Luận văn thạc sĩ về điều khiển ổn định robot gắp sản phẩm trong môi trường bến cảng

Khám phá luận văn thạc sĩ HCMUTE về điều khiển ổn định robot gắp sản phẩm trong môi trường dao động bến cảng, ứng dụng công nghệ tiên tiến.

• Tác giả: Nguyễn Thái Dương
• 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 Tử
• Đề tài: Nghiên Cứu Điều Khiển Ổn Định Robot Gắp Sản Phẩm Tại Bến Cảng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• QUYẾT ĐỊNH GIAO ĐỀ TÀI
• TÓM TẮT
• ABSTRACT
• MỤC LỤC
• DANH MỤC CÁC HÌNH
• DANH MỤC CÁC BẢNG
• 1. CHƯƠNG 1: TỔNG QUAN ROBOT NGOÀI KHƠI
• 1.1. Tình hình nghiên cứu trong và ngoài nước
• 1.2. Tính cấp thiết, ý nghĩa khoa học và thực tiễn của đề tài
• 1.3. Mục đích nghiên cứu, khách thể và đối tượng nghiên cứu
• 1.4. Giới hạn của đề tài
• 1.5. Phương pháp nghiên cứu
• 1.6. Kế hoạch thực hiện
• 2. CHƯƠNG 2: PHƯƠNG PHÁP BÙ DAO ĐỘNG CHO HOẠT ĐỘNG NGOÀI KHƠI
• 2.1. Giới thiệu chung về phương pháp bù dao động
• 2.2. Hệ thống bù dao động thụ động (PHC) và bù dao động chủ động (AHC)
• 2.3. Các thành tựu trước đây về phương pháp bù dao động
• 3. CHƯƠNG 3: THIẾT KẾ
• 3.1. Sơ đồ khối hệ thống
• 3.2. Thiết kế và thi công mô hình tạo dao động 3 chiều X, Y, Z
• 3.3. Thông số Robot
• 3.4. Thông số động cơ servo 12X
• 3.5. Kit điều khiển ArbotiX robocontroller
• 3.6. Thiết kế giao diện giám sát và điều khiển Robot
• 3.7. Thuật toán điều khiển cho robot ngoài khơi
• 3.8. Thuật toán tổng quát cho robot ngoài khơi
• 3.9. Thuật toán thu thập dữ liệu cho leap motion
• 3.10. Phân lớp Listener (Classification)
• 3.11. Thuật toán template matching
• 3.12. Thuật toán điều khiển cho robot ngoài khơi
• 4. CHƯƠNG 4: KẾT LUẬN
• 4.1. Kết quả và đánh giá
• 4.2. Hướng phát triển đề tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Robot gắp sản phẩm

Robot gắp sản phẩm đóng vai trò quan trọng trong ngành công nghiệp hiện đại, đặc biệt là trong môi trường bến cảng. Robot gắp không chỉ giúp tăng năng suất lao động mà còn giảm thiểu rủi ro cho con người trong các công việc nặng nhọc. Việc điều khiển robot trong môi trường có dao động là một thách thức lớn, đòi hỏi các giải pháp công nghệ tiên tiến. Nghiên cứu này tập trung vào việc phát triển các phương pháp điều khiển ổn định cho robot gắp sản phẩm, nhằm đảm bảo hiệu suất và an toàn trong quá trình hoạt động. Theo một nghiên cứu gần đây, việc áp dụng công nghệ cảm biến như cảm biến leap motion đã cho thấy hiệu quả cao trong việc điều khiển robot trong môi trường có dao động. Điều này mở ra hướng đi mới cho việc ứng dụng robot trong các hoạt động ngoài khơi và bến cảng.

1.1. Tình hình nghiên cứu và ứng dụng

Nghiên cứu về robot gắp sản phẩm đã được thực hiện rộng rãi trên thế giới. Các ứng dụng của robot trong bến cảng không chỉ giới hạn ở việc gắp sản phẩm mà còn bao gồm các hoạt động như vận chuyển và sắp xếp hàng hóa. Các nghiên cứu trước đây đã chỉ ra rằng việc sử dụng robot công nghiệp có thể cải thiện đáng kể hiệu suất làm việc. Một số nghiên cứu đã áp dụng các thuật toán điều khiển tiên tiến để tối ưu hóa hoạt động của robot trong môi trường có dao động, như sóng biển và gió mạnh. Điều này cho thấy tầm quan trọng của việc phát triển các phương pháp điều khiển hiệu quả cho robot trong các điều kiện khắc nghiệt.

II. Phương pháp điều khiển ổn định robot

Phương pháp điều khiển ổn định cho robot gắp sản phẩm trong môi trường có dao động là một trong những yếu tố quyết định đến hiệu suất hoạt động của robot. Nghiên cứu này áp dụng các thuật toán điều khiển như thuật toán phân lớp listener và template matching để thu thập và xử lý dữ liệu từ cảm biến leap motion. Kết quả cho thấy rằng việc sử dụng các thuật toán này giúp cải thiện độ chính xác trong việc xác định vị trí và vận tốc của robot. Hệ thống điều khiển được thiết kế để hoạt động trong thời gian thực, cho phép robot phản ứng nhanh chóng với các thay đổi trong môi trường. Điều này không chỉ nâng cao hiệu suất của robot mà còn đảm bảo an toàn trong quá trình hoạt động tại bến cảng.

2.1. Ứng dụng cảm biến leap motion

Cảm biến leap motion đã được chứng minh là một công cụ hữu ích trong việc điều khiển robot. Nó cho phép thu thập dữ liệu về vị trí và chuyển động của tay người, từ đó điều khiển robot một cách linh hoạt và chính xác. Việc tích hợp cảm biến leap motion vào hệ thống điều khiển giúp robot có khả năng hoạt động trong môi trường có dao động mà không bị ảnh hưởng nhiều bởi các yếu tố bên ngoài. Nghiên cứu cho thấy rằng độ chính xác của robot có thể đạt gần 100% khi sử dụng cảm biến này, điều này mở ra nhiều cơ hội cho việc ứng dụng robot trong các lĩnh vực khác nhau.

III. Kết quả và đánh giá

Kết quả nghiên cứu cho thấy rằng việc áp dụng các phương pháp điều khiển ổn định cho robot gắp sản phẩm trong môi trường có dao động đã mang lại những thành công đáng kể. Mô hình robot được thi công thành công và có khả năng gắp vật chính xác trong điều kiện dao động. Các thuật toán điều khiển đã được thử nghiệm và cho thấy hiệu suất cao trong việc xử lý dữ liệu từ cảm biến leap motion. Đánh giá tổng thể cho thấy rằng nghiên cứu này không chỉ có giá trị lý thuyết mà còn có ứng dụng thực tiễn cao trong việc cải thiện hoạt động của robot tại bến cảng. Điều này khẳng định tầm quan trọng của việc nghiên cứu và phát triển công nghệ robot trong ngành công nghiệp hiện đại.

3.1. Hướng phát triển tiếp theo

Nghiên cứu này mở ra nhiều hướng phát triển mới cho việc ứng dụng robot trong các lĩnh vực khác nhau. Việc cải tiến các thuật toán điều khiển và tích hợp thêm các công nghệ mới như trí tuệ nhân tạo có thể giúp nâng cao khả năng tự động hóa của robot. Hơn nữa, việc nghiên cứu sâu hơn về các phương pháp bù dao động có thể giúp robot hoạt động hiệu quả hơn trong các điều kiện khắc nghiệt. Tương lai của robot gắp sản phẩm tại bến cảng hứa hẹn sẽ có nhiều tiềm năng phát triển, góp phần vào sự tiến bộ của ngành công nghiệp tự động hóa.

Nội dung chính

Tổng quan nghiên cứu

Ngành công nghiệp vận tải biển, đặc biệt là hoạt động tại bến cảng và ngoài khơi, đóng vai trò quan trọng trong chuỗi cung ứng toàn cầu. Theo ước tính, các hệ thống vận tải biển phải đối mặt với môi trường khắc nghiệt như dao động sóng biển, lắc lư tàu và tác động của gió, gây khó khăn lớn trong việc vận hành an toàn và hiệu quả. Trong bối cảnh đó, việc phát triển các hệ thống robot có khả năng hoạt động ổn định trong môi trường dao động là một thách thức kỹ thuật cấp thiết.

Mục tiêu nghiên cứu của luận văn là thiết kế và điều khiển ổn định robot gắp sản phẩm trong môi trường có dao động tại bến cảng, sử dụng cảm biến Leap Motion để điều khiển real-time. Nghiên cứu tập trung vào việc mô phỏng và thi công mô hình robot 6 bậc tự do, kết hợp thuật toán phân lớp Listener và template matching để xử lý dữ liệu cảm biến với độ chính xác gần 100%. Phạm vi nghiên cứu thực hiện tại TP. Hồ Chí Minh trong năm 2016, với mô hình dao động 3 chiều (X, Y, Z) mô phỏng sóng biển và dao động tàu.

Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao hiệu suất và độ an toàn trong vận hành robot ngoài khơi, góp phần giảm thiểu rủi ro và tăng năng suất trong các hoạt động bốc xếp hàng hóa tại bến cảng. Kết quả nghiên cứu có thể ứng dụng rộng rãi trong các hệ thống robot công nghiệp hoạt động trong môi trường dao động phức tạp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: phương pháp bù dao động (heave compensation) và động học nghịch (inverse kinematics) trong điều khiển robot. Phương pháp bù dao động gồm hai loại: bù dao động thụ động (PHC) sử dụng cơ cấu xi lanh, bình nén khí và ròng rọc, và bù dao động chủ động (AHC) dựa trên hệ thống đo lường MRU (Motion Reference Unit) để dự đoán chuyển động tải và tàu, từ đó điều khiển tải giảm dao động do sóng biển.

Động học nghịch được giải quyết bằng các thuật toán Damped Least Squares (DLS) và Levenberg-Marquardt Algorithm (LMA), giúp tìm ma trận động học nghịch với khả năng hội tụ cao và số vòng lặp thấp, đảm bảo điều khiển chính xác vị trí khớp cuối của robot trong môi trường dao động.

Ngoài ra, nghiên cứu sử dụng thuật toán phân lớp Listener và template matching để xử lý dữ liệu thu thập từ cảm biến Leap Motion, một cảm biến cử chỉ 3D có khả năng thu nhận vị trí, vận tốc và gia tốc của bàn tay trong không gian với tần số 300 khung hình/giây, đảm bảo điều khiển real-time cho robot.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm dữ liệu mô phỏng trên MATLAB, dữ liệu thực nghiệm từ mô hình robot 6 bậc tự do và mô hình tạo dao động 3 chiều mô phỏng sóng biển. Cỡ mẫu nghiên cứu là một mô hình robot thực tế với các thông số kỹ thuật cụ thể: khối lượng 1360g, vùng hoạt động chiều cao 51cm, chiều ngang 40cm, sử dụng động cơ servo AX-12A và kit điều khiển ArbotiX microcontroller.

Phương pháp phân tích bao gồm: mô phỏng động học robot, thiết kế và thi công mô hình tạo dao động sóng biển, thu thập và xử lý dữ liệu cảm biến Leap Motion bằng thuật toán phân lớp Listener và template matching, lập trình điều khiển real-time robot bằng phần mềm Java Processing. Timeline nghiên cứu kéo dài từ tháng 2 đến tháng 10 năm 2016, gồm các giai đoạn lắp ráp mô hình, mô phỏng điều khiển, thực thi thuật toán và hoàn thiện báo cáo.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Thi công thành công mô hình tạo dao động 3 chiều: Mô hình tạo dao động theo trục X, Y, Z được thiết kế và vận hành ổn định, mô phỏng chính xác các trạng thái sóng biển với biên độ và chu kỳ dao động phù hợp với dữ liệu thực tế. Ví dụ, dao động pitch và heave của tàu được mô phỏng với chu kỳ khoảng 3 giây và biên độ dao động từ 2 đến 3.2 ft.

2. Robot gắp vật chính xác trong môi trường dao động: Robot 6 bậc tự do có thể gắp vật với độ chính xác gần 100% trong vùng hoạt động chiều ngang 30cm với tải trọng 200g, và vùng 10cm với tải trọng lên đến 600g. Động cơ servo AX-12A đáp ứng tốc độ và góc quay cần thiết cho điều khiển real-time.

3. Thuật toán phân lớp Listener và template matching xử lý dữ liệu cảm biến hiệu quả: Thuật toán phân lớp Listener giúp phân loại dữ liệu lớn từ cảm biến Leap Motion thành các lớp dễ quản lý, trong khi template matching lọc ra các đặc trưng quan trọng, giảm kích thước dữ liệu từ 4500 mẫu xuống còn 2250 mẫu huấn luyện và 2250 mẫu kiểm tra, đạt tỷ lệ chính xác gần 100% với tỉ lệ lỗi EER thấp.

4. Phương pháp DLS và LMA cho động học nghịch đạt hiệu quả cao: Thuật toán tìm ma trận động học nghịch giúp robot điều khiển khớp cuối (crane tip) ổn định, bù dao động theo chiều dọc sóng biển, với số vòng lặp thấp và thời gian đáp ứng nhanh, đảm bảo robot theo dõi chính xác vị trí vật trong môi trường dao động.

Thảo luận kết quả

Kết quả mô hình dao động 3 chiều phù hợp với các trạng thái sóng biển thực tế, cho thấy mô hình có tính ứng dụng cao trong việc mô phỏng điều kiện ngoài khơi. Việc robot gắp vật chính xác trong môi trường dao động chứng minh hiệu quả của việc kết hợp thuật toán động học nghịch với cảm biến Leap Motion trong điều khiển real-time.

So sánh với các nghiên cứu trước đây sử dụng camera 2D, 3D hoặc mạng thần kinh nhân tạo, nghiên cứu này ưu việt hơn nhờ sử dụng cảm biến Leap Motion có tần số quét cao và thuật toán xử lý dữ liệu tối ưu, giúp giảm độ trễ và tăng độ chính xác. Phương pháp bù dao động chủ động (AHC) kết hợp với thuật toán điều khiển linh hoạt giúp robot hoạt động ổn định hơn so với các hệ thống bù dao động thụ động (PHC).

Dữ liệu có thể được trình bày qua biểu đồ dao động sóng biển theo thời gian, biểu đồ vùng hoạt động và tải trọng của robot, cũng như bảng so sánh tỷ lệ chính xác của thuật toán xử lý dữ liệu cảm biến. Những biểu đồ này minh họa rõ ràng hiệu quả của mô hình và thuật toán trong điều kiện thực tế.

Đề xuất và khuyến nghị

1. Triển khai hệ thống điều khiển robot ngoài khơi sử dụng cảm biến Leap Motion: Áp dụng thuật toán phân lớp Listener và template matching để xử lý dữ liệu real-time, nhằm nâng cao độ chính xác và tốc độ phản hồi trong môi trường dao động. Thời gian thực hiện dự kiến 6-12 tháng, do các đơn vị nghiên cứu và doanh nghiệp công nghệ robot đảm nhiệm.

2. Phát triển mô hình tạo dao động 3 chiều nâng cao: Mở rộng mô hình dao động để mô phỏng các điều kiện sóng biển phức tạp hơn, bao gồm dao động phi tuyến và tác động gió, nhằm tăng tính thực tiễn cho các ứng dụng ngoài khơi. Thời gian thực hiện 12 tháng, phối hợp giữa viện nghiên cứu và trường đại học.

3. Tích hợp hệ thống cảm biến đa dạng: Kết hợp cảm biến IMU, camera 3D và Leap Motion để tăng cường khả năng nhận diện và điều khiển robot trong môi trường phức tạp, giảm thiểu sai số và tăng độ tin cậy. Thời gian thực hiện 9 tháng, do các nhóm nghiên cứu chuyên sâu về cảm biến và điều khiển robot thực hiện.

4. Đào tạo và nâng cao năng lực nhân lực: Tổ chức các khóa đào tạo chuyên sâu về điều khiển robot ngoài khơi và xử lý dữ liệu cảm biến real-time cho kỹ sư và sinh viên ngành kỹ thuật điện tử, tự động hóa. Thời gian triển khai liên tục, do các trường đại học và trung tâm đào tạo chuyên ngành đảm nhận.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và giảng viên ngành kỹ thuật điện tử, tự động hóa: Luận văn cung cấp cơ sở lý thuyết và phương pháp thực nghiệm về điều khiển robot trong môi trường dao động, hỗ trợ phát triển các đề tài nghiên cứu liên quan.

2. Kỹ sư phát triển hệ thống robot công nghiệp và ngoài khơi: Tham khảo các thuật toán điều khiển real-time, phương pháp bù dao động và ứng dụng cảm biến Leap Motion để thiết kế hệ thống robot ổn định và chính xác.

3. Doanh nghiệp sản xuất và vận hành thiết bị tự động hóa tại bến cảng, khu vực ngoài khơi: Áp dụng kết quả nghiên cứu để nâng cao hiệu quả vận hành, giảm thiểu rủi ro trong môi trường làm việc có dao động phức tạp.

4. Sinh viên ngành kỹ thuật điện tử, cơ khí, tự động hóa: Học tập và áp dụng kiến thức về động học robot, cảm biến 3D và thuật toán xử lý dữ liệu trong các dự án thực tế và luận văn tốt nghiệp.

Câu hỏi thường gặp

1. Cảm biến Leap Motion có ưu điểm gì trong điều khiển robot ngoài khơi?
   Leap Motion có khả năng thu nhận chuyển động tay trong không gian 3D với tần số 300 khung hình/giây, độ chính xác cao (1/100 mm), giúp điều khiển robot real-time hiệu quả trong môi trường dao động phức tạp.

2. Phương pháp bù dao động chủ động (AHC) khác gì so với thụ động (PHC)?
   AHC sử dụng hệ thống đo lường MRU để dự đoán chuyển động tải và điều khiển giảm dao động chủ động, trong khi PHC chỉ sử dụng cơ cấu cơ khí đơn giản, không điều khiển điện tử, hiệu quả thấp hơn và không thích ứng với tải thay đổi.

3. Thuật toán phân lớp Listener và template matching hoạt động như thế nào?
   Phân lớp Listener phân loại dữ liệu cảm biến thành các lớp để quản lý dễ dàng, còn template matching lọc ra các đặc trưng quan trọng từ dữ liệu đã phân lớp, giảm kích thước dữ liệu và tăng tốc độ xử lý, đảm bảo điều khiển real-time.

4. Phương pháp DLS và LMA giúp gì trong động học nghịch của robot?
   Hai phương pháp này giúp tìm ma trận động học nghịch với khả năng hội tụ cao, số vòng lặp thấp, giúp robot tính toán nhanh chóng các góc khớp cần thiết để điều khiển chính xác vị trí khớp cuối trong môi trường dao động.

5. Mô hình tạo dao động 3 chiều có thể áp dụng trong thực tế như thế nào?
   Mô hình này mô phỏng chính xác dao động sóng biển theo trục X, Y, Z, giúp thử nghiệm và hiệu chỉnh hệ thống điều khiển robot trước khi triển khai thực tế tại bến cảng hoặc ngoài khơi, giảm thiểu rủi ro và chi phí.

Kết luận

• Đã thiết kế và thi công thành công mô hình robot 6 bậc tự do kết hợp cảm biến Leap Motion điều khiển real-time trong môi trường dao động 3 chiều.
• Thuật toán phân lớp Listener và template matching xử lý dữ liệu cảm biến với độ chính xác gần 100%, đảm bảo điều khiển robot ổn định và chính xác.
• Phương pháp bù dao động chủ động (AHC) kết hợp động học nghịch DLS và LMA giúp robot gắp vật hiệu quả trong điều kiện sóng biển phức tạp.
• Mô hình tạo dao động 3 chiều mô phỏng chính xác các trạng thái sóng biển thực tế, hỗ trợ thử nghiệm và phát triển hệ thống robot ngoài khơi.
• Đề xuất các giải pháp phát triển hệ thống điều khiển robot ngoài khơi, tích hợp cảm biến đa dạng và đào tạo nhân lực để ứng dụng rộng rãi trong ngành công nghiệp vận tải biển.

Tiếp theo, các đơn vị nghiên cứu và doanh nghiệp nên triển khai thử nghiệm thực tế, mở rộng mô hình dao động và tích hợp hệ thống cảm biến để nâng cao hiệu quả vận hành robot ngoài khơi. Độc giả quan tâm có thể liên hệ để nhận bản đầy đủ luận văn và tham gia các khóa đào tạo chuyên sâu về công nghệ điều khiển robot trong môi trường dao động.

Trích đoạn nội dung tài liệu

CHƯƠNG I. TỔNG QUAN ROBOT NGOÀI KHƠI 1. Tổng quan Ngày nay, các ngành công nghiệp ngoài khơi là một trong những ngành yêu cầu những công nghệ tân tiến nhất trên thế giới. Với điều kiện khắc nghiệt của môi trường ngoài khơi, là thách thức lớn đòi hỏi phải tìm ra những giải pháp điều khiển hệ thống hiệu quả, an toàn và ổn định.

Trong đó, Na Uy giữ vị trí hàng đầu trong ngành công nghiệp hàng hải toàn cầu, trang thiết bị và công nghệ tàu thuyền hàng hải bậc nhất thế giới. Từ những khó khăn của điều kiện thời tiết, môi trường có nhiều dao động, đặt ra yêu cầu phải tìm ra những giải pháp mới. Robot ngoài khơi được ví như là những diễn viên chính trong hoạt động vận chuyển và sắp xếp hàng hóa trên biển. Trong các hoạt động ngoài khơi có nhiều vấn đề như : chuyển động do dòng chảy và sóng, khó khăn trong việc xác định vị trí tải, dao động lắc lư của tàu… Không giống như robot hoạt động trên môi trường cố định.

1 Robot hoạt động ngoài khơi 1 Luan van 1. Tình hình nghiên cứu trong và ngoài nước Tóm tắt các kết quả nghiên cứu trong và ngoài nước về điều khiển ổn định robot ngoài khơi :  Điều khiển robot ngoài khơi kết hợp với camera 2D, 3D. Năm 2015, bài báo [2] “Robot Arm Manipulation Using Depth-Sensing Cameras and Inverse Kinematics”, của hai tác giả “Akhilesh Kumar Mishra Oscar Meruvia- Pastor”, trường đại học Newfoundland. Bài báo này được in trong tạp chí IEEE với mã hiệu Oceans14_IEEE_ID_7003029. Bài báo trình bày về việc ứng dụng camera cảm biến chiều sâu để xác định được vật thể 3D trong không gian, kết hợp với động học nghịch robot, để giải quyết các vấn đề về môi trường hoạt động cho robot ngoài khơi.

Kết quả đạt được trong nghiên cứu này rất chính xác về nhận dạng và điều khiển đối tượng trong điều kiên môi trường dao động.  Điều khiển robot ngoài khơi theo thuật toán thích nghi : robot có khả năng tự học trong quá trình hoạt động (mạng thần kinh nhân tạo). Năm 2002, bài báo [16] “ Neural network based predictive control systems for underwater robotic vehicles ” được in trong tạp chí khoa học IEEE của tác giả “V. Thuật toán này áp dụng cho những bài toán phi tuyến tính. Bài báo này trình bày một phương pháp kiểm soát và nhận dạng của một URV nguyên mẫu (như một hệ thống phi tuyến tính), sử dụng các mạng thần kinh neural (NNS - using neural networks).

Mô hình NNS được phát triển và sau đó dựa vào thuật toán tiên đoán hướng, vị trí tương lai của robot dưới nước. Thuật toán tiên đoán gọi là “hybrid control strategies”. Kết quả mô phỏng của bài viết rất khả quan. Năm 2012, bài báo [11] “A NEURAL NETWORK BASED CONTROLLER FOR UNDER WATER ROBOTIC VEHICLES” công trình nghiên cứu của ba tác giả “Josiane Maria Macedo Fernandes, Marcelo Costa Tanaka, Raimundo Carlos Silv´erio Freire J´unior” ( thành viên của trường đại học Natal, RN, Ấn Độ ) được in trong tạp chí “ABCM Symposium Series in Mechatronics - Vol.

Bài báo này trình bày về điều khiển huấn luyện robot dưới nước dựa trên mạng thần kinh nhân tạo (NEURAL NETWORK). Mục tiêu của nghiên cứu này là phát triển hệ thống định vị và điều khiển động học từ xa cho các phương tiện, robot dưới nước. 2 Luan van  Điều khiển robot hoạt động ngoài khơi theo phương pháp bù dao động (heave compensation ). Phương pháp sử dụng giải thuật đoán vị trí của vật trong tương lai.

Sử dụng hệ thống bù dao động AHC và PHC. Tháng 11 năm 2008, bài báo [5] “ A Heave Compensation Approach for Offshore Cranes “ của American Control Conference Westin Seattle Hotel, Seattle, Washington nghiên cứu về bù dao động cho cần cẩu ngoài khơi. Bài báo này trình bày về phương pháp để tìm ma trận chuyển động nghịch với khả năng hội tụ cao với số vòng lập ít hơn và đáp ứng nhanh hơn (phương pháp DLS và LMA). Kết hợp với hệ thống MRU (motion reference unit) : hệ thống điều khiển tải chuyển động với quỹ đạo tham chiếu để đự đoán chuyển động của tải & tàu. Tháng 8 năm 2014, bài báo [17] “ Heave compeftsatioft improves offshore lifting operations ” của hiệp hội khoa học ABS from OE (Offshore Engineer).

Bài báo trình bày về hệ thống bù dao động AHC và PHC. Thứ nhất là phương pháp bù chuyển động thụ động (PHC). Chẳng hạn như lồng giảm xóc Frederick của hệ thống bù chuyển động bằng một chương trình tối ưu hóa bậc hai tuần tự. Hatleskog và Dunnigan nghiên cứu hệ thống bù chuyển động sóng biển dùng xi lanh khí nén.

Thứ hai là phương pháp bù dao động chủ động (AHC) cho các tàu khoan bằng cách bổ sung thêm chuyển động theo chiều thẳng đứng của tải, từ đó có thể hãm sự dao động của tải.  Điều khiển robot ngoài khơi bằng công nghệ cảm biến trong không gian 3D. Năm 2014, Bài báo [7] “3D vision and object recognition for off-shore robot guidance” của hiệp hội GEMINI Centre for Advanced Robotics nghiên cứu về nhận dạng vị trí đối tượng cho robot ngoài khơi. Bài báo này trình bày về xây dựng mô hình CAD nâng cao để nhận dạng đối tượng.

Từ đó, robot sẽ được trang bị với tầm nhìn 3D dựa trên ánh sáng có cấu trúc của đối tượng. Như vậy, việc điều khiển robot ngoài khơi hoàn toàn có thể kiểm soát được. Năm 2015, Bài báo [1] “Leap Motion Controller for Authentication via Hand Geometry and Gestures” tác giả “Alexander Chan, Tzipora Halevi, and Nasir Memon’’ Hunter College High School, New York, NY, USA. Bài báo này nói về điều khiển real time cho robot arm : kết hợp giữa động học nghịch robot và điều 3 Luan van khiển real time bằng cảm biến leap motion.

Robot này có thể gắp được mọi vật trong không gian. Tính cấp thiết, ý nghĩa khoa học và thực tiễn của đề tài Để robot ngoài khơi hoạt động an toàn, hiệu quả trong điều kiện khắc nghiệt ngoài khơi (dao động bởi sóng biển và tàu). Đề tài “điều khiển ổn định robot gắp sản phẩm trong môi trường có dao động (bến cảng)” sử dụng thuật toán điều khiển linh hoạt cho robot : kết hợp động học nghịch robot trong môi trường dao động và điều khiển real time robot sử dụng cảm biến leap motion để giải quyết bài toán gắp vật trong môi trường có dao động. Đề tài này rất cấp thiết cần được nghiên cứu và đưa vào thực tiễn trong điều khiển robot hoạt động ngoài khơi.

Mục đích nghiên cứu, khách thể và đối tượng nghiên cứu. Mục đích của đề tài : Tính toán , thiết kế và điều khiển mô hình robot ngoài khơi hoạt động an toàn, hiệu quả và hiệu suất cao sử dụng cảm biến leap motion để giải quyết bài toán gắp vật trong môi trường có dao động. Nhiệm vụ của đề tài :  Phân tích và thực hiện điều khiển robot cổ điển.  Phân tích, đánh giá và đọc dữ liệu cảm biến leap motion (hồi tiếp vị trí X, Y, Z)  Đảm bảo đáp ứng truyền nhận dữ liệu real time cho robot.

Đối tượng nghiên cứu : Robot arm, cảm biến leap motion, cảm biến IMU, động cơ servo, kit arduino… 1. Giới hạn của đề tài Môi trường hoạt động của robot : trạng thái tĩnh. Vật cần gắp đặt trong môi trường dao động 3 chiều ( theo phương X, Y, Z ). Phương pháp nghiên cứu.

Phương pháp nghiên cứu được sử dụng chủ yếu là:  Nghiên cứu phần mềm Solid Work.  Thực hiện mô phỏng robot trên MATLAB.  Cách thức thiết kế phần cứng cánh tay robot : động lực học, sức bền vật liệu, cơ cấu cơ khí để lựa chọn thông số thiết bị chính xác.  Phân tích và thực hiện điều khiển robot trên mô hình thực.

 Thực thi thuật toán điều khiển linh hoạt dùng cảm biến leap motion. Kế hoạch thực hiện. Lắp ráp cánh tay robot 6 bậc và thi công mô hình tạo dao Tháng 2 đến tháng 4 động theo 3 chiều X, Y, Z. Tháng 4 đến tháng 6 Điều khiển robot cổ điển trên mô phỏng và thực tế.

Thực thi thuật toán điều khiển linh hoạt dùng cảm biến leap Tháng 6 đến tháng 7 motion. Kết hợp điều khiển robot – cảm biến leap motion gắp vật Tháng 7 đến tháng 8 trong môi trường có dao động. Tháng 8 đến tháng 9 Viết báo cáo luận văn tốt nghiệp. Tháng 9 đến tháng 10 Chuẩn bị cho báo cáo luận văn tốt nghiệp.

1 Kế hoạch thực hiện 5 Luan van CHƯƠNG II. Phương pháp bù dao động cho hoạt động ngoài khơi 2. Giới thiệu chung về phương pháp bù dao động Trước hết, nắm được thuật ngữ heave compensation ( bù dao động ) & anti-sway control (điều khiển chống dao động). Các vấn đề an toàn và hiệu quả trong những hoạt động ngoài khơi được giải quyết chưa triệt để từ những thành tựu trước đây.

Và phương pháp bù dao động là phương pháp được sử dụng khá hiệu quả và khắc phục được những nhược điểm so với những phương pháp trước kia. Điểm khác nhau lớn nhất của những thành tựu này là phương pháp tiếp cận. Thứ nhất là phương pháp bù chuyển động thụ động (PHC). Chẳng hạn như lồng giảm xóc Frederick của hệ thống bù chuyển động bằng một chương trình tối ưu hóa bậc hai tuần tự.

Hatleskog và Dunnigan nghiên cứu hệ thống bù chuyển động sóng biển dùng xi lanh khí nén. Thứ hai là phương pháp bù dao động chủ động (AHC) cho các tàu khoan bằng cách bổ sung thêm chuyển động theo chiều thẳng đứng của tải, từ đó có thể hãm sự dao động của tải. 1 Cần cẩu hoạt động ngoài khơi 6 Luan van Không những thế, để đạt hiệu quả tối đa cho phương pháp bù dao động, người ta đã kết hợp với phương pháp điều khiển chống dao động. Như phương pháp điềp khiển song song lực & vị trí cho các tải cẩu hoạt động ngoài khơi (tác giả Skaare and Egeland).

Giai đoạn đầu là bù dao động, điều khiển thay đổi chiều dài dây cáp kết nối với tải tương ứng với dao động của tải bởi sóng biển. Giai đoạn thứ hai là kiểm soát vận tốc tương đối giữa sóng biển và tải để giảm tác động của thủy động lực lên tải đặt ngoài khơi. Hệ thống bù dao động thụ động (PHC) và bù dao động chủ động (AHC). 2 Hệ thống AHC và PHC Hệ thống bù dao động thụ động (PHC : Passive Heave Compensation), bao gồm xi lanh hoặc bình nén khí, tay quay, ròng rọc.

Họ đơn giản hóa hệ thống bằng cách điều khiển vòng kín và hầu như không yêu cầu hệ thống điều khiển điện tử. Hầu hết các hệ thống PHC có thể không an toàn. Hệ thống PHC có thể giảm thiểu tác động của sóng 7 Luan van biển nhưng không tối ưu bằng hệ thống AHC (bù dao dộng chủ động).