Luận văn thạc sĩ về nhận dạng thông số của rôbôt bằng giải thuật PSO

Luận văn thạc sĩ nghiên cứu nhận dạng thông số của rôbôt bằng giải thuật pso, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp cải thiện thực tiễn.

• Tác giả: Đặng Thị Mỹ Chi
• Người hướng dẫn: TS. Nguyễn Minh Tâm
• Trường học: Trường Đại Học Sư Phạm Kĩ Thuật Tp HCM
• Chuyên ngành: Kĩ Thuật Điện Tử
• Đề tài: Nhận dạng thông số của robot bằng giải thuật PSO
• Loại tài liệu: luận văn
• Năm xuất bản: 2013
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• THESIS SUMMARY
• MỤC LỤC
• DANH SÁCH CÁC CHỮ VIẾT TẮT
• DANH SÁCH CÁC HÌNH
• DANH SÁCH CÁC BẢNG
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về hướng nghiên cứu
• 1.2. Kết quả nghiên cứu trong và ngoài nước
• 1.3. Mục tiêu và đối tượng nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Lý thuyết về robot
• 2.1.1. Giới thiệu chung về Robot
• 2.1.2. Các thông số về cánh tay robot
• 2.1.3. Phương trình động học của robot (Kinematic Equations)
• 2.1.4. Động lực học của robot (dynamic of robot)
• 2.2. Các phương pháp nhận dạng thông số động lực học cho robot
• 2.2.1. Tổng quan về các phương pháp nhận dạng thông số động lực học của robot
• 2.2.2. Các phương pháp nhận dạng thông số động lực học
• 2.2.3. Thuật toán bầy đàn (PSO: Particle Swarm Optimization)
• 2.2.3.1. Giới thiệu về thuật toán PSO
• 2.2.3.2. Xây dựng giải thuật PSO
• 2.2.3.2.a. Các bước trong giải thuật PSO
• 2.2.3.2.b. Lưu đồ giải thuật của thuật toán PSO
• 2.2.3.2.c. Những vấn đề cần quan tâm khi xây dựng giải thuật PSO
• 2.2.3.3. Đặc điểm và ứng dụng của giải thuật PSO
• 2.2.4. Sơ lược về thuật toán di truyền GA (Genetic Algorithm)
• 2.2.4.1. Giới thiệu về thuật toán di truyền GA
• 3. CHƯƠNG 3: MÔ PHỎNG NHẬN DẠNG THÔNG SỐ QUÁN TÍNH CỦA CÁNH TAY ROBOT 3 BẬC
• 3.1. Cấu trúc của cánh tay robot 3 bậc tự do gồm 3 khớp xoay
• 3.2. Phương trình động lực học của cánh tay robot 3 bậc
• 3.3. Các thông số mô hình cần nhận dạng
• 3.4. Nhận dạng các thông số quán tính
• 3.4.1. Sơ đồ khối của thuật toán nhận dạng bằng PSO
• 3.4.2. Sơ đồ mô hình mô phỏng phương trình động lực học của cánh tay robot
• 3.4.3. Thuật toán PSO để nhận dạng thông số
• 3.4.4. Thuật toán GA trong việc nhận dạng các thông số
• 3.5. Tiến trình mô phỏng
• 3.6. Kết quả mô phỏng và nhận xét
• 3.7. Đánh giá kết quả nhận dạng
• 4. CHƯƠNG 4: KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nhận dạng thông số robot bằng thuật toán PSO

Nhận dạng thông số robot là một lĩnh vực quan trọng trong nghiên cứu và phát triển công nghệ robot. Việc xác định chính xác các thông số động lực học của robot giúp cải thiện hiệu suất và độ chính xác trong điều khiển. Thuật toán PSO (Particle Swarm Optimization) đã được chứng minh là một công cụ hiệu quả trong việc tối ưu hóa các thông số này. Nghiên cứu này sẽ trình bày tổng quan về ứng dụng của PSO trong nhận dạng thông số robot tự động.

1.1. Khái niệm về nhận dạng thông số robot

Nhận dạng thông số robot liên quan đến việc xác định các thông số quán tính và ma sát trong phương trình động lực học. Điều này rất quan trọng để xây dựng các mô hình điều khiển chính xác cho robot tự động.

1.2. Vai trò của thuật toán PSO trong nhận dạng thông số

Thuật toán PSO là một phương pháp tối ưu hóa bầy đàn, giúp tìm kiếm các thông số tối ưu cho mô hình động lực học của robot. PSO có khả năng tìm kiếm hiệu quả trong không gian lớn, giúp cải thiện độ chính xác của việc nhận dạng thông số.

II. Thách thức trong nhận dạng thông số động lực học của robot

Việc nhận dạng thông số động lực học của robot gặp nhiều thách thức do tính phức tạp của các mô hình và sự không chắc chắn trong môi trường làm việc. Các yếu tố như tính phi tuyến, số bậc tự do và sự thay đổi của tải trọng đều ảnh hưởng đến độ chính xác của các thông số được xác định.

2.1. Tính phức tạp của mô hình động lực học

Mô hình động lực học của robot thường rất phức tạp, bao gồm nhiều thông số và biến số. Việc xác định chính xác các thông số này là một thách thức lớn trong nghiên cứu.

2.2. Ảnh hưởng của môi trường làm việc

Môi trường làm việc của robot có thể thay đổi, ảnh hưởng đến các thông số động lực học. Điều này làm cho việc nhận dạng thông số trở nên khó khăn hơn, đòi hỏi các phương pháp tối ưu hóa hiệu quả.

III. Phương pháp nhận dạng thông số bằng thuật toán PSO

Phương pháp nhận dạng thông số bằng thuật toán PSO đã được áp dụng rộng rãi trong nghiên cứu robot. PSO giúp tối ưu hóa các thông số quán tính của robot thông qua việc mô phỏng và đánh giá độ chính xác của các thông số được xác định.

3.1. Cấu trúc và nguyên lý hoạt động của PSO

PSO hoạt động dựa trên nguyên lý bầy đàn, nơi các cá thể trong quần thể tìm kiếm giải pháp tối ưu bằng cách chia sẻ thông tin với nhau. Điều này giúp tăng tốc độ tìm kiếm và cải thiện độ chính xác.

3.2. Quy trình nhận dạng thông số bằng PSO

Quy trình nhận dạng thông số bằng PSO bao gồm các bước như khởi tạo quần thể, đánh giá độ thích nghi, cập nhật vị trí và tốc độ của các cá thể. Các thông số quán tính được tối ưu hóa qua nhiều vòng lặp.

IV. So sánh hiệu quả giữa PSO và các phương pháp khác

Nghiên cứu đã so sánh hiệu quả của thuật toán PSO với các phương pháp nhận dạng khác như thuật toán di truyền (GA). Kết quả cho thấy PSO có độ chính xác cao hơn trong việc nhận dạng thông số động lực học của robot.

4.1. Đánh giá độ chính xác của PSO

Kết quả từ các mô phỏng cho thấy rằng PSO có khả năng nhận dạng thông số với sai số thấp hơn so với GA. Điều này chứng tỏ PSO là một công cụ mạnh mẽ trong lĩnh vực này.

4.2. Lợi ích của việc sử dụng PSO

Việc sử dụng PSO không chỉ giúp cải thiện độ chính xác mà còn giảm thiểu thời gian tính toán. Điều này rất quan trọng trong các ứng dụng thực tế của robot tự động.

V. Ứng dụng thực tiễn của nhận dạng thông số robot

Nhận dạng thông số robot bằng thuật toán PSO đã được áp dụng trong nhiều lĩnh vực như sản xuất, y tế và quốc phòng. Các ứng dụng này cho thấy tính khả thi và hiệu quả của phương pháp trong thực tế.

5.1. Ứng dụng trong sản xuất công nghiệp

Trong sản xuất, việc nhận dạng thông số giúp tối ưu hóa quy trình điều khiển robot, từ đó nâng cao hiệu suất và giảm thiểu lỗi trong sản xuất.

5.2. Ứng dụng trong y tế

Robot phẫu thuật sử dụng các thông số động lực học chính xác để thực hiện các ca phẫu thuật phức tạp, đảm bảo an toàn và hiệu quả cho bệnh nhân.

VI. Kết luận và triển vọng tương lai của nghiên cứu

Nghiên cứu về nhận dạng thông số robot bằng thuật toán PSO đã mở ra nhiều hướng đi mới trong lĩnh vực robot tự động. Tương lai của nghiên cứu này hứa hẹn sẽ mang lại nhiều ứng dụng thực tiễn hơn nữa.

6.1. Hướng phát triển tiếp theo

Các nghiên cứu tiếp theo có thể tập trung vào việc cải thiện thuật toán PSO và áp dụng nó trong các loại robot phức tạp hơn, nhằm nâng cao độ chính xác và hiệu suất.

6.2. Tác động của công nghệ mới

Sự phát triển của công nghệ mới như trí tuệ nhân tạo và học máy có thể kết hợp với PSO để tạo ra các phương pháp nhận dạng thông số hiệu quả hơn trong tương lai.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh tự động hóa công nghiệp hiện đại, robot và các cánh tay máy công nghiệp đóng vai trò chủ chốt khi chiếm hơn 65% tỷ trọng trong các dây chuyền lắp ráp, hàn tự động và gia công chính xác. Để nâng cao chất lượng vận hành và tối ưu hóa độ chính xác bám quỹ đạo, việc thiết kế các thuật toán điều khiển tiên tiến dựa trên mô hình toán học là yêu cầu bắt buộc. Tuy nhiên, mô hình động lực học cánh tay robot là một hệ phi tuyến đa biến phức tạp, trong đó các thông số quán tính và ma sát khớp thường bị sai lệch từ 15% đến 25% so với giá trị thiết kế danh định do dung sai chế tạo và sự biến động tải trọng trong thực tế.

Nhằm giải quyết triệt để vấn đề này, đề tài tập trung nghiên cứu phương pháp nhận dạng mô hình động lực học của cánh tay robot 3 bậc tự do (3 DoF) với cấu trúc 3 khớp xoay (RRR). Mục tiêu cụ thể của công trình là ước lượng chính xác 13 thông số quán tính độc lập trong phương trình chuyển động Lagrange-Euler bằng việc ứng dụng giải thuật tối ưu hóa bầy đàn (Particle Swarm Optimization - PSO) và so sánh trực tiếp hiệu quả với giải thuật di truyền (Genetic Algorithm - GA).

Nghiên cứu được triển khai thực hiện tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh trong giai đoạn từ năm 2011 đến năm 2013, sử dụng công cụ mô phỏng chuyên sâu trên môi trường Matlab và Simulink. Ý nghĩa học thuật và thực tiễn của công trình thể hiện ở việc thiết lập giải pháp nhận dạng trực tiếp không cần biến đổi ma trận hồi quy tuyến tính, giúp giảm khoảng 30% khối lượng tính toán phức tạp, nâng cao độ chính xác ước lượng mô-men khớp lên trên 98% và tạo tiền đề vững chắc cho việc thiết kế các bộ điều khiển thích nghi chất lượng cao trong công nghiệp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên 2 nền tảng lý thuyết cơ học và trí tuệ tính toán vững chắc. Thứ nhất, cơ học động lực học nhiều vật của hệ robot sử dụng phương trình Euler-Lagrange dạng tổng quát:

$$D(q)\ddot{q} + H(q, \dot{q})\dot{q} + G(q) = \tau$$

Trong đó, $q$ là vector tọa độ suy rộng biểu diễn góc quay của 3 khớp xoay, $D(q)$ là ma trận quán tính đối xứng xác định dương, $H(q, \dot{q})$ là thành phần lực ly tâm và Coriolis, $G(q)$ là vector mô-men trọng trường và $\tau$ là vector mô-men dẫn động tác động lên các khớp. Hệ tọa độ và thông số hình học được xác lập theo quy tắc Denavit-Hartenberg (DH) thông qua 4 tham số đặc trưng: góc quay khớp $\theta$, độ dịch chuyển $d$, chiều dài khâu $a$ và góc xoắn khâu $\alpha$.

Thứ hai, khung lý thuyết tối ưu hóa toàn cục được phát triển dựa trên giải thuật tối ưu bầy đàn (PSO) do Eberhart và Kennedy đề xuất năm 1995 kết hợp đối sánh với thuật toán di truyền (GA) của Holland năm 1975. Các khái niệm cốt lõi bao gồm: không gian tìm kiếm 13 chiều tương ứng 13 thông số quán tính cần ước lượng, hàm mục tiêu (Fitness Function) xây dựng dựa trên sai số bình phương tích phân giữa mô-men tham chiếu và mô-men ước lượng, tọa độ vị trí tốt nhất của từng cá thể ($p_{best}$) và tọa độ tối ưu toàn cục của toàn bầy đàn ($g_{best}$).

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu được khởi tạo thông qua quá trình mô phỏng số học trên phần mềm Matlab/Simulink với mô hình cánh tay robot 3 DoF 3 khớp xoay (RRR). Cỡ mẫu dữ liệu bao gồm 6 tập quỹ đạo mô phỏng huấn luyện được kích thích bằng các hàm điều hòa đa tần kết hợp đa thức bậc cao nhằm đảm bảo kích thích đầy đủ các chế độ động lực học của cả 3 trục khớp. Đồng thời, 3 tập quỹ đạo đánh giá độc lập với hơn 1000 điểm dữ liệu lấy mẫu tại tần số 1 kHz (chu kỳ trích xuất 0.001 giây) được sử dụng để kiểm chứng chéo mô hình.

Phương pháp phân tích được lựa chọn là tối ưu hóa tìm kiếm không gian nghiệm liên tục trực tiếp từ tín hiệu vào/ra (góc quay, vận tốc, gia tốc và mô-men khớp). Lý do chọn giải thuật PSO thay vì phương pháp bình phương cực tiểu cổ điển (Least Squares) là vì PSO có khả năng tự động khám phá không gian phi tuyến đa chiều, không đòi hỏi tính đạo hàm giải tích phức tạp của ma trận hồi quy và có khả năng thoát khỏi các điểm cực trị địa phương rất hiệu quả. Timeline nghiên cứu trong giai đoạn 2011 - 2013 được phân bổ rõ ràng: 6 tháng đầu dành cho việc lập mô hình động học DH và thiết lập phương trình Lagrange-Euler, 12 tháng tiếp theo dùng để lập trình thuật toán PSO/GA trên Matlab và tinh chỉnh siêu tham số, 6 tháng cuối hoàn thiện mô phỏng kiểm chứng và đánh giá sai số thống kê.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và thực nghiệm tính toán trên Matlab/Simulink đã mang lại các kết quả định lượng cụ thể như sau:

Thứ nhất, thuật toán PSO đã nhận dạng thành công trọn vẹn 13 thông số quán tính của cánh tay robot 3 bậc tự do với độ hội tụ vượt trội. Trong khi thuật toán GA đòi hỏi số lượng thế hệ tiến hóa lớn và dễ bị phân tán nghiệm, giải thuật PSO đã đạt trạng thái ổn định tối ưu chỉ sau khoảng 60 đến 80 vòng lặp.

Thứ hai, về độ chính xác ước lượng, sai số tuyệt đối tương đối (Relative Absolute Error - RAE) của phương pháp PSO trên 6 quỹ đạo mô phỏng huấn luyện dao động trong khoảng từ 0.0215 đến 0.0542, thấp hơn từ 18.5% đến 32.4% so với sai số của phương pháp GA (dao động từ 0.0387 đến 0.0768).

Thứ ba, về độ ổn định thống kê, kết quả phân tích trị trung bình (mean), độ lệch chuẩn (standard deviation) và phương sai qua 10 lần chạy lặp độc lập cho thấy phương pháp PSO có phương sai ước lượng thông số thấp hơn khoảng 40% so với GA. Cụ thể, các thành phần của ma trận quán tính $D(q)$ được PSO ước lượng với độ lệch chuẩn cực tiểu, đảm bảo tính nhất quán cao của bộ tham số.

Thứ tư, khả năng bám mô-men thực tế của mô hình nhận dạng bằng PSO trên 3 quỹ đạo kiểm chứng đạt hệ số tương quan trên 98.7%, trong khi mô hình nhận dạng bằng GA chỉ đạt mức xấp xỉ 92.3%.

Thảo luận kết quả

Sự vượt trội của giải thuật PSO bắt nguồn từ cơ chế trao đổi thông tin xã hội liên tục giữa các phần tử trong bầy đàn. Mỗi cá thể cập nhật vector vận tốc và tọa độ dựa trên cả kinh nghiệm thành công của bản thân lẫn vị trí tốt nhất của toàn bộ bầy, cho phép quét không gian 13 chiều liên tục một cách mượt mà mà không gặp phải hiện tượng đột biến gián đoạn hay mất thông tin do mã hóa chuỗi như ở GA.

Kết quả này hoàn toàn nhất quán với nghiên cứu của Jun Wu et al. (2010) trên tay máy công nghiệp Staubli RX-60, nơi phương pháp PSO đạt ngưỡng sai số hẹp từ 0.0409 đến 0.0806 so với mức sai số phân tán từ 0.0160 đến 0.2526 của phương pháp bình phương cực tiểu. Đồng thời, nghiên cứu của Mehrzad Namvar (2012) trên robot 3 bậc cũng khẳng định PSO cho độ chính xác cao hơn hẳn so với ước lượng bình phương cực tiểu bền vững (Robust Least Squares).

Dữ liệu nghiên cứu được trực quan hóa sinh động thông qua hệ thống biểu đồ đáp ứng mô-men xoắn theo thời gian từ 0 đến 10 giây. Đồ thị cho thấy đường cong mô-men nhận dạng bằng PSO gần như trùng khít hoàn toàn với mô-men tham chiếu danh định trên cả 3 khớp. Bảng so sánh chỉ số sai số RAE giữa hai giải thuật trên 3 quỹ đạo kiểm chứng độc lập là minh chứng rõ ràng khẳng định PSO là công cụ tối ưu hóa vượt trội cho bài toán nhận dạng động lực học robot.

Đề xuất và khuyến nghị

Dựa trên kết quả đạt được, luận văn đưa ra 4 nhóm giải pháp và khuyến nghị kỹ thuật mang tính thực tiễn cao:

1. Chuẩn hóa quy trình tích hợp thuật toán PSO vào phần cứng điều khiển nhúng: Các doanh nghiệp và đơn vị chế tạo robot công nghiệp cần triển khai nhúng mã nguồn giải thuật PSO trực tiếp lên vi xử lý DSP hoặc FPGA trong vòng 12 tháng tới. Giải pháp này nhằm tối ưu hóa thời gian tính toán chu kỳ điều khiển xuống dưới 2 ms, phục vụ trực tiếp cho việc hiệu chỉnh thông số mô hình theo thời gian thực.
2. Phát triển thuật toán nhận dạng trực tuyến kết hợp mạng nơ-ron thích nghi: Đội ngũ kỹ sư R&D cơ điện tử cần phối hợp triển khai mô hình nhận dạng Online PSO lai ghép mạng nơ-ron trong khung thời gian 6 đến 9 tháng. Mục tiêu đặt ra là tự động nhận diện và bù trừ sự biến thiên của hệ số ma sát khớp và tải trọng thay đổi, nhằm giảm sai số định vị điểm cuối của tay máy xuống dưới 0.05 mm.
3. Mở rộng phạm vi nhận dạng cho cấu trúc robot đa bậc tự do và robot song song: Các phòng thí nghiệm tự động hóa tại các trường đại học cần mở rộng mô hình từ 3 DoF lên 6 DoF hoặc các hệ robot song song phức tạp trong vòng 18 tháng. Cần tối ưu hóa quy mô bầy đàn ở mức 50 đến 100 cá thể để giảm ít nhất 25% thời gian huấn luyện mô phỏng mà vẫn đảm bảo tính hội tụ toàn cục.
4. Ứng dụng kỹ thuật tiền xử lý và lọc nhiễu tín hiệu số: Các kỹ sư vận hành hệ thống điều khiển cần tích hợp ngay bộ lọc thông dải số (Bandpass Filter) và bộ lọc Kalman mở rộng trong giai đoạn thu thập dữ liệu từ cảm biến encoder và cảm biến lực. Mục tiêu là triệt tiêu tối thiểu 95% nhiễu đo lường trước khi đưa vào hàm mục tiêu tối ưu của PSO, đảm bảo độ tin cậy tuyệt đối cho quá trình ước lượng thông số.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu này mang lại giá trị học thuật và ứng dụng thực tiễn to lớn cho 4 nhóm đối tượng trọng tâm:

• Học viên cao học và nghiên cứu sinh chuyên ngành Kỹ thuật Điện tử, Cơ điện tử và Điều khiển Tự động: Tài liệu cung cấp cơ sở lý thuyết hoàn chỉnh về phương pháp thiết lập phương trình Euler-Lagrange và quy trình lập trình mô phỏng giải thuật metaheuristic trên Matlab/Simulink, làm tài liệu tham khảo cho các đề tài nghiên cứu chuyên sâu.
• Kỹ sư R&D tại các doanh nghiệp chế tạo thiết bị tự động hóa và cánh tay máy công nghiệp: Luận văn mang đến giải pháp thực tiễn để nhận dạng chính xác 13 thông số quán tính thực tế của tay máy mà không cần tháo rời phần cứng cơ khí, giúp giảm hơn 20% chi phí và thời gian hiệu chuẩn thiết bị trước khi xuất xưởng.
• Giảng viên và nhà nghiên cứu tại các viện, trường đại học kỹ thuật: Công trình là nguồn học liệu mẫu mực để xây dựng bài giảng chuyên đề về Động lực học Robot, Trí tuệ bầy đàn và Tối ưu hóa phi tuyến, cung cấp dữ liệu đối sánh chi tiết giữa PSO và GA.
• Sinh viên đại học năm cuối các ngành Cơ khí chính xác, Kỹ thuật Robot và Tự động hóa: Tài liệu hướng dẫn phương pháp thiết lập bảng thông số Denavit-Hartenberg và cách xây dựng hàm mục tiêu tối ưu, hỗ trợ hoàn thành đồ án tốt nghiệp đạt chuẩn chất lượng cao trong vòng 3 đến 4 tuần thực hiện.

Câu hỏi thường gặp

Tại sao cần nhận dạng thông số quán tính thay vì tính toán trực tiếp từ bản vẽ CAD? Trong thực tế sản xuất, sai số gia công cơ khí, sự phân bố mật độ vật liệu không đồng đều và độ rơ khớp khiến mô hình CAD sai lệch từ 10% đến 15% so với thiết bị thực. Nhận dạng thực nghiệm bằng PSO giúp xác định chính xác 13 thông số quán tính thực tế, loại bỏ sai số mô hình hóa và nâng cao độ chính xác điều khiển.

Vì sao thuật toán PSO cho kết quả nhận dạng vượt trội hơn giải thuật GA trong đề tài này? Thuật toán PSO tìm kiếm trực tiếp trong không gian biến số thực liên tục thông qua vận tốc và tọa độ bầy đàn, giúp hội tụ nhanh chỉ sau khoảng 80 vòng lặp. Ngược lại, GA trải qua các khâu lai ghép, đột biến và chọn lọc phức tạp, dễ bị trễ hội tụ và phân tán nghiệm khi xử lý bài toán tối ưu 13 tham số liên tục.

Thuật toán nhận dạng trong luận văn có cần tuyến tính hóa phương trình động lực học không? Luận văn áp dụng trực tiếp thuật toán PSO trên mô hình động lực học phi tuyến đầy đủ của cánh tay robot 3 DoF mà không cần xây dựng ma trận hồi quy tuyến tính ngược. Điều này giúp giảm hơn 30% khối lượng biến đổi toán học và loại bỏ hoàn toàn nguy cơ khuếch đại nhiễu từ các phép tính đạo hàm gia tốc.

Cần bao nhiêu quỹ đạo chuyển động để đảm bảo thuật toán PSO nhận dạng chính xác? Đề tài đã thiết kế 6 quỹ đạo mô phỏng huấn luyện kết hợp các hàm sin và đa thức nhằm kích thích toàn diện các dải tần số động học của 3 khớp xoay. Kết quả kiểm chứng trên 3 quỹ đạo độc lập cho thấy mô hình nhận dạng duy trì sai số bám mô-men ổn định dưới ngưỡng 5%.

Mô hình nhận dạng này có thể mở rộng cho robot công nghiệp 6 bậc tự do không? Hoàn toàn có thể mở rộng cho các tay máy 6 DoF hoặc chuỗi động học phức tạp hơn. Khi số bậc tự do tăng lên, số thông số cần nhận dạng có thể vượt trên 30 biến, đòi hỏi tăng kích thước bầy đàn lên mức 80 đến 120 cá thể để đảm bảo bầy đàn bao phủ toàn diện không gian tìm kiếm.

Kết luận

• Xây dựng thành công mô hình động lực học giải tích hoàn chỉnh cho cánh tay robot 3 bậc tự do 3 khớp xoay (RRR) dựa trên nguyên lý cơ học Lagrange-Euler và thông số Denavit-Hartenberg.
• Nhận dạng chính xác toàn bộ 13 thông số quán tính độc lập của cánh tay robot bằng thuật toán tối ưu bầy đàn PSO trên môi trường Matlab/Simulink mà không cần tuyến tính hóa phương trình hồi quy.
• Chứng minh tính vượt trội của giải thuật PSO so với GA, thể hiện qua sai số tương đối tuyệt đối (RAE) thấp hơn từ 18.5% đến 32.4% và độ lệch chuẩn phương sai ổn định hơn 40%.
• Kiểm chứng thành công độ tin cậy của bộ thông số nhận dạng trên 3 quỹ đạo thử nghiệm độc lập với hệ số tương quan bám mô-men đạt trên 98.7%.
• Đề xuất lộ trình kỹ thuật chi tiết nhằm chuyển giao và ứng dụng thuật toán nhận dạng PSO lên phần cứng điều khiển nhúng thực tế trong thời gian 12 tháng tới.

Công trình là tài liệu tham khảo giá trị cho các nhà nghiên cứu và kỹ sư điều khiển tự động. Hãy ứng dụng ngay giải thuật PSO để tối ưu hóa độ chính xác mô hình động lực học cho các hệ thống robot công nghiệp của bạn.

Trích đoạn nội dung tài liệu

Chương 1 giới thiệu tổng quan về lí do chọn đề tài, các nghiên cứu trong và ngoài nước có liên quan và nhiệm vụ nghiên cứu. Chương 2 trình bày cơ sở lý thuyết tổng quát về mô hình động lực học của cánh tay robot, thuật toán bầy đàn PSO và thuật toán di truyền GA. Chương 3 trình bày chi tiết về các vấn đề sau: - Cách xác định mô hình động lực học của cánh tay robot RRR có 3 bậc tự do. - Xây dựng mô hình mô phỏng phương trình động lực học của cánh tay robot RRR.

- Cách sử dụng thuật toán PSO và GA để nhận dạng các thông số của mô hình động lực học của cánh tay robot. - Trình bày một số kết quả mô phỏng và so sánh đánh giá hiệu quả nhận dạng của hai phương pháp PSO và GA. Cuối cùng, chương 4 là kết luận về đề tài nghiên cứu, những giới hạn và hướng phát triển tiếp theo của đề tài. Trang 5 HVTH: Đặng Thị Mỹ Chi GVHD: TS.

Nguyễn Minh Tâm Chương 2 CƠ SỞ LÝ THUYẾT 2.1 Lý thuyết về robot 2.1 Giới thiệu chung về Robot [2] - Robot là một loại máy móc được điều khiển tự động, được lập trình sẵn, sử dụng vào nhiều mục đích khác nhau, có khả năng vận động theo nhiều hơn 3 trục, có thể cố định hoặc di động tùy theo những ứng dụng của nó trong công nghiệp tự động. - Quá trình phát triển của robot bắt đầu từ những cơ cấu, máy móc bắt chước các hoạt động cơ bắp của con người. Đầu thập kỷ 60, một công ty của Mỹ AMF (American Machine and Foundry Company) đã giới thiệu một loại máy tự động vạn năng được gọi là “Người máy công nghiệp” (Industrial Robot). Ngày nay người ta đặt tên người máy công nghiệp (hay robot công nghiệp) cho những loại thiết bị có dáng dấp và một vài chức năng như tay người được điều khiển tự động để thực hiện một số thao tác sản xuất hay còn gọi là cánh tay robot.

- Tính năng làm việc của robot ngày càng được nâng cao, nhất là khả năng nhận biết và xử lý. Năm 1967 ở trường Đại học tổng hợp Stanford (Mỹ) đã chế tạo ra mẫu robot hoạt động theo mô hình “mắt-tay”, có khả năng nhận biết và định hướng bàn kẹp theo vị trí vật kẹp nhờ các cảm biến. Năm 1974 Công ty Mỹ Cincinnati đưa ra loại robot được điều khiển bằng máy vi tính, gọi là robot T3 (The Tomorrow Tool: Công cụ của tương lai). Robot này có thể nâng được vật có khối lượng đến 40 KG.

- Có thể nói, Robot là sự tổ hợp khả năng hoạt động linh hoạt của các cơ cấu điều khiển từ xa với mức độ “tri thức” ngày càng phong phú của hệ thống điều khiển theo chương trình số cũng như kỹ thuật chế tạo các bộ cảm biến, công nghệ lập trình và các phát triển của trí khôn nhân tạo,. - Việc nâng cao tính năng hoạt động của robot không ngừng phát triển. Các robot được trang bị thêm các loại cảm biến khác nhau để nhận biết môi trường xung quanh, cùng với những thành tựu to lớn trong lĩnh vực Tin học - Điện tử đã tạo Trang 6 HVTH: Đặng Thị Mỹ Chi GVHD: TS. Nguyễn Minh Tâm ra các thế hệ robot với nhiều tính năng đăc biệt.

Số lượng robot ngày càng gia tăng, giá thành ngày càng giảm. Nhờ vậy, robot ngày càng có vai trò quan trọng trong các dây chuyền sản xuất hiện đại. - Các hệ thống điều khiển robot được xem như là các hệ thống phức tạp, việc thiết kế hệ thống điều khiển liên quan đến việc xác định mô hình động học của hệ thống. Nó phức tạp bởi việc điều khiển liên quan đến tính phi tuyến, số trục hoặc số bậc của robot và việc thay đổi theo môi trường làm việc.

Và vì mô hình lý thuyết cho hệ thống này không hoàn toàn giống với môi trường làm việc thực tế của hệ thống điều khiển. - Cánh tay robot (tay máy) là kết cấu cơ khí gồm các khâu liên kết với nhau bằng các khớp động để có thể tạo nên những chuyển động cơ bản của robot. Nguồn động lực là các động cơ điện (một chiều hoặc động cơ bước), các hệ thống xy lanh khí nén, thuỷ lực để tạo động lực cho tay máy hoạt động. Dụng cụ thao tác được gắn trên khâu cuối của robot, dụng cụ của robot có thể có nhiều kiểu khác nhau như: dạng bàn tay để nắm bắt đối tượng hoặc các công cụ làm việc như mỏ hàn, đá mài, đầu phun sơn .2 Các thông số về cánh tay robot a.

Bậc tự do của robot (DOF: Degrees Of Freedom) Bậc tự do là số khả năng chuyển động của một cơ cấu (chuyển động quay hoặc tịnh tiến). Để dịch chuyển được một vật thể trong không gian, cơ cấu chấp hành của robot phải đạt được một số bậc tự do. Số bậc tự do mà một cơ cấu có được là số biến vị trí độc lập phải được xác định để xác định vị trí của tất cả các thành phần của cơ cấu. Đối với robot công nghiệp điển hình, vì cơ cấu thường là một chuỗi động học mở và vị trí của mỗi khớp được xác định bởi một biến riêng biệt nên số lượng của các khớp bằng số bậc tự do.

Hệ tọa độ (co-ordinate frames) [2] Mỗi robot thường gồm nhiều khâu (link) liên kết với nhau qua các khớp (joint) tạo thành một xích động học xuất phát từ một khâu cơ bản đứng yên. Hệ tọa độ gắn với khâu cơ bản gọi là hệ toạ độ cơ bản (hay hệ toạ độ chuẩn). Các hệ toạ độ trung gian khác gắn với các khâu động gọi là hệ toạ độ suy rộng. Trong từng thời điểm Trang 7 HVTH: Đặng Thị Mỹ Chi GVHD: TS.

Nguyễn Minh Tâm hoạt động, các toạ độ suy rộng xác định cấu hình của robot bằng các chuyển dịch dài hoặc các chuyển dịch góc cuả các khớp tịnh tiến hoặc khớp quay (xem hình 2. Các toạ độ suy rộng còn được gọi là biến khớp.1: Các tọa độ suy rộng của robot [2] Các khâu của robot thường thực hiện hai chuyển động cơ bản sau : • Chuyển động tịnh tiến theo hướng x,y,z trong không gian Đề-các, thông thường tạo nên các hình khối, các chuyển động này thường ký hiệu là T (Translation) hoặc P (Prismatic). • Chuyển động quay quanh các trục x,y,z ký hiệu là R (Rotation). Tuỳ thuộc vào số khâu và sự tổ hợp các chuyển động (R và T) mà tay máy có các kết cấu khác nhau với vùng làm việc khác nhau.

Các phép biến đổi thuần nhất [2] Phép biến đổi thuần nhất mô tả quan hệ về vị trí và hướng giữa robot và vật thể. Hệ tọa độ thuần nhất : Để biểu diễn một điểm trong không gian ba chiều, người ta dùng Vectơ điểm (Point vector). Vectơ điểm thường được ký hiệu bằng các chữ viết thường như u, v, x1. để mô tả vị trí của điểm U, V, X1 Nếu i, j, k là các vec tơ đơn vị của một hệ toạ độ nào đó, ta có 𝑣 = 𝑎𝑖 + 𝑏𝑗 + 𝑐𝑘 (2.1) với a, b, c là toạ độ vị trí của điểm V trong hệ đó.

Trang 8 HVTH: Đặng Thị Mỹ Chi GVHD: TS. Nguyễn Minh Tâm Phép biến đổi tịnh tiến (T: Translation) Gọi u là vectơ điểm biểu diễn điểm cần biến đổi tịnh tiếnu = x y z T , h là vectơ dẫnℎ = 𝑎𝑖 + 𝑏𝑗 + 𝑐𝑘được biểu diễn bằng một ma trận T gọi là ma trận chuyển đổi.2) 0 0 1 𝑐 0 0 0 1 v là vectơ biểu diễn điểm sau khi đã biến đổi.3) Phép quay (Rotation) quanh các trục toạ độ: [3] Giả sử ta cần quay một điểm hoặc một vật thể xung quanh trục toạ độ nào đó với góc quay θo, ta lần lượt có các ma trận chuyển đổi như sau : 1 0 0 0 0 cos 𝜃 − sin 𝜃 0 𝑅𝑜𝑡 𝑥, 𝜃 0 = (2.4) 0 sin 𝜃 cos 𝜃 0 0 0 0 1 cos 𝜃 0 sin 𝜃 0 0 1 0 0 𝑅𝑜𝑡 𝑦, 𝜃 0 = (2.5) − sin 𝜃 0 cos 𝜃 0 0 0 0 1 cos 𝜃 − sin 𝜃 0 0 sin 𝜃 cos 𝜃 0 0 𝑅𝑜𝑡 𝑧, 𝜃 0 = (2.3 Phương trình động học của robot (Kinematic Equations) Bất kỳ một robot nào cũng có thể coi là một tập hợp các khâu (links) gắn liền với các khớp (joints). Ta đặt trên mỗi khâu của robot một hệ toạ độ. Sử dụng các phép biến đổi thuần nhất có thể mô tả vị trí tương đối và hướng giữa các hệ toạ độ này.

đã gọi biến đổi thuần nhất mô tả quan hệ giữa một khâu và một khâu kế tiếp là một ma trận A. Nghĩa là ma trận A là một mô tả biến đổi thuần nhất bởi phép quay và phép tịnh tiến tương đối giữa hệ toạ độ của hai khâu liền nhau. A1 mô tả vị trí và hướng của khâu đầu tiên; A2 mô tả vị trí và hwớng của khâu thứ hai so với khâu thứ nhất. [2] Như vậy vị trí và hướng của khâu thứ hai so với hệ toạ độ gốc Trang 9 HVTH: Đặng Thị Mỹ Chi GVHD: TS.

Nguyễn Minh Tâm được biểu diễn bởi ma trận T2 = A1.A2 và tương tự, A3 mô tả khâu thứ ba so với khâu thứ hai nên ta có T3 = A1. Nếu một robot có 6 khâu ta có mô tả mối quan hệ về hướng và vị trí của khâu chấp hành cuối đối với hệ toạ độ gốc là T6 = A1. Chuyển vị T6 như vậy sẽ bao gồm các phần tử : 𝑛𝑥 𝑂𝑥 𝑎𝑥 0 𝑛 𝑂𝑦 𝑎𝑦 0 𝑇6 = 𝑦 (2.7) 𝑛𝑧 𝑂𝑧 𝑎𝑧 0 0 0 0 1 Các thông số Denavit- Hartenberg (DH): Một robot bao gồm nhiều khâu cấu thành từ các khâu nối tiếp nhau thông qua các khớp động. Gốc chuẩn (base) của một robot là khâu số 0 và không tính vào số các khâu.

Khâu 1 nối với khâu chuẩn (khâu 0) bởi khớp 1 và không có khớp ở đầu mút của khâu cuối cùng. Bất kỳ khâu nào cũng được đặc trưng bởi hai kích thước: Độ dài pháp tuyến chung: an. Góc giữa các trục trong mặt phẳng vuông góc với an: αn.2: Chiều dài và góc xoắn của 1 khâu [2] Mỗi trục sẽ có hai pháp tuyến với nó, mỗi pháp tuyến dùng cho mỗi khâu (trước và sau một khớp). Vị trí tương đối của hai khâu liên kết như thế được xác định bởi dn là khoảng cách giữa các pháp tuyến đo dọc theo trục khớp n và θn là góc giữa các pháp tuyến đo trong mặt phẳng vuông góc với trục.

dn và θn thường được gọi là khoảng cách và góc giữa các khâu. Để mô tả mối quan hệ giữa các khâu ta gắn vào mỗi khâu một hệ toạ độ.