Bối cảnh và vấn đề nghiên cứu
Đề tài "Nghiên cứu thuật toán điều khiển robot hai bánh tự cân bằng" được thực hiện bởi nhóm sinh viên Trịnh Đình Việt, Trịnh Công Trường và Trần Nhật Huy, dưới sự hướng dẫn của ThS. Võ Lâm Chương, thuộc Khoa Đào tạo Chất lượng cao, ngành Công nghệ Kỹ thuật Cơ điện tử, Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh (khóa 2011–2015, hoàn thành vào tháng 07/2015).
Bối cảnh thực tiễn xuất phát từ sự phát triển của công nghệ tự động hóa và robot học. Trong khi các phương tiện ba hoặc bốn bánh có tính cân bằng tĩnh tự nhiên, phương tiện hai bánh có cấu trúc bất ổn định tương tự mô hình con lắc ngược (inverted pendulum). Trọng tâm của robot nằm phía trên trục quay, đòi hỏi cơ chế chủ động tạo chuyển động bánh xe để liên tục điều chỉnh góc nghiêng, giữ cho trọng tâm nằm trên đường thẳng vuông góc với mặt sàn. Tính bất ổn định này tạo ra lợi thế về kích thước nhỏ gọn, bán kính quay bằng không và khả năng di chuyển linh hoạt trong không gian hẹp.
Theo tác giả, robot hai bánh tự cân bằng có tiềm năng ứng dụng thực tế rõ ràng:
- Phát triển phương tiện vận chuyển cá nhân trong các khu vực diện tích hạn chế hoặc hỗ trợ người già, trẻ em đi lại.
- Vận chuyển hàng hóa, tài liệu, linh kiện tự động theo lộ trình định sẵn trong nhà kho, nhà máy.
- Thay thế con người khảo sát, thu thập dữ liệu tại các môi trường nguy hiểm (khu vực nhiễm phóng xạ, rò rỉ khí gas độc hại).
- Phương tiện tuần tra, di chuyển trong khu nghỉ dưỡng, sân golf và công viên.
Về tình hình nghiên cứu:
- Trong nước: Thời điểm năm 2015, nghiên cứu về robot hai bánh tự cân bằng tại Việt Nam chủ yếu dừng lại ở các đề tài tốt nghiệp đại học hoặc luận văn thạc sĩ (tiêu biểu là công trình của tác giả Nguyễn Gia Minh Thảo tại Trường Đại học Bách Khoa TP. Hồ Chí Minh).
- Ngoài nước: Nhiều hệ thống thương mại và nghiên cứu chuyên sâu đã hoàn thiện như dòng xe Segway, robot phục vụ EMIEW 2 của Hitachi (Nhật Bản), robot Automated Music Personality của Ologic (Mỹ).
Mục tiêu và nhiệm vụ nghiên cứu:
- Xây dựng mô hình toán học động lực học mô tả hệ thống robot hai bánh tự cân bằng.
- Nghiên cứu và thiết kế thuật toán điều khiển cân bằng sử dụng hai phương pháp: Bộ điều khiển PID (Proportional - Integral - Derivative) và Bộ điều khiển tối ưu tuyến tính toàn phương LQR (Linear Quadratic Regulator).
- Nghiên cứu, xây dựng và so sánh các giải thuật lọc tín hiệu cảm biến (lọc bổ phụ Complementary, lọc Kalman) để triệt tiêu nhiễu từ cảm biến quán tính.
- Mô phỏng, kiểm nghiệm bộ điều khiển trên nền tảng phần mềm MATLAB/Simulink.
- Thiết kế kết cấu cơ khí 3D (bằng phần mềm SolidWorks), chế tạo mạch điều khiển phần cứng (vi điều khiển Arduino Mega 2560, mạch công suất L298, module Wifi), và lập trình hệ thống thực nghiệm hoạt động trên địa hình phẳng.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng: Thuật toán điều khiển cân bằng (PID, LQR), giải thuật ước lượng trạng thái (Kalman, Complementary), và mô hình phần cứng robot hai bánh tự cân bằng.
- Phạm vi: Mô hình robot thực nghiệm di chuyển trên địa hình phẳng, thời gian thực hiện trong 15 tuần (từ ngày 06/02/2015 đến ngày 10/07/2015).
Cơ sở lý thuyết và phương pháp
Khung lý thuyết của đề tài được xây dựng trên nguyên lý cơ học động lực học cổ điển và lý thuyết điều khiển tự động:
- Mô hình hóa hệ thống động lực học con lắc ngược hai bánh: Áp dụng định luật II Newton cho chuyển động tịnh tiến và chuyển động quay của từng bánh xe cũng như thân robot. Hệ phương trình vi phân mô tả mối quan hệ giữa góc nghiêng thân ($\theta$), vị trí tịnh tiến ($x$), vận tốc góc ($\dot{\theta}$), vận tốc dài ($\dot{x}$) và mô-men điều khiển ($C$).
- Lý thuyết điều khiển PID:
- Dạng liên tục: $u(t) = K_p \left( e(t) + \frac{1}{T_I}\int e(\tau)d\tau + T_D \frac{de(t)}{dt} \right)$.
- Phương pháp xác định tham số theo hàm quá độ mô hình xấp xỉ bậc nhất có trễ $S(s) = \frac{K e^{-Ls}}{1 + Ts}$ (Ziegler - Nichols 1).
- Phương pháp xác định tham số thực nghiệm dựa trên độ lợi tới hạn $K_{th}$ và chu kỳ tới hạn $T_{th}$ (Ziegler - Nichols 2).
- Dạng số rời rạc: Xấp xỉ tích phân và đạo hàm với chu kỳ lấy mẫu $T_a$, áp dụng quy tắc chỉnh định tham số Takahashi.
- Lý thuyết điều chỉnh toàn phương tuyến tính (LQR):
- Phương trình trạng thái: $\dot{x}(t) = Ax(t) + Bu(t)$ (liên tục) hoặc $x(k+1) = A_d x(k) + B_d u(k)$ (rời rạc).
- Cực tiểu hóa chỉ tiêu chất lượng toàn phương $J = \frac{1}{2}\int_{0}^{\infty} \left( x^T Q x + u^T R u \right) dt$, trong đó $Q$ là ma trận bán xác định dương, $R$ là ma trận xác định dương.
- Tín hiệu điều khiển tối ưu $u^*(t) = -Kx(t)$, trong đó ma trận độ lợi phản hồi trạng thái $K = R^{-1} B^T P$, với $P$ là nghiệm của phương trình đại số Riccati (ARE): $PA + A^T P - P B R^{-1} B^T P + Q = 0$.
- Lý thuyết ước lượng trạng thái ngẫu nhiên:
- Cảm biến gia tốc (Accelerometer): Xác định góc nghiêng dựa trên trọng lực thông qua hàm lượng giác $\text{atan2}$, ổn định ở trạng thái tĩnh nhưng nhạy với rung động tần số cao.
- Con quay hồi chuyển (Gyroscope): Đo vận tốc góc chính xác ở tần số cao nhưng tích phân theo thời gian gây ra hiện tượng trôi dạt sai số (drift).
- Bộ lọc bổ phụ (Complementary Filter): Phối hợp bộ lọc thông thấp (cho cảm biến gia tốc) và bộ lọc thông cao (cho con quay hồi chuyển).
- Bộ lọc Kalman rời rạc 2 trạng thái: Ước lượng tối ưu góc nghiêng và độ lệch trôi (gyro bias) qua 7 bước tính toán dự báo - hiệu chỉnh ma trận hiệp phương sai sai số.
Phương pháp nghiên cứu thực hiện:
- Phương pháp lý thuyết: Phân tích động lực học hệ thống, giải phương trình vi phân và phương trình ma trận Riccati.
- Phương pháp mô phỏng số: Sử dụng công cụ MATLAB/Simulink để kiểm chứng đáp ứng quá độ của góc nghiêng và vị trí của các bộ điều khiển.
- Phương pháp thực nghiệm: Thiết kế chế tạo phần cứng, đo kiểm dữ liệu cảm biến thực tế bằng giao thức I2C, lập trình nhúng bằng ngôn ngữ C trên nền tảng vi điều khiển Atmega2560.
Thiết kế và triển khai
Hệ thống kỹ thuật của robot hai bánh tự cân bằng được thiết kế và chế tạo bao gồm ba khối chính:
Kết cấu cơ khí
- Thiết kế 3D hoàn chỉnh trên phần mềm SolidWorks, bảo đảm tính đối xứng và phân bố trọng lượng hợp lý.
- Thân robot gồm khung đỡ nhiều tầng, phía dưới lắp hai bánh xe chủ động đồng trục.
- Trọng tâm hệ thống được tính toán nằm giữa hai bánh xe và nằm trên đường trục thẳng đứng đi qua tâm trục bánh xe.
Phần cứng điện tử và truyền thông
- Khối xử lý trung tâm: Board Arduino Mega 2560 sử dụng vi điều khiển AVR ATmega2560 (mã nguồn mở), xung nhịp 16 MHz, hỗ trợ các chuẩn giao tiếp I2C, SPI, RS232 (UART tốc độ baud cao).
- Khối cảm biến đo lường:
- MPU-6050 (InvenSense): Tích hợp cảm biến gia tốc 3 trục (MEMS accelerometer) và con quay hồi chuyển 3 trục (MEMS gyroscope), tích hợp bộ xử lý chuyển động số (DMP), bộ chuyển đổi ADC 16-bit, giao tiếp I2C ở tần số 400 kHz với địa chỉ mặc định
0x68. - Cảm biến góc quay (Encoder quang học): Gắn trên trục động cơ để đo góc quay, xác định vị trí $x$ và vận tốc dài $\dot{x}$ của bánh xe.
- MPU-6050 (InvenSense): Tích hợp cảm biến gia tốc 3 trục (MEMS accelerometer) và con quay hồi chuyển 3 trục (MEMS gyroscope), tích hợp bộ xử lý chuyển động số (DMP), bộ chuyển đổi ADC 16-bit, giao tiếp I2C ở tần số 400 kHz với địa chỉ mặc định
- Khối công suất và chấp hành:
- Động cơ DC có hộp giảm tốc gắn kèm encoder.
- Mạch công suất dùng IC cầu H kép L298, gồm 4 ngõ vào điều khiển 2 động cơ DC độc lập, hỗ trợ điều chế độ rộng xung (PWM) để kiểm soát tốc độ và đảo chiều quay.
- Khối nguồn nuôi: Sử dụng khối pin sạc gồm 4 cell pin laptop (Lithium-ion) mắc nối tiếp, tạo nguồn điện áp danh định 12V, dung lượng 2200 mAh, đảm bảo dòng xả cho động cơ và tính cơ động cho robot.
- Khối điều khiển từ xa: Module Wifi kết nối với Arduino Mega 2560 qua giao tiếp nối tiếp, cho phép nhận lệnh điều khiển thông qua giao diện Webserver hoặc ứng dụng chạy trên hệ điều hành Android.
Thuật toán xử lý và điều khiển nhúng
- Lập trình nhúng bằng ngôn ngữ C trên nền tảng Arduino IDE.
- Triển khai thuật toán lọc Kalman rời rạc với các bước cập nhật trạng thái $\theta$ và
gyro_bias, ma trận hiệp phương sai $P$, thông số đo lường $R_{measure} = 0.03\text{ rad}$, thông số nhiễu quá trình $Q_{angle}, Q_{bias}$. - Vòng lặp điều khiển thời gian thực đọc dữ liệu MPU6050 $\rightarrow$ lọc Kalman $\rightarrow$ đọc Encoder $\rightarrow$ tính toán tín hiệu điều khiển (PID/LQR) $\rightarrow$ xuất xung PWM ra cầu H L298.
Nội dung chính theo từng chương
Chương 1: Đặt vấn đề
Chương này giới thiệu tổng quan về nguyên lý hoạt động của robot hai bánh tự cân bằng dựa trên con lắc ngược: khi thân xe nghiêng về phía trước, hệ thống truyền động điều khiển bánh xe tiến lên phía trước để triệt tiêu góc lệch; khi thân xe nghiêng về sau, bánh xe lùi lại. Tác giả phân tích tính linh hoạt của cấu trúc hai bánh khi di chuyển trên địa hình phẳng và lên xuống dốc. Nội dung chương đồng thời trình bày các ứng dụng tiềm năng trong vận tải, công nghiệp, cứu hộ và tổng thuật các công trình nghiên cứu tiêu biểu trong nước và quốc tế (Segway, EMIEW 2, Ologic).
Chương 2: Giải quyết vấn đề
Trình bày mục đích nghiên cứu, giới hạn kỹ thuật của đề tài và quy trình lựa chọn phương án thiết kế. Tác giả lập luận chi tiết việc lựa chọn cảm biến MPU-6050 (kết hợp Gyro và Accelerometer), lựa chọn giải thuật lọc tín hiệu (bổ phụ và Kalman), chọn vi điều khiển ATmega2560 thay vì họ PIC truyền thống, chọn IC công suất L298, và quyết định sử dụng 4 cell pin laptop (12V, 2200 mAh) làm nguồn cấp thay vì dùng adapter cấp nguồn dây tĩnh.
Chương 3: Cơ sở lý thuyết
Tập trung vào mô hình toán học và lý thuyết các bộ điều khiển:
- Thiết lập hệ phương trình vi phân phi tuyến chuyển động của robot hai bánh: $$\left( \frac{4}{3} M_B L^2 \right) \ddot{\theta}_B - M_B L \cos\theta_B \ddot{x} = M_B g L \sin\theta_B - (1 + \sin^2\theta_B)\frac{C}{2}$$ $$\left( 2M_W + M_B \right) \ddot{x} - M_B L \sin\theta_B \dot{\theta}_B^2 + \left( \frac{J_W}{R^2} + M_B + \frac{M_W R}{L} \right) \ddot{\theta}_B \cos\theta_B = \frac{C}{R}$$
- Trình bày toán học bộ điều khiển PID liên tục, phương pháp xác định tham số theo Ziegler - Nichols 1 và Ziegler - Nichols 2.
- Trình bày công thức rời rạc hóa PID số theo phương pháp Takahashi (xấp xỉ tích phân loại 1, loại 2, loại 3).
- Trình bày lý thuyết điều khiển tối ưu LQR trong miền thời gian liên tục và rời rạc, thiết lập hàm Hamilton, phương trình đồng trạng thái và nghiệm ma trận Riccati.
Chương 4: Bộ lọc cho cảm biến
Trình bày cấu tạo chip MPU-6050, cơ chế giao tiếp I2C (địa chỉ 0x68, xung clock 400 kHz), và thuật toán xử lý dữ liệu đo:
- Công thức tính góc xoay từ con quay hồi chuyển qua vận tốc góc (
gyroRatevàLSBsensitivity) và góc nghiêng từ cảm biến gia tốc thông qua các hàm lượng giác trục $X, Y, Z$. - Thiết kế bộ lọc bổ phụ: $\text{Angle} = \alpha (\text{Angle} + \text{GyroRate} \cdot dt) + (1-\alpha) \text{AccelAngle}$.
- Thiết kế chi tiết bộ lọc Kalman 2 trạng thái: Thiết lập phương trình trạng thái rời rạc, ma trận đo lường, quy trình 7 bước (dự báo trạng thái, dự báo hiệp phương sai, tính độ lệch đo lường, sai số hiệp phương sai, tính độ lợi Kalman $K_k$, cập nhật trạng thái ước lượng, cập nhật hiệp phương sai hiệu chỉnh).
- Thực nghiệm so sánh đáp ứng tĩnh và đáp ứng động giữa tín hiệu thô, lọc bổ phụ và lọc Kalman.
Chương 5: Thiết kế bộ điều khiển
Xây dựng mô hình mô phỏng hệ thống robot hai bánh tự cân bằng trên MATLAB/Simulink:
- Thiết kế sơ đồ mô phỏng bộ điều khiển PID và bộ điều khiển LQR.
- Khảo sát đáp ứng góc nghiêng $\theta$ và đáp ứng vị trí $x$ của robot trước các kích thích ban đầu.
- So sánh hiệu năng giữa PID và LQR về độ vọt lố, thời gian xác lập và tính ổn định.
- Chuyển giao thuật toán điều khiển PID lên mô hình thực nghiệm dựa trên phản hồi góc nghiêng và vận tốc góc từ bộ lọc Kalman.
Chương 6: Thiết kế mô hình
Trình bày chi tiết quá trình thi công thực tế:
- Bản vẽ thiết kế cơ khí 3D trên SolidWorks và chế tạo khung cơ khí thực tế.
- Sơ đồ nguyên lý và sơ đồ chân vi điều khiển Arduino Mega 2560.
- Thiết kế mạch kết nối IC L298 điều khiển hai động cơ DC.
- Cấu hình module Wifi truyền thông không dây và xây dựng giao diện điều khiển robot qua phần mềm Android và Webserver.
Chương 7: Kết luận, đề nghị
Đánh giá tổng kết các mục tiêu đã hoàn thành (mô hình hóa lý thuyết, mô phỏng Simulink, thi công phần cứng, triển khai lọc Kalman và điều khiển PID/LQR) và đề xuất phương hướng phát triển cho đề tài.
Kết quả và đóng góp
Kết quả kỹ thuật và số liệu thực nghiệm
- Khảo sát và so sánh các bộ lọc cảm biến:
- Dữ liệu thô từ Accelerometer có mức độ nhiễu dao động rất cao khi chịu lực quán tính động.
- Dữ liệu từ Gyroscope bị trôi sai số (drift) tích phân theo thời gian.
- Bộ lọc bổ phụ (Complementary Filter) giảm bớt nhiễu, thuật toán đơn giản, nhưng tồn tại độ lệch pha rõ rệt tại vùng tần số cắt.
- Bộ lọc Kalman cho kết quả ước lượng góc nghiêng tối ưu nhất: bám sát góc thực tế, triệt tiêu nhiễu trắng trên toàn dải đo, loại bỏ hoàn toàn độ trôi của Gyro mà không gây lệch pha đáng kể.
| Đặc tính | Bộ lọc thụ động (Butterworth/Bessel) | Bộ lọc bổ phụ (Complementary) | Bộ lọc thích nghi Kalman |
|---|---|---|---|
| Số lượng tín hiệu vào | Đơn tín hiệu | 2 tín hiệu (Accel + Gyro) | 2 tín hiệu (Accel + Gyro) |
| Độ phức tạp tính toán | Thấp | Rất thấp (dễ lập trình) | Cao (tính ma trận hiệp phương sai) |
| Hiện tượng lệch pha | Có lệch pha ngoài dải | Lệch pha tại tần số nối | Gần như không có lệch pha |
| Khả năng bù sai số trôi | Không hỗ trợ | Có bù trôi cơ bản | Tự động hiệu chỉnh gyro_bias |
| Chất lượng đáp ứng động | Kém trong môi trường rung | Khá | Tối ưu và mượt mà |
-
So sánh thuật toán điều khiển PID và LQR:
- Bộ điều khiển PID: Cấu trúc đơn giản, hiệu chỉnh thông số linh hoạt dựa trên sai lệch góc nghiêng và vị trí, đáp ứng giữ thăng bằng tốt trên mô hình thực nghiệm.
- Bộ điều khiển LQR: Đòi hỏi mô hình toán học chính xác, kiểm soát đồng thời vector trạng thái (góc nghiêng, vận tốc góc, vị trí, vận tốc dài) thông qua ma trận trọng số $Q$ và $R$, mang lại đáp ứng quá độ ổn định cao trên mô phỏng.
-
Chế tạo thành công mô hình phần cứng:
- Kết cấu cơ khí hoạt động chắc chắn với 2 bánh chủ động.
- Nguồn pin 4 cell 12V 2200 mAh đáp ứng đủ dòng hoạt động độc lập cho MCU và 2 động cơ DC.
- Robot giữ được cân bằng trên mặt sàn phẳng và nhận lệnh điều khiển di chuyển thông qua module Wifi từ giao diện Android và Webserver.
Đóng góp của đề tài
- Hệ thống hóa phương pháp xây dựng mô hình toán học giải tích cho hệ con lắc ngược hai bánh tự cân bằng.
- Hiện thực hóa thành công thuật toán lọc Kalman 2 trạng thái bằng ngôn ngữ C trên vi điều khiển 8-bit ATmega2560 phục vụ xử lý thời gian thực cho chip MPU-6050.
- Xây dựng mô hình thí nghiệm phần cứng hoàn chỉnh, chi phí thấp, đóng vai trò giáo cụ trực quan cho đào tạo các môn học Điều khiển tự động, Lý thuyết điều khiển quá trình và Vi điều khiển tại Khoa Cơ điện tử.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế của đề tài (được nhóm tác giả chỉ ra):
- Thuật toán điều khiển trên mô hình thực tế chủ yếu mới tối ưu thuật toán PID trên kênh cân bằng góc nghiêng; việc kết hợp đồng thời hồi tiếp encoder vị trí và vận tốc dài để tự định vị tại chỗ vẫn còn dao động nhẹ.
- Bộ lọc Kalman đòi hỏi khối lượng tính toán ma trận lớn, chiếm dụng đáng kể tài nguyên chu kỳ xung nhịp của vi điều khiển 8-bit ATmega2560.
- Khả năng vượt địa hình gồ ghề, dốc cao còn hạn chế do hạn chế về công suất động cơ và giới hạn bám của lốp xe.
Hướng nghiên cứu tiếp:
- Nâng cấp phần cứng điều khiển sang các dòng vi điều khiển 32-bit (như STM32 hoặc ARM Cortex) để tăng tốc độ lấy mẫu và xử lý các thuật toán tối ưu phức tạp.
- Triển khai đầy đủ thuật toán LQR và các thuật toán điều khiển phi tuyến hiện đại (như điều khiển trượt - Sliding Mode Control, điều khiển Fuzzy-PID) trên mô hình thực nghiệm.
- Nghiên cứu cơ chế cân bằng chủ động khi di chuyển trên địa hình phức tạp, bậc thang hoặc mặt nghiêng biến thiên.
- Tích hợp thêm cảm biến siêu âm, laser scanner để phát triển tính năng tự động tránh vật cản và lập bản đồ di chuyển (SLAM).
Giá trị tham khảo
Đồ án tốt nghiệp này là tài liệu tham khảo có giá trị chuyên môn cao đối với:
- Giảng viên và sinh viên ngành Công nghệ Kỹ thuật Cơ điện tử, Kỹ thuật Điều khiển và Tự động hóa, Kỹ thuật Robot: Cung cấp tài liệu chi tiết từ thiết lập phương trình động lực học, mô phỏng Simulink đến triển khai mạch phần cứng.
- Người nghiên cứu về xử lý tín hiệu cảm biến quán tính (IMU): Chương 4 cung cấp toàn bộ quy trình toán học và mã nguồn C mẫu của bộ lọc Kalman 2 trạng thái cho cảm biến MPU-6050 giao tiếp qua I2C.
- Sinh viên thực hiện đồ án thiết kế hệ thống nhúng: Cung cấp sơ đồ phối ghép hoàn chỉnh giữa vi điều khiển Arduino Mega 2560, cảm biến MPU-6050, mạch công suất cầu H L298, nguồn pin Li-ion và module giao tiếp Wifi điều khiển qua Android.
Câu hỏi thường gặp
1. Tại sao nhóm nghiên cứu không sử dụng riêng lẻ cảm biến gia tốc hoặc con quay hồi chuyển để đo góc nghiêng robot?
Trong MPU-6050, cảm biến gia tốc đo góc nghiêng dựa trên gia tốc trọng trường nên chỉ chính xác khi đứng yên hoặc chuyển động đều; khi robot tăng tốc hoặc rung động, gia tốc quán tính sẽ gây nhiễu lớn. Ngược lại, con quay hồi chuyển đo vận tốc góc chính xác trong thời gian ngắn nhưng khi tích phân để lấy góc nghiêng sẽ bị sai số cộng dồn (drift) theo thời gian. Do đó, bắt buộc phải kết hợp cả hai cảm biến qua bộ lọc Kalman hoặc bộ lọc bổ phụ để tận dụng ưu điểm của từng loại.
2. Bộ lọc Kalman triển khai trong đồ án có cấu trúc trạng thái như thế nào?
Bộ lọc Kalman trong đề tài là bộ lọc rời rạc 2 trạng thái:
$$x_k = \begin{bmatrix} \theta \ \dot{\theta}_{bias} \end{bmatrix}$$
Trong đó trạng thái thứ nhất là góc nghiêng thực tế $\theta$ và trạng thái thứ hai là giá trị sai lệch trôi của con quay hồi chuyển (gyro_bias). Giải thuật liên tục cập nhật và hiệu chỉnh gyro_bias sau mỗi chu kỳ lấy mẫu để triệt tiêu sai số trôi.
3. Cấu hình phần cứng vi điều khiển và mạch công suất của robot gồm những linh kiện nào?
Mô hình sử dụng board Arduino Mega 2560 (vi điều khiển ATmega2560 xung nhịp 16 MHz), cảm biến chuyển động 6 trục MPU-6050 giao tiếp qua chuẩn I2C, IC điều khiển công suất cầu H L298 điều khiển 2 động cơ DC gắn encoder, module truyền thông Wifi, và khối nguồn pin laptop 4 cell (12V, dung lượng 2200 mAh).
4. Điểm khác biệt chính giữa hai bộ điều khiển PID và LQR trong đề tài là gì?
Bộ điều khiển PID điều khiển dựa trên tín hiệu sai lệch đơn lẻ (sai lệch góc nghiêng và vận tốc góc), cấu trúc đơn giản, dễ hiệu chỉnh thực nghiệm. Bộ điều khiển LQR là phương pháp điều khiển tối ưu đa biến, kiểm soát đồng thời toàn bộ vector trạng thái (vị trí, vận tốc, góc nghiêng, vận tốc góc) dựa trên mô hình toán học giải tích và tối thiểu hóa chỉ tiêu chất lượng toàn phương $J$ thông qua việc giải phương trình vi phân/đại số Riccati.
Kết luận
Đồ án tốt nghiệp "Nghiên cứu thuật toán điều khiển robot hai bánh tự cân bằng" của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh đã giải quyết trọn vẹn từ cơ sở lý thuyết động lực học, mô phỏng giải thuật trên MATLAB/Simulink đến chế tạo thành công mô hình thực nghiệm. Công trình chứng minh tính ưu việt của bộ lọc thích nghi Kalman trong việc khử nhiễu cảm biến MPU-6050 và tính khả thi của các thuật toán điều khiển cân bằng tự động trên nền tảng vi điều khiển ATmega2560. Đây là tài liệu kỹ thuật có tính ứng dụng thực tiễn cao, đóng vai trò nền tảng cho các nghiên cứu chuyên sâu về robot di động tự cân bằng và hệ thống điều khiển nhúng thời gian thực.