Bối cảnh và vấn đề nghiên cứu
Robot hai bánh tự cân bằng (Two-Wheeled Inverted Pendulum - TWIP) là một hệ thống cơ điện tử tiêu biểu có tính chất phi tuyến cao, bậc tự do không cân bằng (underactuated) và trạng thái cân bằng nội tại không ổn định. Nguyên lý vận hành của hệ thống tương đương với bài toán con lắc ngược đặt trên xe di động, trong đó thân robot liên tục có xu hướng đổ về phía trước hoặc phía sau dưới tác dụng của trọng lực. Việc nghiên cứu cơ chế cân bằng cơ bản này đóng vai trò nền tảng cho nhiều ứng dụng robot hiện đại như các dòng robot hình người, phương tiện cá nhân hai bánh thương mại (Segway) và các hệ thống xe tự hành.
Trong thực tế triển khai, các sản phẩm thương mại hóa như Segway sử dụng hệ thống cảm biến chuyên dụng đắt tiền và năng lực tính toán phức tạp, gây khó khăn cho việc phổ biến trong nghiên cứu và giảng dạy. Bên cạnh đó, các phương pháp điều khiển tuyến tính hóa truyền thống quanh điểm làm việc thường bộc lộ hạn chế lớn khi góc nghiêng lệch xa điểm cân bằng hoặc khi hệ thống chịu tác động của các yếu tố phi tuyến và nhiễu động môi trường. Do đó, việc xây dựng một phương pháp điều khiển thông minh kết hợp giữa thuật toán kinh điển và logic mờ, thực thi trên nền tảng phần cứng giá thành thấp nhưng vẫn đảm bảo độ ổn định, là vấn đề kỹ thuật có ý nghĩa thực tiễn.
Mục tiêu nghiên cứu của đề tài:
- Xây dựng bộ điều khiển mờ lai PID (Fuzzy-PID) dựa trên hệ quy tắc suy diễn Max-Min và mô hình mờ Sugeno nhằm điều khiển ổn định hệ thống robot hai bánh tự cân bằng có tính phi tuyến cao.
- Mô phỏng, kiểm chứng giải thuật điều khiển trên môi trường MATLAB/Simulink.
- Thiết kế, thi công mô hình phần cứng thực tế và kiểm nghiệm thuật toán trên nền vi điều khiển 32-bit ARM Cortex-M4F (KIT Tiva C TM4C123GH6PM) kết hợp cảm biến quán tính giá rẻ.
Nhiệm vụ và giới hạn nghiên cứu (thực hiện trong 16 tuần):
- Thi công khung cơ khí và hệ thống phần cứng robot hai bánh tự cân bằng.
- Nghiên cứu cấu trúc vi điều khiển ARM Cortex-M4 và kỹ thuật lập trình C trên môi trường IAR Embedded Workbench.
- Nghiên cứu, thiết kế và thi công mạch nguồn (sử dụng IC LD1085) và mạch công suất điều khiển động cơ (driver cầu H).
- Thiết kế và mô phỏng bộ điều khiển Fuzzy-PID trên MATLAB/Simulink.
- Thu thập dữ liệu mô phỏng để phân tích, đánh giá đáp ứng động học của hệ thống.
- Chạy thực nghiệm trên mô hình thật, phân tích đáp ứng và so sánh với kết quả mô phỏng.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Mô hình động lực học con lắc ngược hai bánh đồng trục, thuật toán điều khiển Fuzzy-PID và bộ lọc Kalman xử lý tín hiệu cảm biến quán tính.
- Phạm vi nghiên cứu: Khảo sát bài toán giữ cân bằng tĩnh tại chỗ của robot hai bánh trên mặt phẳng ngang; hệ thống sử dụng 2 động cơ DC, cảm biến GY-86 (MPU6050) và vi điều khiển TM4C123GH6PM.
Cơ sở lý thuyết và phương pháp
Khung lý thuyết và mô hình toán học
Khóa luận xây dựng trên các nền tảng lý thuyết điều khiển tự động và xử lý tín hiệu:
- Lý thuyết con lắc ngược hai bánh: Mô tả động lực học hệ thống qua phương trình Lagrange loại 2, xác định quan hệ giữa góc nghiêng thân xe (pitch $\Psi$), góc quay thân (yaw $\Phi$), góc quay bánh xe ($\theta$) với điện áp cấp cho động cơ DC thông qua các tham số cơ khí và điện từ học.
- Lý thuyết điều khiển vi tích phân tỉ lệ (PID): Phân tích tác động của thành phần tỉ lệ ($P$), tích phân ($I$) và vi phân ($D$). Phương pháp Ziegler-Nichols được khảo sát để xác định độ lợi tới hạn ($K_u$) và chu kỳ tới hạn ($P_u$).
- Lý thuyết điều khiển mờ (Fuzzy Logic Control): Khảo sát tập mờ, hàm liên thuộc (hình tam giác, hình thang/vai), các phép toán mờ (phép giao Min/Prod, phép hợp Max/Sum, phép bù), mệnh đề hợp thành và các mô hình suy luận mờ (Mamdani, Sugeno). Phương pháp giải mờ cực đại và giải mờ trọng tâm (Center of Gravity - COG).
- Cấu trúc điều khiển mờ kết hợp PID (Fuzzy-PID): Sử dụng hệ suy luận mờ để tự động hiệu chỉnh trực tuyến các tham số $K_p, K_d$ của bộ điều khiển PID tùy theo sai số góc nghiêng và đạo hàm sai số.
- Lý thuyết bộ lọc Kalman rời rạc (Discrete Kalman Filter): Thuật toán ước lượng trạng thái tối ưu 7 bước kết hợp dữ liệu từ con quay hồi chuyển (Gyroscope) và gia tốc kế (Accelerometer) nhằm triệt tiêu nhiễu đo lường, khắc phục hiện tượng trôi (drift) và trễ tín hiệu của cảm biến MPU6050.
- Chuẩn giao tiếp I2C: Cơ chế truyền thông nối tiếp 2 dây (SDA, SCL) giữa vi điều khiển (Master) và module cảm biến GY-86 (Slave) ở chế độ chuẩn (100 kbit/s).
Phương pháp nghiên cứu
- Phương pháp mô hình hóa giải tích: Thiết lập hệ phương trình vi phân mô tả động lực học hệ thống cơ khí và động cơ DC dựa trên cơ học Lagrange.
- Phương pháp mô phỏng số: Xây dựng sơ đồ khối trên MATLAB/Simulink để khảo sát đáp ứng thời gian của góc nghiêng và tín hiệu điều khiển dưới tác động của các bộ điều khiển khác nhau ($P$, $P\text{-Fuzzy}$, $PD$, $PD\text{-Fuzzy}$).
- Phương pháp thực nghiệm nhúng: Chế tạo mô hình vật lý, lập trình giải thuật trên KIT Tiva C TM4C123GH6PM bằng ngôn ngữ C, tinh chỉnh thông số và thu thập đáp ứng thực tế.
Nguồn dữ liệu
Dữ liệu sử dụng trong nghiên cứu gồm các thông số vật lý thực đo của mô hình cơ khí, thông số đặc tính động cơ DC, tín hiệu đo thô và tín hiệu qua lọc Kalman từ cảm biến MPU6050 trích xuất qua giao tiếp I2C, cùng kết quả mô phỏng đáp ứng thời gian xuất ra từ MATLAB/Simulink.
Thiết kế và triển khai
Kiến trúc phần cứng hệ thống
Hệ thống phần cứng robot hai bánh tự cân bằng được thiết kế theo cấu trúc module xếp 3 tầng bằng vật liệu mica, kết nối các khối chức năng chính:
| Khối chức năng |
Linh kiện / Thiết bị |
Thông số kỹ thuật chính |
Vai trò trong hệ thống |
| Vi điều khiển trung tâm |
Texas Instruments Tiva C LaunchPad |
Chip TM4C123GH6PM, 32-bit ARM Cortex-M4F, 80 MHz, 256 KB Flash, 32 KB SRAM |
Xử lý thuật toán Kalman, tính toán bộ điều khiển Fuzzy-PID, phát xung PWM |
| Cảm biến quán tính |
Module 10DOF GY-86 |
Tích hợp MPU6050 (Gyro 3 trục, Accel 3 trục), HMC5883L, MS5611; giao tiếp I2C |
Đo vận tốc góc và gia tốc góc để xác định góc nghiêng thân robot |
| Mạch công suất |
Driver cầu H |
Mạch cầu H kép, đấu nối song song ngõ ra |
Khuếch đại dòng điện, nhận tín hiệu PWM từ vi điều khiển để điều khiển 2 động cơ DC |
| Cơ cấu chấp hành |
2 Động cơ DC |
Điện áp 12V, tốc độ 350 vòng/phút, dòng không tải 300 mA |
Dẫn động 2 bánh xe thông qua bộ truyền đai/bánh răng |
| Khối nguồn |
Pin LiPo K-POWER 3S & IC LD1085 |
Pin LiPo 11.1V - 2200mAh - 25C; IC ổn áp tuyến tính LD1085 (12V xuống 5V) |
Cung cấp nguồn động lực 12V cho cầu H và nguồn ổn áp 5V dòng lớn cho vi điều khiển |
+------------------------------------+
| Module Cảm Biến GY-86 (MPU6050) |
+-----------------+------------------+
| (Giao tiếp I2C)
v
+---------------+ +--------------------+ +---------------+
| Pin LiPo 3S | ----> | Vi điều khiển TI | ----> | Driver Cầu H | ----> 2 Động cơ DC
| 11.1V 2200mAh | | Tiva C TM4C123G | (PWM) | (Mắc song | (12V 350 rpm)
+-------+-------+ +--------------------+ | song) |
| ^ +---------------+
v |
+---------------+ |
| Mạch Hạ Áp | ---------------+ (Nguồn 5V)
| IC LD1085 |
+---------------+
Thiết kế thuật toán điều khiển và phần mềm
-
Quy trình xử lý tín hiệu cảm biến:
- Đọc gia tốc ($accX, accY, accZ$) và vận tốc góc ($gyroX, gyroY, gyroZ$) từ MPU6050 qua I2C.
- Tính góc nghiêng từ gia tốc kế: $\text{Pitch} = \arctan\left(\frac{-accX}{\sqrt{accY^2 + accZ^2}}\right) \times \frac{180}{\pi}$.
- Áp dụng bộ lọc Kalman 7 bước với ma trận hiệp phương sai sai số để dung hợp góc tính từ gia tốc kế và vận tốc góc từ Gyroscope, loại bỏ hoàn toàn nhiễu dao động cơ khí.
-
Cấu trúc bộ điều khiển Fuzzy-PID:
- Đầu vào: Sai số góc nghiêng $e(k) = \text{DesiredAngle} - \text{ActualAngle}$ và đạo hàm sai số $\Delta e(k) = e(k) - e(k-1)$.
- Mờ hóa (Fuzzification):
- Biến sai số $e$: 3 tập mờ ${\text{NE (Âm)}, \text{ZE (Không)}, \text{PO (Dương)}}$, miền giá trị $[-1, 1]$ với các hàm thuộc dạng vai trái, tam giác và vai phải.
- Biến đạo hàm sai số $\Delta e$: 3 tập mờ ${\text{NE}, \text{ZE}, \text{PO}}$, miền giá trị $[-1.8, 1.8]$ với các hàm thuộc dạng tam giác.
- Hệ quy tắc mờ (9 luật suy luận Max-Min):
- Nếu $e$ là NE và $\Delta e$ là NE $\rightarrow$ Đầu ra là NB (Negative Big).
- Nếu $e$ là NE và $\Delta e$ là ZE $\rightarrow$ Đầu ra là NS (Negative Small).
- Nếu $e$ là NE và $\Delta e$ là PO $\rightarrow$ Đầu ra là ZE (Zero).
- Nếu $e$ là ZE và $\Delta e$ là NE $\rightarrow$ Đầu ra là NS.
- Nếu $e$ là ZE và $\Delta e$ là ZE $\rightarrow$ Đầu ra là ZE.
- Nếu $e$ là ZE và $\Delta e$ là PO $\rightarrow$ Đầu ra là PS (Positive Small).
- Nếu $e$ là PO và $\Delta e$ là NE $\rightarrow$ Đầu ra là ZE.
- Nếu $e$ là PO và $\Delta e$ là ZE $\rightarrow$ Đầu ra là PS.
- Nếu $e$ là PO và $\Delta e$ là PO $\rightarrow$ Đầu ra là PB (Positive Big).
- Giải mờ: Sử dụng mô hình Sugeno để tính toán hệ số điều chỉnh nhân với $K_p, K_d$.
- Điều khiển động cơ: Tín hiệu đầu ra $u(k)$ quyết định chiều quay và độ rộng xung PWM cấp cho driver cầu H.
Nội dung chính theo từng chương
| Chương |
Tên chương |
Nội dung trọng tâm và kết quả phân tích |
| Chương 1 |
Tổng Quan |
Tổng quan về sự phát triển của robot tự cân bằng và nguyên lý xe Segway. Phân tích ưu/nhược điểm của các công trình tiền nhiệm: Nbot (mô hình không gian trạng thái, nhạy cảm khi xa điểm cân bằng), Two-wheeled inverted pendulum (Fuzzy trên FPGA, tốc độ cao nhưng chi phí đắt), Balance bot I (bộ điều khiển LQR, 3 vi điều khiển Atmel), Segway HT (5 cảm biến gyro, 2 cảm biến nghiêng điện phân, 10 vi xử lý), Xe scooter HTV (Fuzzy logic, cảm biến ADXRS150EB và MMA2260D). Xác định mục tiêu, giới hạn 16 tuần và phương pháp nghiên cứu của đề tài. |
| Chương 2 |
Cơ Sở Lý Thuyết |
Phân tích cơ chế giữ cân bằng của xe hai bánh đồng trục so với xe ba/bốn bánh trên các địa hình. Trình bày lý thuyết bộ điều khiển PID cổ điển và phương pháp chỉnh định Ziegler-Nichols. Chi tiết hóa lý thuyết tập mờ, các dạng hàm thuộc (Gaussian, Pi, S, Sigmoidal, Z-shape, tam giác), phép toán mờ (MIN, MAX, PROD, SUM), suy luận mờ Mamdani/Sugeno và các phương pháp giải mờ (cực đại, trọng tâm). Trình bày giao thức truyền thông I2C Master-Slave (START, STOP, ACK, định dạng địa chỉ 7-bit). Xây dựng phương trình 7 bước của bộ lọc Kalman và cấu trúc phần cứng vi điều khiển ARM Cortex-M4 TM4C123GH6PM. |
| Chương 3 |
Thiết Kế Bộ Điều Khiển |
Xây dựng mô hình toán học giải tích hệ con lắc ngược hai bánh bằng phương trình động lực học Lagrange. Xác định chính xác các thông số hệ thống: $g = 9.81\text{ m/s}^2$, khối lượng bánh $m = 0.03\text{ kg}$, bán kính $R = 0.06\text{ m}$, khối lượng thân $M = 0.6\text{ kg}$, kích thước thân ($W = 0.22\text{ m}, D = 0.178\text{ m}, H = 0.19\text{ m}$), khoảng cách trọng tâm $L = 0.095\text{ m}$, thông số động cơ ($J_m = 10^{-5}\text{ kg}\cdot\text{m}^2, R_m = 6.69,\Omega, K_b = 0.468\text{ V}\cdot\text{s/rad}, K_t = 0.317\text{ Nm/A}$). Thiết kế bộ điều khiển Fuzzy-PID với 9 luật suy luận Sugeno. Mô phỏng trên Simulink so sánh các bộ điều khiển, xác định bộ thông số tối ưu: $K_p = 55, K_d = 2.025, K_i = 0$. |
| Chương 4 |
Thi Công Thực Nghiệm |
Xây dựng lưu đồ thuật toán điều khiển toàn hệ thống và lưu đồ khối cân bằng. Lựa chọn và tích hợp linh kiện phần cứng: Pin LiPo K-POWER 3S 11.1V 2200mAh 25C, động cơ DC 12V 350 rpm, IC nguồn hạ áp LD1085, module driver cầu H đấu song song chống quá nhiệt, kết nối I2C giữa GY-86 và KIT Tiva C. Lắp ráp và hoàn thiện mô hình thực tế khung mica 3 tầng. |
| Chương 5 |
Kết Luận Và Hướng Phát Triển Đề Tài |
Đánh giá tổng kết các mục tiêu đã hoàn thành (thuật toán Fuzzy-PID, lọc Kalman, thi công phần cứng chạy ổn định). Phân tích các mặt hạn chế còn tồn đọng (thời gian đáp ứng còn trễ, chưa có chức năng di chuyển, cơ khí mica chưa tối ưu). Đề xuất 3 hướng nghiên cứu phát triển tiếp theo. |
Kết quả và đóng góp
Kết quả mô phỏng và thực nghiệm
Quá trình nghiên cứu và thử nghiệm đã ghi nhận các kết quả định lượng cụ thể:
- Kết quả mô phỏng trên MATLAB/Simulink:
- Bộ điều khiển tỉ lệ đơn thuần ($K_p = 55, K_i = 0, K_d = 0$): Hệ thống xuất hiện dao động lớn, độ vọt lố cao, thời gian xác lập kéo dài.
- Bộ điều khiển $K_p$ kết hợp Fuzzy: Tốc độ đáp ứng và độ ổn định được cải thiện nhanh hơn so với dùng $K_p$ thuần túy, tuy nhiên độ vọt lố vẫn ở mức cao.
- Bộ điều khiển vi tích phân tỉ lệ PD ($K_p = 55, K_d = 2.025, K_i = 0$): Thành phần vi phân giúp dập tắt dao động nhanh hơn rõ rệt so với bộ $P$.
- Bộ điều khiển Fuzzy-PD ($K_p = 55, K_d = 2.025, K_i = 0$): Cho chất lượng động học vượt trội nhất; biên độ vọt lố giảm thiểu tối đa, thời gian quá độ ngắn nhất, tín hiệu điều khiển điện áp đáp ứng trơn tru và hệ thống nhanh chóng trở về điểm cân bằng góc $0^\circ$.
| Cấu hình bộ điều khiển |
Thời gian đáp ứng |
Độ vọt lố |
Khả năng triệt tiêu dao động |
| Chỉ dùng $K_p$ ($K_p = 55$) |
Chậm |
Rất lớn |
Kém, dao động kéo dài |
| $K_p$ kết hợp Fuzzy |
Trung bình |
Lớn |
Cải thiện hơn $K_p$ thuần |
| Bộ PD kinh điển ($K_p = 55, K_d = 2.025$) |
Nhanh |
Trung bình |
Tốt |
| Bộ Fuzzy-PD ($K_p = 55, K_d = 2.025$) |
Rất nhanh |
Thấp nhất |
Tối ưu, ổn định nhanh |
- Kết quả thi công thực nghiệm:
- Hoàn thiện mô hình vật lý robot 2 bánh khung mica 3 tầng, tích hợp trọn vẹn khối nguồn, mạch vi điều khiển Tiva C, module GY-86 và driver cầu H.
- Ứng dụng thành công thuật toán lọc Kalman trên Cortex-M4 để đọc và khử nhiễu góc nghiêng từ MPU6050 với chu kỳ lấy mẫu thời gian thực.
- Robot giữ thăng bằng ổn định quanh vị trí thẳng đứng khi hoạt động thực tế và có khả năng tự phục hồi trạng thái cân bằng sau khi chịu tác động lực đẩy từ bên ngoài.
Đóng góp của đề tài
- Chứng minh tính khả thi của giải pháp điều khiển thích nghi Fuzzy-PID kết hợp bộ lọc Kalman trên nền tảng vi điều khiển nhúng 32-bit Cortex-M4F giá thành thấp, thay thế cho các hệ thống phần cứng đắt tiền như FPGA hay DSP chuyên dụng.
- Cung cấp mô hình toán học giải tích chi tiết và bộ tham số thực nghiệm hoàn chỉnh của hệ con lắc ngược hai bánh, phục vụ cho việc nghiên cứu và giảng dạy lý thuyết điều khiển tự động.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế của đề tài
- Thời gian đáp ứng của giải thuật: Tốc độ đáp ứng của hệ thống điều khiển thực tế còn có độ trễ nhất định, robot cần một khoảng thời gian quá độ để đưa hệ thống về trạng thái ổn định hoàn toàn.
- Chức năng vận hành: Đề tài mới dừng lại ở việc giữ cân bằng tĩnh tại chỗ, chưa phát triển thuật toán điều khiển quỹ đạo di chuyển (tiến, lùi, quay trái, quay phải).
- Kết cấu cơ khí và phần cứng: Khung xe bằng vật liệu mica chưa đạt độ cứng vững tối ưu khi chịu rung động liên tục từ động cơ; cách bố trí và đi dây điện trong hệ thống chưa được tối ưu hóa gọn gàng.
Hướng nghiên cứu tiếp theo
- Nghiên cứu chuyên sâu thuật toán Fuzzy-PID và các giải thuật cân bằng nâng cao để ứng dụng cho các đối tượng có độ phức tạp cao hơn như robot hình người (humanoid robot), hệ thống lái tự động (auto-pilot).
- Tìm hiểu và thử nghiệm các phương pháp suy diễn mờ khác ngoài luật Max-Min nhằm tối ưu hóa hơn nữa chất lượng điều khiển.
- Cải tiến kết cấu cơ khí, nâng công suất động cơ và phát triển hệ thống xe hai bánh tự cân bằng có khả năng chuyên chở người và di chuyển theo sự điều khiển của con người.
Giá trị tham khảo
Tài liệu khóa luận này mang lại giá trị tham khảo hữu ích cho:
- Sinh viên và học viên ngành Kỹ thuật Điều khiển & Tự động hóa, Cơ điện tử, Kỹ thuật Robot: Tham khảo quy trình thiết lập mô hình toán học Lagrange cho đối tượng con lắc ngược, phương pháp thiết kế hệ suy luận mờ Sugeno và cách cấu hình mô phỏng trên MATLAB/Simulink.
- Kỹ sư phát triển hệ thống nhúng: Tham khảo phương pháp cài đặt thuật toán lọc Kalman 7 bước để dung hợp cảm biến quán tính (MPU6050) qua bus I2C và kỹ thuật lập trình điều khiển PWM trên dòng vi điều khiển ARM Cortex-M4 (TM4C123GH6PM) bằng ngôn ngữ C.
Câu hỏi thường gặp
1. Cảm biến nào được sử dụng để đo góc nghiêng của robot và giải thuật khử nhiễu được thực hiện như thế nào?
Đề tài sử dụng module cảm biến 10DOF GY-86, trong đó thành phần chính là chip MPU6050 tích hợp con quay hồi chuyển 3 trục (Gyroscope) và gia tốc kế 3 trục (Accelerometer). Tín hiệu từ hai cảm biến này được dung hợp thông qua bộ lọc Kalman rời rạc 7 bước chạy trên vi điều khiển TM4C123GH6PM nhằm triệt tiêu nhiễu dao động cơ học và loại bỏ hiện tượng trôi góc, cung cấp giá trị góc nghiêng (Pitch) chính xác phục vụ vòng lặp điều khiển.
2. Bộ điều khiển mờ trong khóa luận được thiết kế với cấu trúc và quy tắc như thế nào?
Bộ điều khiển mờ sử dụng mô hình mờ Sugeno và luật suy luận Max-Min. Hệ thống có 2 ngõ vào là sai số góc nghiêng $e$ (chia thành 3 tập mờ: NE, ZE, PO với miền giá trị $[-1, 1]$) và đạo hàm sai số $\Delta e$ (chia thành 3 tập mờ: NE, ZE, PO với miền giá trị $[-1.8, 1.8]$). Bảng luật mờ gồm 9 quy tắc suy luận cho ra 5 mức giá trị ngôn ngữ đầu ra (NB, NS, ZE, PS, PB) từ 0 đến 1 để nhân trực tiếp với hệ số của bộ điều khiển PID.
3. Các tham số tối ưu của bộ điều khiển được lựa chọn qua mô phỏng là bao nhiêu?
Từ kết quả mô phỏng trên MATLAB/Simulink, tác giả đã lựa chọn cấu hình bộ điều khiển Fuzzy-PD với hệ số tỉ lệ $K_p = 55$, hệ số vi phân $K_d = 2.025$ và hệ số tích phân $K_i = 0$. Cấu hình này giúp hệ thống đạt tốc độ đáp ứng nhanh nhất, giảm thiểu tối đa độ vọt lố và giữ ổn định góc cân bằng hiệu quả so với các bộ điều khiển $P$, $P\text{-Fuzzy}$ và $PD$ thông thường.
4. Hệ thống phần cứng sử dụng những linh kiện chính nào và nguồn cấp được thiết kế ra sao?
Phần cứng bao gồm vi điều khiển Texas Instruments Tiva C TM4C123GH6PM (ARM Cortex-M4, 80 MHz), module cảm biến GY-86 giao tiếp qua I2C, 2 động cơ DC 12V (350 vòng/phút, dòng tự do 300 mA) và mạch driver cầu H đấu song song để giảm nhiệt. Nguồn cấp toàn hệ thống là pin LiPo K-POWER 3S 11.1V (2200mAh, 25C), kết hợp IC ổn áp LD1085 để hạ áp từ 11.1V/12V xuống 5V cung cấp cho vi điều khiển và mạch logic.
Kết luận
Khóa luận tốt nghiệp đã giải quyết thành công bài toán giữ thăng bằng cho robot hai bánh bằng phương pháp điều khiển mờ lai Fuzzy-PID kết hợp thuật toán lọc Kalman trên nền tảng vi điều khiển nhúng ARM Cortex-M4F. Các kết quả mô phỏng trên Simulink và thực nghiệm trên mô hình cơ khí thực tế đã chứng minh tính hiệu quả của bộ điều khiển Fuzzy-PD trong việc giảm độ vọt lố và nâng cao tốc độ ổn định hệ thống. Đề tài cung cấp cơ sở lý thuyết, mô hình toán học giải tích và giải pháp phần cứng tin cậy, tạo tiền đề thuận lợi cho các nghiên cứu mở rộng về robot tự cân bằng có người lái và hệ thống tự hành phức tạp trong tương lai.
