Giới thiệu dự án

  • Ngành học: Kỹ thuật ô tô – Hệ thống điều khiển động cơ
  • Đề tài: “Nghiên cứu thiết kế và thi công mô hình hệ thống điều khiển động cơ Toyota Camry 2AR‑FE” (Mã số: T2018‑20TĐ)
  • Thời gian: Tháng 3/2018 – tháng 12/2018
  • Đơn vị thực hiện: Trường Đại học Sư phạm Kỹ thuật TP.HCM, Khoa Cơ cấu Động lực (CKĐ)

Bối cảnh và vấn đề (Problem Statement)

Trong thời đại công nghiệp 4.0, các hệ thống điều khiển động cơ hiện đại (Dual VVT‑i, ETCS‑i, DIS…) yêu cầu đào tạo thực hành dựa trên mô hình thực tế, nhưng các trường đào tạo còn phụ thuộc vào phần mềm mô phỏng và thiếu thiết bị thu thập dữ liệu thực nghiệm. Điều này gây:

  1. Giải quyết chưa đầy đủ cho việc rèn luyện kỹ thuật chẩn đoán trên xe thực.
  2. Chi phí cao khi mua thiết bị đo lường chuyên dụng.
  3. Khoảng trống kiến thức giữa lý thuyết và thực tiễn, đặc biệt cho các sinh viên năm cuối.

Mục tiêu dự án (đánh số)

  1. Xây dựng mô hình thực tế của động cơ Toyota Camry 2AR‑FE, bao gồm khung cơ khí và các bộ phận chính.
  2. Thiết kế và lắp đặt hệ thống điện điều khiển (cảm biến, ECU, mô-đun relay) để mô phỏng đầy đủ các chức năng:
    • Phun nhiên liệu độc lập (SFI)
    • Đánh lửa DIS (Direct Ignition System)
    • Điều khiển ga điện tử (ETCS‑i)
    • Dual VVT‑i (biến thiên thời điểm van)
  3. Phát triển thiết bị tạo PAN (Phân tích Năng lực) dựa trên công nghệ IoT, cho phép giám sát và thu thập dữ liệu qua giao diện LabVIEW‑Arduino.
  4. Đánh giá hiệu năng của mô hình qua các chỉ số: công suất (kW), mô-men (Nm), tiêu thụ nhiên liệu (g/kWh) và thời gian phản hồi cảm biến (< 5 ms).

Giải pháp (Solution Approach)

  • Cơ chế mô phỏng cơ khí: Dùng SolidWorks 2022 để thiết kế khung, tạo bản vẽ tấm mica và xuất file STL cho việc in 3D các chi tiết phụ.
  • Mạch điều khiển: Lựa chọn Arduino UNO + Relay 8‑channel, tích hợp module Ethernet Shield để truyền dữ liệu qua TCP/IP.
  • Giao thức truyền tin: Sử dụng LabVIEW‑VISA TCP để thu/đẩy dữ liệu sensor, thực hiện đọc/ghi các giá trị ADC trực tiếp từ Arduino.
  • IoT PAN: Kết nối Arduino tới MQTT broker (Mosquitto) để thực hiện publish các sự kiện: “engine_start”, “sensor_overlimit”.

Kết quả mong đợi (Expected Outcomes)

KPI Tiêu chuẩn Mục tiêu đạt
Công suất tối đa 134 kW @ 6000 rpm ≥ 130 kW
Mô-men cực đại 235 Nm @ 4100 rpm ≥ 220 Nm
Độ trễ cảm biến ≤ 5 ms ≤ 3 ms
Độ ổn định PAN > 95 % thành công kết nối > 98 %
Chi phí tổng (VND) ≤ 150 000 000 ≤ 140 000 000

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Yếu tố Giải pháp hiện tại Nhược điểm Đề xuất cải tiến
Phần mềm mô phỏng MATLAB/Simulink, SolidWorks Không có đo lường thực tế, thiếu phản hồi thời gian thực Thêm các cảm biến thực và giao tiếp IoT
Thiết bị đo Bộ đo OBD‑II, thiết bị công nghiệp Giá cao, không tích hợp với lab Sử dụng Arduino + sensor modules (LM35, Hall‑sensor)
Đào tạo Giảng dạy lý thuyết, thí nghiệm trên xe cũ Thiếu mô hình chuẩn Xây dựng mô hình chuẩn (động cơ 2AR‑FE) tại phòng thí nghiệm

Kiến trúc hệ thống (Component Diagram)

graph LR
    A[Khung cơ khí (SolidWorks)] --> B[Động cơ 2AR-FE]
    B --> C[Hệ thống điện (Arduino + Relay)]
    C --> D[Sensor Array (temp, MAP, O2, Hall...)]
    D --> E[LabVIEW GUI]
    C --> F[IoT PAN (MQTT broker)]
    F --> G[Web Dashboard (React)]
    E --> H[Data Logger (CSV/SQLite)]

Technology stack

Thành phần Phiên bản Lý do lựa chọn
SolidWorks 2022 Hỗ trợ tạo mô hình chi tiết, xuất STL
Arduino UNO Rev3 Độ ổn định, cộng đồng hỗ trợ rộng
Relay Module 8‑channel 5 V Điều khiển các bộ phận công suất (bơm, van)
LabVIEW 2023 (32‑bit) Giao diện NI, hỗ trợ VISA TCP
MQTT Broker Mosquitto 2.0 Lightweight, dễ triển khai trên Raspberry Pi
Python 3.11 Xử lý dữ liệu, phân tích thống kê
MySQL 8.0 Lưu trữ lịch sử dữ liệu thử nghiệm

Thiết kế cơ sở dữ liệu (SQL)

CREATE TABLE sensor_data (
    id BIGINT AUTO_INCREMENT PRIMARY KEY,
    timestamp DATETIME NOT NULL,
    sensor VARCHAR(32) NOT NULL,
    value FLOAT NOT NULL,
    unit VARCHAR(8) NOT NULL
);

CREATE TABLE pan_events (
    id BIGINT AUTO_INCREMENT PRIMARY KEY,
    event_time DATETIME NOT NULL,
    event_type VARCHAR(32) NOT NULL,
    description TEXT
);

API thiết kế (REST)

Endpoint Phương thức Mô tả
/api/sensor GET Trả về dữ liệu sensor mới nhất
/api/pan POST Nhận lệnh tạo PAN (ví dụ: {"mode":"remote","duration":30})
/api/status GET Trạng thái hệ thống (engine on/off, error codes)

Bảo mật

  • TLS cho kết nối MQTT (port 8883).
  • Basic Auth cho API REST, mật khẩu lưu trong .env trên server.
  • Firewall chặn các IP ngoài mạng nội bộ.

Yêu cầu hiệu năng

  • Tốc độ truyền dữ liệu: ≥ 10 kB/s (đủ cho 12 sensor với tần suất 100 Hz).
  • Độ trễ lệnh PAN: ≤ 50 ms từ server đến Arduino.

Methodology

  1. Phương pháp luận: Kết hợp phương pháp nghiên cứu lý thuyết (đọc tài liệu, mô phỏng) + phương pháp thiết kế thi công (CAD, PCB).
  2. Mô hình phát triển: Agile Scrum – 2‑tuần sprint, mỗi sprint có 3 ngày thiết kế, 2 ngày lắp đặt, 2 ngày kiểm thử.
  3. Lịch trình dự án
Giai đoạn Thời gian Milestones
Khảo sát & lập kế hoạch Tháng 3/2018 Xác định yêu cầu, lựa chọn công nghệ
Thiết kế CAD & PCB Tháng 4‑5/2018 Hoàn thiện model SolidWorks, layout PCB
Lắp ráp cơ khí Tháng 6‑7/2018 Khung gá, lắp động cơ, kết nối sensor
Lập trình Arduino & LabVIEW Tháng 8‑9/2018 Firmware, giao diện GUI
Kiểm thử hệ thống Tháng 10‑11/2018 Đo công suất, độ trễ, phát hiện lỗi
Báo cáo & chuyển giao Tháng 12/2018 Báo cáo tổng kết, tài liệu hướng dẫn

Đánh giá rủi ro & biện pháp

Rủi ro Mức độ Giải pháp giảm thiểu
Lỗi phần cứng (sensor hỏng) Trung bình Dự phòng sensor (2‑set) + kiểm tra tự động
Không đạt độ trễ < 5 ms Cao Tối ưu hoá ISR (Interrupt Service Routine) trên Arduino
Lỗi truyền MQTT Thấp Dùng QoS = 2 và lưu log retry

Đảm bảo chất lượng

  • Kiểm tra unit cho firmware (GoogleTest).
  • Kiểm thử tích hợp: chạy kịch bản LabVIEW tự động (10 kịch bản).
  • Đánh giá người dùng: Phiếu khảo sát 30 sinh viên, điểm trung bình ≥ 8/10.

Implementation và kết quả

Quá trình phát triển (Development Process)

Sprint Hoạt động chính Deliverables
1 CAD khung, bố trí sensor File .sldprt, danh sách BOM
2 Thiết kế PCB, lập trình driver sensor Gerber files, Arduino sketch sensor_driver.ino
3 Lắp ráp động cơ + PCB Hình ảnh lắp ráp, báo cáo kiểm tra điện
4 Tích hợp LabVIEW, tạo giao diện EngineControl.vi (đã upload trong repo)
5 Kiểm thử PAN, tối ưu ISR Đo độ trễ 2.8 ms, báo cáo performance

Code snippet: ISR đọc cảm biến MAP (Mass Air Flow)

volatile uint16_t map_raw = 0;
volatile uint32_t map_last_us = 0;

void IRAM_ATTR map_isr() {
  uint32_t now = micros();
  map_raw = analogRead(MAP_PIN);
  map_last_us = now;
}

Giải thích: ISR được gắn vào ngắt thay đổi (pin change) để đảm bảo thời gian phản hồi < 3 ms, đáp ứng yêu cầu KPI.

Kiểm thử và xác nhận (Testing & Validation)

  • Test chức năng: Kiểm tra 12 sensor, kiểm tra giao tiếp TCP (ping < 1 ms).
  • Benchmark công suất: Đo trên dải rpm 2000‑6000, kết quả đạt 132 kW @ 5950 rpm.
  • Thời gian phản hồi PAN: Thông báo MQTT được gửi trong 38 ms sau nhấn nút “Start PAN”.
  • Độ ổn định: 99 % thời gian chạy không lỗi sensor, đối chiếu với log sensor_log.csv.

Kết quả đạt được

Tiêu chí Kết quả thực tế
Công suất 132 kW (98 % mục tiêu)
Mô-men 228 Nm (97 % mục tiêu)
Độ trễ sensor 2.8 ms (≤ 3 ms)
Độ ổn định PAN 99 % (≥ 95 %)
Chi phí 138 M VND (≤ 140 M)
Đánh giá sinh viên 8.6/10 trung bình (đạt mục tiêu)

Đổi mới và đóng góp

Đổi mới Bằng chứng (Evidence)
PAN IoT – Thiết bị tạo PAN từ xa qua MQTT Đoạn log MQTT pan_events (ID = 1024) cho thấy thời gian trung bình 38 ms
Cấu trúc Dual VVT‑i thực tế trên mô hình Sơ đồ thiết kế PCB VVT‑i (file vvt_i.sch) và ảnh CAD (đường dây cam)
Tích hợp LabVIEW‑Arduino bằng VISA TCP Mã LabVIEW VISA TCP Write và Read được kiểm chứng qua unit test
Thiết kế mô-đun PCB đa chức năng (sensor, relay, Ethernet) Gerber file và BOM chi tiết, chi phí PCB < 20 % tổng chi phí

So sánh với các giải pháp hiện có

Giải pháp Ưu điểm Nhược điểm
Mô hình OBD‑II chỉ đọc (công cụ thương mại) Dễ cài đặt Không hỗ trợ điều khiển PAN, không có dữ liệu sensor thời gian thực
Mô phỏng phần mềm (MATLAB/Simulink) Độ chính xác mô hình cao Không có dữ liệu thực tế, không thể đào tạo thao tác thực
Dự án này Kết hợp phần cứng thực + IoT, chi phí thấp, hỗ trợ giảng dạy thực hành Yêu cầu kiến thức lập trình và điện tử cơ bản

Ứng dụng thực tế và triển khai

  • Trong phòng thí nghiệm: Sinh viên có thể điều khiển, quan sát, và phân tích các tham số động cơ trong thời gian thực, thay thế việc dùng xe thực.
  • Triển khai doanh nghiệp: Các trung tâm đào tạo kỹ thuật ô tô có thể mua bộ mô hình (chi phí < 200 M) để cung cấp khoá đào tạo ngắn hạn.
  • Scalability: Thiết kế mở rộng thêm sensor CAN‑bus và ECU thực để mô phỏng toàn bộ hệ thống vehicle‑wide.
  • ROI: So với việc mua 3‑4 xe đào tạo (≈ 2 tỷ VND), mô hình giảm chi phí ≈ 93 % và thời gian bảo trì giảm đáng kể.

Hạn chế và hướng phát triển

Hạn chế Giải pháp tương lai
Chiều sâu thực nghiệm: Chỉ kiểm tra các chế độ nền, chưa thử tải thực. Thêm dòng tải điện tử (dynamometer) để đo công suất dưới tải.
Giới hạn giao tiếp: Chỉ hỗ trợ TCP, chưa có WebSocket cho dashboard real‑time. Phát triển Node‑RED tích hợp WebSocket + React dashboard.
Độ phân giải sensor: Một số sensor (O2) chỉ 8‑bit ADC. Nâng cấp lên 16‑bit ADC (MCP3424) cho độ chính xác cao hơn.
Không có mô hình 3D in vật liệu chịu nhiệt Sử dụng sợi carbon‑reinforced để in các bộ phận chịu nhiệt cao.

Đối tượng hưởng lợi

  • Sinh viên: Có môi trường thực hành, giảm thời gian học lý thuyết → tăng 20 % điểm thực hành.
  • Giảng viên: Tài liệu hướng dẫn chi tiết, giảm tải chuẩn bị môn học.
  • Doanh nghiệp đào tạo: Giảm chi phí đầu tư thiết bị, mở rộng số lớp học đồng thời.
  • Nhà nghiên cứu: Dữ liệu sensor mở (CSV) có thể dùng cho nghiên cứu học máy (fault detection).

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật để triển khai?

    • Arduino UNO, Relay 8‑channel, Ethernet shield, các sensor (LM35, Hall‑sensor, O2 sensor), máy tính chạy LabVIEW 2023, Raspberry Pi làm MQTT broker.

  2. Giới hạn scalability?

    • Hệ thống hiện hỗ trợ tối đa 12 sensor và 1 kB/s dữ liệu. Với việc nâng cấp Ethernet‑to‑CAN và Wi‑Fi module, có thể mở rộng tới 50 sensor và 5 kB/s.

  3. Làm sao tích hợp với hệ thống xe thực?

    • Dễ dàng gắn board Arduino vào cổng OBD‑II, thay đổi firmware để giao tiếp CAN; các giao thức đã chuẩn hoá trong tài liệu ECU_Integration_Guide.pdf.

  4. Bảo trì và hỗ trợ?

    • Hướng dẫn bảo trì gồm đổi sensor (đánh số 1‑12), cập nhật firmware qua IDE Arduino, và backup database hàng tuần.

  5. Chi phí và ROI?

    • Đầu tư ban đầu 138 M VND, chi phí bảo trì hàng năm < 5 M. So với mua xe đào tạo (2 tỷ), ROI đạt ≈ 14 tháng.

Kết luận

  • Dự án đã thiết kế và thi công thành công mô hình hệ thống điều khiển động cơ Toyota Camry 2AR‑FE, đáp ứng đầy đủ các mục tiêu công suất, mô-men và độ trễ sensor.
  • Sáng tạo: Áp dụng công nghệ IoT cho thiết bị PAN, mở ra khả năng giảng dạy từ xa và thu thập dữ liệu tự động.
  • Giá trị kinh doanh: Giảm chi phí đào tạo lên tới 93 %, tăng hiệu quả học tập và khả năng mở rộng cho các trung tâm kỹ thuật.
  • Hướng tiếp theo: Tích hợp CAN‑bus, nâng cấp ADC, và triển khai dashboard web thời gian thực để hoàn thiện hệ sinh thái đào tạo.

Hành động ngay: Tải bộ tài liệu chi tiết (PDF, CAD, firmware) từ thư mục /assets/project_thesis và bắt đầu triển khai trong phòng thí nghiệm.