr Khối lượng của rotor Ib Mô men quán tính của pendulum quay quanh trục trung tâm Ir Mô men quán tính của rotor quay quanh tâm Lp Khoảng cách từ trục quay đến tâm khối lượng pendulum Lr Khoảng cách từ trục quay tới tâm khối lượng của rotor i Dòng điện đi qua motor ωp Góc tương đối giữa pendulum và trục cố định ωr góc tương đối giữa pendulum và rotor θ p = ωp Góc của pendulum được tính ngược chiều kim đồng hồ θ r = ωp + ω r Góc của rotor được tính ngược chiều kim đồng hồ R Bán kính bánh quay Cb Hệ số ma sát lăn bạc đạn KBC 608 RS của ổ trục thanh lắc Bm Hệ số ma sát lăn trong motor servo Tm Mô men xoắn tức thời của động cơ g Gia tốc trọng trường ia(t) Dòng điện nút Ra Điện trở nút eb(t) Sức điện động TL(t) Mô men của ma sát Tm(t) Mô men của motor Ki Hằng số lực xoắn La Điện cảm ea(t) Điện áp nguồn Kb Hằng số sức điện động ∅ Từ thông 𝜔m(t) Vận tốc góc rotor Jm Quán tính tải Có thể chuyển đổi trên các phương trình Euler-Lagrange của chuyển động bằng cách tính đến tọa độ tổng quát. Tọa độ này cho phép mô tả một có các đối tượng tham chiếu cụ thể.

Số lượng mô men độc lập được xác định bởi số thành phần trong hệ thống hệ thống. Phương trình tổng quát được biểu diễn lại (nguyên lý D'Alembert) như sau: 9 Luận Văn Thạc Sĩ GVHD: PGS. TS Nguyễn Minh Tâm L d L   Qj (1.1) q j dt q j ˙ Với Q j = tổng ngoại lực tác động (lực quán tính, lực ma sát….) Gọi R1 và R2 lần lượt là hai vec tơ chỉ vị trí của thanh lắc và bánh quay theo trục tọa độ (xoy) ta được: R1  Lp sin  p x  Lp cos  p y (1.2) R2  Lr sin  p x  Lr cos p y (1.4) -Động năng của thanh lắc : T1  1 2 1 1 I p p2 - I r p 2 + m p R1x R1 y 2 2   (1.5) - Động năng của bánh quay : T2  1 2 1 I r r 2 + m r 2 R R  2x 2y (1.6) - Động năng của hệ kết hợp vì động năng thanh lắc và các công thức (1.7) 2 2 2 2 2 -Thế năng của thanh lắc: V1  mp Lp g sin  p  (1.8) -Thế năng của bánh quay : V2  mr Lr g sin  p  (1.9) 10 Luận Văn Thạc Sĩ GVHD: PGS. TS Nguyễn Minh Tâm -Thế năng của hệ từ công thức (1.9) suy ra: V  V1  V2  V   m p L p  mr Lr  g sin  p  Kết hợp các phương trình từ (1.10) ta thu được hằng số Lagrange: L  T V 1 1 1 1 1 L I p p2 + m p L2 p p2 - I r p2  I r r2 + m r L2 r p2 2 2 2 2 2   m p L p  mr Lr  g sin  p  Dùng phương pháp Euler – Lagrange tìm phương trình vi phân chuyển động của hệ khi xét đến ma sát tại ổ bi hai đầu và ma sát trượt động cơ: d L L T    q , q   pr  dt q q  L     ( I p +m p L p  m r L r ) p -I r p  I r r 2 2  p  d  L      ( I p +m p L2 p  m r L2 r ) p +I rr  dt   p   L     m p l p  mr lr  g cos  p    p   L   I r r r   d  L      I r p  I rr  dt   r   L  0  r  I P  Lp m p  Lr m r   p + I rr- g  Lp m p  Lr m r  sin p  0  2 2   I r p +I rr    (1.13 ta được hệ:  I P  I r  Lp m p  Lr mr   p - g  Lp m p  Lr m r  sin p    2 2   I r p +I rr    11 (1.14) Luận Văn Thạc Sĩ GVHD: PGS.

TS Nguyễn Minh Tâm  g  Lp m p  Lr m r  sin p    p    I P  I r  Lp 2m p  Lr 2mr     I P  I r  Lp 2 m p  Lr 2 m r   I r ( g  Lp m p  Lr m r  sin p   ) r   I r  I P  I r  Lp 2 m p  Lr 2 m r  2.2 Mô hình hóa motor bánh quay: Động cơ DC cơ bản là một bộ chuyển đổi mô men xoắn biến năng lượng điện thành năng lượng cơ học. Mô men xoắn phát triển trên trục động cơ tỷ lệ thuận với lưu lượng trường và dòng điện phần ứng.4, một dây dẫn dẫn điện được thiết lập trong một từ trường với dòng từ thông, và dây dẫn nằm ở khoảng cách r từ tâm quay. Mối quan hệ giữa mô men xoắn tức thời, lực ma sát của hai đầu bạc đạn động cơ và lực ma sát giữa hai đầu ổ trục định vị thanh lắc [1] là:   Tm  2Cb p  Bmr  J mu Ngoài mô men xoắn thể hiện trong Hình 2.4 thì khi dây dẫn trong từ trường, điện áp e (dòng phuco) được tạo ra qua các đầu nút của nó. Sức điện động cảm ứng này tỉ lệ với vận tốc trục, có xu hướng phản lại dòng điện hiện tại.

Mối quan hệ giữa e và vận tốc trục là: e  K m r Hình 2.4 Mối liên hệ giữa e và v 12 Luận Văn Thạc Sĩ GVHD: PGS. TS Nguyễn Minh Tâm Với tham chiếu trên sơ đồ mạch trong hình 2.