Báo Cáo Tổng Kết Đề Tài Nghiên Cứu Khoa Học Về Điều Khiển Cánh Tay Robot Pendubot

Nghiên cứu điều khiển robot ngày càng trở nên quan trọng trong bối cảnh cuộc cách mạng công nghiệp 4. 79 trang · Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM · 2020.

• Tác giả: Trần Minh Đức
• Người hướng dẫn: PGS. Nguyễn Minh Tâm
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật TP.HCM
• Chuyên ngành: Công Nghệ Kỹ Thuật Điều Khiển Và Tự Động Hóa
• Đề tài: Nghiên Cứu Điều Khiển Cánh Tay Robot Thiếu Dẫn Động Hai Bậc Tự Do - Pendubot
• Loại tài liệu: báo cáo tổng kết đề tài nghiên cứu khoa học
• Năm xuất bản: 2020
• Địa điểm: TP Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• Lý do chọn đề tài
• Đối tượng nghiên cứu
• Phương pháp nghiên cứu
• Phạm vi nghiên cứu
• Ý nghĩa khoa học
• 1. CHƯƠNG 1: TỔNG QUAN VỀ HỆ PENDUBOT
• 1.1. Giới thiệu về hệ pendubot
• 1.2. Mô tả toán học hệ Pendubot
• 1.2.1. Cơ sở khoa học
• 1.2.2. Thành lập phương trình động học cho hệ Pendubot
• 1.3. Yêu cầu điều khiển hệ pendubot ở các vị trí bất ổn định
• 1.3.1. Xét tính điều khiển được ở vị trí TOP
• 1.3.2. Xét tính điều khiển được ở vị trí MID
• 2. CHƯƠNG 2: GIỚI THIỆU PHẦN CỨNG VÀ PHẦN MỀM
• 2.5. Module giao tiếp UART sử dụng IC CP2102
• 3. CHƯƠNG 3: MÔ HÌNH HÓA VÀ NHẬN DẠNG HỆ THỐNG PENDUBOT
• 3.1. Phân tích đáp ứng quá độ bằng phương pháp phân tích đáp ứng xung
• 3.2. Phân tích đáp ứng quá độ bằng phương pháp phân tích đáp ứng nấc
• 3.2.1. Nhiễu DC=0; VAR=0
• 3.2.2. Nhiễu DC=0; VAR=0
• 3.3. Phân tích đáp ứng quá độ bằng phương pháp phân tích tương quan
• 3.3.1. Nhiễu DC=0; VAR=0
• 3.3.2. Nhiễu DC=0; VAR=0
• 3.3.3. Nhận xét cho phân tích đáp ứng quá độ bằng phương pháp phân tích tương quan
• 3.4. Phân tích đáp ứng tần số bằng phương pháp kiểm tra sóng sin
• 3.4.1. Khảo sát tại link 1 của đối tượng
• 3.4.2. Khảo sát tại link 2 của đối tượng
• 3.4.3. Nhận xét phương pháp
• 3.5. Phân tích tần số bằng phương pháp tương quan
• 3.6. Phương trình hàm truyền của hệ thống Pendubot
• 3.7. Nhận dạng mô hình có tham số khi không nhiễu
• 3.7.1. Cấu trúc ARX
• 3.7.2. Cấu trúc ARMAX
• 3.7.3. Cấu trúc OE
• 3.7.4. Cấu trúc BJ
• 3.7.5. Nhận xét các mô hình khi không có nhiễu
• 3.8. Nhận dạng mô hình có tham số khi có nhiễu
• 3.8.1. Nhiễu DC=0; AC=0
• 3.8.2. Nhiễu DC=0; AC=0
• 4. CHƯƠNG 4: CƠ SỞ LÝ THUYẾT
• 4.1. Giới thiệu giải thuật điều khiển tuyến tính dạng toàn phương LQR
• 4.2. Giới thiệu giải thuật Swing up
• 4.2.1. Thiết kế bộ điều khiển swing-up vị trí top ( 𝒒𝟏 = 𝝅𝟐 và 𝒒𝟐 = 𝟎 )
• 4.2.2. Thiết kế bộ điều khiển swing-up vị trí middle ( 𝒒𝟏 = −𝝅𝟐 và 𝒒𝟐 = 𝝅 )
• 4.3. Giới thiệu giải thuật di truyền GA
• 4.3.1. Lưu đồ giải thuật của thuật toán di truyền
• 4.4. Giới thiệu phần mềm Matlab của Matworks
• 5. CHƯƠNG 5: ĐÁP ỨNG THỰC TẾ KHI ĐIỀU KHIỂN
• 5.1. Kết quả mô phỏng bộ điều khiển swing up (top+middle) và cân bằng LQR
• 6. CHƯƠNG 6: KẾT LUẬN
• 6.1. Kết quả đạt được
• 6.2. Hướng phát triển
• DANH MỤC BẢNG BIỂU
• DANH MỤC CÁC BIỂU ĐỒ, SƠ ĐỒ, HÌNH ẢNH
• DANH MỤC TỪ VIẾT TẮT

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Điều Khiển Robot Pendubot 2 Bậc

Nghiên cứu điều khiển robot ngày càng trở nên quan trọng trong bối cảnh cuộc cách mạng công nghiệp 4.0. Đề tài "Nghiên cứu điều khiển cánh tay robot thiếu dẫn động hai bậc tự do - Pendubot" tại Trường Đại học Sư phạm Kỹ thuật TP.HCM là một ví dụ điển hình. Nghiên cứu này tập trung vào việc xây dựng mô hình, điều khiển và ứng dụng hệ thống Pendubot, một hệ thống cơ điện tử phức tạp, có tính phi tuyến cao. Mục tiêu là phát triển các giải pháp điều khiển tự động hiệu quả, góp phần vào sự phát triển của ngành robot công nghiệp và robot giáo dục tại Việt Nam. Đề tài này có ý nghĩa lớn trong việc đào tạo nguồn nhân lực chất lượng cao cho ngành điều khiển robot và tự động hóa.

1.1. Giới thiệu chung về hệ thống Pendubot và ứng dụng

Hệ thống Pendubot, hay còn gọi là cánh tay robot hai bậc tự do thiếu dẫn động, là một hệ thống cơ điện tử phức tạp. Nó thường được sử dụng trong các phòng thí nghiệm điều khiển tự động để nghiên cứu và thử nghiệm các thuật toán điều khiển. Pendubot có nhiều ứng dụng tiềm năng trong robot công nghiệp, robot giáo dục, và các lĩnh vực khác. Bài toán điều khiển pendubot bao gồm việc ổn định pendubot ở vị trí thẳng đứng (balancing) và đưa pendubot từ vị trí ban đầu đến vị trí mong muốn (swing-up).

1.2. Vai trò của nghiên cứu trong lĩnh vực điều khiển robot

Nghiên cứu về điều khiển pendubot đóng vai trò quan trọng trong việc phát triển các kỹ thuật điều khiển robot tiên tiến. Nó cung cấp một nền tảng thử nghiệm cho các thuật toán điều khiển phi tuyến, điều khiển thích nghi, và điều khiển tối ưu. Kết quả nghiên cứu có thể được áp dụng để điều khiển robot trong các môi trường phức tạp và không chắc chắn. Ngoài ra, nghiên cứu này còn góp phần vào việc nâng cao chất lượng đào tạo trong lĩnh vực robotics research và robotics education.

II. Thách Thức Trong Điều Khiển Robot Pendubot Thiếu Dẫn Động

Việc điều khiển pendubot đặt ra nhiều thách thức do tính chất phi tuyến và thiếu dẫn động của hệ thống. Bài toán con lắc ngược là một ví dụ điển hình cho sự phức tạp này. Các phương pháp điều khiển tuyến tính truyền thống thường không hiệu quả trong việc ổn định pendubot ở các vị trí bất ổn định. Do đó, cần phải áp dụng các kỹ thuật điều khiển phi tuyến và điều khiển thông minh để giải quyết bài toán này. Thêm vào đó, việc xây dựng mô hình hóa pendubot chính xác cũng là một thách thức lớn, đòi hỏi sự hiểu biết sâu sắc về kinematics robot và dynamics robot.

2.1. Tính phi tuyến và thiếu dẫn động của hệ thống Pendubot

Hệ thống Pendubot có tính phi tuyến cao do ảnh hưởng của lực hấp dẫn và các yếu tố ma sát. Tính thiếu dẫn động có nghĩa là số lượng bộ truyền động ít hơn số lượng bậc tự do, gây khó khăn trong việc điều khiển đồng thời tất cả các khớp của cánh tay robot. Điều này đòi hỏi các thuật toán điều khiển phải được thiết kế để tận dụng tối đa khả năng của bộ truyền động hiện có.

2.2. Yêu cầu điều khiển hệ Pendubot ở các vị trí bất ổn định

Một trong những mục tiêu chính của điều khiển pendubot là ổn định pendubot ở các vị trí bất ổn định, chẳng hạn như vị trí thẳng đứng. Để đạt được điều này, cần phải phát triển các thuật toán điều khiển có khả năng chống lại các nhiễu loạn và duy trì sự ổn định của hệ thống. Nghiên cứu này tập trung vào việc xét tính điều khiển được ở vị trí TOP và vị trí MID, từ đó đưa ra các giải pháp điều khiển phù hợp.

2.3. Khó khăn trong mô hình hóa và nhận dạng hệ thống Pendubot

Việc xây dựng mô hình hóa pendubot chính xác là rất quan trọng để thiết kế các thuật toán điều khiển hiệu quả. Tuy nhiên, quá trình này có thể gặp nhiều khó khăn do sự phức tạp của hệ thống và sự không chắc chắn về các thông số vật lý. Do đó, cần phải áp dụng các phương pháp nhận dạng hệ thống để xác định các thông số của mô hình hóa pendubot một cách chính xác.

III. Phương Pháp Điều Khiển Tối Ưu LQR Cho Robot Pendubot

Nghiên cứu này sử dụng giải thuật điều khiển tuyến tính dạng toàn phương LQR để ổn định pendubot. LQR là một phương pháp điều khiển tối ưu cho phép thiết kế bộ điều khiển để đạt được hiệu suất mong muốn. Giải thuật LQR tìm kiếm một luật điều khiển tối ưu bằng cách giảm thiểu một hàm chi phí bậc hai, đại diện cho sự đánh đổi giữa hiệu suất và năng lượng điều khiển. Phương pháp này đặc biệt hữu ích trong việc ổn định pendubot xung quanh một điểm hoạt động.

3.1. Giới thiệu giải thuật điều khiển tuyến tính dạng toàn phương LQR

Giải thuật LQR là một phương pháp điều khiển tối ưu được sử dụng rộng rãi trong điều khiển robot. Nó cho phép thiết kế bộ điều khiển để đạt được hiệu suất mong muốn bằng cách giảm thiểu một hàm chi phí bậc hai. Hàm chi phí này thường bao gồm các thành phần liên quan đến sai số vị trí, vận tốc và năng lượng điều khiển.

3.2. Thiết kế bộ điều khiển LQR cho hệ thống Pendubot

Để thiết kế bộ điều khiển LQR cho hệ thống Pendubot, cần phải xây dựng mô hình hóa pendubot tuyến tính hóa xung quanh điểm hoạt động. Sau đó, cần phải chọn các ma trận trọng số phù hợp để đạt được hiệu suất điều khiển mong muốn. Quá trình này có thể đòi hỏi sự thử nghiệm và điều chỉnh để tìm ra các thông số tối ưu.

3.3. Ưu điểm và hạn chế của phương pháp điều khiển LQR

Phương pháp điều khiển LQR có nhiều ưu điểm, bao gồm tính đơn giản, dễ triển khai và khả năng đảm bảo tính ổn định. Tuy nhiên, nó cũng có một số hạn chế, chẳng hạn như chỉ hiệu quả trong một phạm vi hoạt động hẹp và không thể xử lý các ràng buộc về điều khiển. Do đó, cần phải kết hợp LQR với các kỹ thuật điều khiển khác để đạt được hiệu suất tốt nhất.

IV. Giải Thuật Swing Up Năng Lượng Cho Robot Pendubot

Để đưa pendubot từ vị trí ban đầu đến vị trí thẳng đứng, nghiên cứu sử dụng giải thuật Swing up dựa trên phương pháp năng lượng. Giải thuật này điều khiển động cơ để truyền năng lượng vào hệ thống, làm cho cánh tay robot dao động mạnh hơn cho đến khi nó đạt đến vị trí mong muốn. Sau khi pendubot ở gần vị trí thẳng đứng, bộ điều khiển LQR sẽ được kích hoạt để ổn định pendubot.

4.1. Giới thiệu giải thuật Swing up bằng phương pháp năng lượng

Giải thuật Swing up bằng phương pháp năng lượng là một kỹ thuật điều khiển hiệu quả để đưa pendubot từ vị trí ban đầu đến vị trí thẳng đứng. Nó dựa trên việc điều khiển động cơ để truyền năng lượng vào hệ thống, làm cho cánh tay robot dao động mạnh hơn cho đến khi nó đạt đến vị trí mong muốn.

4.2. Thiết kế bộ điều khiển Swing up vị trí top và middle

Nghiên cứu này thiết kế bộ điều khiển swing-up cho cả vị trí TOP (q1 = π/2 và q2 = 0) và vị trí MIDDLE (q1 = -π/2 và q2 = π). Việc thiết kế bộ điều khiển cho cả hai vị trí này cho phép pendubot có thể được đưa đến vị trí thẳng đứng từ bất kỳ vị trí ban đầu nào.

4.3. Kết hợp Swing up và LQR để điều khiển Pendubot

Để đạt được hiệu suất điều khiển tốt nhất, giải thuật Swing up thường được kết hợp với bộ điều khiển LQR. Giải thuật Swing up được sử dụng để đưa pendubot đến gần vị trí thẳng đứng, sau đó bộ điều khiển LQR sẽ được kích hoạt để ổn định pendubot và duy trì vị trí này.

V. Ứng Dụng Giải Thuật Di Truyền GA Tối Ưu Điều Khiển Pendubot

Nghiên cứu sử dụng giải thuật di truyền GA để tìm kiếm các thông số tối ưu cho bộ điều khiển. GA là một phương pháp tối ưu hóa dựa trên các nguyên tắc của tiến hóa sinh học. Nó cho phép tìm kiếm các giải pháp tốt nhất trong một không gian tìm kiếm rộng lớn. Trong trường hợp điều khiển pendubot, GA có thể được sử dụng để tìm kiếm các thông số của bộ điều khiển LQR hoặc bộ điều khiển Swing up để đạt được hiệu suất điều khiển tối ưu.

5.1. Giới thiệu giải thuật di truyền GA và ứng dụng

Giải thuật di truyền GA là một phương pháp tối ưu hóa mạnh mẽ dựa trên các nguyên tắc của tiến hóa sinh học. Nó được sử dụng rộng rãi trong nhiều lĩnh vực, bao gồm điều khiển robot, để tìm kiếm các giải pháp tối ưu cho các bài toán phức tạp.

5.2. Lưu đồ giải thuật của thuật toán di truyền GA

Giải thuật di truyền GA bao gồm các bước chính sau: khởi tạo quần thể, đánh giá độ thích nghi, chọn lọc, lai ghép, đột biến và lặp lại. Quá trình này được lặp lại cho đến khi tìm thấy một giải pháp đủ tốt hoặc đạt đến một số lượng vòng lặp tối đa.

5.3. Tối ưu hóa thông số điều khiển Pendubot bằng GA

Trong nghiên cứu này, GA được sử dụng để tối ưu hóa các thông số của bộ điều khiển LQR và bộ điều khiển Swing up cho hệ thống Pendubot. Việc tối ưu hóa này giúp cải thiện hiệu suất điều khiển và độ ổn định của hệ thống.

VI. Kết Quả Nghiên Cứu và Hướng Phát Triển Điều Khiển Pendubot

Nghiên cứu đã đạt được những kết quả đáng khích lệ trong việc điều khiển pendubot. Mô hình thực nghiệm đã được xây dựng thành công và các thuật toán điều khiển đã được triển khai trên vi điều khiển LAUNCHXL-F28379D. Kết quả thực nghiệm cho thấy phương pháp điều khiển Swing up và ổn định hệ thống có hiệu quả cao. Hướng phát triển tiếp theo của nghiên cứu là tập trung vào việc áp dụng các kỹ thuật điều khiển thông minh và điều khiển thích nghi để nâng cao hiệu suất và độ tin cậy của hệ thống.

6.1. Kết quả đạt được trong nghiên cứu điều khiển Pendubot

Nghiên cứu đã xây dựng thành công mô hình thực nghiệm hệ thống Pendubot và triển khai các thuật toán điều khiển trên vi điều khiển LAUNCHXL-F28379D. Kết quả thực nghiệm cho thấy phương pháp điều khiển Swing up và ổn định hệ thống có hiệu quả cao.

6.2. Đánh giá hiệu quả của các phương pháp điều khiển

Các phương pháp điều khiển LQR và Swing up đã được chứng minh là hiệu quả trong việc điều khiển pendubot. Tuy nhiên, vẫn còn nhiều cơ hội để cải thiện hiệu suất và độ tin cậy của hệ thống bằng cách áp dụng các kỹ thuật điều khiển tiên tiến hơn.

6.3. Hướng phát triển và ứng dụng tiềm năng của nghiên cứu

Hướng phát triển tiếp theo của nghiên cứu là tập trung vào việc áp dụng các kỹ thuật điều khiển thông minh và điều khiển thích nghi để nâng cao hiệu suất và độ tin cậy của hệ thống. Ngoài ra, nghiên cứu cũng có thể được mở rộng để khám phá các ứng dụng tiềm năng của pendubot trong các lĩnh vực như robot công nghiệp, robot giáo dục và robot cộng tác (cobot).

Nội dung chính

Nghiên Cứu Điều Khiển Cánh Tay Robot Thiếu Dẫn Động Hai Bậc Tự Do (Pendubot): Từ Mô Hình Toán Học Đến Thực Nghiệm Nhúng

---

Tóm tắt nghiên cứu

Nghiên cứu tập trung giải quyết câu hỏi trọng tâm: Làm thế nào để mô hình hóa chính xác, nhận dạng hệ thống và thiết kế thuật toán điều khiển ổn định cánh tay robot thiếu dẫn động hai bậc tự do (Pendubot) tại các điểm cân bằng bất ổn định trong điều kiện có nhiễu thực tế?

Hệ Pendubot thuộc lớp đối tượng SIMO (Single-Input Multiple-Output) phi tuyến cao với một ngõ vào điều khiển tại khớp một và khớp hai quay tự do. Phương pháp luận nghiên cứu kết hợp giữa xây dựng mô hình động lực học Lagrange loại 1, khảo sát nhận dạng hệ thống đa cấu trúc (phi tham số: xung, nấc, quét tần số sóng sin; tham số: ARX, ARMAX, OE, BJ), và áp dụng thuật toán điều khiển lai hai giai đoạn: Swing-up theo nguyên lý năng lượng kết hợp điều khiển tối ưu tuyến tính toàn phương LQR (Linear-Quadratic Regulator) với ma trận trọng số tối ưu hóa bằng giải thuật di truyền GA (Genetic Algorithm).

Kết quả thực nghiệm trên nền tảng vi điều khiển Texas Instruments LAUNCHXL-F28379D (C2000) và phần mềm Matlab/Simulink thông qua Embedded Coder chứng minh: mô hình Output Error (OE) cho độ bám nhận dạng cao nhất (best fit đạt 99.4%); bộ điều khiển LQR-GA đưa hệ thống thăng bằng chính xác tại cả hai vị trí kỳ dị TOP ($q_1 = \pi/2, q_2 = 0$) và MID ($q_1 = -\pi/2, q_2 = \pi$).

Nghiên cứu cung cấp giải pháp toàn diện từ lý thuyết giải tích đến hiện thực hóa phần cứng nhúng thời gian thực, mở ra nền tảng quan trọng cho việc làm chủ công nghệ điều khiển các hệ cơ điện tử phức tạp.

---

Bối cảnh và tầm quan trọng

Trong lý thuyết điều khiển học hiện đại và kỹ thuật robot, hệ thống thiếu dẫn động (underactuated systems) – hệ thống có số lượng cơ cấu chấp hành ít hơn số bậc tự do – luôn là một trong những đối tượng nghiên cứu thách thức nhất. Đặc tính phi tuyến mạnh, sự ràng buộc gia tốc không tích phân được (non-holonomic constraints) cùng tính nhạy cảm cao với các tác động ngoại cảnh khiến các thuật toán điều khiển tuyến tính kinh điển không thể áp dụng trực tiếp nếu thiếu mô hình hóa chính xác và kỹ thuật tuyến tính hóa tối ưu.

       [Khớp 1: Có động cơ DC]
                  |
              (Link 1)
                  |
       [Khớp 2: Tự do - Không động cơ]
                  |
              (Link 2)

Mặc dù có nhiều tài liệu học thuật tiếp cận bài toán điều khiển con lắc ngược và cánh tay robot, khoảng trống nghiên cứu (research gap) vẫn hiện hữu rõ rệt giữa mô phỏng thuần túy trên máy tính và việc triển khai trên phần cứng thực tế. Sai số mô hình do ma sát khớp, điện cảm cuộn dây động cơ DC, độ phân giải bộ đọc xung (Encoder), cùng tác động của các dạng nhiễu ngẫu nhiên (nhiễu DC dạng Mean và nhiễu AC dạng Variance) thường khiến các bộ điều khiển lý thuyết bị mất ổn định trên mô hình thực nghiệm. Hơn nữa, việc so sánh có hệ thống giữa các phương pháp nhận dạng hệ thống tham số và phi tham số trên mô hình Pendubot vẫn chưa được hệ thống hóa đầy đủ.

Trong kỷ nguyên Công nghiệp 4.0, sự phát triển của công nghệ vi xử lý DSP tốc độ cao và quy trình thiết kế dựa trên mô hình (Model-Based Design) đòi hỏi các nghiên cứu phải tiệm cận quy trình kỹ thuật chuẩn công nghiệp. Đề tài này giải quyết trực tiếp thách thức trên, mang lại giá trị học thuật và thực tiễn sâu sắc: vừa xây dựng mô hình giáo cụ trực quan phục vụ đào tạo kỹ sư chất lượng cao, vừa tạo bước đệm hoàn thiện các giải thuật điều khiển phi tuyến ứng dụng cho các hệ thăng bằng động như tên lửa đẩy, robot hai chân, và hệ thống cẩu trục công nghiệp.

---

Methodology và approach

Nghiên cứu triển khai quy trình kỹ thuật khép kín theo 4 giai đoạn logic chặt chẽ:

[Mô hình hóa toán học (Lagrange, DH)]
[Nhận dạng hệ thống (Tham số & Phi tham số)]
[Thiết kế bộ điều khiển (Energy Swing-up & LQR-GA)]
[Nhúng mã nguồn C (LAUNCHXL-F28379D & Matlab Embedded Coder)]

1. Mô hình hóa toán học và phân tích động lực học

Nghiên cứu ứng dụng quy tắc Denavit-Hartenberg (bảng DH) để thiết lập ma trận biến đổi tọa độ thuần nhất, kết hợp phương trình vi phân Lagrange loại 1 dựa trên hàm Lagrange $L = K - V$ (với $K$ là tổng động năng và $V$ là thế năng hệ thống). Mô hình phi tuyến 2 bậc tự do được ghép nối với phương trình cân bằng điện - cơ của động cơ điện một chiều 24VDC: $$\tau_1 = -J\ddot{q}_1 - \theta_6\dot{q}_1 + \theta_7 u$$ Hệ thống được chứng minh tính điều khiển được (Controllability) thông qua tiêu chuẩn Kalman $Rank(R) = 4 = n$ tại cả hai điểm làm việc bất ổn định TOP và MID.

2. Kỹ thuật nhận dạng hệ thống đa phương pháp

Nghiên cứu tiến hành thu thập và phân tích dữ liệu thực nghiệm qua hai nhóm kỹ thuật:

• Nhận dạng phi tham số (Non-parametric): Phân tích đáp ứng xung (Impulse response), đáp ứng nấc (Step response), phân tích tương quan (Correlation analysis), và phân tích đáp ứng tần số bằng phương pháp kiểm tra sóng sin (Sine wave test) với 40 tập dữ liệu thực nghiệm. Tất cả được kiểm chứng qua 4 kịch bản nhiễu: không nhiễu, nhiễu DC (Mean), nhiễu AC (Variance), và kết hợp DC + AC.
• Nhận dạng có tham số (Parametric): Khảo sát 4 cấu trúc ước lượng hàm truyền rời rạc bậc 4: Auto-Regressive with External Input (ARX), Auto-Regressive Moving Average with External Input (ARMAX), Output Error (OE), và Box-Jenkins (BJ).

3. Thiết kế chiến lược điều khiển tối ưu phân tầng

• Giai đoạn Swing-up: Sử dụng nguyên lý năng lượng điều khiển phi tuyến dựa trên hàm Lyapunov nhằm tích lũy động năng, đưa hai thanh con lắc từ vị trí buông tự do hướng xuống lên lân cận góc thẳng đứng.
• Giai đoạn Cân bằng (Balancing): Thiết kế bộ điều khiển tối ưu toàn phương tuyến tính LQR ($u = -Kx$) nhằm tối thiểu hóa hàm mục tiêu chi phí $J = \int (x^T Q x + u^T R u) dt$.
• Tối ưu hóa tham số bằng GA: Tích hợp giải thuật di truyền (Genetic Algorithm) để tìm kiếm tự động cặp ma trận trọng số $Q$ và $R$, loại bỏ phương pháp thử sai truyền thống và khắc phục sai lệch cơ khí thực tế.

4. Nền tảng thực thi phần cứng và kiểm chứng

Hệ thống sử dụng vi điều khiển 32-bit kép DSP TMS320F28379D xung nhịp 200MHz, tích hợp bộ đọc xung tốc độ cao eQEP đọc tín hiệu từ Encoder Omron E6B2-CWZ6C (1000 xung/vòng), mạch công suất cầu H lái MOSFET IRF3205, và giao tiếp dữ liệu UART qua chip CP2102. Mã điều khiển được tự động sinh và nạp trực tiếp từ Simulink qua gói thư viện Embedded Coder Support Package for Texas Instruments C2000 Processors.

---

Phát hiện chính

Quá trình mô phỏng và thực nghiệm trên đối tượng thực đem lại 4 phát hiện khoa học quan trọng:

+-------------------------------------------------------------+
| Cấu trúc Mô hình       | Độ trùng khớp (Best Fit %)          |
+------------------------+------------------------------------+
| Output Error [oe421]   | 99.4%                              |
| ARX [arx441]           | 96.3%                              |
| ARMAX [amx2221]        | 95.3%                              |
| Box-Jenkins [bj42122]  | 89.4%                              |
+-------------------------------------------------------------+

1. Cấu trúc Output Error (OE) vượt trội tuyệt đối trong nhận dạng tham số

Trong số các mô hình tham số khảo sát, cấu trúc OE bậc 4 [oe421] đạt chỉ số khớp (Best Fit) cao nhất lên đến 99.4% trong điều kiện không nhiễu, vượt trội hơn so với ARX (96.3%), ARMAX (95.3%) và Box-Jenkins (89.4%). Khi xuất hiện nhiễu DC và AC, cấu trúc OE tiếp tục thể hiện sự ổn định với sai số ngõ ra thấp nhất, phản ánh chính xác hàm truyền đạt thực tế của cánh tay robot bậc 4.

2. Ưu thế của phương pháp kiểm tra sóng sin trong phân tích tần số

Đối với các phương pháp phi tham số, phân tích tương quan và đáp ứng xung bộc lộ độ nhạy cảm cao với nhiễu Variance (AC), dẫn đến sai số nhận dạng lớn. Ngược lại, phương pháp quét tần số sóng sin với thời gian lấy mẫu thích hợp (500s đến 30.000s) đã tái tạo giản đồ Bode biên độ và Bode pha tại Link 1 và Link 2 với độ tương quan cao so với hệ thống thực, chứng minh đây là công cụ nhận dạng phi tham số tin cậy nhất cho các cơ cấu khớp nối phi tuyến.

3. Thuật toán di truyền (GA) giải quyết triệt để bài toán chọn ma trận LQR

Việc tối ưu hóa ma trận $Q$ và $R$ thông qua GA giúp tìm ra bộ hệ số hồi tiếp trạng thái $K$ tối ưu. Khi áp dụng lên thực nghiệm, thời gian xác lập trạng thái cân bằng được rút ngắn đáng kể, độ vọt lố góc quay của Link 1 và Link 2 giảm thiểu rõ rệt, đồng thời giữ biên độ điện áp kích từ động cơ luôn nằm trong giới hạn an toàn ($< 24V$).

4. Cơ chế chuyển trạng thái mượt mà giữa Swing-up và Balancing

Sự kết hợp giữa giải thuật năng lượng và LQR tạo nên quá trình chuyển đổi mượt mà khi hệ thống di chuyển từ vùng góc lệch lớn vào lân cận điểm cân bằng ($|q_1 - q_{1_target}| \le \epsilon$). Hiện tượng giật cục cơ khí (chattering) và quá dòng trên cầu H được triệt tiêu hoàn toàn trên cả hai vị trí TOP và MID.

---

Đóng góp khoa học

Nghiên cứu mang lại những đóng góp rõ nét cả về lý thuyết, phương pháp luận lẫn ứng dụng thực tiễn:

                     ĐÓNG GÓP KHOA HỌC
[Lý thuyết & Mô hình]   [Phương pháp luận]     [Ứng dụng thực tế]
• Chuẩn hóa Lagrange-DH • So sánh nhận dạng     • Bộ phần cứng nhúng
• Phân tích kỳ dị TOP/MID • LQR kết hợp GA      • Model-Based Design

• Về mặt lý thuyết: Chuẩn hóa toàn bộ hệ phương trình vi phân mô tả chuyển động của cánh tay robot 2 bậc tự do có tính đến đặc tính phi tuyến của động cơ DC. Minh chứng tường minh tính điều khiển được của hệ SIMO tại các điểm kỳ dị không ổn định.
• Về mặt phương pháp luận: Xây dựng một quy trình đối sánh toàn diện giữa các kỹ thuật nhận dạng hệ thống hiện đại, cung cấp bộ dữ liệu thực nghiệm về đáp ứng của hệ thiếu dẫn động dưới nhiều điều kiện nhiễu khác nhau.
• Về mặt ứng dụng thực tiễn: Hiện thực hóa thành công sản phẩm phần cứng Pendubot hoàn chỉnh kết nối với vi điều khiển công nghiệp TMS320F28379D. Thiết lập chuẩn quy trình thiết kế Model-Based Design, cho phép lập trình, mô phỏng và nạp mã điều khiển tự động hoàn toàn trên nền tảng Matlab/Simulink.
• Ý nghĩa đào tạo và xã hội: Mô hình đóng vai trò là giáo cụ trực quan hiện đại cho các phòng thí nghiệm Tự động hóa và Robot học, hỗ trợ sinh viên và học viên cao học kiểm chứng các thuật toán điều khiển tiên tiến (Backstepping, Sliding Mode, Neural Network, Fuzzy Logic).

---

Đối tượng quan tâm

Nghiên cứu này đặc biệt hữu ích và mang lại giá trị trực tiếp cho các nhóm đối tượng sau:

• Giảng viên và Nhà nghiên cứu học thuật: Sử dụng làm tài liệu tham khảo chuyên sâu về mô hình hóa hệ thống SIMO, nhận dạng tham số và điều khiển phi tuyến. Cung cấp dữ liệu gốc để đối chiếu khi phát triển các thuật toán điều khiển thông minh mới.
• Kỹ sư R&D trong ngành Cơ điện tử và Robotics: Tham khảo phương pháp thiết kế phần cứng, mạch công suất bảo vệ opto cách ly, và kỹ thuật đọc xung encoder đa kênh thời gian thực trên dòng chip điều khiển động cơ C2000.
• Sinh viên, Học viên cao học chuyên ngành Tự động hóa & Robot: Nắm bắt quy trình thực hành từ lý thuyết giải tích đến triển khai nhúng thực tế thông qua công cụ Matlab Embedded Coder, rút ngắn thời gian làm quen với các dòng vi điều khiển DSP chuyên dụng.
• Lợi ích mang lại: Cung cấp giải pháp tối ưu hóa chi phí chế tạo mô hình thí nghiệm điều khiển tự động mà vẫn đảm bảo độ chính xác và tính năng kỹ thuật tương đương các hệ thống thương mại đắt tiền.

---

Câu hỏi thường gặp (FAQ)

1. Phát hiện quan trọng nhất của nghiên cứu này là gì?

Phát hiện quan trọng nhất là việc xác định mô hình Output Error (OE) có cấu trúc bậc [oe421] là mô hình tham số tối ưu nhất cho hệ Pendubot (đạt Best Fit 99.4%), kết hợp với giải thuật di truyền (GA) để tự động hóa hoàn toàn việc tìm ma trận trọng số LQR, giúp hệ thống cân bằng ổn định ở cả hai vị trí khó (TOP và MID) trên mô hình thực nghiệm.

2. Phương pháp nghiên cứu có điểm gì đặc biệt so với các đề tài trước?

Nghiên cứu không dừng lại ở mô phỏng lý thuyết mà thực hiện quy trình khép kín: khảo sát nhận dạng hệ thống dưới nhiều kịch bản nhiễu thực tế (DC và AC), đồng thời áp dụng quy trình Model-Based Design nhúng mã C trực tiếp từ Simulink xuống vi điều khiển Texas Instruments F28379D, giúp đảm bảo tính đồng nhất giữa mô phỏng và thực nghiệm.

3. Kết quả điều khiển của đề tài có thể tổng quát hóa (generalize) cho các hệ thống khác không?

Hoàn toàn có thể. Mô hình toán học, phương pháp nhận dạng và thuật toán điều khiển Swing-up kết hợp LQR-GA trong đề tài này có thể tổng quát hóa và áp dụng trực tiếp cho các hệ thống thiếu dẫn động khác như: con lắc ngược trên xe (Inverted Pendulum on Cart), con lắc quay (Furuta Pendulum), hệ bóng và thanh (Ball and Beam), hoặc cánh tay robot công nghiệp nhiều bậc tự do.

4. Hướng phát triển tiếp theo (Next Steps) của nghiên cứu là gì?

Các bước tiếp theo bao gồm: thử nghiệm các thuật toán điều khiển thích nghi (Adaptive Control), điều khiển trượt thích nghi (Adaptive Sliding Mode Control), và ứng dụng mạng nơ-ron sâu (Deep Reinforcement Learning) để điều khiển bám quỹ đạo phức tạp hoặc tự phục hồi khi có ngoại lực va chạm mạnh.

5. Ứng dụng thực tế ngoài phòng thí nghiệm của nghiên cứu này là gì?

Nguyên lý điều khiển hệ thiếu dẫn động trong nghiên cứu được ứng dụng trực tiếp trong việc thiết kế hệ thống thăng bằng cho robot hình người (Humanoid Robot), hệ thống ổn định tên lửa đẩy trong giai đoạn phóng, hệ thống giảm rung lắc cho cẩu trục cảng biển, và hệ thống ổn định góc nghiêng trên tàu thủy chuyên dụng.

---

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán điều khiển hệ cánh tay robot thiếu dẫn động hai bậc tự do (Pendubot) từ khâu giải tích toán học, nhận dạng hệ thống đa phương pháp đến hiện thực hóa phần cứng nhúng thời gian thực. Việc tích hợp thành công giải thuật Swing-up năng lượng và bộ điều khiển tối ưu LQR-GA trên vi xử lý LAUNCHXL-F28379D khẳng định tính đúng đắn và hiệu quả vượt trội của phương pháp đề xuất.

Trong tương lai, việc mở rộng nghiên cứu sang các thuật toán điều khiển phi tuyến bền vững và trí tuệ nhân tạo sẽ tiếp tục hoàn thiện nền tảng công nghệ này. Các nhóm nghiên cứu và đơn vị đào tạo được khuyến khích ứng dụng mô hình thực nghiệm này nhằm nâng cao chất lượng nghiên cứu khoa học và phát triển các ứng dụng cơ điện tử thông minh.

Trích đoạn nội dung tài liệu

Đặt vấn đề Trong những thập niên gần đây, khái niệm robot để phục vụ nhu cầu sản xuất trong môi trường công nghiệp. Gần đây hàng loạt robot đã được sản xuất với những mục đích và những yêu cầu khác nhau. Robotics được hiểu là một ngành khoa học có nhiệm vụ nghiên cứu thiết kế chế tạo robot và ứng dụng chúng trong các hoạt động khác nhau của xã hội loài người, như nghiên cứu khoa học – kỹ thuật, kinh tế, quốc phòng và dân sinh. Cùng với sự phát triển của xã hội, khoa học kĩ thuật, các phương pháp điều khiển hiện đại, điều khiển thông minh, ra đời.

Các phương pháp này ngày càng được nghiên cứu, phát triển, ứng dụng rộng rãi. Hệ thống Pendubot được thực hiện trong để tài là một hệ SIMO (Single- Input and Multiple-Output) với nhiều ngõ vào điều khiển và nhiều ngõ ra. Nhằm nâng cao khả năng áp dụng các giải thuật điều khiển tôi ưu cho hệ cánh tay robot trước tiên chúng ta cần nắm rõ về phương trình động học hệ thống. Thực hiện đề tài “Nghiên cứu điều khiển cánh tay robot thiếu dẫn động hai bậc tự do - Pendubot” là rất cần thiết cho vấn đề giảng dạy và nghiên cứu tại trường Đại học Sư phạm Kỹ thuật thời điểm hiện tại.

Vì đây là một mô hình rất điển hình cần phải có ở bất kỳ một trường Đại học, Cao đẳng nào theo hướng chuyên ngành kỹ thuật tại Việt Nam, nhất là ngành điều khiển tự động hóa, điện công nghiệp, cơ điện tử… Việc xây dựng mô hình sẽ giúp ích cho công tác giảng dạy trực quan hơn, dễ dàng kiểm chứng với các giải thuật điều khiển trên lý thuyết, là cơ sở nghiên cứu khoa học cho cả giảng viên và sinh viên tại trường. Lý do chọn đề tài Hệ thống Pendubot rất thường được sử dụng trong các phòng thí nghiệm điều khiển tự động. Thiết kế cơ khí đơn giản và có tính phi tuyến làm mô hình này phù hợp trong việc thử nghiệm các giải thuật điều khiển cũng như việc giảng dạy điều khiển tự động trong các chương trình đại học hay cao học. Hai bài toán cơ bản nghiên cứu về hệ thống Pendubot là Swing up, Balancing:  Swingup: đây là bộ điều khiển đưa 2 thanh của hệ thống Pendubot từ vị trí hướng xuống đến lân cận vị trí thẳng đứng hướng lên.

4  Balancing: đây là bộ điều khiển giúp 2 thanh trên hệ thống đứng ở vị trí MID và TOP không bị ngã và đồng thời cũng giữ xe ở vị trí cố định cho trước. Các giải pháp điều khiển thông minh, điều khiển hiện đại ngày càng được quan tâm nghiên cứu để thực hiện các ứng dụng mà các giải pháp điều khiển thông thường không thực hiện được. Đề tài “Nghiên cứu điều khiển cánh tay robot thiếu dẫn động hai bậc tự do - Pendubot” mang lại kết quả nghiên cứu cho một bộ điều khiển phi tuyến trên hệ under-actuated. Đồng thời, mô hình phần cứng hệ Pendubot cũng là một mô hình thí nghiệm để tiếp tục công việc nghiên cứu, đưa ra các giải thuật điều khiển khác.

Đối tượng nghiên cứu - Nghiên cứu phương trình toán học của hệ Pendubot. - Nghiên cứu bất đẳng thức Lyapunov tìm kiếm thông số điều khiển của bộ điều khiển trượt thứ bậc. - Nghiên cứu giải thuật di truyền tìm kiếm thông số điều khiển tối ưu cho bộ điều khiển trượt thứ bậc. - Nghiên cứu lập trình mô phỏng Matlab cho hệ thống để ổn định cân bằng hệ Pendubot.

- Nghiên cứu lập trình trên Matlab/Simulink để điều khiển mô hình thực nghiệm Pendubot. - Nghiên cứu nhận dạng hệ Pendubot bằng phương pháp không tham số và có tham số.