Luận văn thạc sĩ về điều khiển cần trục: Nghiên cứu và ứng dụng bộ lọc Kalman

Khám phá luận văn thạc sĩ về điều khiển cần trục, các phương pháp, ứng dụng và xu hướng phát triển trong ngành công nghiệp hiện đại.

• Tác giả: Huỳnh Hải Hoàng
• Người hướng dẫn: TS. Ngô Văn Thuyên
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điện
• Đề tài: Điều Khiển Cần Trục
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2016
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• ABSTRACT
• MỤC LỤC
• DANH SÁCH CÁC TỪ VIẾT TẮT
• DANH SÁCH CÁC HÌNH
• DANH SÁCH CÁC BẢNG
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu chung
• 1.2. Các phương pháp nghiên cứu về điều khiển hệ thống cần trục
• 1.3. Mục tiêu và giới hạn của đề tài
• 1.4. Phương pháp nghiên cứu
• 1.5. Nội dung luận văn
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Hệ thống cần trục tự động
• 2.2. Thiết lập mô hình toán học không gian của hệ thống cần trục
• 2.3. Mô hình của động cơ
• 2.4. Mô hình của dây đai
• 2.5. Mô hình của cần trục
• 2.6. Mô hình của tải
• 2.7. Mô hình không gian hệ cầu trục
• 2.8. Mạng nơron nhân tạo (Artifical Neural Networks_ ANN)
• 2.9. Bộ lọc Kalman rời rạc
• 2.10. Quá trình xử lý để ước lượng
• 2.11. Các nguồn gốc tính toán của bộ lọc
• 2.12. Thuật toán bộ lọc Kalman rời rạc
• 2.13. Cảm biến góc với ngõ ra tương tự
• 3. CHƯƠNG 3: PHƯƠNG PHÁP ĐIỀU KHIỂN
• 3.1. Điều khiển hệ thống khi không dùng bộ lọc kalman
• 3.2. Điều khiển hệ thống có dùng bộ lọc kalman
• 3.3. Điều khiển hệ thống có dùng bộ lọc kalman bằng mạng neural
• 4. CHƯƠNG 4: THỰC NGHIỆM TRÊN MÔ HÌNH THỰC
• 4.1. Mô hình cần trục kiểu thí nghiệm
• 4.2. Kết quả thực nghiệm điều khiển chống lắc trên hệ thống theo phương pháp PID có dùng cảm biến góc encoder không dùng bộ lọc kalman
• 4.3. Kết quả thực nghiệm điều khiển chống lắc trên hệ thống theo phương pháp PID có dùng cảm biến góc analog dùng bộ lọc kalman
• 4.4. Kết quả thực nghiệm điều khiển chống lắc trên hệ thống theo phương pháp noron có dùng cảm biến góc analog
• 5. CHƯƠNG 5: HƯỚNG PHÁT TRIỂN ĐỀ TÀI
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nghiên cứu điều khiển cần trục hiệu quả với bộ lọc Kalman

Cần trục là thiết bị quan trọng trong ngành công nghiệp, được sử dụng để vận chuyển vật nặng và vật liệu độc hại. Việc điều khiển cần trục hiệu quả không chỉ giúp tăng năng suất mà còn đảm bảo an toàn cho người lao động và môi trường xung quanh. Nghiên cứu này tập trung vào việc áp dụng bộ lọc Kalman để cải thiện hiệu suất điều khiển cần trục, giảm thiểu dao động trong quá trình vận chuyển.

1.1. Định nghĩa và vai trò của cần trục trong công nghiệp

Cần trục được sử dụng rộng rãi trong nhiều lĩnh vực như xây dựng, đóng tàu và nhà máy hạt nhân. Chúng giúp di chuyển vật nặng một cách an toàn và hiệu quả. Việc điều khiển chính xác cần trục là rất quan trọng để tránh tai nạn và hư hỏng thiết bị.

1.2. Tại sao cần nghiên cứu điều khiển cần trục với bộ lọc Kalman

Bộ lọc Kalman giúp lọc nhiễu từ cảm biến, cải thiện độ chính xác trong việc đo lường và điều khiển. Việc áp dụng bộ lọc này trong điều khiển cần trục có thể giảm thiểu dao động, đảm bảo an toàn và hiệu suất cao hơn trong quá trình vận chuyển.

II. Các thách thức trong điều khiển cần trục hiện nay

Mặc dù cần trục đã được sử dụng rộng rãi, nhưng vẫn tồn tại nhiều thách thức trong việc điều khiển chúng một cách hiệu quả. Các vấn đề như nhiễu từ cảm biến, chi phí đầu tư cao và khó khăn trong việc lắp đặt cảm biến góc là những yếu tố cần được giải quyết.

2.1. Nhiễu từ cảm biến và ảnh hưởng đến điều khiển

Cảm biến góc thường bị ảnh hưởng bởi nhiễu từ môi trường và cơ cấu cảm biến. Điều này dẫn đến việc đo lường không chính xác, ảnh hưởng đến hiệu suất điều khiển cần trục.

2.2. Chi phí và khó khăn trong lắp đặt cảm biến

Việc lắp đặt cảm biến góc cho cần trục thường tốn kém và phức tạp. Điều này làm giảm khả năng áp dụng công nghệ mới trong điều khiển cần trục.

III. Phương pháp điều khiển cần trục hiệu quả với bộ lọc Kalman

Phương pháp điều khiển cần trục sử dụng bộ lọc Kalman đã được nghiên cứu và áp dụng để cải thiện hiệu suất điều khiển. Phương pháp này giúp lọc nhiễu và tăng độ chính xác trong việc điều khiển cần trục.

3.1. Mô hình toán học của cần trục

Mô hình toán học của cần trục được xây dựng dựa trên các phương trình vật lý. Mô hình này giúp xác định các thông số cần thiết cho việc điều khiển và tối ưu hóa quá trình vận chuyển.

3.2. Ứng dụng bộ lọc Kalman trong điều khiển

Bộ lọc Kalman được sử dụng để lọc nhiễu từ cảm biến góc, giúp cải thiện độ chính xác trong việc đo lường và điều khiển. Phương pháp này đã cho thấy hiệu quả trong việc giảm thiểu dao động trong quá trình vận chuyển.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu đã thực hiện các thí nghiệm trên mô hình thực tế của cần trục để đánh giá hiệu quả của phương pháp điều khiển sử dụng bộ lọc Kalman. Kết quả cho thấy phương pháp này giúp giảm thiểu dao động và cải thiện hiệu suất điều khiển.

4.1. Kết quả mô phỏng và thí nghiệm

Các kết quả mô phỏng cho thấy rằng việc sử dụng bộ lọc Kalman giúp cải thiện đáng kể độ chính xác trong điều khiển cần trục. Thí nghiệm thực tế cũng cho thấy sự giảm thiểu dao động trong quá trình vận chuyển.

4.2. Ứng dụng trong các lĩnh vực công nghiệp

Phương pháp điều khiển này có thể được áp dụng trong nhiều lĩnh vực như xây dựng, đóng tàu và nhà máy hạt nhân, giúp nâng cao hiệu suất và an toàn trong quá trình vận chuyển.

V. Kết luận và hướng phát triển tương lai

Nghiên cứu đã chỉ ra rằng việc áp dụng bộ lọc Kalman trong điều khiển cần trục mang lại nhiều lợi ích. Tuy nhiên, vẫn cần tiếp tục nghiên cứu để cải thiện hơn nữa hiệu suất và khả năng ứng dụng của phương pháp này.

5.1. Tóm tắt kết quả nghiên cứu

Kết quả nghiên cứu cho thấy rằng bộ lọc Kalman có thể cải thiện đáng kể hiệu suất điều khiển cần trục, giảm thiểu dao động và tăng độ chính xác trong quá trình vận chuyển.

5.2. Hướng phát triển trong tương lai

Cần tiếp tục nghiên cứu và phát triển các phương pháp điều khiển mới, kết hợp với công nghệ hiện đại để nâng cao hiệu suất và an toàn trong điều khiển cần trục.

Nội dung chính

Tổng quan nghiên cứu

Trong các ngành công nghiệp nặng như đóng tàu, xây dựng công trình cao tầng, nhà máy hạt nhân và cảng container chuyên dụng, hệ thống cần trục và cầu trục giàn giữ vai trò huyết mạch trong việc bốc dỡ, luân chuyển hàng hóa trọng tải lớn. Theo thống kê tại các bãi bốc dỡ logistics, hiện tượng dao động tự do của tải trọng khi xe con di chuyển có thể tạo ra góc lắc lên đến 15 - 20 độ, làm giảm khoảng 30% năng suất vận hành và tiềm ẩn nguy cơ va đập nghiêm trọng đối với người lao động cũng như kết cấu công trình. Vấn đề cốt lõi đặt ra là làm thế nào để xe con di chuyển đến đúng tọa độ đặt với tốc độ nhanh nhất nhưng phải đồng thời triệt tiêu hoàn toàn góc lắc của tải ở điểm dừng.

Để kiểm soát góc lắc, hệ thống điều khiển hồi tiếp truyền thống bắt buộc phải trang bị cảm biến đo góc. Tuy nhiên, các loại cảm biến xung encoder chính xác cao thường có giá thành lớn, cấu tạo cơ khí phức tạp, khó lắp đặt đồng bộ tại cơ cấu nâng hạ dây cáp và thường xuyên phải bảo trì định kỳ. Ngược lại, cảm biến góc ngõ ra tương tự (analog) điện áp 0 - 5 VDC có chi phí thấp hơn đáng kể nhưng lại bị ảnh hưởng nặng nề bởi nhiễu điện từ môi trường và nhiễu dao động cơ khí. Luận văn thạc sĩ chuyên ngành Kỹ thuật Điện này tập trung nghiên cứu giải pháp điều khiển chống lắc cho hệ thống cầu trục tự động thông qua việc ứng dụng bộ lọc Kalman rời rạc để khử nhiễu tín hiệu từ cảm biến góc tương tự, kết hợp cùng bộ điều khiển kinh điển PID và mạng nơ-ron nhân tạo.

Nghiên cứu được triển khai thực nghiệm trên mô hình cầu trục giàn tại phòng thí nghiệm tự động hóa với chiều dài dây treo cáp 0,88 m, khảo sát với các mức tải trọng 10 kg và 20 kg trong phạm vi hành trình dịch chuyển 100 cm. Kết quả đạt được mang ý nghĩa thực tiễn to lớn khi giúp giảm hơn 40% chi phí lắp đặt thiết bị cảm biến, duy trì thời gian xác lập hệ thống dưới 5 giây và kiểm soát sai số vị trí dừng trong phạm vi 2 cm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự kết hợp chặt chẽ giữa 3 nền tảng lý thuyết điều khiển tự động hiện đại:

1. Phương pháp cơ học giải tích Lagrange và mô hình hóa không gian trạng thái: Động học phi tuyến của hệ thống cầu trục được thành lập qua phương trình Euler-Lagrange, biểu diễn tương tác giữa xe con khối lượng $m_1$ chuyển động tịnh tiến và tải trọng khối lượng $m_2$ dao động tự do như một con lắc đơn có chiều dài thanh treo $l = 0,88\text{ m}$. Hệ thống truyền động bao gồm động cơ điện một chiều DC có điện trở phần ứng $R = 1,8,\Omega$, điện cảm $L = 0,005\text{ H}$, hằng số mô-men $K_m = 0,306\text{ Nm/A}$ và bán kính puli kéo $r_p = 0,015\text{ m}$.

2. Lý thuyết ước lượng trạng thái ngẫu nhiên - Bộ lọc Kalman rời rạc (Discrete Kalman Filter): Xử lý bài toán ước lượng trạng thái tối ưu theo quy tắc xác suất Bayes. Thuật toán hoạt động thông qua 2 giai đoạn lặp liên tục: pha tiên đoán (cập nhật trạng thái và ma trận hiệp phương sai trước $P_k^-$) và pha hiệu chỉnh cập nhật đo đạc (tính toán độ lợi Kalman $K_k$, cập nhật trạng thái thực tế qua thặng dư đo lường $z_k - H\hat{x}_k^-$ với ma trận nhiễu quá trình $Q$ và ma trận nhiễu đo $R$).

3. Lý thuyết mạng nơ-ron nhân tạo (Artificial Neural Network - ANN): Sử dụng kiến trúc mạng truyền thẳng đa lớp (Multi-Layer Perceptron) với giải thuật lan truyền ngược (Back-Propagation Algorithm - BPA). Hàm tổng trọng số kết hợp cùng các hàm kích hoạt phi tuyến giúp mạng nơ-ron tự động học và nhận dạng quy luật điều khiển bù góc lắc phức tạp dựa trên tập dữ liệu đo đạc thực tế từ hệ thống.

4. Kỹ thuật điều chế độ rộng xung (PWM) và giải mã góc quay trực giao (eQEP): Xử lý tín hiệu điều khiển điện áp ngõ ra mạch cầu H chuyên dụng LM18200 và giải mã tín hiệu hồi tiếp từ bộ đếm số xung encoder 256 xung/vòng với độ phân giải 12-bit.

Phương pháp nghiên cứu

Nghiên cứu áp dụng quy trình kết hợp giữa mô phỏng số hóa và kiểm chứng thực nghiệm trên phần cứng thời gian thực theo tiến trình 4 giai đoạn cụ thể:

• Nguồn dữ liệu và thu thập tín hiệu: Tín hiệu vị trí xe con, góc lắc tải trọng và điện áp động cơ được số hóa thông qua bo mạch xử lý tín hiệu số chuyên dụng DSP TMS320F28335 của hãng Texas Instruments, giao tiếp máy tính thời gian thực qua cổng USB. Cỡ mẫu đo lường được thực hiện liên tục với tần số quét 100 Hz trên các dải chuyển dịch vị trí 100 cm, quét qua độ phân giải 12-bit (4096 mức giá trị) của cảm biến góc analog $0 - 5\text{ V}$.
• Phương pháp chọn mẫu và thực nghiệm: Lựa chọn 2 mức tải trọng tiêu biểu $10\text{ kg}$ và $20\text{ kg}$ nhằm kiểm tra độ bền vững của bộ điều khiển trước sự thay đổi của quán tính tải.
• Phương pháp phân tích và mô phỏng: Toàn bộ thuật toán được mô hình hóa toán học trên môi trường MATLAB & Simulink, giải phương trình vi phân phi tuyến bằng phép biến đổi Laplace và rời rạc hóa khâu tích phân theo phương pháp hình thang (Trapezoidal), khâu vi phân theo sai phân hữu hạn lùi trước khi nạp mã nhúng C/C++ trực tiếp xuống chip DSP.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và thực nghiệm trên mô hình cầu trục giàn vật lý đã đem lại 4 kết quả đột phá:

1. Hiệu năng định vị vị trí vượt trội: Hệ thống điều khiển vị trí đưa xe con di chuyển chính xác đến tọa độ đặt $100\text{ cm}$ với thời gian xác lập trung bình là 5,0 giây. Sai số xác lập vị trí được giữ ổn định ở mức 2,0 cm (tương đương sai số chỉ 2% trên toàn hành trình). Khi tăng tải trọng từ $10\text{ kg}$ lên $20\text{ kg}$, thời gian dịch chuyển chỉ tăng thêm khoảng 0,3 giây, chứng minh tính ổn định cao của cấu trúc hồi tiếp.
2. Khả năng triệt tiêu góc lắc hoàn hảo: Biên độ dao động góc lắc ban đầu đạt mức tối đa gần 20 độ khi xe tăng tốc. Dưới tác động của bộ điều khiển góc với thông số tỉ lệ $K_p = 25$ và vi phân $K_d = 2$, góc lắc dao động tắt dần và triệt tiêu hoàn toàn về 0 độ đúng tại thời điểm 5,0 giây khi xe dừng tại đích.
3. Hiệu quả lọc nhiễu của bộ lọc Kalman rời rạc: Tín hiệu thu nhận từ cảm biến analog $0 - 5\text{ VDC}$ vốn chứa biên độ nhiễu gai điện áp lên tới 12 - 15% đã được làm phẳng hoàn toàn sau khi qua bộ lọc Kalman. Đáp ứng góc sau khi lọc đạt độ khớp xấp xỉ 96% so với dạng sóng đo được từ cảm biến encoder quang học cao cấp 256 xung/vòng.
4. Hiệu suất điều khiển thích nghi bằng mạng nơ-ron: Mạng nơ-ron huấn luyện qua giải thuật lan truyền ngược BPA triệt tiêu góc lắc mượt mà, giảm độ vọt lố góc lắc xuống thêm 8% so với phương pháp PID truyền thống.

Thảo luận kết quả

Khi phân tích dữ liệu đáp ứng động học được biểu diễn trực quan qua đồ thị đường cong thời gian - vị trí $x(t)$ và thời gian - góc lắc $\theta(t)$, sự khác biệt giữa các phương pháp được bộc lộ rõ rệt:

Trong chế độ điều khiển vòng hở hoặc không sử dụng bộ lọc, nhiễu điện áp ngõ vào từ cảm biến analog làm cho tín hiệu điều khiển PWM bị dao động liên tục với tần số cao, dẫn đến hiện tượng giật cục cơ khí ở động cơ DC và làm tăng dao động lắc dư thừa của tải trọng lên hơn 10 giây. Ngược lại, việc tích hợp bộ lọc Kalman đã tái tạo trạng thái góc lắc $\hat{\theta}(t)$ mịn màng nhờ khả năng cân đối tối ưu giữa mô hình dự báo nội tại của hệ thống và tín hiệu đo lường thực tế thông qua ma trận hiệp phương sai sai số $P_k$.

So sánh với các công trình nghiên cứu sử dụng kỹ thuật tạo hình tín hiệu đầu vào (Input Shaping) của một số tác giả quốc tế vốn phụ thuộc cứng vào thông số hệ thống và không triệt tiêu được rung chấn khi có gió hoặc nhiễu ngoại cảnh, giải pháp kết hợp Kalman-PID và Kalman-ANN trong luận văn thể hiện khả năng bù sai lệch linh hoạt. Đồ thị so sánh giữa 3 kênh: (1) Cảm biến Encoder - PID, (2) Cảm biến Analog - Kalman - PID, và (3) Cảm biến Analog - Kalman - ANN cho thấy biên độ đáp ứng của kênh (2) và (3) gần như tiệm cận hoàn toàn với đường chuẩn của kênh (1). Điều này khẳng định hoàn toàn tính khả thi của việc thay thế phần cứng encoder đắt tiền bằng cảm biến analog tích hợp thuật toán lọc số thông minh.

Đề xuất và khuyến nghị

Dựa trên kết quả thu được, tác giả đưa ra 4 khuyến nghị then chốt nhằm nâng cao hiệu quả ứng dụng thực tế:

1. Phát triển thuật toán lọc Kalman thích nghi (Adaptive Extended Kalman Filter): Nâng cấp thuật toán lọc để tự động cập nhật trực tuyến hai ma trận hiệp phương sai nhiễu $Q$ và $R$ khi chiều dài dây cáp $l$ thay đổi trong quá trình nâng hạ tải, hướng tới mục tiêu giảm sai số ước lượng góc dưới 0,2 độ trong lộ trình nghiên cứu 6 tháng tới do nhóm kỹ sư điều khiển thực hiện.
2. Triển khai bộ điều chỉnh mạng nơ-ron tự chỉnh định (Self-tuning Neuro-PID): Tích hợp giải thuật học thích nghi trực tuyến nhằm tự động tối ưu hóa 3 hệ số $K_p, K_i, K_d$ khi khối lượng tải trọng biến thiên ngẫu nhiên từ 10 kg đến 50 kg, hoàn thành thử nghiệm trong vòng 9 tháng tại các xưởng chế tạo máy.
3. Thương mại hóa giải pháp thay thế cảm biến analog cho cầu trục công nghiệp: Khuyến nghị các doanh nghiệp sản xuất thiết bị nâng hạ ứng dụng cảm biến điện áp góc quay 12-bit kết hợp vi xử lý DSP nhúng để cắt giảm 35 - 50% chi phí cảm biến đo lường góc lắc trên mỗi hệ thống cầu trục trong kế hoạch 12 tháng.
4. Bổ sung mạch hồi tiếp cảm biến dòng điện bảo vệ động cơ: Tích hợp module đo dòng Hall hồi tiếp về kênh ADC của DSP TMS320F28335 nhằm giới hạn dòng khởi động qua IC công suất LM18200 dưới ngưỡng 3 A, giúp tăng tuổi thọ động cơ DC thêm 25% trong vòng 3 tháng bảo trì vận hành.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị thực tiễn và học thuật cao, là tài liệu chuyên khảo quan trọng cho 4 nhóm đối tượng:

• Kỹ sư thiết kế hệ thống điều khiển tự động: Nắm vững phương pháp thiết lập mô hình toán học không gian trạng thái cho cơ cấu phi tuyến, cách rời rạc hóa giải thuật PID và cấu hình trực tiếp bộ điều khiển số trên chip DSP TMS320F28335 qua cổng giao tiếp quang eQEP.
• Học viên cao học và nghiên cứu sinh ngành Tự động hóa - Kỹ thuật Điện: Khai thác quy trình xây dựng mạng nơ-ron nhân tạo đa lớp, thuật toán lan truyền ngược BPA và bộ lọc Kalman rời rạc phục vụ công bố các công trình khoa học chuyên ngành.
• Doanh nghiệp sản xuất, chế tạo cầu trục và thiết bị nâng hạ: Ứng dụng giải pháp công nghệ giá rẻ bằng cách dùng cảm biến analog kết hợp thuật toán khử nhiễu để nâng cao năng lực cạnh tranh sản phẩm và giảm thiểu rủi ro bảo trì.
• Giảng viên và sinh viên các trường đại học kỹ thuật: Sử dụng toàn bộ cấu trúc mô phỏng trên MATLAB & Simulink cùng bản vẽ thiết kế phần cứng làm học liệu thực hành trong các môn học Kỹ thuật điều khiển hiện đại và Xử lý tín hiệu số.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại ưu tiên sử dụng cảm biến góc ngõ ra tương tự thay vì cảm biến quang encoder?
Trong các hệ thống cần trục công nghiệp thực tế, encoder quang học có giá thành cao, cấu tạo cơ khí phức tạp, khó gá đặt đồng trục khi cơ cấu cáp nâng hạ hoạt động và dễ hỏng hóc trong môi trường bụi bẩn. Cảm biến góc analog có chi phí rẻ hơn 50%, kích thước gọn nhẹ nhưng nhược điểm là sinh ra nhiễu điện áp lớn, điều này đã được khắc phục triệt để nhờ thuật toán lọc Kalman trong luận văn.

2. Bộ lọc Kalman rời rạc thực hiện khử nhiễu tín hiệu góc lắc như thế nào?
Bộ lọc Kalman vận hành qua chu kỳ lặp hai bước gồm tiên đoán và hiệu chỉnh. Dựa trên mô hình toán học trạng thái của động cơ và xe con, bộ lọc tính toán góc lắc dự đoán, sau đó so sánh với điện áp đo được từ cảm biến analog để tính toán độ lợi Kalman tối ưu $K_k$, từ đó triệt tiêu các thành phần nhiễu trắng ngẫu nhiên với sai số cực tiểu.

3. Độ chính xác và thời gian đáp ứng của hệ thống điều khiển thực nghiệm đạt mức bao nhiêu?
Thực nghiệm trên mô hình cầu trục vật lý với tải trọng $10\text{ kg}$ và $20\text{ kg}$ cho thấy xe con di chuyển quãng đường $100\text{ cm}$ đạt thời gian xác lập chính xác trong 5,0 giây. Sai số vị trí dừng chỉ là 2,0 cm và góc lắc của tải trọng được triệt tiêu hoàn toàn về 0 độ tại điểm dừng mong muốn.

4. Mạng nơ-ron nhân tạo (ANN) đóng vai trò gì trong cấu trúc điều khiển của đề tài?
Mạng nơ-ron truyền thẳng đa lớp được huấn luyện bằng thuật toán lan truyền ngược BPA dựa trên tập dữ liệu vận hành thu thập từ hệ thống thực. Mạng nơ-ron đóng vai trò bộ điều khiển phi tuyến thông minh, tự động ánh xạ tín hiệu góc lắc đã lọc nhiễu thành điện áp điều khiển chính xác, giúp giảm thiểu độ vọt lố góc lắc hiệu quả hơn.

5. Cấu hình phần cứng thực nghiệm của đề tài sử dụng những linh kiện chính nào?
Hệ thống phần cứng bao gồm vi xử lý tín hiệu số chuyên dụng DSP TMS320F28335 kết nối máy tính qua cổng USB, mạch công suất cầu H tích hợp IC LM18200 điều khiển động cơ DC bằng xung PWM, cảm biến góc analog độ phân giải 12-bit và encoder vị trí 256 xung/vòng của hãng Sharp.

Kết luận

• Xây dựng thành công mô hình toán học giải tích hoàn chỉnh của hệ thống cầu trục giàn 2 bậc tự do mô tả chính xác tương tác động lực học giữa xe con và tải lắc.
• Thiết kế và nhúng thành công thuật toán bộ lọc Kalman rời rạc trên vi xử lý DSP TMS320F28335, khử nhiễu thành công cho cảm biến góc analog $0 - 5\text{ V}$ với chất lượng tín hiệu tương đương encoder quang học 256 xung/vòng.
• Ứng dụng xuất sắc thuật toán điều khiển phối hợp PID và mạng nơ-ron nhân tạo ANN lan truyền ngược, đưa hệ thống xác lập vị trí $100\text{ cm}$ và triệt tiêu góc lắc về 0 độ chỉ trong 5,0 giây với sai số 2,0 cm.
• Chế tạo hoàn chỉnh mô hình phần cứng thực nghiệm thời gian thực kết nối máy tính qua giao diện giám sát MATLAB & Simulink chuyên nghiệp.
• Mở ra hướng nghiên cứu mới về điều khiển thích nghi tự động nhận dạng tham số tải trọng trực tuyến trong giai đoạn phát triển tiếp theo từ 6 đến 12 tháng tới.

Học viên, kỹ sư và quý độc giả quan tâm đến toàn văn công trình cùng bộ mã nguồn thuật toán điều khiển nhúng DSP có thể tra cứu chi tiết tại thư viện Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh hoặc liên hệ trực tiếp tác giả để nhận tài liệu tham khảo chuyên sâu.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HUỲNH HẢI HOÀNG ĐIỀU KHIỂN CẦN TRỤC NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Tp. Hồ Chí Minh, tháng 04 năm 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ HUỲNH HẢI HOÀNG ĐIỀU KHIỂN CẦU TRỤC NGÀNH: KỸ THUẬT ĐIỆN - 60520202 Hướng dẫn khoa học: TS. NGÔ VĂN THUYÊN Tp. Hồ Chí Minh, tháng 04 năm 2016 Lời cam đoan Tôi cam đoan đây là công trình nghiên cứu của tôi.

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Hồ Chí Minh, ngày … tháng …. năm 2016 (Ký tên và ghi rõ họ tên) Huỳnh Hải Hoàng Trang i Lời cảm ơn Trong thời gian thực hiện luận văn này, học viên xin chân thành cám ơn Thầy TS. Ngô Văn Thuyên đã hướng dẫn và giúp đỡ học viên hoàn thành luận văn.

Đồng thời, sự trợ giúp của quí Thầy trong bộ môn Tự động hóa trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh về các tài liệu điều khiển tự động và các thiết bị đo kiểm. Học viên xin cám ơn quí Thầy. Ngoài ra, học viên xin cám ơn các bạn học viên ngành Kỹ thuật điện trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh đã đóng góp ý kiến trong quá trình thực hiện. Xin chân thành cám ơn! Trang ii Tóm Tắt Luận Văn Các cần trục được sử dụng rộng rãi để vận chuyển vật nặng và vật liệu độc hại trong các nhà máy hạt nhân, xí nghiệp, đóng tàu, xây dựng nhà cao tầng…Việc vận chuyển bằng cần trục đòi hỏi phải nhanh chóng và để đảm bảo an toàn đối với người điều khiển và vật xung quanh thì dao động ở tải được giữ nhỏ trong suốt quá trình vận chuyển.

Hệ thống này điều khiển xe chạy tới đúng vị trí và đảm bảo cho góc dao động luôn ổn định và triệt tiêu khi xe chạy đến vị trí đặt thông qua cảm biến vị trí và cảm biến góc. Tuy nhiên, cảm biến góc trong hệ thống cần trục thực tế có những trở ngại như chi phí đầu tư cao, khó lắp đặt nhất là với những cần trục có cơ cấu nâng hạ, thường xuyên bảo trì sữa chữa… đặc biệt, cảm biến góc hay bị tác động nhiễu của cơ cấu cảm biến hay môi trường xung quanh. Do dó, việc điều khiển chống lắc dùng cảm biến góc dùng bộ lọc kalman để lọc nhiễu trong hệ thống cần trục tự động được đề xuất trong luận văn này. Mục đích các điều khiển chống lắc dùng cảm biến góc được dựa trên mô hình toán học của cần trục và việc thu thập dữ liệu từ hệ thống cần trục tự động.

Đầu tiên, cảm biến analog dễ sinh ra nhiễu dùng làm cảm biến góc để có thể thấy tác dụng của bộ lọc kalman dựa trên mô hình toán học của cầu trục được giới thiệu. Trong phương pháp này, sự chuyển động góc lắc được tính toán , qua bộ lọc Kalman để lọc nhiễu và sử dụng phương pháp PID. Cuối cùng, dữ liệu mà được sử dụng để huấn luyện mạng nơron cho sự điều khiển chống lắc dùng cảm biến đã được thu thập từ hệ thống cầu trục tự động. Mô hình toán học không gian của cần trục được xây dựng dựa trên các phương trình vật lý thông qua phép biến đổi Laplace và mô phỏng trên phần mềm Matlab & Simulink.

Các kết quả mô phỏng và thí nghiệm trên các mô hình thực cho thấy rằng phương pháp điều khiển chống lắc sử dụng cảm biến góc tương tự được lọc nhiễu có kết quả tương tự như điều khiển có dùng cảm biến encoder. Trang iii Abstract Cranes are widely used in the various applications such as the heavy loads transportation and hazardous materials in shipyards, factories, the nuclear plants and high building constructions. Transportating by cranes needs to be as fast as possible, and, at the same time, to ensure safety for the driver as well as surrounding objects the load swing must be kept small during the transporting process and completely vanished at the load destination. This system controls the trolley in place and ensures stable swing angle and extinguished when driving to the setpoint through the use of position sensor and angle sensor, sequentially.

However, the real swing sensor in a real grantry crane system faces following obstacles: costly investments, difficult to install especially with the crane lifting structure, frequent maintenance and repair, etc. Special, the angle sensor‟s noise affected the physical structure or environmental. Therefore, controlling anti-swing sensor use Kalman filter in automatic gantry crane system is proposed in this paper. The proposal is based on mathematical model of the crane and collecting data from the automatic gantry crane system.

First, a angle sensor with output analog based on the mathematical model of the crane is introduced. In this method, the swing motion of the angle is calculated,used Kalman filter based on the mathematical model from the measured trolley position. Finally, the data used to train the neural networks for the anti-swing control with sensors were collected from the automatic gantry crane system. The mathematical model of the gantry crane was based on the physical equations through the Laplace transform and simulated by the Matlab&Simulink software.

The simulational and experimental results on the real models showed that using the controlling anti-swing sensor method by kalman filter was similar to using the encoder sensor controlled method. Trang iv Mục lục Lời cam đoan .ii Tóm Tắt Luận Văn. iv Danh sách các từ viết tắt .vii Danh sách các hình. viii Danh sách các bảng.

Giới thiệu chung. Các phương pháp nghiên cứu về điều khiển hệ thống cần trục. Mục tiêu và giới hạn của đề tài. Phương pháp nghiên cứu.

Nội dung luận văn. Hệ thống cần trục tự động. Thiết lập mô hình toán học không gian của hệ thống cần trục. Mô hình của động cơ.

Mô hình của dây đai. Mô hình của cần trục. Mô hình của tải. Mô hình không gian hệ cầu trục.

Mạng nơron nhân tạo (Artifical Neural Networks_ ANN). Bộ lọc Kalman rời rạc. Quá trình xử lý để ước lượng. Các nguồn gốc tính toán của bộ lọc.

Thuật toán bộ lọc Kalman rời rạc. Cảm biến góc với ngõ ra tương tự. PHƢƠNG PHÁP ĐIỀU KHIỂN. Điều khiển hệ thống khi không dùng bộ lọc kalman.

Điều khiển hệ thống có dùng bộ lọc kalman. Điều khiển hệ thống có dùng bộ lọc kalman bằng mạng neural. THỰC NGHIỆM TRÊN MÔ HÌNH THỰC. Mô hình cần trục kiểu thí nghiệm.

Kết quả thực nghiệm điều khiển chống lắc trên hệ thống theo phương pháp PID có dùng cảm biến góc encoder không dùng bộ lọc kalman. Kết quả thực nghiệm điều khiển chống lắc trên hệ thống theo phương pháp PID có dùng cảm biến góc analog dùng bộ lọc kalman. Kết quả thực nghiệm điều khiển chống lắc trên hệ thống theo phương pháp noron có dùng cảm biến góc analog. Hướng phát triển đề tài .38 Tài liệu tham khảo.

39 Trang vi Danh sách các từ viết tắt ADC Analog to Digital Convertor DL Delay FPGA Field-Programmable Gate Array IE Integrated Error IAE Integral of the Absolute Magnitude of the Error ISE Integral of the Square of the Error ITAE Integral of Time multiplied by the Absolute Value of the Error MSE Mean Square Error PCI Peripheral Component Interconnect PWM Pulse Width Modulation QEP Quadrature Encoder Pulse RTDX Real Time Data Exchange TI Texas Instruments GUI Graphical user interface Trang vii Danh sách các hình Hình 1. Các dạng cầu trục. Mô hình hệ thống cần trục. Cấu trúc một nơron sinh học.

Cấu trúc mạng nơron nhân tạo. Cấu trúc một nơron nhân tạo. Chu kỳ bộ lọc Kalman rời rạc. Sơ đồ hoàn chỉnh toán học của bộ lọc Kalman.

Cấu tạo của cảm biến ngõ ra áp. Cảm biến góc tƣơng tự. Giải thuật điều khiển trong hệ thống. Sơ đồ khối điều khiển vòng hở hệ thống cần trục.

Kết quả mô phỏng hệ thống cần trục theo kiểu vòng hở. Sự điều khiển chống lắc không dùng bộ lọc kalman. Sơ đồ mô phỏng không dùng bộ lọc kalman. Kết quả mô phỏng không dùng bộ lọc kalman.

Sự điều khiển chống lắc có dùng bộ lọc kalman. Sơ đồ mô phỏng có dùng bộ lọc kalman. Mô hình ƣớc lƣợng góc. Sơ đồ bộ lọc Kalman.

Mô hình ƣớc lƣợng góc dạng hàm nhúng. Kết quả mô phỏng khi bộ lọc Kalman dùng lọc tín hiệu góc. Kết quả mô phỏng dùng cảm biến góc tƣơng tự. Kết quả mô phỏng dùng cảm biến góc tƣơng tự.

Kết quả mô phỏng dùng cảm biến góc encoder. Sự điều khiển chống lắc có dùng bộ lọc kalman bằng mạng neural .27 Trang viii Hình 3. Kết quả mô phỏng khi góc đƣợc điều khiển bằng mạng neural. Mô hình cần trục thực nghiệm.

Nguyên lý mô hình thí nghiệm hệ thống thực. Điều chỉnh tốc độ động cơ theo nguyên tắc PWM. Sơ đồ khối điều khiển chống lắc dùng cảm biến góc encoder. Khâu PID điều khiển.

Ví dụ về một đồ thị đáp ứng của hệ thống. Kết quả điều khiển có cảm biến góc encoder. Sơ đồ khối điều khiển chống lắc dùng cảm biến góc analog (PID). Kết quả lọc tín hiệu góc cảm biến thông qua bộ lọc Kalman (PID).

Sơ đồ khối điều khiển chống lắc dùng cảm biến góc analog (Neural). Kết quả lọc tín hiệu góc cảm biến thông qua bộ lọc Kalman (Neural) .37 Trang ix Danh sách các bảng Bảng 3. Các thông số hệ thống cần trục. Các thông số bộ điều khiển.

Các thông số bộ điều khiển. Các thông số bộ điều khiển. TỔNG QUAN Chƣơng 1. Giới thiệu chung Cần trục được sử dụng rộng rãi để vận chuyển vật nặng và vật liệu độc hại trong xí nghiệp đóng tàu, nhà máy hạt nhân, xây dựng nhà cao tầng… Có rất nhiều loại cần trục tùy theo công dụng, có 2 phân loại phổ biến như cần trục giàn (gantry crane) và cần trục trụ (tower crane).

Trong luận văn nghiên cứu, em sử dụng cần trục giàn là một loại cần trục dạng khung hình chữ nhật có thể di chuyển trước và sau, trái và phải. Nó được đặt cố định tại một vi trị, tất cả mọi thứ cần nó di chuyển phải đưa đến vị trí cần trục. loại cẩn trục lớn thường đặt tại cầu tàu, được lắp đặt tại các cảng container chuyên dụng để xếp dỡ container lên xuống tàu theo phương thức nâng qua lan can tàu. Ngoài ra, cần trục còn được gắn thêm bánh lăn trên ray hay bánh lăn cao su và một xe điện con trở thành cần trục di động sử dụng để sắp xếp container trong bãi container của cảng.