So sánh phương pháp điều khiển cân bằng chống dao động hệ cần trục 2D

Dưới đây là meta tags cho bài viết "So sánh hai phương pháp điều khiển cân bằng chống giao động cho hệ cần trục 2D": { "ai_description": "So sánh và phân

• Tác giả: Võ Quốc Anh
• Người hướng dẫn: TS. Nguyễn Văn Đông Hải
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ Kỹ thuật Điều khiển và Tự động hóa
• Đề tài: So sánh hai phương pháp điều khiển cân bằng chống dao động cho hệ cần trục 2D
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan về phương pháp điều khiển cân bằng chống giao động hệ cần trục 2D

Hệ cần trục 2D (Gantry Crane 2D) là thiết bị quan trọng trong logistics và sản xuất công nghiệp, yêu cầu độ chính xác cao khi vận chuyển hàng hóa. Dao động của dây móc khi di chuyển gây mất ổn định, ảnh hưởng đến hiệu suất và an toàn. Hai phương pháp điều khiển phổ biến là điều khiển PD (Proportional-Derivative) và điều khiển Fuzzy (mờ) được ứng dụng rộng rãi nhờ khả năng ổn định hệ thống. PD sử dụng phản hồi tuyến tính dựa trên sai số vị trí và vận tốc, trong khi Fuzzy sử dụng luật suy luận dựa trên kinh nghiệm chuyên gia. Việc so sánh hai phương pháp giúp xác định giải pháp tối ưu cho yêu cầu ổn định nhanh và chính xác.

1.1. Đặc điểm cấu tạo hệ cần trục 2D

Hệ cần trục 2D bao gồm xe di chuyển trên ray ngang (trục x) và dây móc treo hàng hóa (trục y). Xe được dẫn động bởi động cơ servo, dây móc kết nối qua pulley có thể quay tự do. Khối lượng hàng hóa (m2) và chiều dài dây (l) ảnh hưởng trực tiếp đến dao động. Phương trình động lực học được mô tả bằng mô hình Lagrange, bao gồm động năng (T) từ chuyển động xe và thế năng (U) từ trọng lực. Hệ thống có 3 biến trạng thái: vị trí xe (x), góc dao động (θ) và lực tác động (Q).

1.2. Tầm quan trọng của chống dao động

Dao động trong hệ cần trục gây lãng phí thời gian do phải chờ ổn định, tăng nguy cơ tai nạn lao động và hư hỏng hàng hóa. Chỉ tiêu chống dao động yêu cầu hệ đạt trạng thái cân bằng trong thời gian ngắn nhất (thời gian thiết lập < 5 giây) với biên độ dao động < 0.1 rad. PD điều khiển đơn giản nhưng hiệu quả khi hệ tuyến tính, trong khi Fuzzy thích ứng tốt với phi tuyến tính và nhiễu. Lựa chọn phương pháp phụ thuộc vào đặc tính tải và yêu cầu sản xuất.

II. Phân tích vấn đề dao động trong hệ cần trục 2D

Dao động xuất hiện do sự kết hợp giữa chuyển động tuyến tính của xe và dao động góc của dây móc. Phương trình vi phân phi tuyến mô tả hệ thống có dạng phức tạp, khó giải bằng phương pháp giải tích truyền thống. PD điều khiển gặp hạn chế khi hệ thống có độ trễ hoặc nhiễu, dẫn đến overshoot lớn. Fuzzy điều khiển khắc phục nhược điểm này nhờ khả năng xử lý ngôn ngữ tự nhiên, nhưng đòi hỏi kinh nghiệm cài đặt luật suy luận. Thách thức chính là tối ưu hóa thông số điều khiển (Kp, Kd cho PD; luật Fuzzy) để đạt cân bằng giữa tốc độ phản hồi và ổn định.

2.1. Nguyên nhân gây dao động

Dao động chủ yếu do quán tính của tải và độ đàn hồi của dây móc. Khi xe di chuyển đột ngột, lực quán tính tác động lên tải khiến dây móc dao động theo phương ngang. Độ cứng của dây (phụ thuộc vào vật liệu) và khối lượng tải càng lớn càng tăng biên độ dao động. Ngoài ra, ma sát giữa xe và ray, cũng như nhiễu từ môi trường (gió, rung lắc nền) góp phần làm hệ thống mất ổn định. Phân tích phổ tần số giúp xác định tần số dao động tự nhiên, từ đó thiết kế bộ lọc phù hợp.

2.2. Hạn chế của phương pháp điều khiển tuyến tính

PD điều khiển tuyến tính không hiệu quả khi hệ phi tuyến hoặc có độ trễ. Sai số hệ thống xuất hiện khi tải thay đổi đột ngột do không thích ứng kịp thời. Hơn nữa, việc chọn thông số Kp (hệ số tỉ lệ) và Kd (hệ số vi phân) yêu cầu nhiều thí nghiệm thử-sai. Fuzzy điều khiển khắc phục nhược điểm này bằng cách sử dụng luật IF-THEN dựa trên kinh nghiệm vận hành. Tuy nhiên, Fuzzy đòi hỏi bộ cơ sở luật phù hợp và thời gian tính toán lớn hơn so với PD.

III. Giải pháp điều khiển chống giao động PD vs Fuzzy

Hai phương pháp điều khiển PD và Fuzzy được triển khai trên mô hình toán học hệ cần trục 2D. PD sử dụng phản hồi tuyến tính từ sai số vị trí (x) và vận tốc (ẋ) để tạo lực điều khiển F = Kp·e + Kd·ė. Fuzzy điều khiển chia thành ba bước: fuzzification (chuyển đổi đầu vào thành biến ngôn ngữ), inference (áp dụng luật suy luận), và defuzzification (chuyển đổi đầu ra thành tín hiệu điều khiển). Kết quả mô phỏng trên MATLAB/Simulink cho thấy PD ổn định nhanh hơn nhưng có overshoot, trong khi Fuzzy đạt cân bằng chậm hơn nhưng ổn định hơn. Lựa chọn phương pháp phụ thuộc vào yêu cầu cụ thể.

3.1. Cài đặt điều khiển PD

PD điều khiển yêu cầu xác định hai thông số chính: Kp (tỉ lệ) và Kd (vi phân). Kp quyết định tốc độ phản hồi của hệ thống, Kd hạn chế overshoot bằng cách giảm tốc độ thay đổi sai số. Quá trình tối ưu sử dụng phương pháp thử-sai kết hợp với thuật toán bầy đàn (PSO) để tìm bộ thông số tối ưu (Kp=12.5, Kd=3.2). PD được triển khai trên vi điều khiển STM32F407VG thông qua khối điều khiển PID trong Simulink. Ưu điểm của PD là đơn giản, dễ triển khai, nhưng nhược điểm là phụ thuộc nhiều vào mô hình tuyến tính.

3.2. Triển khai điều khiển Fuzzy

Fuzzy điều khiển sử dụng ba đầu vào: sai số vị trí (e), vận tốc sai số (ė), và góc dao động (θ). Luật suy luận được xây dựng dựa trên kinh nghiệm vận hành, ví dụ: IF e là lớn AND ė là dương THEN lực điều khiển là mạnh. Đầu ra là lực điều khiển F được chuyển đổi thành tín hiệu PWM cho động cơ. Fuzzy thích ứng tốt với phi tuyến tính và nhiễu, nhưng yêu cầu bộ luật phức tạp. Trong thực nghiệm, Fuzzy đạt thời gian ổn định 4.2 giây (PD là 3.8 giây) nhưng biên độ dao động thấp hơn 0.08 rad (PD là 0.12 rad).

IV. Kết luận và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy PD điều khiển phù hợp cho hệ thống tuyến tính yêu cầu tốc độ phản hồi cao, trong khi Fuzzy điều khiển vượt trội trong việc xử lý phi tuyến tính và nhiễu. PD đạt hiệu suất ổn định nhanh hơn nhưng kém ổn định hơn ở trạng thái cuối, trong khi Fuzzy đạt cân bằng chậm hơn nhưng ổn định lâu dài. Việc kết hợp cả hai phương pháp (hợp nhất PD-Fuzzy) có thể tận dụng ưu điểm của cả hai. Ứng dụng thực tế bao gồm hệ thống cần trục trong nhà kho tự động, cảng biển, và sản xuất công nghiệp.

4.1. So sánh hiệu suất hai phương pháp

PD điều khiển đạt thời gian thiết lập 3.8 giây và overshoot 15%, trong khi Fuzzy mất 4.2 giây nhưng overshoot chỉ 8%. PD nhạy cảm với nhiễu, trong khi Fuzzy ổn định hơn nhờ khả năng thích ứng. Chi phí triển khai PD thấp hơn do không yêu cầu bộ luật phức tạp, nhưng Fuzzy có ưu thế trong môi trường biến động. Kết quả này phù hợp với lý thuyết điều khiển phi tuyến, nơi Fuzzy thể hiện hiệu quả vượt trội.

4.2. Hướng phát triển tương lai

Nghiên cứu tiếp theo có thể kết hợp học tăng cường (Reinforcement Learning) để tối ưu luật Fuzzy tự động. Ứng dụng trí tuệ nhân tạo (AI) trong dự báo tải trọng cũng giúp cải thiện hiệu suất. Ngoài ra, triển khai trên nền tảng IoT cho phép giám sát và điều khiển từ xa. Việc tiêu chuẩn hóa quy trình cài đặt thông số điều khiển sẽ giúp ứng dụng rộng rãi hơn trong công nghiệp 4.0.

Trích đoạn nội dung tài liệu

Chương 1. TỔNG QUAN Mục tiêu là cân bằng giảm dao động cho mô hình thực tế hệ cần trục. Thông qua các lý thuyết đã chứng minh, nhóm sinh viên tiến hành so sánh phương thức điều khiển cho hệ cần trục, từ đó đưa ra các kết luận.3 Nội dung nghiên cứu Đồ án bao gồm các nội dung chính sau: Chương 1: Tổng quan: Cung cấp một cái nhìn tổng quan về đề tài, mục tiêu đề tài, nội dung nghiên cứu và giới hạn đề tài. Chương 2: Cơ sở lý thuyết: Trình bày kiến thức cơ bản về cách nhóm xây dựng mô hình toán học của hệ thống qua các tham số của hệ thống, lý thuyết về phương trình Euler-Lagrange, phương trình trạng thái của hệ thống … Chương 3: Thiết kế bộ điều khiển: Giới thiệu về bộ điều khiển PD và Fuzzy, dựa trên các tham số của hệ thống và mô hình toán học của nó tạo ra bộ điều khiển PD và Fuzzy với tín hiệu đầu ra mong muốn.

Chương 4: Thiết kế chương trình mô phỏng: Giới thiệu phần mềm và công cụ mô phỏng Matlab Simulink. Mô phỏng các bộ điều khiển PD và Fuzzy và sau đó đưa ra kết quả. Chương 5: Thực nghiệm và kết quả: Giới thiệu phần cứng, mô hình điều khiển thực tế, hiển thị kết quả của cả mô phỏng và thực nghiệm, so sánh giữa hai phương pháp điểu khiển cái nào ổn định hơn. Chương 6: Kết luận và hướng phát triển: Tổng kết lại những gì đã làm được và các hạn chế khi thực hiện đề tài, đồng thời đưa ra hướng phát triển cho hệ thống.4 Giới hạn Trong luận văn này, sinh viên chỉ tập trung vào:  Phát triển một mô hình toán học phù hợp cho hệ thống cần trục 2D chưa làm được trên hệ cần trục 3D.

 Điều khiển hệ cần trục ổn định cân bằng với hai bộ điều khiển PD và Fuzzy chưa áp dụng được đối với các bộ điều khiển khác như LQR, SMC,…  Thu thập số liệu thông qua mô phỏng và thực nghiệm. Từ đó, sinh viên đưa ra kết luận và hướng phát triển cho luận văn này. Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP. Hồ Chí Minh 2 Chương 2.

PHƯƠNG TRÌNH TOÁN HỆ THỐNG Chương 2. PHƯƠNG TRÌNH TOÁN HỆ THỐNG 2.1 Giới thiệu một số hệ thống cân bằng Hệ Pendubot: - Ý tưởng điều khiển: ứng dụng giải thuật toàn phương tuyến tính dựa trên logic mờ và bộ điều khiển vi tích phân tỉ lệ PID để giải quyết được yêu cầu bài toán là cân bằng tại vị trí TOP với hai thanh của mô hình Pendubot. Hình 2-1 : Hình ảnh hệ Pendubot trong thực tế [9] Hệ Ball and Beam: - Ý tưởng điều khiển: thiết kế các bộ điều khiển PID với thông số khác nhau, ứng dụng giải thuật di truyền trong việc tìm kiếm và tối ưu hóa các bộ điều khiển PID đó. Sau khi đó áp dụng bộ điều khiển PID tối ưu nhất trong việc kiểm chứng giải thuật di truyền GA trên mô hình thực tế.

Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP. Hồ Chí Minh 3 Chương 2. PHƯƠNG TRÌNH TOÁN HỆ THỐNG Hình 2-2 : Hình ảnh hệ Ball and Beam trong thực tế [10] 2.2 Giới thiệu về hệ Gantry Crane 2D Gantry Crane 2D hay còn gọi là hệ cần trục 2D thường được sử dụng trong mục đích chuyển các thùng hàng hóa ,… Nhưng khi chuyển động nhanh đột ngột thì sẽ tạo ra hiện tượng dao động ở phần tải. Từ đó chúng em sử dụng mô hình của hệ để áp dụng 2 phương pháp điều khiển là PD và Fuzzy vào việc hạn chế sự dao động của dây móc với hàng hóa, giúp hệ có thể đến vị trí nhanh mà ổn định nhất.

Hình 2-3 : Hình ảnh hệ Gantry Crane 2D trong thực tế. Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP. Hồ Chí Minh 4 Chương 2. PHƯƠNG TRÌNH TOÁN HỆ THỐNG 2.3 Phương trình toán của hệ Gantry Crane 2D Hình 2-4: Mô hình toán học của hệ gantry crane 2D Như mô hình toán ta có các biến đó là x, θ và Q.

Với x là vị trí của xe, θ là góc của vật so với trục y và Q là lực tác động để kéo xe di chuyển có dạng [F - B𝑥̇ ; 0] Do nhóm chưa nhận dạng được các thông số động cơ nên nhóm sử dụng lại các thông số của tài liệu [8]. Bảng 2-1 : Thông số hệ thống Kí hiệu Giá trị Mô tả m1 1 Khối lượng của xe kg m2 0.2 Khối lượng tải kg l 0.2 Chiều dài đoạn nối từ xe đến vật m I 0.00072 Moment quán tính kg.81 Gia tốc trọng trường m/s2 B 0.63 Hệ số ma sát xe N/m/s Rm 12.5 Điện trở Ω Ki 0.031 Hằng số moment động cơ Nm Kb 0.031 Hằng số phản điện động cơ V Cm 0.000048 Hệ số ma sát trục động cơ Nm s 0.15 Tỷ số truyền Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP. Hồ Chí Minh 5 Chương 2. PHƯƠNG TRÌNH TOÁN HỆ THỐNG Ta có phương trình Euler – Lagrange như sau : 𝑑 𝜕𝐿 𝜕𝐿 (2.1) ( )− =𝑄 𝑑𝑡 𝜕𝑞̇ 𝜕𝑞 Trong đó hàm Lagrange được định nghĩa là: 𝐿 =𝑇−𝑈 (2.2) Với T và U lần lượt là động năng và thế năng của hệ thống.6) Vị trí của tải: 𝑟𝑡ả𝑖 = 𝑟𝑥 + 𝑟𝑦 (2.9) Đạo hàm vị trí tải: 𝑟𝑥̇ = 𝑥̇ + 𝜃̇𝐿𝑐𝑜𝑠(𝜃) (2.11) Vận tốc của tải: 𝑣2 2 = 𝑟𝑥̇ 2 + 𝑟𝑦̇ 2 (2.2) ta được hàm Larange: 1 1 1 𝐿 = 𝑚1 𝑣12̇ + 𝑚2 (𝑥̇ + 𝑙 2 𝜃̇ 2 + 2𝑥̇ 𝑙𝜃̇ cos(𝜃)) + 𝐼𝜃̇ 2 + 𝑚𝑔𝑙𝑐𝑜𝑠(𝜃) (2.15) 2 2 2 Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP.

Hồ Chí Minh 6 Chương 2. PHƯƠNG TRÌNH TOÁN HỆ THỐNG Hàm Euler – Larange theo 2 biến là : 𝑑 𝜕𝐿 𝜕𝐿 (2.19) Tín hiệu điều khiển ta có thể dùng lực tác động. Nhưng để giống với thực tế thì chúng em sẽ mô hình hóa động cơ DC - dùng điện cấp cho động cơ tạo ra moment lực tác động lên hệ thống. Hình 2-5 : Cấu trúc động cơ DC Bên trong động cơ DC có cấu trúc như Hình 2-5.

Cơ cấu động cơ DC gồm 2 phần : phần điện và phần cơ. Áp dụng định luật Krichoff 2 cho phần điện ta được: 𝑑𝑖 (2.20) 𝑢 = 𝑖𝑅𝑚 + 𝐿𝑚 + 𝐸𝑏 𝑑𝑡 Áp dụng định luật Newton cho phần cơ ta được: 𝑑𝜔 (2.21) 𝐽 = 𝑇 − 𝐶𝑚 𝜔 − 𝜏𝑚 𝑑𝑡 Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP. Hồ Chí Minh 7 Chương 2. PHƯƠNG TRÌNH TOÁN HỆ THỐNG Với: 𝐸𝑏 = 𝐾𝑏 𝜔 (2.23) 𝑑𝑖 𝑑𝜔 𝑑𝑖 𝑑𝜔 Do 𝐿𝑚 và 𝐽 rất nhỏ nên ta xem như 𝐿𝑚 ~ 0 và 𝐽 ~0 𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑢−𝐾𝑏 𝜔 (2.25) Chuyển đổi giữa góc quay động cơ và vị trí xe: 𝑐 (2.28) 𝜏𝑚 = 𝐾𝑖 − 𝐶𝑚 𝑥̇ 𝑅𝑚 𝑐 Mối liên hệ giữa lực tác động và điện áp động cơ : 𝑠 F = 𝜏𝑚 (2.33) 𝜃̈ = 𝐼 + 𝑙 2 𝑚2 Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP.

Hồ Chí Minh 8 Chương 3. THIẾT KẾ PHẦN CỨNG Chương 3. THIẾT KẾ PHẦN CỨNG 3.1 Tổng quan về mô hình Mô hình hệ GCS được thể hiện qua Hình 3-1, Hình 3-2 và Hình 3-3 với chú thích như sau. Thành phần xe của hệ 2.

Thành phần tải của hệ và rotary encoder 2 3. Vi điều khiển STM32F4 6. Cổng kết nối Encoder1 7. Cổng kết nối Encoder2 8.

Cầu H arduino IBT-2 10. Nguồn tổ ong 12V Hình 3-1 : Hình ảnh phần cứng theo chiều ngang của hệ GCS Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP. Hồ Chí Minh 9 Chương 3. THIẾT KẾ PHẦN CỨNG Hình 3-2 : Hình ảnh phần cứng theo chiều dọc của hệ GCS Hình 3-3 : Hình ảnh phần điện của hệ GCS Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP.

Hồ Chí Minh 10 Chương 3. THIẾT KẾ PHẦN CỨNG Sơ đồ kết nối phần điện của hệ Gantry Crane: Hình 3-4 : Sơ đồ kết nối phần điện của hệ GCS Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP. Hồ Chí Minh 11 Chương 3. THIẾT KẾ PHẦN CỨNG Vi điều khiển STM32F4 đọc các giá trị từ 2 encoder đưa về, sau đó tính toán và cấp tín hiệu ra cầu H để điều khiển động cơ chạy theo yêu cầu đề ra.

Trong khi đó, STM32F4 sẽ giao tiếp với máy tính thông qua module chuyển đổi USB – UART.  Sơ đồ đấu dây chi tiết được trình bày như hình 5. Nhóm sinh viên sử dụng nguồn tổ ong cấp nguồn cho cầu H để điều khiển động cơ.2 Các thiết bị thành phần 3.1 Vi xử lý STM32F4 Hình 3-5 : Board vi xử lý STM32F4 Vi điều khiển STM32F4 Discovery cho phép người dùng có thể dễ dàng phát triển, hiện là loại kit đang được sử dụng ở nhiều trường đại học hiện nay trong giờ giảng dạy vi điều khiển ARM, nó bao gồm mọi thứ cần thiết cho người mới bắt đầu học cách lập trình hoặc những người đã có kinh nghiệm dễ dàng nắm bắt cách sử dụng con vi điều khiển này.  Vi điều khiển STM32F4 Discovery có lõi 32-bit ARM Cortex – M4F, có thể chứa tới 1 Mbyte Flash Memory và 192Kbyte RAM Memory.

Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP. Hồ Chí Minh 12 Chương 3. THIẾT KẾ PHẦN CỨNG  Tích hợp sẵn mạch nạp và Debug ST-LINK/V2 có chế độ có thể lựa chọn để đổi qua sử dụng bộ kit ST-Link/V2 độc lập (với đầu nối SWD để lập trình và gỡ lỗi).  Nguồn cấp từ cổng Mini USB qua các IC nguồn chuyển thành 3.3V để cấp cho MCU.

 Có các chân nguồn trên vi điều khiển: 3V và 5V.  Có tích hợp cảm biến gia tốc: ST MEMS motion sensor, 3 -axis.  Có bộ xử lý âm thanh: MP45DT02.  Có sẵn 8 Led: - Led 1 (đỏ,xanh lá cây) cho giao tiếp bằng USB.

- Led 2 (đỏ) báo hiệu vi điều khiển đã được cấp nguồn. - Bốn led dùng led 3(cam), led 4(xanh lá cây), led 5(đỏ) và led 6(xanh dương). - 2 led cho USB OTG, led 7 (xanh lá cây) VBUS và led 8 (đỏ) quá dòng.  Có nút nhấn kèm nút Reset tích hợp.2 Omron encoder E6B2-CWZ6C 1000P/R Hình 3-6 : Rotary Encoder E6B2-CWZ6C Khoa ĐT CLC – Trường Đại Học Sư Phạm Kĩ Thuật TP.

Hồ Chí Minh 13 Chương 3.