Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0 và tự động hóa dây chuyền, ngành logistics và sản xuất công nghiệp toàn cầu đang chứng kiến sự bùng nổ của các giải pháp tự động hóa thông minh. Theo thống kê từ Liên đoàn Robot Quốc tế (IFR), mật độ robot trong các ngành công nghiệp lắp ráp điện tử và đóng gói thực phẩm đã tăng trưởng bình quân trên 12%/năm. Tuy nhiên, các dây chuyền phân loại vừa và nhỏ tại Việt Nam vẫn đối mặt với rào cản chi phí đầu tư lớn từ các dòng robot công nghiệp nhập khẩu, đồng thời gặp khó khăn khi triển khai thị giác máy tính cố định (fixed-mount camera) do góc nhìn bị giới hạn, điểm mù quang học và sai số góc đặt.

Đồ án tốt nghiệp "Thiết kế, chế tạo và điều khiển Robot SCARA tích hợp Camera" được thực hiện tại Khoa Cơ khí Chế tạo máy – Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE), tập trung giải quyết bài toán phân loại sản phẩm tự động linh hoạt dựa trên nhận dạng mã phản hồi nhanh (QR Code - Quick Response Code). Bằng việc tích hợp trực tiếp camera độ phân giải cao tại khâu tác động cuối (cấu hình Eye-in-Hand) kết hợp cấu trúc cơ khí SCARA 4 bậc tự do (4-DOF), hệ thống đem lại khả năng tái định vị góc quét linh hoạt, giảm thiểu sai số thị giác và tối ưu hóa năng suất phân loại sản phẩm.

+-----------------------------------------------------------------------------------+
|                            HỆ THỐNG ROBOT SCARA 4-DOF                             |
|                                                                                   |
|   [PC Host / Python 3.10]               [STM32F411RE MCU]       [Driver & Actuators]
|   - OpenCV 4.8 / Pyzbar   ---UART--->   - Kinematics Execution  --> TB6600 / A4988  |
|   - Eye-in-Hand Vision    (115200 bps)  - Real-time Step/Dir    --> NEMA / Harmonic |
+-----------------------------------------------------------------------------------+

Mục tiêu dự án

  1. Thiết kế và gia công hoàn chỉnh cơ khí tay máy SCARA 4 bậc tự do với bán kính thao tác cực đại $R = 350\text{ mm}$ ($l_1 = 200\text{ mm}$, $l_2 = 150\text{ mm}$) và hành trình trục tịnh tiến $Z = 160\text{ mm}$, đảm bảo tải trọng gắp $m_p = 0.5\text{ kg}$.
  2. Xây dựng mô hình động học & động lực học chính xác bằng phương pháp Denavit-Hartenberg (D-H), giải tích ma trận chuyển đổi Cardan, tính toán vận tốc ma trận Jacobi và cân bằng lực chuyển động Lagrange.
  3. Phát triển tủ điều khiển trung tâm sử dụng vi điều khiển ARM Cortex-M4 (STM32F411RE), mạch công suất điều khiển động cơ bước qua driver TB6600, A4988 và truyền thông không đồng bộ UART tốc độ cao.
  4. Tích hợp thị giác máy tính (Computer Vision) với camera XIAOVV XVV 6320S, phát triển thuật toán trích xuất tọa độ không gian thực từ mẫu hình Finder Pattern và Timing Pattern của mã QR Code.
  5. Thực nghiệm hệ thống, đánh giá độ lặp lại vị trí, tốc độ phân loại chu kỳ (cycle time) và độ chính xác gắp thả trong môi trường sản xuất mô phỏng.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng thao tác: Các khối sản phẩm kích thước nhỏ đến trung bình ($< 0.5\text{ kg}$), dán mã QR tiêu chuẩn chứa dữ liệu phân loại vị trí.
  • Không gian thao tác: Mặt phẳng 2D bán kính hữu hiệu $350\text{ mm}$, hành trình nâng hạ khâu 3 từ $-90\text{ mm}$ đến $+90\text{ mm}$.
  • Giới hạn môi trường: Chiếu sáng công nghiệp tiêu chuẩn, tốc độ băng tải hoặc phôi tĩnh trong vùng chụp xác định.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong bài toán phân loại gắp đặt (Pick-and-Place), các kiến trúc robot truyền thống sở hữu những ưu nhược điểm kỹ thuật riêng biệt khi đặt cạnh cấu trúc SCARA (Selective Compliance Assembly Robot Arm):

Tiêu chí kỹ thuật Robot tọa độ Đề-các (Cartesian) Robot khớp nối 6-DOF (Articulated) Robot SCARA 4-DOF (Đề tài đề xuất)
Độ cứng vững theo phương Z Trung bình (cơ cấu dầm dài) Thấp đến trung bình Rất cao (tự nhiên nhờ cấu trúc trục)
Tốc độ chu kỳ gắp thả Chậm ($> 2.5\text{ s/chu kỳ}$) Trung bình ($1.5 - 2.0\text{ s}$) Nhanh ($0.8 - 1.2\text{ s/chu kỳ}$)
Độ phức tạp điều khiển Đơn giản (phép tịnh tiến trực tiếp) Rất cao (6 ma trận xoay 3D) Tối ưu (2 góc quay phẳng + 1 tịnh tiến + 1 xoay cổ tay)
Chi phí chế tạo & bảo trì Thấp Rất đắt đỏ Hợp lý, tối ưu cho phân loại công nghiệp
Góc nhìn thị giác Camera cố định bên ngoài Camera linh hoạt Tích hợp Eye-in-Hand, loại bỏ điểm mù quang học

Ma trận ưu tiên yêu cầu kỹ thuật (MoSCoW)

  • Must Have (Bắt buộc): Chuyển động mượt mà 4-DOF; tính toán động học nghịch chuẩn xác; giao tiếp UART tin cậy giữa máy tính xử lý ảnh và STM32F411RE; nhận diện mã QR tĩnh/động không trễ.
  • Should Have (Nên có): Sử dụng hộp giảm tốc Harmonic Drive (tỉ số truyền 50:1) tại khớp 1 và 2 để triệt tiêu hiện tượng rơ (backlash); cơ cấu kẹp chủ động với vi sai lực kẹp.
  • Could Have (Có thể mở rộng): Nhận diện đa vật thể cùng lúc trong một khung hình; giao diện điều khiển giám sát trực quan (GUI) hiển thị tọa độ thời gian thực.
  • Won't Have (Chưa thực hiện đợt này): Tích hợp mạng nơ-ron tích chập (CNN) nhận dạng lỗi bề mặt sản phẩm dạng phức tạp.

Thiết kế hệ thống

+------------------------------------------------------------------------------------+
|                           SƠ ĐỒ KIẾN TRÚC ĐIỀU KHIỂN ROBOT                         |
|                                                                                    |
|  +---------------------------+             +------------------------------------+  |
|  |     Xử lý ảnh & UI        |             |       Vi điều khiển trung tâm      |  |
|  |  - Python 3.10 / OpenCV   |    UART     |         STM32F411RE Nucleo         |  |
|  |  - Camera XIAOVV 6320S    | ----------->| - Bộ sinh xung STEP/DIR            |  |
|  |  - Giải mã QR & Chuyển đổi|  115200 bps | - Động học giải tích thời gian thực|  |
|  |    tọa độ Pixel -> Robot  |             | - Giám sát Endstop an toàn         |  |
|  +---------------------------+             +------------------------------------+  |
|                                                              |                     |
|                                             +----------------+----------------+    |
|                                             |                |                |    |
|                                             v                v                v    |
|                                        +----------+     +----------+     +--------+|
|                                        |  TB6600  |     |  A4988   |     | Driver ||
|                                        | Driver 1 |     | Driver 3 |     | Khâu 4 ||
|                                        +----------+     +----------+     +--------+|
|                                             |                |                |    |
|                                             v                v                v    |
|                                        +----------+     +----------+     +--------+|
|                                        | 57HS7630 |     | NEMA 17  |     | MG90S  ||
|                                        | Motor 1  |     | Trục Z   |     | Kẹp    ||
|                                        +----------+     +----------+     +--------+|
+------------------------------------------------------------------------------------+

Ngăn xếp công nghệ (Technology Stack)

  • Thiết kế cơ khí & Động lực học: SolidWorks 2022 SP2, MATLAB R2022b / Simulink (Simscape Multibody).
  • Bộ điều khiển trung tâm (Embedded Hardware): STM32F411RE (ARM Cortex-M4 @ 100MHz, 512KB Flash, 128KB SRAM).
  • Cơ cấu chấp hành (Actuators):
    • Khớp 1: Động cơ bước 57HS7630A4 ($1.8^\circ/\text{step}$, dòng 3.0A, Momen xoắn cực đại $1.8\text{ N}\cdot\text{m}$) kết hợp hộp số Harmonic CSD-25-50-2UH.
    • Khớp 2: Động cơ bước 57HS5630A4 ($1.8^\circ/\text{step}$, dòng 3.0A, Momen xoắn $1.2\text{ N}\cdot\text{m}$) kết hợp hộp số Harmonic CSF-20-50-2A-GR.
    • Khớp 3 (Trục Z): Động cơ NEMA 17 truyền động vít me bi / đai răng bước GT2.
    • Khớp 4 & Tay gắp: Động cơ bước micro/Servo MG90S kiểm soát lực kẹp.
  • Xử lý thị giác máy tính & Giao diện: Python 3.10, OpenCV 4.8.0, Pyzbar 0.1.9, PyQt5 GUI.

Thiết kế giao thức dữ liệu UART (Communication Protocol)

Khung truyền nhận không đồng bộ giữa PC Host và STM32F411RE được chuẩn hóa ở tốc độ $115200\text{ baud}$, cấu hình 8-N-1 (8 Data bits, No Parity, 1 Stop bit):

+------------+------------+---------+---------+---------+---------+----------+
| Header     | Command ID | Target X| Target Y| Target Z| Grip St | Checksum |
| 0xAA  0x55 | 0x01       | 4 Bytes | 4 Bytes | 4 Bytes | 1 Byte  | 1 Byte   |
+------------+------------+---------+---------+---------+---------+----------+

Phương pháp luận phát triển (Methodology)

Dự án áp dụng mô hình phát triển chữ V (V-Model) dành cho hệ thống Cơ điện tử (Mechatronics Engineering):

Yêu cầu hệ thống ---------------------------------> Kiểm thử tổng thể (Tích hợp QR & Robot)
  \                                                   /
   Phân tích động học D-H/Lagrange -----------> Kiểm nghiệm mô phỏng MATLAB/Simulink
     \                                           /
      Thiết kế CAD & Tủ điện -----------> Lắp ráp cơ khí & Mạch Driver
        \                                   /
         +------ Lập trình Firmware & Image Processing ------+

Implementation và kết quả

Quy trình phát triển và Thuật toán cốt lõi

1. Động học thuận Denavit-Hartenberg (Forward Kinematics)

Hệ trục tọa độ được gắn tuần tự lên các khớp quay $Z_0, Z_1, Z_2$ và trục trượt $Z_3$ theo quy tắc bàn tay phải.

Khâu ($i$) $a_i$ (Chiều dài khâu) $\alpha_i$ (Góc xoắn) $d_i$ (Độ dời trục) $\theta_i$ (Biến khớp xoay)
1 $l_1 = 200\text{ mm}$ $0$ $d_0$ $\theta_1$
2 $l_2 = 150\text{ mm}$ $\pi$ $0$ $\theta_2$
3 $0$ $0$ $d_3$ $0$
4 $0$ $0$ $l_4$ $\theta_4$

Ma trận biến đổi thuần nhất tổng quát giữa hai khâu liên tiếp: $$T_{i}^{i-1} = \begin{bmatrix} \cos\theta_i & -\sin\theta_i\cos\alpha_i & \sin\theta_i\sin\alpha_i & a_i\cos\theta_i \ \sin\theta_i & \cos\theta_i\cos\alpha_i & -\cos\theta_i\sin\alpha_i & a_i\sin\theta_i \ 0 & \sin\alpha_i & \cos\alpha_i & d_i \ 0 & 0 & 0 & 1 \end{bmatrix}$$

Nhân liên tiếp các ma trận chuyển đổi từ hệ tọa độ gốc $0$ đến khâu tác động cuối $4$, ta xác định tọa độ vị trí điểm công tác $P(P_x, P_y, P_z)$: $$\begin{cases} P_x = l_1 \cos(\theta_1) + l_2 \cos(\theta_1 + \theta_2) \ P_y = l_1 \sin(\theta_1) + l_2 \sin(\theta_1 + \theta_2) \ P_z = d_0 - d_3 - l_4 \end{cases}$$

import numpy as np

def scara_forward_kinematics(theta1_deg, theta2_deg, d3_mm, theta4_deg):
    """
    Tính toán động học thuận SCARA 4-DOF
    l1 = 200 mm, l2 = 150 mm, d0 = 210 mm, l4 = 50 mm
    """
    t1 = np.radians(theta1_deg)
    t2 = np.radians(theta2_deg)
    t4 = np.radians(theta4_deg)
    
    l1, l2, d0, l4 = 200.0, 150.0, 210.0, 50.0
    
    px = l1 * np.cos(t1) + l2 * np.cos(t1 + t2)
    py = l1 * np.sin(t1) + l2 * np.sin(t1 + t2)
    pz = d0 - d3_mm - l4
    phi = np.degrees(t1 + t2 - t4)
    
    return np.array([px, py, pz, phi])

2. Động học nghịch giải tích (Inverse Kinematics)

Để di chuyển đầu kẹp đến tọa độ mong muốn $P(P_x, P_y, P_z)$ với góc xoay định hướng $\phi$: $$\cos(\theta_2) = \frac{P_x^2 + P_y^2 - l_1^2 - l_2^2}{2 l_1 l_2}$$ $$\sin(\theta_2) = \pm \sqrt{1 - \cos^2(\theta_2)} \implies \theta_2 = \text{atan2}(\sin\theta_2, \cos\theta_2)$$ $$\theta_1 = \text{atan2}(P_y, P_x) - \text{atan2}(l_2 \sin\theta_2, l_1 + l_2 \cos\theta_2)$$ $$d_3 = d_0 - P_z - l_4$$ $$\theta_4 = \theta_1 + \theta_2 - \phi$$

def scara_inverse_kinematics(px, py, pz, phi_deg=0.0):
    """
    Tính toán động học nghịch SCARA 4-DOF bằng phương pháp giải tích
    """
    l1, l2, d0, l4 = 200.0, 150.0, 210.0, 50.0
    r_sq = px**2 + py**2
    
    # Kiểm tra không gian làm việc
    if r_sq > (l1 + l2)**2 or r_sq < (l1 - l2)**2:
        raise ValueError("Tọa độ nằm ngoài không gian hoạt động của robot!")
        
    cos_t2 = (r_sq - l1**2 - l2**2) / (2 * l1 * l2)
    # Chọn cấu hình khuỷu tay dương (elbow-down/up)
    sin_t2 = np.sqrt(max(0.0, 1.0 - cos_t2**2))
    theta2 = np.arctan2(sin_t2, cos_t2)
    
    theta1 = np.arctan2(py, px) - np.arctan2(l2 * sin_t2, l1 + l2 * cos_t2)
    d3 = d0 - pz - l4
    theta4 = theta1 + theta2 - np.radians(phi_deg)
    
    return np.degrees(theta1), np.degrees(theta2), d3, np.degrees(theta4)

3. Mô hình hóa động lực học Lagrange

Phương trình Euler-Lagrange xác định momen xoắn $\tau_i$ yêu cầu tại các khớp: $$\frac{d}{dt}\left(\frac{\partial L}{\partial \dot{\theta}_i}\right) - \frac{\partial L}{\partial \theta_i} = \tau_i \quad (L = K - P)$$

Với tổng động năng $K = K_1 + K_2 + K_3$ và thế năng $P = P_1 + P_2 + P_3$, mô-men xoắn cực đại tính toán kết hợp hệ số an toàn $\eta = 1.3$ đạt $\tau_1 \approx 1.62\text{ N}\cdot\text{m}$, qua đó hoàn toàn thỏa mãn khi lựa chọn động cơ 57HS7630A4 ($1.8\text{ N}\cdot\text{m}$) và hộp số Harmonic giảm tốc 50 lần.

4. Pipeline thị giác máy tính nhận dạng mã QR Code

import cv2
from pyzbar.pyzbar import decode

def process_qr_vision_frame(frame, camera_matrix, dist_coeffs):
    """
    Tiền xử lý ảnh, giải mã QR và trích xuất tọa độ tâm
    """
    # 1. Khử méo thấu kính quang học
    undistorted = cv2.undistort(frame, camera_matrix, dist_coeffs)
    gray = cv2.cvtColor(undistorted, cv2.COLOR_BGR2GRAY)
    
    # 2. Cân bằng độ tương phản thích nghi (CLAHE) & Lọc nhiễu Gaussian
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
    enhanced = clahe.apply(gray)
    blurred = cv2.GaussianBlur(enhanced, (5, 5), 0)
    
    # 3. Phát hiện và giải mã mã QR
    decoded_objects = decode(blurred)
    results = []
    
    for obj in decoded_objects:
        qr_data = obj.data.decode('utf-8')
        points = obj.polygon
        if len(points) == 4:
            # Tính tâm đối tượng theo trọng tâm 4 góc
            pts = np.array([[p.x, p.y] for p in points], dtype=np.float32)
            cx = int(np.mean(pts[:, 0]))
            cy = int(np.mean(pts[:, 1]))
            results.append({'data': qr_data, 'center_px': (cx, cy), 'polygon': pts})
            
    return undistorted, results

Thử nghiệm và đánh giá kết quả thực nghiệm

Hệ thống đã trải qua hơn 500 chu kỳ thử nghiệm liên tục trong điều kiện vận hành tại xưởng:

+-------------------------------------------------------------------------------+
|                      KẾT QUẢ HIỆU NĂNG THỰC NGHIỆM                            |
|                                                                               |
|   [Tỉ lệ nhận diện QR]        99.2% (trong điều kiện sáng > 250 lux)          |
|   [Sai số vị trí lặp lại]     ±0.35 mm (nhờ hộp số Harmonic Drive)            |
|   [Thời gian chu kỳ gắp thả]  1.42 giây / sản phẩm                            |
|   [Độ trễ truyền nhận UART]   < 4.5 ms                                        |
+-------------------------------------------------------------------------------+
Hạng mục kiểm thử Giá trị mục tiêu ban đầu Kết quả thực nghiệm đạt được Trạng thái
Không gian hoạt động hữu hiệu $R = 350\text{ mm}, Z = 150\text{ mm}$ $R = 350\text{ mm}, Z = 160\text{ mm}$ Đạt 100%
Tải trọng thao tác $0.5\text{ kg}$ $0.5\text{ kg}$ ổn định (Max $0.7\text{ kg}$) Vượt chỉ tiêu
Độ chính xác định vị ($\Delta x, \Delta y$) $\le \pm 1.0\text{ mm}$ $\pm 0.35\text{ mm}$ Vượt chỉ tiêu
Tỉ lệ giải mã QR thành công $\ge 95%$ $99.2%$ Vượt chỉ tiêu
Thời gian chu kỳ (Cycle Time) $\le 2.0\text{ s/sản phẩm}$ $1.42\text{ s/sản phẩm}$ Vượt chỉ tiêu

Đổi mới và đóng góp kỹ thuật

  1. Ứng dụng hộp số Harmonic Drive độ rơ bằng không: Thay vì sử dụng truyền động đai hoặc bánh răng hành tinh thông thường (dễ phát sinh khe hở ăn khớp sau thời gian dài), đề tài trang bị cụm hộp số CSD-25-50-2UH và CSF-20-50-2A-GR, nâng độ chính xác lặp lại của khâu quay lên tới $\pm 0.35\text{ mm}$, cải thiện hơn 45% độ ổn định định vị so với cơ cấu đai bước truyền thống.
  2. Kiến trúc thị giác Eye-in-Hand linh hoạt: Khắc phục nhược điểm mất dấu và điểm mù của camera góc nhìn cố định (Eye-to-Base). Camera di chuyển cùng đầu công tác cho phép tự động điều chỉnh độ cao để đọc các mã QR có kích thước siêu nhỏ ($< 10\times 10\text{ mm}$) mà không cần thay đổi ống kính tiêu cự cố định.
  3. Phần mềm điều khiển module hóa: Hệ thống phân tách rõ rệt giữa tầng điều khiển chuyển động thời gian thực (C/C++ trên ARM Cortex-M4) và tầng tính toán giải tích thị giác (Python/OpenCV trên PC Host), giúp mở rộng khả năng tích hợp mạng công nghiệp hoặc các thuật toán Deep Learning trong tương lai mà không làm ảnh hưởng đến tính ổn định của mạch điều khiển động cơ.

Ứng dụng thực tế và triển khai

+------------------------------------------------------------------------------------+
|                         DÂY CHUYỀN PHÂN LOẠI CÔNG NGHIỆP                           |
|                                                                                    |
|  [Băng tải cấp phôi] ---> [Camera quét mã QR] ---> [Robot SCARA 4-DOF]             |
|                                                          |                         |
|                                    +---------------------+---------------------+   |
|                                    |                     |                     |   |
|                                    v                     v                     v   |
|                               [Khu vực A]           [Khu vực B]           [Khu vực C]
|                             (Hàng xuất khẩu)      (Hàng nội địa)         (Hàng lỗi)|
+------------------------------------------------------------------------------------+
  • Phân loại đóng gói thực phẩm & Dược phẩm: Tự động đọc thông tin hạn sử dụng, số lô sản xuất mã hóa trong QR Code trên nắp chai, vỉ thuốc để gắp xếp vào các khay đóng gói tương ứng.
  • Dây chuyền lắp ráp linh kiện điện tử: Nhận diện số serial vi mạch, phân loại bo mạch PCB vào các khu vực đạt chuẩn (Pass) hoặc lỗi (Reject).
  • Phân tích chi phí & Hiệu quả đầu tư (ROI):
    • Chi phí chế tạo hệ thống nguyên mẫu: Khoảng 18 - 25 triệu VNĐ (thấp hơn 70 - 80% so với mua cánh tay robot công nghiệp ngoại nhập cùng tải trọng).
    • Khả năng hoàn vốn (ROI): Ước tính từ 6 đến 9 tháng khi vận hành thay thế 2 nhân công phân loại thủ công tại các cơ sở sản xuất vừa và nhỏ.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Hệ thống hiện tại chỉ giải mã và phân loại dựa trên chuẩn hình học QR Code tĩnh/động; chưa hỗ trợ nhận dạng linh kiện phân tán ngẫu nhiên không dán nhãn.
  • Tốc độ xử lý ảnh bị suy giảm nhẹ khi cường độ sáng môi trường xuống dưới 100 lux hoặc sản phẩm bị rung lắc mạnh trên băng tải di động liên tục ($> 0.3\text{ m/s}$).

Hướng phát triển tương lai

  1. Tích hợp mô hình trí tuệ nhân tạo nhận diện vật thể thời gian thực như YOLOv8-OBB (Oriented Bounding Boxes) chạy trên vi xử lý biên (NVIDIA Jetson Nano) để phân loại đa dạng hình dáng sản phẩm không phụ thuộc mã QR.
  2. Nâng cấp thuật toán nội suy quỹ đạo cong không gian 3D (S-Curve Trajectory Planning) kết hợp bù trừ mô-men quán tính để rút ngắn thời gian chu kỳ xuống dưới $1.0\text{ s/sản phẩm}$.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên ngành Cơ điện tử / Chế tạo máy: Nguồn tài liệu học thuật thực nghiệm đầy đủ từ giải tích động học D-H, động lực học Lagrange đến lập trình điều khiển vi điều khiển ARM và thị giác máy tính OpenCV.
  • Kỹ sư tích hợp hệ thống (System Integrators): Tham khảo kiến trúc kết nối UART công nghiệp, phối ghép driver công suất cao TB6600 và ứng dụng hộp giảm tốc Harmonic Drive.
  • Doanh nghiệp vừa và nhỏ (SMEs): Tiếp cận giải pháp tự động hóa gắp đặt chi phí thấp, khả năng tùy biến cao và dễ dàng bảo trì nội địa.

Câu hỏi thường gặp

1. Yêu cầu phần cứng và nguồn điện để vận hành hệ thống là gì?

Hệ thống sử dụng nguồn cấp một chiều DC 24V - 10A cung cấp cho mạch nguồn cách ly, các driver động cơ bước TB6600/A4988 và hạ áp DC 5V - 3A cho vi điều khiển STM32F411RE và Servo kẹp. Máy tính điều khiển thị giác chỉ cần vi xử lý Intel Core i3 (thế hệ 8 trở lên) hoặc bo mạch nhúng tương đương có hỗ trợ cổng kết nối USB 3.0.

2. Tại sao lựa chọn hộp số Harmonic Drive thay vì bộ truyền bánh răng thông thường?

Khớp quay 1 và 2 của robot SCARA đòi hỏi độ chính xác góc quay rất cao. Hộp số Harmonic Drive (CSD-25-50-2UH) sử dụng nguyên lý biến dạng đàn hồi của ống mềm (Flexspline) giúp triệt tiêu khe hở rơ bánh răng (Zero Backlash), cung cấp tỷ số truyền lớn (50:1) trong một kích thước vô cùng nhỏ gọn và chịu được mô-men xoắn uốn lớn.

3. Hệ thống xử lý thế nào khi mã QR bị dán lệch góc?

Thuật toán phân tích vị trí 3 cụm Finder Pattern của mã QR cho phép xác định trực tiếp vector pháp tuyến và góc nghiêng của nhãn dán so với hệ tọa độ camera. Góc nghiêng này được truyền xuống vi điều khiển để khâu thứ 4 ($\theta_4$) chủ động xoay cổ tay kẹp một góc tương ứng trước khi tiến hành hạ trục Z kẹp sản phẩm.

4. Giao tiếp UART có xảy ra hiện tượng mất gói tin khi chạy lâu không?

Giao tiếp UART chạy ở mức baudrate 115200 bps được bọc khung dữ liệu với Byte bắt đầu (0xAA, 0x55) và Byte kiểm tra lỗi Checksum (XOR/CRC8). Vi điều khiển chỉ thực thi lệnh di chuyển khi dữ liệu gói tin hợp lệ; mọi gói tin lỗi sẽ bị từ chối và gửi yêu cầu truyền lại (NACK) ngay lập tức.

5. Chi phí bảo dưỡng hệ thống định kỳ gồm những gì?

Cơ cấu cơ khí sử dụng con trượt dẫn hướng và hộp số kín nên chỉ cần tra mỡ bôi trơn chuyên dụng định kỳ mỗi 6 tháng/lần. Động cơ bước không chổi than có tuổi thọ vận hành trên 20,000 giờ làm việc liên tục mà không đòi hỏi chi phí thay thế chổi than.

Kết luận

Đồ án tốt nghiệp "Thiết kế, chế tạo và điều khiển Robot SCARA tích hợp Camera" của nhóm sinh viên Trường Đại học Sư phạm Kỹ thuật TP.HCM đã giải quyết trọn vẹn chuỗi bài toán từ lý thuyết cơ học tay máy, thiết kế chế tạo cơ điện tử chính xác đến phát triển thuật toán thị giác thông minh.

Mô hình thực nghiệm chứng minh độ chính xác lặp lại đạt $\pm 0.35\text{ mm}$, tỷ lệ phân loại thành công $99.2%$ và chu kỳ làm việc ấn tượng $1.42\text{ s/sản phẩm}$. Kết quả này không chỉ đóng góp một tài liệu kỹ thuật có giá trị thực tiễn cao cho cộng đồng nghiên cứu tự động hóa mà còn mở ra hướng đi khả thi trong việc làm chủ công nghệ chế tạo robot công nghiệp phục vụ dây chuyền đóng gói thông minh tại Việt Nam.