Luận văn thạc sĩ về điều khiển thăng bằng cho hệ mô hình xe đạp điện tại HCMUTE

Khám phá luận văn thạc sĩ HCMUTE về điều khiển thăng bằng cho hệ mô hình xe đạp điện, ứng dụng công nghệ tiên tiến trong giao thông.

• Tác giả: Trần Hoàng Chinh
• Người hướng dẫn: TS. Nguyễn Minh Tâm
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Điều Khiển Và Tự Động Hóa
• Đề tài: Nghiên Cứu Điều Khiển Thăng Bằng Cho Xe Đạp Điện
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• LÝ LỊCH KHOA HỌC
• LỜI CAM ĐOAN
• LỜI NÓI ĐẦU
• CẢM TẠ
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về hướng nghiên cứu, tóm tắt các kết quả nghiên cứu trong và ngoài nước, các vấn đề khoa học còn tồn tại cần nghiên cứu để giải quyết hiện nay
• 1.1.1. Đặt vấn đề
• 1.2. Các kết quả nghiên cứu trong và ngoài nước
• 1.2.1. Các kết quả nghiên cứu ngoài nước
• 1.2.2. Các kết quả nghiên cứu trong nước
• 1.3. Những vấn đề còn tồn tại luận văn tập trung giải quyết
• 1.4. Tính cấp thiết, ý nghĩa khoa học và cơ sở thực tiễn của đề tài nghiên cứu
• 1.5. Mục tiêu nghiên cứu
• 1.6. Đối tượng nghiên cứu
• 1.7. Nhiệm vụ và giới hạn đề tài
• 1.8. Phương pháp nghiên cứu
• 1.8.1. Cơ sở Toán học
• 1.8.2. Bộ điều khiển PID
• 1.8.3. Bộ điều khiển LQR
• 1.8.4. Bộ điều khiển Fuzzy
• 1.8.5. Bộ điều khiển LQR với sự tối ưu của giải thuật di truyền (Genetic Algorithm)
• 1.8.6. Bộ điều khiển Trượt Thứ Bậc (Hierarchical Sliding mode)
• 2. HỆ THỐNG MÔ HÌNH XE ĐẠP ĐIỆN TỰ THĂNG BẰNG
• 2.1. Giới thiệu hệ thống
• 2.2. Mô tả toán học hệ thống
• 2.3. Không gian trạng thái hệ thống
• 3. XÂY DỰNG BỘ ĐIỀU KHIỂN THĂNG BẰNG CHO HỆ MÔ HÌNH XE ĐẠP ĐIỆN
• 3.1. Thiết kế bộ điều khiển PID cho hệ mô hình xe đạp điện
• 3.2. Thiết kế bộ điều khiển LQR cho hệ mô hình xe đạp điện
• 3.3. Thiết kế bộ điều khiển Fuzzy cho hệ mô hình xe đạp điện
• 3.4. Thiết kế bộ điều khiển LQR với sự tối ưu của giải thuật di truyền (Genetic Algorithm)
• 3.5. Thiết kế bộ điều khiển Trượt
• 5. CHƯƠNG 5: THI CÔNG MÔ HÌNH
• 5.1. Thiết kế mô hình cơ khí
• 5.2. Mạch điều khiển hệ thống
• 5.3. Mạch công suất
• 5.4. Hoàn thiện mô hình
• 5.4.1. Mô hình số 1
• 5.4.2. Mô hình số 2
• 5.4.3. Mô hình số 3
• 6. KẾT QUẢ NGHIÊN CỨU
• 6.1. Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển PID
• 6.1.1. Kết quả mô phỏng với Bộ điều khiển PID
• 6.1.2. Kết quả thực nghiệm với Bộ điều khiển PID
• 6.2. Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển LQR
• 6.2.1. Kết quả mô phỏng với Bộ điều khiển LQR
• 6.2.2. Kết quả thực nghiệm với Bộ điều khiển LQR
• 6.3. Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển Fuzzy
• 6.3.1. Kết quả mô phỏng với Bộ điều khiển Fuzzy
• 6.3.2. Kết quả thực nghiệm với Bộ điều khiển Fuzzy
• 6.4. Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển LQR-GA
• 6.4.1. Kết quả mô phỏng với Bộ điều khiển LQR-GA
• 6.4.2. Kết quả thực nghiệm với Bộ điều khiển LQR-GA
• 6.5. Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển Trượt
• 6.5.1. Kết quả mô phỏng với Bộ điều khiển Trượt
• 6.5.2. Kết quả thực nghiệm với Bộ điều khiển Trượt
• HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nghiên cứu điều khiển thăng bằng cho xe đạp điện

Nghiên cứu điều khiển thăng bằng cho xe đạp điện tại HCMUTE là một lĩnh vực đang thu hút sự quan tâm lớn trong ngành Kỹ thuật điều khiển và tự động hóa. Việc áp dụng các thuật toán điều khiển như PID, LQR, và Fuzzy Logic vào mô hình xe đạp điện tự thăng bằng không chỉ giúp cải thiện tính ổn định mà còn nâng cao hiệu suất hoạt động của phương tiện. Các nghiên cứu trước đây đã chỉ ra rằng việc điều khiển thăng bằng cho các hệ thống phi tuyến như xe đạp điện là một thách thức lớn, đòi hỏi các giải pháp điều khiển chính xác và hiệu quả. Theo đó, việc phát triển các thuật toán điều khiển mới và cải tiến các thuật toán hiện có là cần thiết để đáp ứng yêu cầu ngày càng cao trong lĩnh vực này.

1.1 Tính cấp thiết của nghiên cứu

Trong bối cảnh công nghệ ngày càng phát triển, việc nghiên cứu và phát triển các hệ thống xe đạp điện tự thăng bằng trở nên cấp thiết hơn bao giờ hết. Các phương tiện giao thông thông minh không chỉ giúp giảm thiểu tai nạn mà còn nâng cao hiệu quả giao thông. Việc áp dụng các thuật toán điều khiển hiện đại vào xe đạp điện không chỉ giúp cải thiện tính ổn định mà còn mở ra hướng đi mới cho việc phát triển các phương tiện giao thông thông minh. Nghiên cứu này không chỉ có ý nghĩa lý thuyết mà còn mang lại giá trị thực tiễn cao trong việc phát triển công nghệ giao thông tại Việt Nam.

1.2 Mục tiêu nghiên cứu

Mục tiêu chính của nghiên cứu này là phát triển và áp dụng các thuật toán điều khiển như PID, LQR, và Fuzzy Logic cho mô hình xe đạp điện tự thăng bằng. Nghiên cứu sẽ tập trung vào việc xây dựng mô hình toán học cho hệ thống, xác định các thông số cần thiết, và thực hiện các thí nghiệm để kiểm tra tính hiệu quả của các thuật toán điều khiển. Kết quả nghiên cứu sẽ cung cấp cơ sở cho việc phát triển các ứng dụng thực tiễn trong lĩnh vực công nghệ xe đạp điện và tự động hóa.

II. Hệ thống mô hình xe đạp điện tự thăng bằng

Hệ thống mô hình xe đạp điện tự thăng bằng được thiết kế để mô phỏng các điều kiện thực tế mà một chiếc xe đạp điện phải đối mặt. Mô hình này bao gồm các thành phần chính như động cơ, cảm biến độ nghiêng, và bộ điều khiển. Việc mô phỏng trên công cụ Matlab/Simulink cho phép kiểm tra và tối ưu hóa các thuật toán điều khiển trước khi áp dụng vào thực tế. Hệ thống này không chỉ giúp nghiên cứu các thuật toán điều khiển mà còn cung cấp cái nhìn sâu sắc về cách thức hoạt động của xe đạp điện trong các tình huống khác nhau.

2.1 Mô tả toán học hệ thống

Mô hình toán học của hệ thống xe đạp điện tự thăng bằng được xây dựng dựa trên các phương trình động lực học. Các yếu tố như trọng lực, lực ma sát, và lực tác động từ động cơ được xem xét để đảm bảo tính chính xác của mô hình. Việc xây dựng mô hình toán học là bước quan trọng để phát triển các thuật toán điều khiển hiệu quả, giúp hệ thống duy trì trạng thái thăng bằng trong các điều kiện khác nhau.

2.2 Không gian trạng thái hệ thống

Không gian trạng thái của hệ thống xe đạp điện tự thăng bằng được xác định bởi các biến trạng thái như góc nghiêng và vận tốc góc. Việc phân tích không gian trạng thái giúp hiểu rõ hơn về hành vi của hệ thống và xác định các điểm ổn định. Các thuật toán điều khiển sẽ được áp dụng để điều chỉnh các biến trạng thái này nhằm duy trì sự thăng bằng cho xe đạp điện.

III. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy các thuật toán điều khiển như PID, LQR, và Fuzzy Logic đều có khả năng duy trì sự thăng bằng cho mô hình xe đạp điện. Các thí nghiệm thực tế đã chứng minh rằng việc áp dụng các thuật toán này không chỉ giúp cải thiện tính ổn định mà còn nâng cao hiệu suất hoạt động của hệ thống. Điều này mở ra nhiều cơ hội cho việc phát triển các ứng dụng thực tiễn trong lĩnh vực xe đạp điện và tự động hóa.

3.1 Kết quả điều khiển thăng bằng

Các kết quả từ thí nghiệm cho thấy rằng mô hình xe đạp điện có thể duy trì trạng thái thăng bằng trong nhiều điều kiện khác nhau. Việc áp dụng các thuật toán điều khiển đã giúp giảm thiểu độ lệch và tăng cường khả năng phản ứng của hệ thống. Điều này chứng tỏ rằng các thuật toán điều khiển được phát triển trong nghiên cứu có thể được áp dụng hiệu quả trong thực tế.

3.2 Ứng dụng trong công nghiệp

Nghiên cứu này không chỉ có giá trị trong lĩnh vực học thuật mà còn có thể được áp dụng trong công nghiệp. Các thuật toán điều khiển có thể được sử dụng để phát triển các hệ thống xe đạp điện thông minh, giúp cải thiện an toàn giao thông và nâng cao trải nghiệm người dùng. Việc áp dụng công nghệ này vào thực tế sẽ góp phần thúc đẩy sự phát triển của ngành công nghiệp xe đạp điện tại Việt Nam.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của khoa học kỹ thuật và tự động hóa, việc nghiên cứu các thuật toán điều khiển cân bằng cho các hệ thống phi tuyến như robot và phương tiện di chuyển ngày càng trở nên cấp thiết. Theo báo cáo của ngành, các thuật toán điều khiển cân bằng đóng vai trò quan trọng trong việc nâng cao hiệu quả vận hành, giảm thiểu sai số và tăng độ ổn định cho các hệ thống tự động. Đặc biệt, hệ mô hình xe đạp điện tự thăng bằng là một đối tượng nghiên cứu điển hình với tính chất phi tuyến cao, tương tự như con lắc ngược, đòi hỏi bộ điều khiển có độ chính xác và tốc độ đáp ứng nhanh.

Mục tiêu nghiên cứu của luận văn là xây dựng và thử nghiệm các thuật toán điều khiển PID, LQR, Fuzzy, LQR-GA và Sliding Mode nhằm giữ thăng bằng cho hệ mô hình xe đạp điện tự thăng bằng. Nghiên cứu được thực hiện trong phạm vi từ năm 2018 đến 2020 tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, với mô hình thực nghiệm được thiết kế và thi công cụ thể. Ý nghĩa của nghiên cứu thể hiện qua việc cung cấp giải pháp điều khiển ổn định cho các hệ thống robot và phương tiện tự động, góp phần thúc đẩy ứng dụng công nghệ điều khiển trong công nghiệp và giáo dục kỹ thuật.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các cơ sở lý thuyết và mô hình điều khiển hiện đại, bao gồm:

• Lý thuyết Lagrange: Áp dụng để xây dựng mô hình toán học cho hệ mô hình xe đạp điện tự thăng bằng, mô tả động năng và thế năng của hệ thống, từ đó thiết lập phương trình trạng thái phi tuyến.

• Bộ điều khiển PID (Proportional-Integral-Derivative): Giải thuật điều khiển cổ điển, kết hợp ba khâu tỉ lệ, tích phân và vi phân nhằm tăng độ ổn định và tốc độ đáp ứng của hệ thống.

• Bộ điều khiển LQR (Linear Quadratic Regulator): Phương pháp điều khiển tối ưu tuyến tính, sử dụng ma trận trọng số Q và R để điều chỉnh vị trí cực của hệ thống, đảm bảo ổn định và hiệu quả.

• Bộ điều khiển Fuzzy Logic: Thuật toán điều khiển thông minh dựa trên mờ hóa, hệ thống luật mờ và giải mờ, được huấn luyện bằng công cụ ANFIS để mô phỏng hành vi của bộ điều khiển LQR.

• Bộ điều khiển LQR-GA (LQR với tối ưu giải thuật di truyền): Kết hợp thuật toán di truyền để tối ưu ma trận trọng số Q, nâng cao chất lượng điều khiển và rút ngắn thời gian xác lập hệ thống.

• Bộ điều khiển Sliding Mode (Trượt Thứ Bậc): Phương pháp điều khiển phi tuyến hiệu quả, sử dụng mặt trượt và luật điều khiển tổng quát để đảm bảo tính ổn định theo tiêu chuẩn Lyapunov.

Các khái niệm chính bao gồm: mô hình toán học phi tuyến, không gian trạng thái, ma trận trọng số trong điều khiển tối ưu, luật điều khiển mờ, và tiêu chuẩn ổn định Lyapunov.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu bao gồm mô hình toán học xây dựng dựa trên phương pháp Lagrange, dữ liệu thực nghiệm thu thập từ mô hình xe đạp điện tự thăng bằng được thi công thực tế, và kết quả mô phỏng trên phần mềm Matlab/Simulink. Cỡ mẫu nghiên cứu là một hệ mô hình vật lý với các thông số kỹ thuật cụ thể, được lựa chọn nhằm phản ánh đặc tính phi tuyến và tính thực tiễn của hệ thống.

Phương pháp phân tích bao gồm:

• Xây dựng mô hình toán học và mô phỏng các bộ điều khiển PID, LQR, Fuzzy, LQR-GA, Sliding Mode trên Matlab/Simulink.

• Thiết kế và thi công mô hình vật lý xe đạp điện tự thăng bằng với KIT vi điều khiển STM32F407VG, cảm biến MPU 6050, động cơ DC và các mạch điều khiển công suất.

• Thực nghiệm điều khiển trên mô hình thực tế để đánh giá hiệu quả các thuật toán.

• Sử dụng thuật toán di truyền để tối ưu ma trận trọng số Q trong bộ điều khiển LQR.

Timeline nghiên cứu kéo dài từ năm 2018 đến tháng 4 năm 2020, bao gồm giai đoạn xây dựng mô hình, mô phỏng, thi công mô hình và thực nghiệm.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả điều khiển của bộ PID: Bộ điều khiển PID (thực chất là PD trong nghiên cứu) với thông số Kp1=1300, Kd1=250, Kp2=1, Kd2=1 đã giữ được thăng bằng cho mô hình xe đạp điện. Kết quả thực nghiệm cho thấy góc lệch thân xe được duy trì ổn định trong khoảng ±5 độ, với tốc độ đáp ứng nhanh.

2. Bộ điều khiển LQR ổn định và tối ưu: Với ma trận trọng số Q được chọn hợp lý, bộ điều khiển LQR đạt được độ ổn định cao hơn so với PID, giảm sai số góc lệch thân xe xuống dưới ±3 độ trong thời gian ngắn hơn 20%. Kết quả mô phỏng và thực nghiệm đều nhất quán.

3. Bộ điều khiển Fuzzy mô phỏng chính xác LQR: Bộ điều khiển Fuzzy được huấn luyện bằng ANFIS dựa trên dữ liệu LQR với 81 luật mờ, cho kết quả điều khiển tương đương LQR, thể hiện qua sai số góc lệch thân xe dưới ±3 độ và khả năng thích ứng tốt với biến đổi môi trường.

4. Tối ưu LQR bằng giải thuật di truyền (LQR-GA): Việc áp dụng GA để tối ưu ma trận Q giúp giảm thời gian xác lập hệ thống xuống khoảng 15% so với LQR truyền thống, đồng thời cải thiện độ ổn định và giảm sai số góc lệch thân xe thêm 10%.

5. Bộ điều khiển Sliding Mode bền vững với nhiễu: Bộ điều khiển trượt thứ bậc (HSMC) chứng minh khả năng duy trì thăng bằng ổn định trong điều kiện nhiễu và biến đổi tham số, với sai số góc lệch thân xe duy trì dưới ±2 độ, vượt trội hơn các bộ điều khiển khác.

Thảo luận kết quả

Nguyên nhân các bộ điều khiển LQR và LQR-GA cho kết quả tốt hơn PID là do khả năng tối ưu hóa vị trí cực và ma trận trọng số, giúp hệ thống phản ứng nhanh và ổn định hơn. Bộ điều khiển Fuzzy thể hiện tính linh hoạt và khả năng mô phỏng hành vi điều khiển tối ưu, phù hợp với các hệ thống phi tuyến phức tạp. Sliding Mode với cấu trúc thứ bậc cung cấp độ bền vững cao, phù hợp cho các ứng dụng công nghiệp đòi hỏi tính ổn định trong môi trường thực tế có nhiễu.

So sánh với các nghiên cứu quốc tế, kết quả của luận văn tương đồng với các báo cáo về điều khiển xe đạp tự thăng bằng sử dụng PID và LQR, đồng thời có bước tiến khi áp dụng giải thuật di truyền và điều khiển trượt. Các biểu đồ góc lệch thân xe và vận tốc góc đĩa tròn minh họa rõ sự khác biệt về hiệu quả giữa các bộ điều khiển, thể hiện qua các đường cong ổn định nhanh và sai số nhỏ hơn.

Ý nghĩa của kết quả nghiên cứu là cung cấp một hệ thống điều khiển đa dạng, có thể lựa chọn phù hợp với yêu cầu thực tế về độ ổn định, tốc độ đáp ứng và khả năng chịu nhiễu, góp phần thúc đẩy ứng dụng tự động hóa trong lĩnh vực robot và phương tiện tự cân bằng.

Đề xuất và khuyến nghị

1. Triển khai ứng dụng bộ điều khiển LQR-GA trong các hệ thống robot tự cân bằng: Đề xuất áp dụng thuật toán LQR tối ưu bằng giải thuật di truyền cho các robot di chuyển nhỏ và vừa nhằm nâng cao độ ổn định và giảm thời gian xác lập, thực hiện trong vòng 12 tháng tới bởi các nhóm nghiên cứu robot.

2. Phát triển bộ điều khiển Sliding Mode cho môi trường công nghiệp có nhiễu cao: Khuyến nghị sử dụng bộ điều khiển trượt thứ bậc trong các hệ thống tự động hóa công nghiệp, đặc biệt là các thiết bị chịu tác động nhiễu và biến đổi tham số, với mục tiêu tăng độ bền vững và ổn định, triển khai trong 18 tháng bởi các doanh nghiệp công nghệ.

3. Mở rộng nghiên cứu và huấn luyện bộ điều khiển Fuzzy dựa trên dữ liệu thực tế: Đề xuất thu thập thêm dữ liệu thực nghiệm để huấn luyện bộ điều khiển Fuzzy nhằm nâng cao khả năng thích ứng và chính xác trong điều kiện thực tế đa dạng, thực hiện trong 6-12 tháng bởi các trung tâm nghiên cứu và trường đại học.

4. Thiết kế mô hình xe đạp điện tự thăng bằng quy mô lớn hơn để thử nghiệm thực tế: Khuyến nghị phát triển mô hình thực nghiệm với kích thước và trọng lượng tương đương xe đạp điện thật nhằm kiểm chứng hiệu quả các thuật toán điều khiển trong điều kiện thực tế, thực hiện trong 24 tháng bởi các phòng thí nghiệm kỹ thuật.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và giảng viên ngành Kỹ thuật Điều khiển và Tự động hóa: Luận văn cung cấp cơ sở lý thuyết và thực nghiệm về các thuật toán điều khiển cân bằng, hỗ trợ phát triển đề tài nghiên cứu và giảng dạy chuyên sâu.

2. Sinh viên cao học và nghiên cứu sinh chuyên ngành Kỹ thuật Điện - Điện tử: Tài liệu chi tiết về mô hình toán học, thiết kế bộ điều khiển và thực nghiệm giúp sinh viên nâng cao kỹ năng thực hành và nghiên cứu khoa học.

3. Kỹ sư phát triển sản phẩm robot và phương tiện tự cân bằng: Các giải pháp điều khiển được trình bày có thể ứng dụng trực tiếp trong thiết kế và tối ưu hóa sản phẩm robot di chuyển và xe điện tự cân bằng.

4. Doanh nghiệp công nghệ và tự động hóa: Tham khảo để áp dụng các thuật toán điều khiển tiên tiến vào sản xuất, nâng cao hiệu quả và độ ổn định của hệ thống tự động trong công nghiệp.

Câu hỏi thường gặp

1. Bộ điều khiển nào phù hợp nhất cho hệ mô hình xe đạp điện tự thăng bằng?
   Bộ điều khiển LQR-GA được đánh giá cao nhờ khả năng tối ưu hóa ma trận trọng số, giúp hệ thống ổn định nhanh và chính xác hơn so với PID và LQR truyền thống. Ví dụ, thời gian xác lập giảm khoảng 15% so với LQR.

2. Tại sao cần sử dụng giải thuật di truyền để tối ưu bộ điều khiển LQR?
   Việc chọn ma trận trọng số Q thủ công thường không tối ưu, giải thuật di truyền giúp tự động tìm ra giá trị Q tốt nhất, nâng cao hiệu quả điều khiển và giảm sai số, minh chứng qua kết quả thực nghiệm.

3. Bộ điều khiển Fuzzy có ưu điểm gì so với các bộ điều khiển khác?
   Fuzzy Logic có khả năng xử lý phi tuyến và không cần mô hình chính xác, thích hợp với các hệ thống phức tạp. Trong nghiên cứu, bộ điều khiển Fuzzy mô phỏng chính xác hành vi của LQR với 81 luật mờ.

4. Bộ điều khiển Sliding Mode có thể ứng dụng trong môi trường nào?
   Sliding Mode rất bền vững với nhiễu và biến đổi tham số, phù hợp cho các hệ thống công nghiệp có điều kiện vận hành không ổn định, giúp duy trì thăng bằng với sai số nhỏ hơn ±2 độ.

5. Mô hình thực nghiệm sử dụng những thiết bị nào?
   Mô hình sử dụng KIT vi điều khiển STM32F407VG, cảm biến độ nghiêng MPU 6050, động cơ DC, encoder và mạch điều khiển công suất H-Bridge L298, đảm bảo thu thập dữ liệu và điều khiển chính xác.

Kết luận

• Luận văn đã xây dựng thành công mô hình toán học và thiết kế các bộ điều khiển PID, LQR, Fuzzy, LQR-GA và Sliding Mode cho hệ mô hình xe đạp điện tự thăng bằng.
• Kết quả thực nghiệm và mô phỏng cho thấy các thuật toán đều đạt hiệu quả trong việc giữ thăng bằng, trong đó LQR-GA và Sliding Mode có hiệu suất vượt trội.
• Việc áp dụng giải thuật di truyền giúp tối ưu hóa bộ điều khiển LQR, rút ngắn thời gian xác lập và nâng cao độ ổn định.
• Bộ điều khiển Sliding Mode thể hiện tính bền vững cao trong môi trường có nhiễu và biến đổi tham số.
• Các bước tiếp theo bao gồm mở rộng mô hình thực nghiệm, ứng dụng trong các hệ thống robot thực tế và phát triển các thuật toán điều khiển thông minh hơn.

Hành động đề xuất: Các nhà nghiên cứu và kỹ sư nên áp dụng và phát triển các thuật toán điều khiển này trong các dự án tự động hóa và robot để nâng cao hiệu quả và độ ổn định của hệ thống.

Trích đoạn nội dung tài liệu

Chương 1 .1 Tổng quan về hướng nghiên cứu, tóm tắt các kết quả nghiên cứu trong và ngoài nước, các vấn đề khoa học còn tồn tại cần nghiên cứu để giải quyết hiện nay .2 Các kết quả nghiên cứu trong và ngoài nước .3 Những vấn đề còn tồn tại luận văn tập trung giải quyết .2 Tính cấp thiết, ý nghĩa khoa học và cơ sở thực tiễn của đề tài nghiên cứu.3 Mục tiêu nghiên cứu .4 Đối tượng nghiên cứu .5 Nhiệm vụ và giới hạn đề tài .20 viii Luan van 1.6 Phương pháp nghiên cứu .1 Cơ sở Toán học .2 Bộ điều khiển PID .3 Bộ điều khiển LQR .4 Bộ điều khiển Fuzzy .5 Bộ điều khiển LQR với sự tối ưu của giải thuật di truyền (Genetic Algorithm) .6 Bộ điều khiển Trượt Thứ Bậc (Hierarchical Sliding mode).27 HỆ THỐNG MÔ HÌNH XE ĐẠP ĐIỆN TỰ THĂNG BẰNG .1 Giới thiệu hệ thống .2 Mô tả toán học hệ thống .3 Không gian trạng thái hệ thống .34 XÂY DỰNG BỘ ĐIỀU KHIỂN THĂNG BẰNG CHO HỆ MÔ HÌNH XE ĐẠP ĐIỆN .1 Thiết kế bộ điều khiển PID cho hệ mô hình xe đạp điện .2 Thiết kế bộ điều khiển LQR cho hệ mô hình xe đạp điện .3 Thiết kế bộ điều khiển Fuzzy cho hệ mô hình xe đạp điện .4 Thiết kế bộ điều khiển LQR với sự tối ưu của giải thuật di truyền (Genetic Algorithm) .5 Thiết kế bộ điều khiển Trượt .39 ix Luan van Chương 5 .43 THI CÔNG MÔ HÌNH .1 Thiết kế mô hình cơ khí.1 Mạch điều khiển hệ thống.2 Mạch công suất .3 Hoàn thiện mô hình .1 Mô hình số 1 .2 Mô hình số 2 .3 Mô hình số 3 .52 KẾT QUẢ NGHIÊN CỨU .1 Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển PID .1 Kết quả mô phỏng với Bộ điều khiển PID .2 Kết quả thực nghiệm với Bộ điều khiển PID.2 Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển LQR .1 Kết quả mô phỏng với Bộ điều khiển LQR .2 Kết quả thực nghiệm với Bộ điều khiển LQR .3 Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển Fuzzy .1 Kết quả mô phỏng với Bộ điều khiển Fuzzy .2 Kết quả thực nghiệm với Bộ điều khiển Fuzzy .4 Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển LQR-GA .1 Kết quả mô phỏng với Bộ điều khiển LQR-GA .2 Kết quả thực nghiệm với Bộ điều khiển LQR-GA .5 Kết quả điều khiển thăng bằng cho hệ mô hình xe đạp điện bằng bộ điều khiển Trượt .1 Kết quả mô phỏng với Bộ điều khiển Trượt .2 Kết quả thực nghiệm với Bộ điều khiển Trượt .67 HƯỚNG PHÁT TRIỂN.69 TÀI LIỆU THAM KHẢO .70 Tài liệu tham khảo tiếng Anh .70 Tài liệu tham khảo tiếng Việt .72 Bài Báo Khoa Học đăng trên tạp chí Khoa Học Giáo Dục Kỹ Thuật .72 xi Luan van DANH SÁCH CÁC CHỮ VIẾT TẮT PID Proportional Integral Derivative LQR Linear Quadratic Regulator FLC Fuzzy Logic Control SMC Sliding Mode Control HSMC Hierarchical Sliding Mode Control GA Genetic Algorithm BĐK Bộ Điều Khiển xii Luan van DANH SÁCH CÁC HÌNH HÌNH TRANG Hình 2.1 Sơ đồ khối khâu tỉ lệ .2 Sơ đồ khối khâu tích phân .3 Sơ đồ khối khâu vi phân .4 Sơ đồ khối bộ điều khiển vi tích phân tỉ lệ PID .5 Sơ đồ khối điều khiển mờ .6 Sơ đồ cấu trúc HSMC .1 Hệ mô hình xe đạp tự thăng bằng .2 Cấu trúc vật lý hệ mô hình xe mô tô tự thăng bằng .3 Cấu trúc vật lý của mô hình xe đạp tự thăng bằng sử dụng đĩa tròn điều khiển.1 Sơ đồ cấu trúc hệ thống điều khiển tự động mô hình xe đạp điện tự thăng bằng bằng bộ điều khiển PID.2 Sơ đồ cấu trúc hệ thống điều khiển tự động mô hình xe đạp điện tự thăng bằng bằng bộ điều khiển LQR .3 Cấu trúc nhận dạng bộ điều khiển LQR .4 Sơ đồ cấu trúc hệ thống điều khiển tự động mô hình xe đạp điện tự thăng bằng bằng bộ điều khiển Fuzzy .5 Sơ đồ cấu trúc hệ thống điều khiển tự động mô hình xe đạp điện tự thăng bằng bằng bộ điều khiển LQR-GA .6 Lưu đồ của giải thuật di truyền .7 Cấu trúc của HSMC cho hệ mô hình xe đạp điện tự thăng bằng .8 Sơ đồ cấu trúc hệ thống điều khiển tự động mô hình xe đạp điện tự thăng bằng bằng bộ điều khiển Trượt .41 xiii Luan van Hình 5.1 Thanh đỡ bánh xe (số lượng: 2) .10 KIT xử lý trung tâm STM32F407VG .11 Sơ đồ nguyên lý Mạch nguồn công suất cấp cho KIT STM32F407VG .12 Mạch nguồn công suất cấp cho KIT STM32D407VG thực tế .13 Sơ đồ nguyên lý Mạch nguồn công suất cấp cho H-Bridge L298 .14 Mạch nguồn công suất cấp cho H-Bridge L298 thực tế .15 Sơ đồ nguyên lý Mạch công suất H-Bridge L298 điều khiển xe tịnh tiến và xoay bánh lái .16 Mạch công suất H-Bridge L298 điều khiển xe tịnh tiến và xoay bánh lái thực tế.17 Sơ đồ nối dây mạch công suất điều khiển cân bằng cho mô hình xe.18 Mạch công suất điều khiển cân bằng cho mô hình xe thực tế .19 Mô hình số 1 được điều khiển với BĐK PD .20 Mô hình số 2 được điều khiển với BĐK LQR-GA .21 Mô hình số 3 được điều khiển với BĐK LQR, Fuzzy, Trượt .22 Nguồn pin cung cấp cho mô hình xe đạp điện tự cân bằng .1 Kết quả mô phỏng góc lệch thân xe với BĐK PD .2 Kết quả mô phỏng vận tốc góc đĩa tròn (bánh đà) với BĐK PD .3 So sánh kết quả mô phỏng góc lệch thân xe với BĐK PD ở các trường hợp .53 xiv Luan van Hình 6.4 So sánh kết quả mô phỏng vận tốc góc đĩa tròn (bánh đà) với BĐK PD ở các trường hợp .5 Kết quả điều khiển thăng bằng mô hình với bộ điều khiển PID .6 Kết quả thực tế góc lệch thân xe (độ) với BĐK PD (trường hợp 1) .7 Kết quả thực tế vận tốc góc quay đĩa tròn (độ/s) với BĐK PD (trường hợp 1) .8 Kết quả thực tế góc lệch thân xe (độ) với BĐK PD (trường hợp 2) .9 Kết quả thực tế vận tốc góc quay đĩa tròn (độ/s) với BĐK PD (trường hợp 2) .10 Kết quả thực tế góc lệch thân xe (độ) với BĐK PD (trường hợp 3) .11 Kết quả thực tế vận tốc góc quay đĩa tròn (độ/s) với BĐK PD (trường hợp 3) .12 Kết quả thực tế góc lệch thân xe (độ) với BĐK PD (trường hợp 4) .13 Kết quả thực tế vận tốc góc quay đĩa tròn (độ/s) với BĐK PD (trường hợp 4) .14 Kết quả thực tế góc lệch thân xe (độ) với BĐK PD (trường hợp 5) .15 Kết quả thực tế vận tốc góc quay đĩa tròn (độ/s) với BĐK PD (trường hợp 5) .16 Kết quả mô phỏng điều khiển góc lệch thân xe với BĐK LQR .17 Kết quả mô phỏng vận tốc góc quay đĩa tròn (bánh đà) với BĐK LQR .18 Kết quả thực tế góc lệch thân xe với bộ điều khiển LQR .19 Kết quả thực tế vận tốc góc quay đĩa tròn với bộ điều khiển LQR .20 Kết quả mô phỏng điều khiển góc lệch thân xe với BĐK Fuzzy.21 Kết quả mô phỏng vận tốc góc quay đĩa tròn (bánh đà) với BĐK Fuzzy 61 Hình 6.22 Giá trị hàm thích nghi qua số thế hệ .23 Kết quả mô phỏng điều khiển góc lệch thân xe với BĐK LQR-GA .24 Kết quả mô phỏng vận tốc góc quay đĩa tròn (bánh đà) với BĐK LQR- GA .25 Kết quả thực tế góc lệch thân xe với BĐK LQR-GA .64 xv Luan van Hình 6.26 Kết quả thực tế vận tốc góc quay đĩa tròn với BĐK LQR-GA .27 Kết quả mô phỏng góc lệch thân xe với BĐK Trượt .28 Kết quả thực tế góc lệch thân xe với BĐK Trượt .66 xvi Luan van DANH SÁCH CÁC BẢNG BẢNG TRANG Bảng 1. Thông số hệ thống. Thông số của động cơ. Thông số mô hình thực tế số 1.

Thông số mô hình thực tế số 2. Thông số mô hình thực tế số 3.32 xvii Luan van Chương 1 TỔNG QUAN 1.1 Tổng quan về hướng nghiên cứu, tóm tắt các kết quả nghiên cứu trong và ngoài nước, các vấn đề khoa học còn tồn tại cần nghiên cứu để giải quyết hiện nay 1.1 Đặt vấn đề Nghiên cứu và áp dụng các thuật toán điều khiển cân bằng lên các đối tượng phi tuyến ở các phòng thí nghiệm hay các phương tiện di chuyển như máy bay không người lái là chủ đề rất được quan tâm trong lĩnh vực “Kỹ thuật điều khiển và tự động hóa”. Các thuật toán điều khiển bám mục tiêu cũng là một trong những hướng nghiên cứu quan trọng. Ngày nay, các hệ thống không chỉ đáp ứng yêu cầu được vận hành một cách tự động (không có sự can thiệp của con người) mà còn đòi hỏi hệ thống phải được vận hành chất lượng, hiệu quả cao, giảm thiểu khuyết điểm và tăng cao ưu điểm.

Các thuật toán điều khiển (đặc biệt là thuật toán điều khiển cân bằng) ngày càng được các nhà khoa học quan tâm bởi sự quan trọng và ứng dụng của nó. Để có thể thực hiện việc điều khiển cân bằng cho các hệ thống mất cân bằng, chúng ta cần phải có cách tiếp cận vấn đề một cách thích hợp.2 Các kết quả nghiên cứu trong và ngoài nước Nói về lĩnh vực nghiên cứu điều khiển cân bằng thì đây là một trong những lĩnh vực rất nổi trội của ngành Kỹ thuật điều khiển. Trên thế giới, các quốc gia châu Á như Trung Quốc, Nhật Bản, Đài Loan, Hàn Quốc, Ấn Độ,…là những quốc gia phát triển mạnh về lĩnh vực này, bằng chứng là những ứng dụng cao trong công nghệ như mô tô tự thăng bằng và di chuyển. Các quốc gia châu Âu, Mỹ đa phần đều đã phát triển lĩnh vực này ở một tầm cao mới.

Các sản phẩm như flycam, drone chở người, robot hiện đại,…đã được trình diễn rất ngoạn mục. Ở Việt Nam, việc nghiên cứu về lĩnh vực điều khiển thăng bằng hay áp dụng các thuật toán điều khiển lên các hệ thống trong công nghiệp cũng đang được quan tâm trong thời gian những năm trở lại đây. Song vẫn còn hạn chế so với khu vực và thế giới.1 Các kết quả nghiên cứu ngoài nước Trước đây, đối tượng xe đạp tự cân bằng đã được nghiên cứu và điều khiển rộng rãi ở các phòng Labs ở các trường đại học quốc tế…Những kết quả cũng được đưa ra, cho những phản hồi rất tốt. Điển hình trong số đó là một số kết quả điều khiển bởi bộ điều khiển PID [1] có thể kể đến như là: “Self-Balancing Bicycle using Reaction Wheel” [2] của nhóm tác giả Nikhil Kumar Gupta, A.