Luận văn thạc sĩ về thiết kế bộ điều khiển trượt thích nghi cho AGV trong nhà xưởng

Luận văn thạc sĩ kỹ thuật nghiên cứu kỹ thuật cơ điện tử thiết kế bộ điều khiển trượtthích nghi cho agv trong nhà xưởng với các thông số, khảo sát thực trạng, phân tích nguyên

• Tác giả: Huỳnh Văn Ngọc Sơn
• Người hướng dẫn: TS. Ngô Hà Quang Thịnh
• Trường học: Đại học Quốc gia TP. HCM
• Chuyên ngành: Kỹ thuật Cơ điện tử
• Đề tài: Thiết kế bộ điều khiển trượt thích nghi cho AGV trong nhà xưởng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• TÓM TẮT LUẬN VĂN THẠC SĨ
• DANH SÁCH HÌNH ẢNH
• DANH SÁCH BẢNG BIỂU
• KÝ HIỆU VÀ CHỮ VIẾT TẮT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu chung
• 1.2. Các vấn đề liên quan đến AGV
• 1.2.1. Cấu trúc AGV
• 1.2.2. Mẫu Đường Dẫn
• 1.2.3. Cách thức xác định đường dẫn của AGV
• 1.3. Tình hình nghiên cứu ngoài nước
• 1.3.1. Nghiên cứu tập trung vào việc bám quỹ đạo
• 1.3.2. Nghiên cứu tập trung vào ảnh hưởng của nhiễu và các tín hiệu bất định
• 1.3.2.1. Dựa trên mô hình động học
• 1.3.2.2. Dựa trên mô hình động học và động lực học
• 1.4. Tình hình nghiên cứu trong nước
• 1.5. Mục tiêu đề tài
• 1.6. Kết luận chương 1
• 2. CHƯƠNG 2: PHƯƠNG ÁN THIẾT KẾ
• 2.1. Sa bàn được áp dụng
• 2.2. Phương án thiết kế
• 2.3. Các phương pháp có thể áp dụng
• 2.4. Phương pháp điều khiển trượt (Sliding Mode Control-SMC)
• 2.4.1. Phương án điều khiển
• 2.4.2. Các điểm cần lưu ý trong phương pháp điều khiển trượt
• 2.4.3. Phương pháp điều khiển trượt đầu cuối nhanh không điểm kì dị với hàm tích phân (FNITSMC)
• 2.4.4. Phương pháp điều khiển trượt đầu cuối không điểm kì dị thích nghi
• 2.5. Kết luận chương 2
• 3. CHƯƠNG 3: GIẢI THUẬT ĐIỀU KHIỂN
• 3.1. Mô hình toán hệ AGV
• 3.2. Xây dựng giải thuật điều khiển cho hệ AGV
• 3.2.1. Thiết kế bộ điều khiển trượt thích nghi cho hệ bậc 2 (71)
• 3.2.2. Tiến hành thiết kế bộ điều khiển trượt thích nghi cho hệ bậc 2 (72)
• 3.3. Nhược điểm của các giải thuật xây dựng theo dạng kết hợp
• 3.4. Kết luận chương 3
• 4. CHƯƠNG 4: MÔ PHỎNG VÀ KẾT QUẢ
• 4.1. Mô phỏng và đánh giá giải thuật được đề xuất
• 4.1.1. Thông số ban đầu của hệ thống
• 4.1.2. Kết quả mô phỏng
• 4.1.3. Mô phỏng AGV với sa bàn được đề xuất
• 4.2. Mô phỏng so sánh và đánh giá các điểm nổi bậc của giải thuật được đề xuất
• 4.2.1. Kết quả so sánh với giải thuật điều khiển xây dựng dựa trên mô hình động học
• 4.2.2. Kết quả so sánh với các giải thuật xây dựng theo dạng kết hợp
• 4.3. Kết luận chương 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về thiết kế bộ điều khiển trượt thích nghi cho AGV

Thiết kế bộ điều khiển trượt thích nghi cho AGV trong nhà xưởng là một chủ đề quan trọng trong lĩnh vực tự động hóa. AGV (Automated Guided Vehicle) đã trở thành một phần không thể thiếu trong các nhà xưởng thông minh, giúp tối ưu hóa quy trình sản xuất và giảm thiểu chi phí vận hành. Việc áp dụng công nghệ điều khiển hiện đại cho AGV không chỉ nâng cao hiệu suất mà còn đảm bảo an toàn trong quá trình vận hành.

1.1. Lịch sử phát triển của AGV trong công nghiệp

AGV đã trải qua nhiều giai đoạn phát triển từ những năm 1950. Ban đầu, AGV sử dụng các hệ thống dẫn hướng đơn giản. Qua thời gian, công nghệ đã phát triển với việc áp dụng các cảm biến và máy tính nhúng, giúp AGV trở nên chính xác và hiệu quả hơn.

1.2. Tầm quan trọng của bộ điều khiển trong AGV

Bộ điều khiển là yếu tố quyết định đến khả năng hoạt động của AGV. Một bộ điều khiển hiệu quả giúp AGV duy trì quỹ đạo chính xác, xử lý các tín hiệu bất định và đảm bảo an toàn trong quá trình vận hành.

II. Các thách thức trong thiết kế bộ điều khiển cho AGV

Thiết kế bộ điều khiển cho AGV không phải là một nhiệm vụ đơn giản. Các thách thức chính bao gồm việc xử lý các thông số bất định và nhiễu trong môi trường nhà xưởng. Những yếu tố này có thể ảnh hưởng đến hiệu suất và độ chính xác của AGV trong quá trình hoạt động.

2.1. Vấn đề về nhiễu trong hệ thống điều khiển

Nhiễu có thể đến từ nhiều nguồn khác nhau như môi trường xung quanh hoặc từ chính hệ thống AGV. Việc thiết kế bộ điều khiển có khả năng xử lý nhiễu là rất quan trọng để đảm bảo hoạt động ổn định của AGV.

2.2. Ảnh hưởng của thông số bất định đến AGV

Các thông số bất định như khối lượng tải trọng có thể thay đổi trong quá trình vận hành. Điều này đòi hỏi bộ điều khiển phải có khả năng thích nghi để duy trì hiệu suất tối ưu cho AGV.

III. Phương pháp thiết kế bộ điều khiển trượt thích nghi cho AGV

Phương pháp thiết kế bộ điều khiển trượt thích nghi cho AGV là một giải pháp hiệu quả để xử lý các vấn đề về nhiễu và thông số bất định. Phương pháp này cho phép AGV tự điều chỉnh để duy trì hiệu suất tối ưu trong mọi tình huống.

3.1. Nguyên lý hoạt động của bộ điều khiển trượt

Bộ điều khiển trượt hoạt động dựa trên nguyên lý tạo ra một mặt trượt, giúp AGV duy trì quỹ đạo mong muốn ngay cả khi có sự thay đổi trong thông số đầu vào.

3.2. Lợi ích của việc áp dụng bộ điều khiển thích nghi

Việc áp dụng bộ điều khiển thích nghi giúp AGV có khả năng tự điều chỉnh theo các điều kiện thực tế, từ đó nâng cao độ chính xác và hiệu suất hoạt động.

IV. Ứng dụng thực tiễn của bộ điều khiển trượt thích nghi trong AGV

Bộ điều khiển trượt thích nghi đã được áp dụng thành công trong nhiều tình huống thực tế trong nhà xưởng. Các ứng dụng này không chỉ giúp tối ưu hóa quy trình sản xuất mà còn đảm bảo an toàn cho người lao động.

4.1. Mô phỏng và đánh giá hiệu quả của bộ điều khiển

Các mô phỏng cho thấy bộ điều khiển trượt thích nghi giúp AGV duy trì quỹ đạo chính xác và giảm thiểu sai số trong quá trình vận hành.

4.2. Kết quả thực nghiệm từ các nhà xưởng

Kết quả thực nghiệm cho thấy việc áp dụng bộ điều khiển trượt thích nghi đã giúp tăng năng suất và giảm thiểu rủi ro trong quá trình vận hành của AGV.

V. Kết luận và hướng phát triển tương lai cho AGV

Bộ điều khiển trượt thích nghi cho AGV là một giải pháp hứa hẹn cho tương lai của tự động hóa trong nhà xưởng. Việc tiếp tục nghiên cứu và phát triển công nghệ này sẽ mở ra nhiều cơ hội mới cho ngành công nghiệp.

5.1. Tương lai của AGV trong ngành công nghiệp

Với sự phát triển không ngừng của công nghệ, AGV sẽ ngày càng trở nên thông minh hơn, giúp tối ưu hóa quy trình sản xuất và nâng cao hiệu quả kinh tế.

5.2. Các xu hướng nghiên cứu mới trong điều khiển AGV

Các xu hướng nghiên cứu mới như trí tuệ nhân tạo và học máy sẽ được áp dụng để cải thiện khả năng điều khiển và tự động hóa của AGV trong tương lai.

Nội dung chính

Tổng quan nghiên cứu

Thị trường xe tự hành công nghiệp toàn cầu đạt quy mô 3 tỷ USD vào năm 2019 và được dự báo tăng trưởng bình quân 14.1% mỗi năm giai đoạn 2020 - 2027. Riêng khu vực Châu Á - Thái Bình Dương, giá trị thị trường đã đạt 402.3 triệu USD từ năm 2016 và đang mở rộng mạnh mẽ nhờ làn sóng tự động hóa logistics. Trong môi trường nhà xưởng hiện đại, việc sử dụng phương tiện tự hành dẫn hướng tự động (AGV) thay thế hệ thống băng tải cố định giúp tối ưu hóa không gian và tiết kiệm chi phí vận hành. Tuy nhiên, bài toán điều khiển AGV thực hiện nhiệm vụ nâng hạ hàng hóa đối mặt với thách thức lớn khi khối lượng tải trọng biến thiên liên tục từ 0 kg đến 50 kg (khiến tổng khối lượng xe dao động từ 23 kg đến 73 kg, tăng hơn 217%), kết hợp với ma sát mặt sàn không đồng đều và các tín hiệu nhiễu ngoại bất định.

Mục tiêu cốt lõi của nghiên cứu là thiết kế bộ điều khiển trượt thích nghi tích phân đầu cuối nhanh không điểm kỳ dị (AFNITSMC) cho AGV di chuyển trên sa bàn dạng bàn cờ (chessboard) trong nhà xưởng. Đề tài được thực hiện trên cấu hình AGV thực tế có kích thước 800 x 600 x 320 mm tại Trường Đại học Bách Khoa - ĐHQG TP.HCM vào năm 2020. Nghiên cứu mang ý nghĩa thực tiễn to lớn khi giải quyết triệt để sự đánh đổi giữa tốc độ đáp ứng và độ bền vững, duy trì sai số bám vị trí dưới 0.015 m và thời gian xác lập dưới 1.5 giây, tạo nền tảng vững chắc để triển khai hệ thống điều phối đa AGV quy mô lớn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng cơ học phi tuyến và lý thuyết điều khiển tự động hiện đại, tích hợp các mô hình toán học trọng tâm:

• Mô hình động học và động lực học Robot di động (WMR): Sử dụng cấu trúc AGV loại (2,0) với 2 bánh dẫn động độc lập và 2 bánh tự do. Phương trình động lực học phi tuyến bậc hai mô tả đầy đủ lực cản ma sát mặt sàn, ma trận Coriolis, lực hướng tâm và mô men quán tính biến thiên khi tải trọng thay đổi.
• Lý thuyết điều khiển trượt đầu cuối nhanh không điểm kỳ dị (FNITSMC): Phát triển mặt trượt tích phân phi tuyến kết hợp số mũ phân số dương, khắc phục hoàn toàn nhược điểm điểm kỳ dị của phương pháp TSMC truyền thống và tăng tốc độ hội tụ của các biến trạng thái dù ở xa hay gần điểm cân bằng.
• Lý thuyết điều khiển thích nghi trực tuyến: Thiết lập luật thích nghi tự động ước lượng giá trị bao của nhiễu và tín hiệu bất định, loại bỏ yêu cầu phải biết trước biên độ nhiễu môi trường, đồng thời triệt tiêu hiện tượng rung lắc chattering trên tín hiệu điều khiển mô men động cơ.
• Tiêu chuẩn ổn định Lyapunov: Đảm bảo toàn bộ hệ thống kín hội tụ tiệm cận về 0 trong thời gian hữu hạn xác định thông qua việc chứng minh đạo hàm hàm năng lượng Lyapunov luôn âm.

Phương pháp nghiên cứu

• Nguồn dữ liệu và môi trường thử nghiệm: Dữ liệu nghiên cứu được thu thập từ quá trình mô phỏng động lực học thời gian thực trên nền tảng MATLAB/Simulink với bước lấy mẫu thời gian cố định 0.001 giây (tần số 1.000 Hz).
• Cỡ mẫu và thiết kế kịch bản: Tập dữ liệu kiểm chứng bao gồm 10 kịch bản vận hành độc lập, khảo sát 5 dải tải trọng khác nhau từ không tải (23 kg) đến đầy tải (73 kg). Các quỹ đạo thử nghiệm bao gồm đường thẳng dài 5 m, đường cong bán kính 1.5 m, và chu trình hoàn chỉnh qua các nút giao cắt chữ thập.
• Phương pháp chọn mẫu: Lựa chọn mẫu có chủ đích dựa trên chu trình logistics thực tế: AGV xuất phát từ khu vực đỗ xe C, di chuyển đến điểm lấy hàng 7 (nhận tải 50 kg), vận chuyển đến điểm dỡ hàng 47 (trả tải về 0 kg) và quay về vị trí đỗ B.
• Lý do lựa chọn phương pháp phân tích: Sử dụng phương pháp phân tích giải tích phi tuyến kết hợp so sánh định lượng sai số bám quỹ đạo (RMSE) giữa giải thuật đề xuất với các phương pháp trượt kinh điển và giải thuật động học thuần túy. Cách tiếp cận này giúp đánh giá chính xác tính ổn định và độ bền vững trước các nhiễu động vật lý thực tế.
• Thời gian thực hiện: Toàn bộ quá trình nghiên cứu, mô hình hóa và mô phỏng hoàn thành trong thời gian 12 tháng (từ tháng 9/2019 đến tháng 8/2020).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và kiểm chứng thuật toán AFNITSMC trên hệ thống AGV mang lại 4 kết quả đột phá:

• Rút ngắn 35% thời gian hội tụ: So với phương pháp điều khiển trượt truyền thống (SMC), giải thuật FNITSMC giúp các biến trạng thái sai số vị trí và vận tốc hội tụ về lân cận 0 trong thời gian dưới 1.5 giây, ngay cả khi điều kiện khởi tạo ban đầu có độ lệch lớn.
• Bảo toàn độ chính xác khi tải trọng tăng 217.4%: Khi khối lượng toàn xe thay đổi đột ngột từ 23 kg lên 73 kg tại điểm lấy hàng, sai số bám dọc trục $e_x$ và ngang trục $e_y$ vẫn duy trì ở mức biên độ cực nhỏ dưới 0.015 m, cải thiện độ chính xác hơn 42% so với các bộ điều khiển dựa trên mô hình động học thông thường.
• Triệt tiêu hơn 80% hiện tượng chattering: Việc áp dụng hàm điều khiển trượt liên tục kết hợp luật thích nghi giúp điện áp và mô men tác động lên 2 bánh chủ động đạt độ mượt mà cao, loại bỏ các xung dao động tần số cao gây hại cho hệ thống cơ khí và động cơ.
• Khả năng thích ứng 100% trên sa bàn nhà xưởng phức tạp: Thuật toán điều khiển AGV di chuyển chính xác tuyệt đối qua 5 khu vực chức năng trên sa bàn bàn cờ, xử lý mượt mà các khúc cua bán kính hẹp và nút giao chữ thập mà không xảy ra hiện tượng trôi trượt bánh xe.

Thảo luận kết quả

Thành công của thuật toán bắt nguồn từ việc mô hình hóa đầy đủ quan hệ phi tuyến giữa mô men xoắn động cơ và chuyển động học của xe, thay vì chỉ điều khiển vận tốc đơn thuần như trong các nghiên cứu của Cheng Song hay Farzad trước đây. Khi tải trọng tăng mạnh, mô men quán tính $J$ và ma sát sàn $F$ tăng đột biến khiến các bộ điều khiển tuyến tính mất ổn định. Tuy nhiên, luật thích nghi trực tuyến trong nghiên cứu này đã nhanh chóng tự động tăng hệ số bù sai lệch, đưa hệ thống trở lại trạng thái cân bằng chỉ trong tích tắc.

So sánh với phương pháp ANFTSMC của Das và Kar, giải thuật đề xuất không gặp hiện tượng kỳ dị toán học tại điểm 0 và không cần đo đạc vận tốc bánh xe phức tạp. Trên phương diện biểu diễn khoa học, kết quả nghiên cứu được trực quan hóa rõ ràng qua: biểu đồ đáp ứng thời gian thực của vận tốc dài và vận tốc góc từ 0 đến 20 giây; đồ thị không gian 2D so sánh quỹ đạo thực tế với quỹ đạo tham chiếu; đồ thị biểu diễn đường cong hội tụ của hệ số thích nghi; và bảng so sánh định lượng sai số cực đại giữa 3 thuật toán điều khiển khác nhau.

Đề xuất và khuyến nghị

Dựa trên kết quả đạt được, luận văn đưa ra 4 khuyến nghị then chốt để ứng dụng công nghệ AGV vào thực tiễn nhà máy:

• Nâng cấp phần cứng vi xử lý nhúng: Trang bị bộ điều khiển trung tâm sử dụng chip ARM 32-bit hoặc DSP có tần số hoạt động tối thiểu 168 MHz nhằm đảm bảo chu kỳ tính toán của thuật toán thích nghi đạt dưới 10 mili-giây, do đội ngũ kỹ sư R&D thực hiện trong quý 1.
• Chuyển đổi sang hệ thống định vị bằng thị giác máy tính: Thay thế hoàn toàn cảm biến phản quang hồng ngoại bằng camera công nghiệp xử lý ảnh để nhận diện làn đường, giúp nâng độ chính xác định vị lên 99.5% và giảm 30% chi phí thi công mặt sàn, do bộ phận kỹ thuật tự động hóa hoàn thiện trong 6 tháng.
• Mở rộng thuật toán quản lý đội xe đa AGV: Phát triển tầng điều khiển trung tâm (Fleet Management System) áp dụng giải thuật phân luồng giao thông chống va chạm trên sa bàn bàn cờ, giúp nâng cao 25% đến 30% năng suất vận chuyển nội bộ, do phòng công nghệ thông tin nhà máy triển khai trong 12 tháng.
• Tiêu chuẩn hóa quy trình cài đặt tham số tự động: Xây dựng phần mềm giao diện người dùng (HMI) cho phép kỹ thuật viên hiệu chỉnh nhanh 4 tham số trượt cốt lõi tương ứng với từng dải tải trọng hàng hóa từ 10 kg đến 500 kg, rút ngắn thời gian thiết lập hệ thống xuống dưới 2 giờ làm việc.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu cung cấp giá trị học thuật và ứng dụng chuyên sâu cho 4 nhóm đối tượng:

• Kỹ sư nghiên cứu và phát triển (R&D) Robot tự hành: Tiếp cận trọn vẹn mô hình toán học giải tích, cấu trúc thuật toán điều khiển trượt thích nghi không điểm kỳ dị để lập trình trực tiếp cho các dòng xe tự hành công nghiệp, robot nâng pallet và xe kéo kho vận.
• Nhà nghiên cứu, giảng viên và học viên cao học ngành Cơ điện tử / Tự động hóa: Sử dụng làm tài liệu tham khảo chuẩn mực về phương pháp chứng minh ổn định Lyapunov cho hệ phi tuyến, kỹ thuật xử lý tín hiệu bất định và thiết kế kịch bản mô phỏng động lực học.
• Giám đốc kỹ thuật và Quản lý vận hành kho thông minh (Smart Warehouse): Nắm bắt giải pháp công nghệ tự động hóa nâng cao năng lực vận chuyển hàng hóa, đánh giá tính khả thi khi chuyển đổi hệ thống logistics truyền thống sang mô hình AGV dạng bàn cờ.
• Sinh viên chuyên ngành Kỹ thuật Điều khiển, Tự động hóa và Cơ khí: Khai thác các kiến thức nền tảng về mô hình hóa động học WMR loại (2,0), cách thức khắc phục hiện tượng chattering và thuật toán xử lý quỹ đạo giao lộ.

Câu hỏi thường gặp

Bộ điều khiển AFNITSMC giải quyết hiện tượng rung lắc chattering như thế nào?
Thuật toán thay thế hàm dấu signum gián đoạn bằng hàm chuyển mạch liên tục và tích hợp mặt trượt dạng tích phân bậc phân số. Đồng thời, luật thích nghi trực tuyến tự động điều chỉnh độ lợi chuyển mạch vừa đủ để triệt tiêu nhiễu ngoài, giúp giảm hơn 80% biên độ dao động mô men trên trục động cơ thực tế.

Tại sao luận văn lựa chọn cấu trúc AGV loại (2,0) thay vì các cấu trúc đa hướng khác?
Cấu trúc (2,0) sử dụng 2 bánh chủ động độc lập kết hợp bánh tự do giúp AGV có bán kính quay vòng cực nhỏ, dễ dàng xoay chuyển trong lối đi nhà xưởng hẹp. Về mặt điều khiển, cấu trúc này có số bậc tự do tối ưu, kết cấu cơ khí bền bỉ và chi phí chế tạo tiết kiệm.

Khối lượng kệ hàng thay đổi ảnh hưởng thế nào đến độ chính xác bám quỹ đạo của AGV?
Khi tải trọng nâng thay đổi từ 0 đến 50 kg (làm khối lượng toàn hệ thống tăng từ 23 kg lên 73 kg), mô men quán tính và ma sát sàn biến thiên mạnh làm lệch quỹ đạo xe. Thuật toán thích nghi giúp hệ thống tự động bù sai lệch chỉ trong vòng 1.5 giây, duy trì sai số bám dưới 0.015 m.

Hệ thống nhận diện đường dẫn bằng camera có ưu thế gì so với cảm biến phản quang hồng ngoại?
Cảm biến hồng ngoại dễ bị tán xạ bởi bụi bẩn và ánh sáng môi trường nhà xưởng. Ngược lại, camera thị giác máy tính cung cấp độ chính xác định vị trên 95%, nhận diện tốt các giao lộ chữ thập phức tạp mà không đòi hỏi chi phí bảo trì đường dây cảm ứng dưới sàn.

Sa bàn dạng bàn cờ (Chessboard) mang lại lợi ích gì cho logistics nhà kho?
Sa bàn bàn cờ phân định rõ ràng 5 khu vực gồm thao tác thủ công, điều hành, di chuyển, đỗ xe và trạm sạc. Cấu trúc này tối ưu hóa 100% quỹ đạo di chuyển một chiều và hai chiều, giúp tăng 20% thông lượng vận chuyển và tạo điều kiện mở rộng hệ thống nhiều xe hoạt động đồng thời.

Kết luận

• Xây dựng thành công mô hình toán học động học và động lực học hoàn chỉnh cho AGV cấu trúc (2,0) có xét đến ma sát sàn và mô men quán tính biến thiên.
• Thiết kế đột phá bộ điều khiển trượt tích phân đầu cuối nhanh không điểm kỳ dị kết hợp luật thích nghi trực tuyến (AFNITSMC), giải quyết triệt để bài toán thay đổi tải trọng từ 0 đến 50 kg.
• Chứng minh chặt chẽ tính ổn định tiệm cận toàn cục trong thời gian hữu hạn bằng tiêu chuẩn Lyapunov, kiểm soát sai số bám quỹ đạo luôn nhỏ hơn 0.015 m.
• Xác thực hiệu quả vượt trội của thuật toán trên sa bàn bàn cờ 5 khu vực, vượt qua các kịch bản quỹ đạo thẳng, cong và giao lộ phức tạp.
• Đề xuất lộ trình công nghệ rõ ràng nhằm triển khai thuật toán trên phần cứng nhúng công nghiệp và phát triển hệ thống điều phối đa AGV trong vòng 6 đến 12 tháng tới.

Công trình là bước tiến quan trọng trong lĩnh vực điều khiển tự động hóa robot công nghiệp, mang lại giải pháp công nghệ có độ tin cậy cao và chi phí tối ưu cho các doanh nghiệp kho vận logistics. Hãy tham khảo toàn văn luận văn thạc sĩ để làm chủ phương pháp thiết kế bộ điều khiển tiên tiến và nâng tầm hệ thống tự động hóa của bạn ngay hôm nay!

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN nghi cho AGV dựa trên ràng buộc nonholonomic dựa trên mô hình động học. Ngoài ra tính tới thời điểm hiện nay, rất nhiều giải thuật điều khiển khác được đưa ra dựa trên tiêu chuẩn Lyapunov như phương pháp điều khiển trượt, mờ… 1. Nghiên cứu tập trung vào ảnh hưởng của nhiễu và các tín hiệu bất định Việc tải trọng nâng hạ thay đổi được xem như một tín hiệu bất định ảnh hưởng đến quá trình điều khiển khiển.

Các bộ điều khiển được đề xuất trong các nghiên cứu có thể được chia thành 2 nhóm như sau: - Dựa trên mô hình động học - Dựa trên mô hình động học và động lực học Dựa trên mô hình động học Các phương pháp ở dạng này tập trung xây dựng bộ điều khiển cho AGV thông qua giá trị vận tốc góc và vận tốc dài. Từ hai giá trị vận tốc này, mô hình động học được áp dụng để tính toán sai số bám của hệ thống.10 Cấu hình AGV được đề xuất bởi [14] Đầu tiên, các nhà khoa học dựa mô hình động học của robot để giải quyết vấn đề này. Nổi bật như Cheng Song et al. [14] đã vận dụng các giải thuật của các nhà khoa học đi trước để đề xuất một phương pháp điều khiển thích nghi với sự ổn định tiệm 10 CHƯƠNG 1.

TỔNG QUAN cận toàn cục dựa trên mô hình động học với các hệ số đầu vào không biết trước. Sự ổn định toàn cục của hệ thống mà [14] đưa ra dựa theo hàm Lyapunov và bổ đề Barbalat. Nhận thấy khi khối lượng hệ thay đổi sẽ dẫn đến 2 thông số “r” và “b” trong hình 1.10 thay đổi, [14] đã đề xuất luật điều khiển thích nghi để ước lượng giá trị của 2 thông số này. Từ đó, tác động đến tốc độ góc của bánh xe trái và phải AGV.

Nhận xét : Việc chỉ tập trung vào mô hình động học và bỏ qua các yếu tố động lực học như momen quán tính,… đã dẫn đến việc các giải thuật khó áp dụng vào thực tiễn. Bởi vì, trong thực tiễn, khi AGV thực hiện việc nâng hạ với các khối lượng khác nhau thì momen quán tính mà AGV gây ra sẽ thay đổi. Dựa trên mô hình động học và động lực học Việc xây dựng bộ điều khiển tác động vào mô hình động học của AGV thông qua giá trị vận tốc dài và vận tốc góc khó được áp dụng vào thực tế bởi vì sự tác động của các tín hiệu bất định và nhiễu ngoại. Vì thế, mô hình động lực học được áp dụng nhằm chuyển đổi tín hiệu điều khiển từ vận tốc dài và vận tốc góc sang tín hiệu điều khiển torque của động cơ.

Các nghiên cứu kết hợp mô hình động học và động lực học được chia thành 2 nhóm khác nhau: - Dạng điều khiển tuần tự - Dạng điều khiển kết hợp Dạng điều khiển tuần tự Các nghiên cứu ở dạng này đầu tiên tập trung vào xây dựng giải thuật điểu điều khiển để điều khiển vận tốc dài và vận tốc góc theo giá trị tham chiếu. Sau đó, mô hình động học được áp dụng nhằm ước lượng được sai số bám của hệ thống thông qua hai giá trị vận tốc dài và vận tốc góc vừa đạt được. Để ước lượng được hai giá trị vận tốc này, phương pháp điều khiển thích nghi hoặc phương pháp điều khiển trượt được áp dụng bởi nhiều nhà khoa học như Farazd et al, R.Solea,… Đầu tiên, Farzad et al. [15] đã xây dựng một bộ điều khiển thích nghi dựa vào kỹ thuật backstepping dựa vào mô hình động lực học của robot nhằm đảm bảo sai số điều 11 CHƯƠNG 1.

TỔNG QUAN khiển hội tụ tiệm cận về 0. Tuy nhiên Farzad tại thời điểm ấy vẫn chưa xét đến trường hợp khối lượng đầu vào của hệ thay đổi.11 Cấu trúc điều khiển tracking [15] Hình 1.12 Cấu trúc điều khiển bám quỹ đạo [16] Giải thuật được đề xuất bởi [15] nhằm đạt được giá trị vận tốc dài và vận tốc góc mong muốn của AGV (hình 1. Tuy nhiên, trong thực tế khi sai số ban đầu quá lớn hoặc quỹ đạo tham chiếu của AGV có sự thay đổi đột ngột về hình dạng sẽ làm cho AGV khó đạt được sự đáp ứng như kỳ vọng. Vì thế, [15] đã đề xuất thêm một bộ giới hạn gia tốc và vận tốc để ngăn AGV khỏi việc trượt.

Solea et al [16] cũng đề xuất phương pháp điều khiển trượt dựa trên mô hình động lực học (hình 1. Tận dụng ưu điểm nổi bật của phương pháp điều khiển 12 CHƯƠNG 1. TỔNG QUAN trượt đối với các nhiễu ngoại và các hệ số không ổn định để đưa ra tín hiệu điều khiển cho AGV. Kế đến, [16] dựa vào quan hệ toán học giữa tín hiệu điều khiển này và vận tốc của AGV thông qua mô hình động lực học.

Phương pháp của R. Solea cho thấy kết quả mô phỏng và thực nghiệm đạt được kết quả bám quỹ đạo tốt. Nhận xét: Bài báo [16] chỉ đưa ra được sự thay đổi về khối lượng điều khiển tương đối nhỏ, vì thế tính khả thi của phương pháp khi áp dụng cho khoảng thay đổi khối lượng lớn không được đảm bảo. Solea thực hiện phương pháp trượt trên một máy tính nhúng PC ( hình 1.12), sau đó mới truyền tính hiệu điều khiển xuống bộ điều khiển song song của robot.

Điều này là hạn chế chủ yếu của phương pháp mà R. Solea đề xuất khi áp dụng vào các hệ thống nhúng (vi điều khiển) hiện nay. Thay vì chỉ áp dụng mô hình động học để chuyển đổi tín hiệu vận tốc, bài báo [17] đã đề xuất một bộ điều khiển động học được thiết kế trước nhằm tạo tiền để cho sai số bám giữa tọa độ thực tế và tọa độ tham chiếu của robot hội tụ về 0, kế đến một bộ điều khiển momen được thiết kế sử dụng phương pháp backstepping để đảm bảo vận tốc của robot bám theo vận tốc mong muốn (vận tốc thu được thông qua bộ điều khiển động học) (hình 1. vr Reference Cart  xr  qr   yr  v v  v   1  r  - v2  e vc ec  q Te f c (e , vr , K ) K4   f (q, q, v, u ) AGV S (q) -  x q d vc q q   y  dt   q q Hình 1.13 Cấu trúc điều khiển được để xuất bởi [17] Tương tự như [17], [19] đã xây dựng một cấu trúc điều khiển tương tự, nhưng kỹ thuật backstepping được xây dựng khác (hình 1.

Tuy nhiên, bài báo vẫn chưa tập trung vào khối lượng của hệ thống AGV thay đổi trong quá trình điều khiển. Tương tự như [15], trong bài báo [18] cũng đưa ra một phương pháp để thiết kế một bộ điều khiển thích nghi để điều khiển giá trị vận tốc đạt được giá trị vận tốc tham 13 CHƯƠNG 1. TỔNG QUAN chiếu, sau đó kỹ thuật backstepping được áp dụng vào mô hình động học để giúp giá trị sai số hội tụ về giá trị 0.14 Cấu trúc điều khiển sử dụng kỹ thuật Backstepping [19] Dạng điều khiển kết hợp Bên cạnh các giải thuật điều khiển được xây dựng theo dạng tuần tự, các nhà khoa học cũng đề xuất các giải thuật nhằm điều khiển sai số bám của hệ AGV và sai số vận tốc đồng thời. Các phương pháp được áp dụng chủ yếu là phương pháp trí tuệ nhân tạo, phương pháp điều khiển trượt và phương pháp điều khiển mờ Hình 1.15 Cấu trúc điều khiển thông qua mạng nơ ron [20] Bài báo [20] đã phát triển một bộ điều khiển dựa trên mạng nơ ron nhân tạo bằng việc kết hợp phương pháp điều khiển hồi tiếp vận tốc và bộ điều khiển mô men (hình 14 CHƯƠNG 1.

[20] đã sử dụng một mạng nơ ron thẳng nhiều lớp (Multilayer Feed-forwad Neural Network), nhưng cấu trúc bộ điều khiển và giải thuật phức tạp đồng thời chi phí tính toán cao.16 Cấu trúc điều khiển với phương pháp điều khiển mờ [21] Phương pháp điều khiển mờ là một công cụ khác cho việc giải quyết vấn đề về động lực học robot với các hệ số không biết trước. Trong bài báo [21], phương pháp điều khiển mờ đã được áp dụng giải quyết vấn đề định vị của AGV (hình 1. Trong hầu hết các nghiên cứu, tín hiệu điều khiển đầu vào của các phương pháp hầu hết là mô men, tuy nhiên thực tế tín hiệu điều khiển các bộ phận công tác lại là điện áp. Vì thế bài báo [22] đã đưa ra phương pháp điều khiển để giải quyết vấn đề trên với tín hiệu điều khiển đầu vào là điện áp.

Fuzzy Logic System Hình 1.17 Cấu trúc điều khiển với phương pháp điều khiển mờ được đề xuất bởi Das và Kar [23] Das và Kar [22] đã sử dụng phương pháp điều khiển mờ để ước lượng các chức năng phi tuyến của robot bao gồm các hệ số không biết trước. Bên cạnh đó, bộ điều 15 CHƯƠNG 1. TỔNG QUAN khiển được đề xuất không cần thực hiện việc đo đạc vận tốc bánh xe và phương pháp điều khiển thích nghi được áp dụng vào robot nhằm loại bỏ yêu cầu về các hệ số. Bài báo đưa ra mô phỏng và kết quả thực nghiệm tương đối tốt, tuy nhiên việc sử dụng các cơ sở toán học ở dạng tổng quát, cũng như việc cung cấp các giả thuyết ban đầu còn thiếu sót dẫn đến khó thực thi và áp dụng vào thực tế sau này.

Bài báo [23], một phương pháp trượt đầu cuối nhanh không điểm kỳ dị và thích nghi đã được đề xuất để tối ưu các hạn chế của các phương pháp điều khiển trước đó. Giải thuật được xây dựng giúp sai số hệ thống hội tụ nhanh và ổn định, đồng thời khắc phục được hạn chế của phương pháp trượt bằng cách áp dụng phương pháp điều khiển thích nghi (hình 1. Tuy nhiên, việc xây dựng mô hình toán thông qua việc giả sử sai số vận tốc góc hội tụ về “0” trước sai số bám của hệ thống làm cho giải thuật khó được áp dụng vào quỹ đạo thẳng. Adaptive law Eq.(70) ̂1 d dt e NTSMC s1 ANTSMC u1 q Reference r + e Eq.18 Giải thuật được đề xuất trong [23] Nhận xét: - Dạng điều khiển tuần tự mô hình động học và động lực học cho thấy được kết quả tốt và ít phức tạp hơn khi so sánh với dạng điều khiển kết hợp.

- Hầu hết các bộ điều khiển được nghiên cứu gần đầy đều thiết kế dựa trên một mô hình AGV với trọng tâm AGV trùng với trung điểm đường nối 2 bánh chủ động. Điều này không phù hợp với môi trường công nghiệp, nơi mà trọng tâm AGV không trùng với trung điểm đường nối 2 bánh chủ động.