Mô Hình Hóa và Điều Khiển Robot Rắn - Luận Văn Thạc Sĩ HCMUTE

LỜI CAM ĐOAN

LỜI CẢM ƠN

TÓM TẮT

ABSTRACT

1. CHƯƠNG 1: TỔNG QUAN

1.1. Tổng quan về robot và các kết quả nghiên cứu đã công bố

1.2. Mục đích của đề tài

1.3. Nhiệm vụ của đề tài và giới hạn đề tài

1.4. Phương pháp nghiên cứu

2. CHƯƠNG 2: MÔ HÌNH HOÁ ROBOT RẮN

2.1. Lực ma sát nhớt của robot rắn

2.2. Phương trình chuyển động

2.3. Phân ly động lực học

3. CHƯƠNG 3: PHƯƠNG PHÁP ĐIỀU KHIỂN CHUYỂN ĐỘNG CỦA ROBOT RẮN

3.1. Đường cong Serpenoid

3.2. Sự di chuyển hình rắn

3.3. Hiệu suất chuyển động

4. CHƯƠNG 4: GIẢI THUẬT TỐI ƢU BẦY ĐÀN

4.1. Lịch sử phát triển

4.2. Các khái niệm cơ bản trong giải thuật bầy đàn

4.3. Mô tả thuật toán

4.4. Những vấn đề cần quan tâm khi xây dựng giải thuật PSO

4.4.1. Khởi tạo quần thể ban đầu

4.4.2. Hàm thích nghi (hàm mục tiêu)

4.4.3. Hàm vận tốc v

4.4.4. Cập nhật vị trí tốt nhất cho cả quần thể

4.5. Đặc điểm và ứng dụng của giải thuật PSO

4.6. Hiệu chỉnh bộ điều khiển PID bằng giải thuật bầy đàn

5. CHƯƠNG 5: XÂY DỰNG HỆ THỐNG ĐIỀU KHIỂN ROBOT RẮN TRÊN MATLAB

5.1. Thiết kế bộ điều khiển robot rắn

5.1.1. Bộ điều khiển địa phương

5.1.2. Bộ điều khiển vòng ngoài

5.2. Xây dựng phương trình toán học trên Matlab

5.3. Xây dựng mô hình cho bộ điều khiển địa phương

5.4. Xây dựng mô hình cho bộ điều khiển vòng ngoài

5.4.1. Bộ điều khiển vận tốc

5.4.2. Bộ điều khiển hướng

5.5. Xây dựng bộ điều khiển rắn trên matlab

5.6. Kết quả mô phỏng sử dụng giải thuật PSO

5.7. Kết quả mô phỏng hệ thống điều khiển robot rắn

6. CHƯƠNG 6: SO SÁNH PHƯƠNG PHÁP ĐIỀU KHIỂN PID DÙNG GIẢI THUẬT PSO VÀ GIẢI THUẬT GA

6.1. Phương pháp điều khiển PID dùng giải thuật GA

6.1.1. Thiết kế bộ điều khiển địa phương

6.1.2. Thiết kế bộ điều khiển hướng và vận tốc

6.2. Kết quả mô phỏng

6.3. Phương pháp điều khiển PID dùng giải thuật PSO

6.4. So sánh kết quả của phương pháp điều khiển PID dùng giải thuật PSO và giải thuật GA khi thay đổi vận tốc

6.5. So sánh kết quả của phương pháp điều khiển PID dùng giải thuật PSO và giải thuật GA khi môi trường thay đổi

6.6. So sánh kết quả của phương pháp điều khiển PID dùng giải thuật PSO và giải thuật GA khi các thông số thay đổi

6.7. Nhận xét kết quả

7. CHƯƠNG 7: THIẾT KẾ VÀ THI CÔNG MÔ HÌNH ROBOT RẮN

7.1. Chọn động cơ cho robot rắn

7.1.1. Giới thiệu về động cơ Dynamixel AX-12A

7.1.2. Đặc tính kỹ thuật của động cơ Dynamixel AX-12A

7.2. Thiết kế cơ khí

7.3. Thiết kế mạch giao tiếp giữa robot và máy tính

TÀI LIỆU THAM KHẢO

I. Mô Hình Hóa Robot Rắn

Chương này tập trung vào việc xây dựng mô hình toán học cho robot rắn. Mô hình này được thiết lập dựa trên các đoạn kết nối với nhau qua các khớp, với giả thiết mỗi đoạn có khối lượng phân bố đều. Hệ thống robot rắn được xem xét trong mặt phẳng hai chiều, với (n+2) bậc tự do. Việc xây dựng phương trình động lực học cho robot rắn là rất quan trọng, đặc biệt trong việc xác định lực ma sát và các yếu tố ảnh hưởng đến chuyển động của robot. Các phương trình này sẽ giúp mô phỏng và điều khiển chuyển động của robot một cách chính xác.

1.1 Lực Ma Sát Nhớt của Robot Rắn

Trong phần này, lực ma sát nhớt của robot rắn được phân tích. Mỗi đoạn của robot sẽ có lực ma sát tác động lên nó, ảnh hưởng đến chuyển động. Các yếu tố như chiều dài đoạn, góc hợp với trục x và vận tốc sẽ được xem xét để tính toán lực ma sát. Việc hiểu rõ lực ma sát là cần thiết để tối ưu hóa chuyển động của robot, giúp robot hoạt động hiệu quả hơn trong các môi trường khác nhau.

1.2 Phương Trình Chuyển Động

Phương trình chuyển động của robot rắn được xây dựng dựa trên các yếu tố như lực tác động, ma sát và động lực học. Các phương trình này sẽ giúp mô phỏng chuyển động của robot trong không gian hai chiều. Việc xây dựng phương trình chính xác là rất quan trọng để đảm bảo robot có thể di chuyển một cách linh hoạt và hiệu quả. Các yếu tố như tốc độ, hướng và góc sẽ được đưa vào tính toán để đảm bảo robot có thể thực hiện các nhiệm vụ một cách chính xác.

II. Phương Pháp Điều Khiển Chuyển Động của Robot Rắn

Chương này trình bày các phương pháp điều khiển chuyển động của robot rắn. Đường cong Serpenoid được sử dụng để mô phỏng chuyển động của robot, cho phép robot di chuyển một cách linh hoạt và tự nhiên. Các yếu tố như hướng, vận tốc và góc phi sẽ được điều chỉnh để đạt được chuyển động mong muốn. Việc áp dụng các phương pháp điều khiển hiện đại sẽ giúp tối ưu hóa hiệu suất chuyển động của robot, đồng thời giảm thiểu sai số trong quá trình điều khiển.

2.1 Đường Cong Serpenoid

Đường cong Serpenoid là một trong những yếu tố quan trọng trong việc điều khiển chuyển động của robot rắn. Đường cong này cho phép robot di chuyển theo hình dạng tự nhiên của loài rắn, giúp robot có thể luồn lách qua các chướng ngại vật và di chuyển trên nhiều địa hình khác nhau. Việc áp dụng đường cong này trong mô hình hóa và điều khiển sẽ giúp robot hoạt động hiệu quả hơn trong các tình huống thực tế.

2.2 Sự Di Chuyển Hình Rắn

Sự di chuyển của robot rắn được mô phỏng dựa trên các nguyên lý động học và động lực học. Các yếu tố như tốc độ, hướng và góc sẽ được điều chỉnh để đạt được chuyển động mong muốn. Việc hiểu rõ cách thức di chuyển của robot sẽ giúp tối ưu hóa các thuật toán điều khiển, từ đó nâng cao hiệu suất hoạt động của robot trong các nhiệm vụ thực tế.

III. Giải Thuật Tối Ưu Bầy Đàn

Chương này giới thiệu về giải thuật tối ưu bầy đàn (PSO) và ứng dụng của nó trong việc tối ưu hóa các thông số của bộ điều khiển PID cho robot rắn. Giải thuật này giúp tìm ra các giá trị tối ưu cho các thông số điều khiển, từ đó nâng cao hiệu suất hoạt động của robot. Việc áp dụng PSO trong điều khiển robot rắn sẽ giúp cải thiện khả năng phản ứng và chính xác trong quá trình điều khiển.

3.1 Lịch Sử Phát Triển

Giải thuật tối ưu bầy đàn (PSO) đã được phát triển từ những năm 1990 và đã trở thành một trong những phương pháp tối ưu hóa phổ biến trong nhiều lĩnh vực. Việc áp dụng PSO trong điều khiển robot rắn đã mở ra nhiều cơ hội mới trong việc tối ưu hóa các thông số điều khiển, giúp robot hoạt động hiệu quả hơn trong các tình huống thực tế.

3.2 Các Khái Niệm Cơ Bản trong Giải Thuật Bầy Đàn

Các khái niệm cơ bản trong giải thuật bầy đàn bao gồm quần thể, cá thể và hàm thích nghi. Mỗi cá thể trong quần thể sẽ tìm kiếm giải pháp tối ưu dựa trên thông tin từ các cá thể khác. Việc hiểu rõ các khái niệm này sẽ giúp áp dụng PSO một cách hiệu quả trong việc tối ưu hóa các thông số của bộ điều khiển PID cho robot rắn.

Luận Văn Thạc Sĩ HCMUTE Về Mô Hình Hóa và Điều Khiển Robot Rắn