Đồ án thiết kế và điều khiển robot SCARA 4-DOF phân loại đá gỗ khỏi than tại HCMUTE 2026

Nghiên cứu thiết kế và điều khiển robot SCARA 4 bậc tự do kết hợp thị giác máy tính YOLO và PLC nhằm phân loại gỗ, đá khỏi than hiệu quả.

• Tác giả: Nguyễn Tấn Phát
• Người hướng dẫn: TS. Trần Mạnh Sơn
• 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: Thiết kế và điều khiển robot SCARA 4 bậc tự do phân loại gỗ và đá khỏi than
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2026
• Địa điểm: Hồ Chí Minh

Tóm tắt

I. Tổng quan về robot SCARA 4 DOF phân loại đá và gỗ khỏi than

Robot SCARA 4-DOF là dòng robot công nghiệp phổ biến trong các dây chuyền phân loại tốc độ cao. Cấu trúc cơ khí gồm ba trục chuyển động quay song song theo mặt phẳng ngang. Trục thứ tư đảm nhiệm chuyển động tịnh tiến thẳng đứng. Thiết kế này tạo độ cứng vững cao theo phương thẳng đứng và sự linh hoạt tối đa theo phương ngang. Trong ngành khai thác và chế biến than đá, việc lẫn tạp chất như gỗ mục và đất đá là vấn đề thường trực. Nhiễm tạp chất làm giảm nhiệt trị của nhiên liệu đốt. Tạp chất cũng gây hư hại nghiêm trọng cho hệ thống nghiền tại các nhà máy nhiệt điện. Quá trình phân loại thủ công bộc lộ nhiều hạn chế về năng suất và an toàn lao động. Đề tài nghiên cứu tại Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (HCMUTE) giải quyết triệt để bài toán này. Đề tài tích hợp cánh tay robot SCARA bốn bậc tự do vào dây chuyền băng tải than liên tục. Hệ thống kết hợp cảm biến thị giác hiện đại, bộ điều khiển lập trình và giao thức truyền thông công nghiệp. Mô hình mang lại giải pháp vận hành chính xác, bền bỉ và tiết kiệm chi phí vận hành cho doanh nghiệp chế biến khoáng sản.

1.1. Đặc điểm cấu tạo của robot SCARA bốn bậc tự do

Cơ cấu SCARA sở hữu bốn bậc tự do được bố trí hợp lý theo nguyên lý động học nối tiếp. Hai khớp quay đầu tiên định vị tọa độ đầu cuối trên mặt phẳng hai chiều. Khớp quay thứ ba giúp điều chỉnh góc xoay hướng gắp của khâu thao tác. Trục trượt thứ tư di chuyển lên xuống nhằm thực hiện thao tác nhấc và thả vật thể. Toàn bộ động cơ servo đặt tĩnh gần đế giúp giảm đáng kể mô men quán tính của các cánh tay. Cấu tạo gọn gàng giúp robot tiết kiệm không gian lắp đặt tại khu vực sản xuất. Tải trọng nâng phù hợp với khối lượng đá và thanh gỗ vụn thường gặp trên băng than. Thiết bị đáp ứng tốt tần suất gắp lặp đi lặp lại với độ chính xác cao.

1.2. Mục tiêu nghiên cứu phân loại tại trường HCMUTE

Dự án tốt nghiệp ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa tại HCMUTE đặt ra mục tiêu xây dựng một chu trình phân loại tự động khép kín. Mục tiêu trọng tâm là thay thế hoàn toàn sức người tại các điểm trung chuyển than độc hại. Hệ thống phải đảm bảo tốc độ phân loại kịp thời khi băng tải chuyển động liên tục. Mô hình tính toán giải bài toán động học ngược chính xác cho cánh tay robot. Đồng thời, nghiên cứu thiết lập mạng truyền thông thông suốt giữa camera nhận diện, máy tính công nghiệp và bộ điều khiển PLC. Kết quả thực nghiệm hướng tới việc chế tạo thành công thiết bị có chi phí đầu tư vừa phải nhưng mang lại hiệu năng ổn định vượt trội.

II. Thách thức phân loại đá và gỗ khỏi than bằng robot SCARA

Quá trình khai thác than luôn đi kèm nguy cơ lẫn đất đá và thân cây gỗ mục. Các mảnh đá có độ cứng cao dễ làm mẻ răng máy nghiền hoặc gây tắc nghẽn phễu nạp. Ngược lại, gỗ mục hút ẩm lớn, sinh nhiều khói đen và làm sụt giảm nhiệt lượng khi đốt. Phân loại bằng mắt thường trong môi trường bụi than gây nguy hại nghiêm trọng đến đường hô hấp của công nhân. Thêm vào đó, tốc độ băng chuyền nhanh khiến con người dễ bỏ sót dị vật kích thước trung bình. Áp dụng công nghệ tự động hóa là hướng đi bắt buộc để nâng cao năng suất khai khoáng. Tuy nhiên, nhận diện dị vật trên nền than đen là bài toán thị giác máy tính đầy thách thức. Màu sắc của đá xám và gỗ mục đôi khi hòa lẫn với bụi than bám trên bề mặt. Hệ thống phân loại cần khả năng xử lý ảnh thời gian thực với độ chính xác cao. Cánh tay robot phải di chuyển bám đuổi kịp vận tốc của băng tải than đá. Sự phối hợp không nhịp nhàng giữa tín hiệu cảm biến và bộ truyền động sẽ dẫn đến gắp trượt. Do đó, việc nghiên cứu tính toán động học và giao thức điều khiển đóng vai trò then chốt để khắc phục toàn bộ trở ngại này.

2.1. Tác hại của tạp chất gỗ và đá trong dây chuyền than

Tạp chất đất đá và mẩu gỗ xuất hiện dày đặc trong than nguyên khai. Khi đưa vào lò hơi công nghiệp, đất đá không cháy sinh ra xỉ đáy lò gây tắc đường ống dẫn. Gỗ mục làm tăng độ tro và tạo khói độc hại khi đốt cháy dở dang. Chi phí bảo trì thiết bị nghiền than vì thế tăng cao theo từng quý vận hành. Dị vật kích thước lớn còn có nguy cơ làm rách mặt cao su băng chuyền vận tải. Bụi phát tán trong khâu sàng lọc thủ công ảnh hưởng tiêu cực tới sức khỏe thợ mỏ. Việc loại bỏ tạp chất ngay từ đầu nguồn băng chuyền là yêu cầu sống còn của các nhà máy luyện kim và nhiệt điện.

2.2. Thách thức phân loại vật thể khi băng tải chuyển động

Băng tải vận chuyển nguyên liệu với vận tốc liên tục tạo ra bài toán tracking phức tạp. Khi camera chụp ảnh, vật thể đã tiếp tục di chuyển về phía trước. Sai số tọa độ phát sinh nếu thuật toán xử lý ảnh có độ trễ lớn. Thuật toán nhận dạng phải tính toán chính xác ma trận chuyển đổi tọa độ từ ảnh sang gốc robot. Robot phải tính toán thời gian và vận tốc góc để đón đầu vật thể trước khi nó vượt ra khỏi tầm với. Sự rung lắc của băng tải cũng tác động xấu đến chất lượng hình ảnh thu nhận. Nếu không có thuật toán bù sai số động, cơ cấu gắp kẹp sẽ đánh rơi vật thể hoặc va đập mạnh xuống bề mặt băng tải gây hỏng hóc cơ khí.

III. Giải pháp robot SCARA 4 DOF phân loại đá và gỗ than tại HCMUTE

Giải pháp kỹ thuật tại HCMUTE tích hợp mô hình thị giác YOLO với cánh tay robot SCARA bốn bậc tự do. Camera công nghiệp lắp đặt phía trên băng chuyền ghi lại luồng khung hình liên tục. Thuật toán YOLO trích xuất đặc trưng hình ảnh nhằm phân biệt nhanh than đá, đất đá và mẩu gỗ vụn. Vị trí tâm và đường viền bao quanh của vật thể được tính toán tức thì theo thời gian thực. Hệ thống sử dụng ma trận chuyển đổi đồng nhất để biến đổi tọa độ điểm ảnh sang tọa độ làm việc của robot. Dữ liệu tọa độ truyền qua máy tính xử lý trung tâm và gửi trực tiếp tới PLC. Mô hình triển khai giao thức truyền thông MC Protocol khung 3E qua cổng Ethernet công nghiệp. Giao thức này đảm bảo tốc độ truyền nhận dữ liệu cực cao và không bị suy hao tín hiệu. Bộ điều khiển PLC nhận dữ liệu tọa độ và kích hoạt các ngõ ra điều khiển động cơ servo. Cánh tay SCARA di chuyển trơn tru tới vị trí đón đầu trên băng tải. Tay gắp khí nén thực hiện thao tác kẹp chặt tạp chất và nhấc bổng lên cao. Robot nhanh chóng quay về vị trí phễu thải quy định để nhả đá hoặc gỗ. Toàn bộ chu trình diễn ra mượt mà và chuẩn xác.

3.1. Ứng dụng mô hình YOLO và ma trận chuyển đổi tọa độ

Mạng nơ-ron tích chập YOLO đóng vai trò thị giác đắc lực cho cả hệ thống. Mô hình được huấn luyện kỹ lưỡng với tập dữ liệu hàng nghìn ảnh than đá, đá sỏi và thanh gỗ. YOLO phát hiện chính xác vật thể chỉ sau một lần quét ảnh. Tọa độ tâm pixel của dị vật nhanh chóng được xuất ra màn hình điều khiển. Sau đó, thuật toán áp dụng ma trận biến đổi thuần nhất để chuyển tọa độ camera sang tọa độ không gian làm việc của robot SCARA. Quá trình tính toán kết hợp thông số vận tốc băng tải giúp dự đoán điểm va chạm hoàn hảo. Nhờ vậy, tay gắp luôn tiếp cận đúng tâm khối của tạp chất mà không bị lệch mục tiêu.

3.2. Điều khiển servo qua PLC với MC Protocol khung 3E

Hệ thống sử dụng bộ điều khiển logic khả trình PLC Mitsubishi chuyên dụng làm hạt nhân điều hành. Việc truyền thông giữa máy tính chạy YOLO và PLC diễn ra thông qua giao thức MC Protocol khung 3E. Khung truyền 3E mã hóa dạng chuỗi ASCII giúp gửi địa chỉ ô nhớ và lệnh ghi thiết bị cực kỳ tin cậy. Dữ liệu góc quay động học ngược được nạp trực tiếp vào thanh ghi điều khiển vị trí của PLC. Từ đây, PLC phát các chuỗi xung điều khiển servo drive tốc độ cao để di chuyển bốn trục cánh tay robot. Toàn bộ quá trình handshake truyền nhận diễn ra theo năm bước chặt chẽ, loại bỏ hoàn toàn hiện tượng nghẽn mạng hay sót tín hiệu điều khiển khi vận hành liên tục.

IV. Đánh giá ứng dụng robot SCARA 4 DOF phân loại đá và gỗ than

Kết quả nghiên cứu thực nghiệm tại HCMUTE chứng minh tính khả thi vượt bậc của mô hình SCARA 4-DOF trong việc sàng lọc than đá. Hệ thống đạt tỷ lệ nhận dạng phân loại đá và gỗ trên 90% ngay trong điều kiện bụi mịn. Tốc độ đáp ứng của cánh tay robot duy trì ổn định dưới 2 giây cho mỗi chu trình gắp và thả vật cản. Giải pháp kỹ thuật loại bỏ phụ thuộc vào sức người trong môi trường mỏ than nguy hiểm. Công nhân không còn phải hít bụi than độc hại hay đối mặt nguy cơ tai nạn cơ học từ băng tải trượt. Năng suất phân loại duy trì liên tục suốt các ca làm việc mà không hề sụt giảm độ chính xác. Hơn thế nữa, tính mở của kiến trúc điều khiển cho phép dễ dàng nâng cấp thuật toán và mở rộng quy mô. Doanh nghiệp có thể tích hợp thêm các cảm biến quang phổ hoặc tăng số lượng cánh tay robot dọc theo tuyến băng. Mô hình không chỉ ứng dụng hiệu quả cho ngành than mà còn mở ra triển vọng lớn cho ngành phân loại rác thải tái chế, nông sản và khoáng sản kim loại.

4.1. Hiệu quả kinh tế và cải thiện an toàn lao động

Việc đưa cánh tay robot SCARA vào nhà máy giúp tiết kiệm đáng kể chi phí vận hành lâu dài. Doanh nghiệp cắt giảm được ngân sách nhân công làm việc trực tiếp tại vị trí phân loại sơ cấp. Tần suất xảy ra sự cố hỏng máy nghiền than giảm xuống mức thấp nhất nhờ loại bỏ sạch đá tảng. Tuổi thọ của các thiết bị buồng đốt và đường ống dẫn nhiệt tại nhà máy nhiệt điện được kéo dài đáng kể. Quan trọng hơn, công nhân vận hành tránh được các bệnh nghề nghiệp về đường hô hấp và thính giác do bụi than và tiếng ồn. Môi trường lao động được chuyển đổi sang hướng giám sát kỹ thuật an toàn trên máy tính phòng điều khiển.

4.2. Tiềm năng nhân rộng trong các ngành công nghiệp khác

Nền tảng công nghệ kết hợp SCARA, YOLO và giao thức MC Protocol mang tính ứng dụng linh hoạt rất cao. Cấu trúc mô-đun hóa cho phép thay đổi bộ gắp kẹp bằng đầu hút chân không hoặc kẹp chuyên dụng. Hệ thống có thể chuyển giao thuận lợi sang các dây chuyền phân loại nông sản xuất khẩu như thanh long, xoài hay tiêu thụ gỗ vụn sinh khối. Trong ngành tái chế chất thải, robot có thể tách lọc kim loại, nhựa và thủy tinh trên các băng tải rác hỗn hợp. Sự thành công của đề tài tại HCMUTE khẳng định năng lực làm chủ công nghệ tự động hóa cao cấp của kỹ sư Việt Nam, thúc đẩy mạnh mẽ công cuộc chuyển đổi số trong sản xuất công nghiệp nặng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong các nhà máy chế biến khoáng sản, công đoạn phân loại và loại bỏ các tạp chất không phải than như đá và mảnh gỗ sau khai thác là yêu cầu bắt buộc nhằm duy trì chất lượng thành phẩm, đảm bảo hiệu suất đốt cháy và ngăn ngừa hư hỏng các thiết bị nghiền, vận chuyển ở các khâu tiếp theo. Theo trình bày của tác giả Nguyễn Tấn Phát trong đồ án tốt nghiệp ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh, phương pháp phân loại thủ công truyền thống bộc lộ nhiều điểm nghẽn nghiêm trọng khi năng suất xử lý tăng cao.

Con người bị giới hạn về thể lực và khả năng quan sát; các mẩu gỗ hoặc đá có kích thước nhỏ nằm rải rác trên bề mặt băng tải chuyển động nhanh rất dễ bị bỏ sót. Bên cạnh đó, môi trường làm việc trong khu vực xử lý than có nồng độ bụi cao và tiềm ẩn nhiều nguy cơ gây hại lâu dài cho sức khỏe công nhân. Việc ứng dụng cánh tay robot công nghiệp (như SCARA hoặc Delta) kết hợp cùng thị giác máy tính nhận diện theo thời gian thực được xác định là hướng giải quyết thực tiễn để giải phóng sức lao động và tự động hóa dây chuyền.

Mục đích nghiên cứu của đề tài được tác giả xác định là: Thiết kế và điều khiển robot SCARA để loại bỏ gỗ và đá khỏi băng tải than đá.

Nhiệm vụ và mục tiêu nghiên cứu cụ thể bao gồm ba nội dung chính:

1. Chế tạo một hệ thống robot có khả năng di chuyển với tốc độ cao nhưng vẫn đảm bảo tính vận hành êm ái, ổn định.
2. Ứng dụng thiết bị ghi hình (camera) kết hợp thuật toán học sâu YOLO để định vị chính xác vị trí vật thể và thực hiện thao tác gắp phân loại.
3. Đảm bảo toàn bộ hệ thống duy trì hoạt động bình thường, tin cậy ngay cả khi tốc độ vận hành của băng chuyền thay đổi.

Về đối tượng nghiên cứu, đề tài tập trung vào hệ thống cánh tay robot SCARA 4 bậc tự do (4-DOF), mô hình thị giác máy tính phát hiện dị vật YOLOv11, hệ thống điều khiển lập trình PLC và cơ cấu chấp hành gắp phôi. Về phạm vi nghiên cứu, đề tài giới hạn không gian thực nghiệm trên một mô hình băng chuyền than tỷ lệ thử nghiệm, tập trung nghiên cứu sự tương tác giữa điều khiển chuyển động của robot và hệ thống thị giác máy tính dưới các dải vận tốc băng tải khác nhau. Tác giả xác định đề tài không đi sâu vào việc thiết kế cơ khí hoàn chỉnh cho băng chuyền công nghiệp hay xây dựng các hệ thống điều khiển quy mô lớn trong nhà máy.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết của đồ án được xây dựng dựa trên sự tích hợp giữa kỹ thuật robot công nghiệp, điều khiển tự động và xử lý ảnh học sâu:

• Lý thuyết robot học: Cấu trúc động học của cánh tay robot SCARA 4 bậc tự do (3 bậc chuyển động trong mặt phẳng ngang và 1 trục tịnh tiến thẳng đứng). Mô hình toán học bao gồm phương pháp giải bài toán động học thuận (Forward Kinematics), động học nghịch (Inverse Kinematics) dựa trên bảng thông số Denavit-Hartenberg (DH) và ma trận biến đổi thuần nhất (Homogeneous Transformation Matrix) nhằm liên kết hệ tọa độ giữa camera, robot và băng tải.
• Hệ thống điều khiển khả trình: Nền tảng PLC Mitsubishi dòng Q-Series (Universal Model QnUCPU, cụ thể là CPU Q03UDVCPU). Kiến trúc này hỗ trợ đa vi xử lý (lên đến 4 CPU chạy đồng thời), thời gian xử lý lệnh logic cơ bản (LD) đạt cấp độ nano giây. Ngôn ngữ lập trình được triển khai là giản đồ thang (Ladder Diagram - LAD) và văn bản có cấu trúc (Structured Text - ST).
• Hệ truyền động điện: Động cơ servo AC và servo driver của Mitsubishi. Cơ chế điều khiển vị trí hoạt động dựa trên hồi tiếp xung từ encoder (tuyệt đối hoặc tương đối) với các chế độ phát xung điều khiển: Pulse/Sign, CW/CCW và Pulse/Pulse (lệch pha 90 độ), hoặc truyền thông mạng chuyển động SSCNET.
• Cảm biến thị giác độ sâu (Depth Camera): Nguyên lý camera thu nhận chiều sâu dựa trên công nghệ Active Stereo Infrared (IR) hoặc Time-of-Flight (ToF). Dữ liệu trục Z giúp hệ thống nhận diện độ cao của các dị vật gồ ghề, nằm xếp chồng lên nhau trên mặt than.
• Mô hình thị giác máy tính: Mạng nơ-ron tích chập YOLOv11 (Ultralytics), có kiến trúc gồm 24 lớp tích chập, 4 lớp max-pooling và 2 lớp fully connected, chia làm ba khối: Backbone (trích xuất đặc trưng), Neck (cấu trúc FPN/PAN kết hợp đặc trưng đa tỷ lệ) và Head (dự đoán bounding box, điểm tin cậy và phân lớp).
• Giao thức truyền thông công nghiệp: MC Protocol (MELSEC Communication Protocol) của Mitsubishi, sử dụng khung truyền 3E Frame (chuỗi ký tự ASCII) qua mạng Ethernet để đọc và ghi trực tiếp dữ liệu vào thanh ghi (D) và rơ-le (M, X, Y) của PLC mà không cần lập trình truyền thông chuyên biệt phía PLC.

Phương pháp nghiên cứu kết hợp giữa phân tích lý thuyết, mô phỏng và thực nghiệm. Tác giả khảo cứu các công trình quốc tế như phương pháp hợp tác đa tay gắp dựa trên thuật toán Hungarian cải tiến (xây dựng ma trận lợi ích, bổ sung cánh tay ảo, chuyển sang ma trận chi phí để tối ưu hóa) và phương pháp quy hoạch quỹ đạo 7 đoạn (Seven-Segment Trajectory Planning) kết hợp thuật toán tối ưu hóa bầy đàn (PSO) nhằm giảm giật (jerk) khi bám bắt mục tiêu di động. Về nghiên cứu trong nước, tác giả tham khảo công trình của Trần Ngọc Huy (2019) sử dụng SCARA YK-400X với thuật toán PCA-SIFT trên băng chuyền tốc độ 5 cm/s. Nguồn dữ liệu thực nghiệm gồm các hình ảnh thực tế chụp bề mặt băng chuyền chứa than, gỗ, đá được thu thập và gán nhãn trên nền tảng Roboflow để huấn luyện mô hình YOLOv11.

Thiết kế và triển khai

Hệ thống được thiết kế và chế tạo dưới dạng một mô hình phần cứng kỹ thuật hoàn chỉnh:

• Phần cơ khí và chấp hành: Tay máy sử dụng kết cấu cơ khí SCARA EPSON G6-551S được cố định chắc chắn trên bệ thép chịu lực (steel base plate). Cơ cấu gắp sử dụng tay kẹp khí nén (pneumatic gripper) điều khiển thông qua van điện từ khí nén (solenoid valve).
• Thiết bị điện và điều khiển:
  • Bộ điều khiển trung tâm: PLC Mitsubishi Q03UDVCPU đặt trên thanh đế rack.
  • Mô-đun chức năng: Mô-đun phát xung định vị 4 trục QD75MH4 và mô-đun ngõ ra tương tự QY42P.
  • Động cơ và driver: Các động cơ servo AC gồm HF-KP23G1, HF-KP43, HF-KP73 kết hợp các driver điều khiển MR-J4W2-22B và MR-J3W-22B chịu trách nhiệm dẫn động các trục robot.
  • Động cơ kéo băng tải: Sử dụng động cơ không chổi than DC Brushless Motor AXHM230K, điều khiển tốc độ thông qua driver chuyên dụng và tín hiệu từ mô-đun analog của PLC.
  • Thiết bị phụ trợ: Bộ nguồn chuyển mạch, rơ-le trung gian, hệ thống dây dẫn tín hiệu được đấu nối theo sơ đồ tổng thể và sơ đồ chi tiết cho từng khối tải.
• Kiến trúc phần mềm và thuật toán điều khiển:
  • Khối xử lý ảnh đầu vào: Camera độ sâu ghi nhận liên tục luồng hình ảnh phía trên băng chuyền; mô hình YOLOv11 chạy trên máy tính xử lý khung hình để xác định nhãn (gỗ, đá) và tọa độ pixel tâm của vật thể.
  • Khối xử lý dữ liệu: Thực hiện phép biến đổi ma trận thuần nhất để chuyển đổi tọa độ điểm từ hệ quy chiếu camera sang hệ quy chiếu làm việc của robot. Thuật toán tính toán vận tốc và thời gian chuyển động để dự đoán điểm đón bắt khi phôi đang trôi theo băng tải.
  • Khối điều khiển và truyền thông: Máy tính đóng gói dữ liệu tọa độ mục tiêu thành khung 3E Frame của MC Protocol và gửi qua cáp mạng Ethernet tới các thanh ghi D của PLC. PLC giải mã dữ liệu, nạp tham số vào mô-đun QD75MH4 để điều khiển các servo di chuyển tay gắp đồng bộ với băng tải, kích hoạt van khí nén gắp vật thể và thả vào vị trí quy định.
• Giao diện vận hành: Hệ thống trang bị màn hình đăng nhập quản trị và màn hình điều khiển bằng tay (JOG operation screen), cho phép người vận hành di chuyển từng trục, kiểm tra gốc tọa độ Home (X=0, Y=0, Z=0) cũng như kiểm tra các vị trí định tuyến cố định.

Nội dung chính theo từng chương

Chapter 1: Overview

Chương này trình bày lý do chọn đề tài xuất phát từ yêu cầu nâng cao chất lượng than và bảo vệ sức khỏe người lao động. Tác giả phân tích chi tiết tổng quan nghiên cứu quốc tế, nổi bật là phương pháp phân loại gangue đa cánh tay dùng thuật toán Hungarian cải tiến và phương pháp quy hoạch quỹ đạo 7 đoạn kết hợp thuật toán PSO để giảm thiểu va đập cơ học khi gắp vật thể chuyển động. Nghiên cứu trong nước của Trần Ngọc Huy (2019) được đối chiếu để chỉ ra khoảng trống về tốc độ xử lý (hệ thống cũ mất trên 2 giây/vật thể ở tốc độ băng tải 5 cm/s). Tác giả xác lập mục đích nghiên cứu, 3 mục tiêu cụ thể, phương pháp luận nghiên cứu và phạm vi kỹ thuật của đồ án.

Chapter 2: Theoretical Foundation

Chương 2 hệ thống hóa toàn bộ lý thuyết nền tảng cho việc thiết kế:

• Nguyên lý kết cấu, ưu nhược điểm và ứng dụng của dòng robot SCARA trong lắp ráp và gắp đặt công nghiệp.
• Cấu trúc phần cứng PLC Mitsubishi Q-Series, đặc điểm dòng CPU Universal và các ưu thế xử lý lệnh tốc độ cao.
• Cấu tạo động cơ servo AC, nguyên lý bộ mã hóa xung (encoder), cơ chế điều khiển vị trí (Pulse/Sign, CW/CCW, Pulse/Pulse) và các giao thức mạng chuyển động.
• Nguyên lý hoạt động của camera độ sâu (Active Stereo IR và ToF) trong việc giải quyết bài toán vật thể xếp chồng và không gian 3 chiều.
• Cấu trúc mạng YOLOv11, so sánh sự cân bằng giữa độ chính xác và độ trễ (latency) so với các thế hệ YOLO tiền nhiệm.
• Cấu trúc giao thức MC Protocol, các thành phần bản tin truyền nhận (Header, Subheader, PC No., timer, dữ liệu, mã kết thúc) và quy trình 5 bước trao đổi dữ liệu qua khung truyền 3E Frame.
• Cơ sở toán học về động học robot SCARA và phương pháp lập bảng thông số Denavit-Hartenberg (DH).

Chapter 3: System Design and Implementation

Chương này mô tả chi tiết quá trình hiện thực hóa mô hình phần cứng:

• Thuyết minh thông số kết cấu tay máy SCARA Epson G6-551S và bản vẽ bệ đỡ bằng thép.
• Lựa chọn thiết bị điện: PLC Q03UDVCPU, mô-đun định vị QD75MH4, mô-đun analog QY42P, các động cơ servo HF-KP23G1, HF-KP43, HF-KP73 cùng driver Mitsubishi MR-J4W2-22B và MR-J3W-22B.
• Tích hợp động cơ DC không chổi than AXHM230K kéo băng chuyền.
• Thiết kế hệ thống khí nén gồm tay kẹp và van solenoid; thiết kế mạch nguồn, rơ-le và bản vẽ sơ đồ đấu nối dây toàn hệ thống (System Wiring Diagram, Conveyor motor wiring diagram, Camera and gripper wiring diagram).

Chapter 4: Control Algorithm

Chương 4 tập trung vào thuật toán điều khiển phối hợp:

• Xây dựng ma trận chuyển đổi tọa độ thuần nhất giữa hệ quy chiếu camera, robot và băng tải.
• Xây dựng lưu đồ giải thuật phân loại tổng thể cho dị vật đá và gỗ.
• Chi tiết hóa giải thuật của Khối xử lý ảnh đầu vào, Khối xử lý dữ liệu (tính toán vận tốc bám bắt và thời gian di chuyển) và Khối điều khiển chuyển động đồng bộ.

Chapter 5: Simulation and Experimental Evaluation

Chương này báo cáo các kết quả thử nghiệm thực tế:

• Kiểm thử các chế độ vận hành bằng tay (JOG) tại các vị trí kiểm tra: điểm Home (X=0, Y=0, Z=0), điểm X=30cm, Y=26cm, Z=0; điểm X=39cm, Y=37cm; kiểm tra góc xoay tại các nghiệm động học khác nhau.
• Báo cáo kết quả huấn luyện mô hình YOLOv11 trên Roboflow với 4 kịch bản ảnh: băng tải chứa toàn than đá; băng tải có than và gỗ; băng tải có than, gỗ và đá; băng tải xuất hiện các dị vật chưa từng được huấn luyện.
• Thực nghiệm phân loại hệ thống qua 6 lần chạy thử (Test run 1 đến Test run 6) tương ứng 6 dải tốc độ băng tải từ 104 mm/s đến 628 mm/s.
• Bảng tổng hợp hiệu suất hệ thống (Performance Summary Table) và phân tích nguyên nhân gốc rễ gây ra lỗi gắp (Root Cause Analysis).

Chapter 6: Conclusion and Development

Tổng kết các kết quả đạt được về mặt thiết kế, điều khiển và độ chính xác phân loại; đồng thời trình bày các định hướng phát triển nhằm nâng cao hiệu năng trong tương lai.

Kết quả và đóng góp

Đồ án đã chế tạo thành công một mô hình thực nghiệm hoàn chỉnh tích hợp giữa cơ khí, điện tử, điều khiển tự động và thị giác máy tính. Mô hình YOLOv11 sau khi huấn luyện có khả năng nhận dạng chính xác gỗ và đá trong các điều kiện chiếu sáng khác nhau và ngay cả khi vật thể nằm trên nền than có mật độ dày.

Hệ thống đã trải qua quá trình kiểm thử thực nghiệm qua 6 lần chạy với các thông số tốc độ băng tải được đo đạc cụ thể:

Lần chạy thử nghiệm	Tốc độ động cơ băng tải (vòng/phút)	Vận tốc dài của băng chuyền (mm/s)
Test run 1	500 RPM	104 mm/s
Test run 2	1000 RPM	209 mm/s
Test run 3	1500 RPM	314 mm/s
Test run 4	2000 RPM	418 mm/s
Test run 5	2500 RPM	523 mm/s
Test run 6	3000 RPM	628 mm/s

Robot đã thực hiện chính xác các chuỗi chuyển động theo quỹ đạo được lập trình, gắp và loại bỏ dị vật một cách tin cậy. Về mặt giải pháp công nghệ, tác giả đã đề xuất:

• Sử dụng giao thức truyền thông MC Protocol qua khung truyền 3E Frame trên nền Ethernet, giúp kết nối máy tính xử lý ảnh trực tiếp với bộ nhớ PLC Mitsubishi một cách tinh gọn, giảm tải việc lập trình khối truyền thông phức tạp trên PLC.
• Ứng dụng cảm biến đo chiều sâu nhằm giải quyết triệt để hạn chế của camera 2D thông thường trong việc xác định độ cao gắp khi vật thể xếp chồng hoặc có bề mặt không phẳng.

So với các nghiên cứu trong nước trước đây (tiêu biểu là nghiên cứu năm 2019 của Trần Ngọc Huy chỉ thực hiện phân loại ở dải tốc độ băng tải cố định 50 mm/s với thời gian nhận diện trên 2 giây), hệ thống của tác giả Nguyễn Tấn Phát đã nâng tốc độ thử nghiệm lên dải từ 104 mm/s đến 628 mm/s nhờ năng lực xử lý thời gian thực của thuật toán YOLOv11 và tính đồng bộ cao của hệ thống PLC Mitsubishi Q-Series.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các phân tích trong văn bản và phạm vi nghiên cứu thực tế, đề tài tồn tại một số hạn chế:

• Hệ thống mới dừng lại ở quy mô mô hình thực nghiệm bán tự động (semi-autonomous) trong phòng thí nghiệm; chưa thiết kế cơ khí và kết cấu chịu tải cho các dây chuyền phân loại than công nghiệp hạng nặng tại mỏ.
• Độ chính xác nhận dạng bị suy giảm khi trên băng tải xuất hiện các dị vật bất thường nằm ngoài tập dữ liệu hình ảnh đã huấn luyện (objects not included in training).
• Khi tốc độ băng tải tăng lên mức tối đa (628 mm/s tại 3000 RPM), bài toán đồng bộ vận tốc và giảm rung động cơ học xuất hiện nhiều sai số bám bắt hơn, như đã chỉ ra trong bảng phân tích nguyên nhân lỗi (Root Cause Analysis).

Các hướng mở tiếp theo được tác giả nêu ra bao gồm:

• Hoàn thiện và tối ưu hóa hơn nữa thuật toán quy hoạch quỹ đạo chuyển động (motion planning) của tay máy để nâng cao độ mượt mà khi bám bắt ở dải tốc độ cao.
• Tích hợp thêm các cảm biến bổ trợ (additional sensors) nhằm tăng cường độ ổn định và tính an toàn cho hệ thống.
• Nghiên cứu mở rộng hệ thống để áp dụng vào các dây chuyền sản xuất thực tế trong công nghiệp chế biến khoáng sản.

Giá trị tham khảo

Đồ án là tài liệu tham khảo hữu ích cho sinh viên, học viên cao học và kỹ sư thuộc các chuyên ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Kỹ thuật Robot và Trí tuệ nhân tạo ứng dụng. Tài liệu cung cấp góc nhìn thực hành rõ ràng cho những ai đang thực hiện các đề tài về cánh tay robot gắp sản phẩm di động trên băng chuyền hoặc tích hợp mô hình học sâu vào hệ điều khiển công nghiệp.

Các nội dung có giá trị tham khảo chuyên sâu bao gồm:

• Phương pháp xây dựng ma trận chuyển đổi tọa độ thuần nhất giữa hệ quy chiếu camera và robot SCARA (Chương 4).
• Cấu hình và phương thức truyền thông công nghiệp MC Protocol qua khung 3E Frame để đồng bộ dữ liệu giữa máy tính cá nhân và PLC Mitsubishi Q-Series (Chương 2 và Chương 3).
• Dữ liệu và phương pháp bố trí thực nghiệm kiểm thử phân loại động theo 6 cấp tốc độ băng tải (Chương 5).

Câu hỏi thường gặp

1. Đề tài sử dụng mô hình học sâu nào để nhận diện dị vật và cấu trúc mạng cơ bản ra sao?
Tác giả sử dụng mô hình YOLOv11 của Ultralytics. Mạng nơ-ron này có kiến trúc gồm 24 lớp tích chập (convolutional layers), 4 lớp max-pooling và 2 lớp fully connected; phân bố thành ba khối chính là Backbone (trích xuất đặc trưng), Neck (tổng hợp đặc trưng đa tỷ lệ qua FPN/PAN) và Head (dự đoán bounding box, điểm tin cậy và phân lớp).

2. Bộ điều khiển trung tâm và các cơ cấu chấp hành chuyển động trong hệ thống gồm những thiết bị cụ thể nào?
Hệ thống sử dụng CPU PLC Mitsubishi dòng Universal Q03UDVCPU kết hợp mô-đun phát xung định vị QD75MH4 và mô-đun ngõ ra analog QY42P. Cơ cấu truyền động gồm các động cơ servo AC HF-KP23G1, HF-KP43, HF-KP73 được điều khiển bởi các servo driver Mitsubishi MR-J4W2-22B và MR-J3W-22B; động cơ kéo băng tải là loại DC không chổi than AXHM230K.

3. Tọa độ của dị vật được truyền từ máy tính xử lý ảnh sang PLC bằng phương thức nào?
Dữ liệu tọa độ được truyền qua giao thức MC Protocol (MELSEC Communication Protocol) bằng khung truyền 3E Frame mã hóa dạng chuỗi ASCII qua mạng Ethernet. Giao thức này cho phép máy tính ghi trực tiếp vào các thanh ghi dữ liệu D của PLC mà không cần viết chương trình truyền thông trên PLC.

4. Quá trình kiểm nghiệm phân loại thực tế được tiến hành ở những mức vận tốc băng tải nào?
Quá trình kiểm thử được thực hiện qua 6 mức vận tốc: 104 mm/s (ứng với tốc độ động cơ 500 RPM), 209 mm/s (1000 RPM), 314 mm/s (1500 RPM), 418 mm/s (2000 RPM), 523 mm/s (2500 RPM) và 628 mm/s (3000 RPM).

5. Vì sao tác giả cần sử dụng camera đo chiều sâu (depth camera) thay vì camera 2D tiêu chuẩn?
Do các tạp chất gỗ và đá trên dòng than có kích thước gồ ghề và có thể nằm xếp chồng lên nhau, camera 2D thông thường không thể nhận biết được độ dày và vị trí chiều cao. Camera độ sâu (sử dụng Active Stereo IR hoặc ToF) bổ sung thông tin tọa độ trục Z, giúp cánh tay robot xác định chính xác độ cao kẹp giữ, tránh va chạm và tăng độ an toàn cho tay gắp khí nén.

Kết luận

Đồ án tốt nghiệp của tác giả Nguyễn Tấn Phát đã nghiên cứu và triển khai thành công mô hình tích hợp robot SCARA với thị giác máy tính YOLOv11 và bộ điều khiển PLC Mitsubishi Q-Series để giải quyết bài toán phân loại gỗ và đá trên băng tải than. Hệ thống đã giải quyết trọn vẹn từ khâu động học tay máy, chuyển đổi tọa độ không gian thực đến truyền thông công nghiệp MC Protocol qua Ethernet. Các kết quả thực nghiệm bám bắt và phân loại tin cậy ở dải tốc độ băng tải từ 104 mm/s đến 628 mm/s là cơ sở khoa học quan trọng cho việc phát triển các dây chuyền phân loại tự động trong ngành công nghiệp khai thác và chế biến khoáng sản.

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING HCMC UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY OF INTERNATIONAL EDUCATION DEPARTMENT OF AUTOMATION AND CONTROL -------------------- GRADUATION PROJECT DESIGN AND CONTROL OF A 4-DOF SCARA ROBOT FOR SORTING WOOD AND STONES FROM COAL Major: Automation and Control Engineering Technology Thesis Supervisor: PhD Trần Mạnh Sơn Executor: Nguyễn Tấn Phát Student ID: 21151041 Hồ Chí Minh City, January 5 ,2026 MINISTRY OF EDUCATION AND TRAINING HCMC UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY OF INTERNATIONAL EDUCATION DEPARTMENT OF AUTOMATION AND CONTROL -------------------- GRADUATION PROJECT DESIGN AND CONTROL OF A 3-DOF SCARA ROBOT FOR SORTING WOOD AND STONES FROM COAL Major: Automation and Control Engineering Technology Execute Supervisor: PhD Trần Mạnh Sơn Executor: Nguyễn Tấn Phát Student ID: 21151041 Hồ Chí Minh City, January 5,2026 HO CHI MINH CITY UNIVERSITY OF SOCIALIST REPUBLIC OF VIETNAM TECHNOLOGY AND ENGINEERING Independence – Freedom – Happiness FACULTY OF ADVANCED EDUCATION DEPARTMENT OF AUTOMATION AND CONTROL ---o0o--- Hồ Chí Minh city, January 5, 2026 GRADUATION THESIS ASSIGNMENT Supervisor: PhD Trần Mạnh Sơn Students: Nguyễn Tấn Phát Student ID: 21151041 Class: 21151FIIE2 Tel: [phone] Major: Automation and Control Engineering Technology Training System: Full-time Program Cohort: 21 Class: 21151FIE2 1. Project Title Design and control of a 4-DOF SCARA robot for sorting wood and stones from coal. Project Content Chapter 1 provides an overview of the thesis, including the problem statement, related works, research objectives, scope, and methodology. Chapter 2 presents the theoretical background of the robot, PLC, camera, MC communication protocol, as well as the YOLO algorithm and robot kinematics.

Chapter 3 describes the design and installation of the robot, conveyor, camera, and PLC-based control system, as well as the design of the electrical wiring to ensure convenience and safety. Chapter 4 focuses on the study of the homogeneous transformation matrix between the robot and the camera, as well as the methods for calculating the robot’s velocity and motion time to reach the object position. In addition, this chapter explains how the camera and the overall system operate through block diagrams. Chapter 5 focuses on the analysis and evaluation of the practical performance of the YOLO model, as well as the results achieved by the system in relation to the predefined objectives.

HO CHI MINH CITY UNIVERSITY OF SOCIALIST REPUBLIC OF VIETNAM TECHNOLOGY AND ENGINEERING Independence – Freedom – Happiness FACULTY OF ADVANCED EDUCATION DEPARTMENT OF AUTOMATION AND CONTROL ---o0o--- Hồ Chí Minh city, January 5, 2026 GRADUATION PROJECT IMPLEMENTATION SCHEDULE Student 1: Nguyễn Tấn Phát Student ID: 21151041 Project Title: Design and control of a 4-DOF SCARA robot for sorting wood and stones from coal. Start Date Supervisor’s Contents (Week) Confirmation Research the project overview, including 1/8 to 21/8 related works, real-life project applications, scope, (3 weeks) and objectives. Complete Chapter 1 Overview. Robot control uses kinematics and PLCs to guide movements, while YOLO-based image processing 21/8 to 12/9 classifies wood and stones from coal.

The system (3 weeks) works through data acquisition, model training, real- time detection, and robotic sorting, with MC Protocols ensuring synchronized communication. The model is designed, fabricated, and installed on the base platform, including its electrical system. Forward and inverse kinematics are calculated, and the robot is tested using drivers 12/9 to 17/10 and specialized software to determine optimal (5 weeks) parameters. The conveyor motor is also tested, controlled via a driver and the PLC analog module.