Nâng Cao Độ Chính Xác Cảm Biến MARG Sử Dụng Trong Điều Khiển Quadrotor

Bộ điều khiển bay nhận lệnh từ bộ điều khiển từ xa và dữ liệu từ cảm biến MARG (IMU shield, GPS). Sau đó chuyển đổi, lọc nhiễu và ước lượng trạng thái. Cuối cùng, đưa ra các chỉ thị thích hợp cho các bộ điều khiển tốc độ điện tử (ESC). Trong các sản phẩm Quadrotor thương mại, control board và IMU shield thường được đóng gói chung. Do đó, cần tập trung phát triển thuật toán cho thiết bị đo góc phục vụ điều khiển Quadrotor. Việc này sẽ làm tiền đề cho việc phát triển các bộ điều khiển bay và cải thiện chất lượng đo về sau, để có thể chủ động trong các nghiên cứu sâu hơn về điều khiển Quadrotor.

Để có thể điều khiển mô hình ổn định thì việc ước lượng, lọc nhiễu từ dữ liệu đo được từ cảm biến MARG là rất quan trọng. Vì vậy mục tiêu cần tập trung vào thuật toán ước lượng để làm tăng độ chính xác cảm biến của kết quả đo góc. Đề tài nên tập trung sử dụng mô hình bay Quadrotor để kiểm nghiệm khả năng ứng dụng và sai số của thuật toán trong môi trường bay thực tế. Đó sẽ là nền tảng để nâng cao được các tính năng bay tự động, cũng như phát triển các chức năng bay mới cho mô hình bay trong tương lai.

Sai số mắc phải trong việc sử dụng các cảm biến vi cơ có ở 2 cấp độ, cấp độ cảm biến và cấp độ nhóm cảm biến. Ở cấp độ cảm biến là sai số của từng cảm biến cấu tạo thành khối IMU, còn ở cấp độ nhóm cảm biến là sai số tổ hợp của nhóm cảm biến với nhau. Cần xác định rõ các yếu tố gây sai số để có phương án giảm thiểu sai sót.

Dữ liệu từ cảm biến (bao gồm nhiễu và các loại sai số) được xử lý qua thuật toán ước lượng nhằm kết hợp, chuyển đổi và lọc nhiễu các tín hiệu đo sao cho trạng thái ước lượng có sai số nhỏ nhất. Cần có thuật toán để lọc nhiễu và ước lượng một cách hiệu quả để giảm thiểu tối đa ảnh hưởng của nhiễu đến độ chính xác cảm biến.

Để thiết kế bộ lọc Kalman cần xác định mô hình đối tượng và mô hình đo lường. Sau đó, cần tính toán thành phần cho bộ lọc Kalman mở rộng. Quan trọng là phải rời rạc và tuyến tính phương trình động học. Các bước tính toán trong thuật toán Kalman_DCM phải được thực hiện cẩn thận.

Bộ lọc Kalman có khả năng xử lý nhiễu tốt và cung cấp ước lượng trạng thái tối ưu trong điều kiện nhiễu Gaussian. Nó cũng có thể kết hợp dữ liệu từ nhiều cảm biến khác nhau để cải thiện độ chính xác cảm biến. So với các phương pháp lọc đơn giản hơn, bộ lọc Kalman có thể cung cấp hiệu suất vượt trội, đặc biệt trong các ứng dụng yêu cầu độ chính xác cảm biến cao.

Các bước cơ bản bao gồm thu thập dữ liệu trong nhiều tư thế và vận tốc khác nhau. Sau đó sử dụng các thuật toán tối ưu hóa để ước lượng các tham số sai số. Tiếp theo là áp dụng các tham số sai số ước lượng để bù đắp các sai số trong dữ liệu cảm biến. Cuối cùng, cần phải đánh giá hiệu quả của hiệu chuẩn bằng cách so sánh dữ liệu trước và sau khi hiệu chuẩn.

Hiệu chuẩn cảm biến định kỳ có thể giúp duy trì độ chính xác cảm biến cao trong thời gian dài. Điều này đặc biệt quan trọng trong các ứng dụng mà hiệu suất cảm biến có thể thay đổi theo thời gian do các yếu tố như nhiệt độ, rung động và lão hóa. Việc hiệu chuẩn thường xuyên có thể giúp đảm bảo rằng hệ thống vẫn hoạt động trong các thông số kỹ thuật mong muốn.

Luận văn mô phỏng cảm biến MARG trong Matlab/ Simulink để đánh giá độ chính xác cảm biến và quan sát sự ảnh hưởng của các thông số trong thuật toán, các mức nhiễu. Sử dụng board điều khiển multicopter và cảm biến góc có độ chính xác cảm biến cao để tiến hành kiểm nghiệm độ chính xác cảm biến của thuật toán trong thực tế.

Đề tài tập trung sử dụng mô hình bay Quadrotor để kiểm nghiệm khả năng ứng dụng và sai số của thuật toán trong môi trường bay thực tế. Đó sẽ là nền tảng để nâng cao được các tính năng bay tự động, cũng như phát triển các chức năng bay mới cho mô hình bay trong tương lai. Kết quả cho thấy rằng việc sử dụng bộ lọc Kalman và hiệu chuẩn cảm biến có thể cải thiện đáng kể độ chính xác cảm biến.

Để đạt được độ chính xác cảm biến cao cần sử dụng bộ lọc Kalman, bộ lọc bổ sung, hiệu chuẩn cảm biến và bù lỗi cảm biến. Ngoài ra cần đánh giá đầy đủ ảnh hưởng của gia tốc ngoài và từ trường ngoài tác động tới thiết bị.

Hướng nghiên cứu phát triển cảm biến MARG tiên tiến có thể tập trung vào việc phát triển các thuật toán bù lỗi cảm biến tiên tiến hơn, tích hợp cảm biến hiệu quả hơn, khám phá các loại cảm biến mới và công nghệ MEMS. Mục tiêu là giảm thiểu độ trôi cảm biến và nhiễu cảm biến để cải thiện hiệu suất điều khiển bay.