Giới thiệu dự án

Trong kỷ nguyên tự động hóa công nghiệp và Logistics 4.0, xe tự hành dẫn đường tự động (Automated Guided Vehicle - AGV) đóng vai trò then chốt trong việc tối ưu hóa chuỗi cung ứng, giảm thiểu 40–60% chi phí nhân công vận chuyển nội bộ và nâng cao độ an toàn trong nhà xưởng thông minh. Đồ án "Thiết kế, chế tạo và điều khiển Xe bám line tự động" do nhóm nghiên cứu Khoa Cơ khí - Bộ môn Cơ điện tử, Trường Đại học Bách Khoa – ĐHQG TP.HCM thực hiện (dưới sự hướng dẫn của PGS.TS Nguyễn Quốc Chí) tập trung giải quyết bài toán cốt lõi: phát triển hệ thống robot di động (Mobile Robot) bám quỹ đạo quang học với độ chính xác cao, khả năng kháng nhiễu môi trường vượt trội và tối ưu hóa chi phí sản xuất phần cứng.

                  +----------------------------------------------+
                  |           HỆ THỐNG ĐIỀU KHIỂN AGV            |
                  +----------------------------------------------+
                                         |
                  +----------------------+----------------------+
                  |                                             |
                  v                                             v
     +-------------------------+                   +-------------------------+
     |   TẦNG CAO (HIGH-LEVEL) |                   |    TẦNG THẤP (LOW-LEVEL)|
     |  Bộ điều khiển Mờ 25 luật|                   |  Điều khiển Động cơ P/PID|
     |   Center Average Method  |                   |   STM32F103C8T6 @ 72MHz |
     +-------------------------+                   +-------------------------+
                  |                                             |
                  +----------------------+----------------------+
                                         |
                                         v
                         +-------------------------------+
                         |   CƠ CẤU CHẤP HÀNH & CẢM BIẾN   |
                         | - 2 Động cơ GA25 + Encoder    |
                         | - Mảng 7 Phototransistor IR   |
                         | - Driver TB6612FNG / LM2596   |
                         +-------------------------------+

Vấn đề kỹ thuật và điểm nghẽn thực tế

Các dòng xe dò line truyền thống trên thị trường và trong các cuộc thi kỹ thuật thường đối mặt với các vấn đề:

  1. Hiện tượng dao động góc (chattering/hunting) khi chuyển tiếp giữa cung thẳng và cung cong bán kính nhỏ ($R = 500\text{ mm}$).
  2. Mất dấu đường line do cảm biến quang trở (CdS) hoặc photodiode bị bão hòa dưới ánh sáng khả kiến môi trường ($380\text{--}700\text{ nm}$).
  3. Độ trễ điều khiển lớn khi xử lý tín hiệu camera phức tạp trên các vi điều khiển nhúng giá rẻ.
  4. Mất cân bằng động lực học khi mang tải trọng lớn ($2\text{ kg}$) trên khung gầm có tổng khối lượng xe dưới $4\text{ kg}$.

Mục tiêu kỹ thuật của dự án

  1. Thiết kế cơ khí chính xác: Khung gầm 2 bánh chủ động vi sai kết hợp 1 bánh mắt trâu bị động, kích thước tổng thể $300 \times 220 \times 300\text{ mm}$, tải trọng hữu ích $2\text{ kg}$, đáp ứng tiêu chuẩn chống lật ngang và lật dọc.
  2. Xử lý tín hiệu cảm biến thông minh: Mảng 7 cảm biến phototransistor hồng ngoại TCRT5000 ($\lambda = 950\text{ nm}$), tính toán tọa độ line theo thuật toán trọng số trung bình (Weighted Average) đạt sai số vị trí $\le 1.0\text{ mm}$.
  3. Cấu trúc điều khiển 2 tầng (Hierarchical Control):
    • Tầng cao: Bộ điều khiển mờ trực tiếp (Direct Action Fuzzy Controller) 25 luật giải mờ theo phương pháp Center Average, xử lý sai số khoảng cách ($e_2$) và sai số góc ($e_3$).
    • Tầng thấp: Bộ điều khiển P/PID tốc độ động cơ DC giảm tốc GA25 với phản hồi Encoder quang học 11 xung/vòng (11 PPR).
  4. Hiệu suất vận hành: Vận tốc trung bình $v_{avg} \ge 0.5\text{ m/s}$, vận tốc cực đại $v_{max} = 0.65\text{ m/s}$, sai số bám line cực đại $e_C < 13\text{ mm}$, hoàn thành quỹ đạo sa bàn phức tạp (qua các nút A-B-C-D-E-F-C-G-A-C-E) trong thời gian dưới $20\text{ s}$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Xe UIT-Mon (2013) Xe FRAGILE013RT (Nhật Bản) Xe Fireball-line (Mỹ) Giải pháp Đề tài (HCMUT)
Cấu hình dẫn động 2 bánh sau + 1 bánh tự lựa 2 chủ động + 1 dẫn hướng 4 bánh chủ động (4 DC Motor) 2 bánh chủ động + 1 bánh mắt trâu
Cảm biến dò line 7 cặp LED IR (Digital) 5 SHARP GP2S40 IR 8 cảm biến hồng ngoại 7 TCRT5000 Phototransistor (Analog)
Giải thuật vị trí Ngưỡng nhị phân (Threshold) Tuyến tính nội suy Logic rời rạc Thuật toán trọng số trung bình
Thuật toán điều khiển PID cổ điển PID rời rạc PD vi sai Fuzzy Logic 25 luật + P Loop
Vận tốc / Tải trọng $1.5\text{ m/s}$ / Không tải $6.5\text{ m/s}$ / $126\text{ g}$ $1.8\text{ m/s}$ / Không tải $0.65\text{ m/s}$ / Tải trọng $2.0\text{ kg}$
Độ ổn định khi mang tải Kém (dễ lật khi lệch tâm) Kém khi vào cua tốc độ cao Trung bình (nặng, cồng kềnh) Rất cao (Hệ số an toàn lật $S \ge 1.5$)

Ma trận ưu tiên yêu cầu kỹ thuật (MoSCoW)

  • Must-have (Bắt buộc): Vận tốc $v \ge 0.5\text{ m/s}$; mang tải $2\text{ kg}$; giữ sai số bám line $e_C < 13\text{ mm}$; thuật toán quay $98^\circ$ tại nút giao điểm A với tốc độ $10\text{ rad/s}$.
  • Should-have (Nên có): Tần số trích mẫu $T_s = 30\text{ ms}$; mạch nguồn cách ly chống sụt áp khi khởi động động cơ; thuật toán lọc nhiễu quang học.
  • Could-have (Có thể có): Cơ cấu kiểm tra sai số quang học trực tiếp; giao tiếp giám sát UART thời gian thực.
  • Won't-have (Chưa thực hiện): Hệ thống định vị kết hợp LiDAR SLAM; cơ cấu tự động nâng hạ kiện hàng.

Thiết kế hệ thống

graph TD
    subgraph SENSING_SYSTEM ["Khối Thu Thập Dữ Liệu"]
        A1[Mảng 7 Cảm biến TCRT5000] -->|7 Kênh Analog ADC| B1[STM32F103C8T6 ADC DMA]
        A2[Encoder Kênh A/B 11 PPR] -->|Timer Capture Interrupt| B1
    end

    subgraph COMPUTATION_CORE ["Khối Xử Lý & Điều Khiển"]
        B1 --> C1["Giải thuật Trọng số Trung bình<br/>Xác định e2, e3"]
        C1 --> C2["Bộ điều khiển Mờ 2 Tầng (Fuzzy Logic)<br/>25 Luật, Defuzzification Center Average"]
        C2 --> C3["Bộ điều khiển Tốc độ P<br/>Kp = 0.2488"]
    end

    subgraph ACTUATION_SYSTEM ["Khối Chấp Hành & Động Lực"]
        C3 -->|Xung PWM 10 kHz| D1[Driver H-Bridge TB6612FNG]
        D1 -->|Điện áp 0-12VDC| D2[2x Động cơ DC Giảm tốc GA25]
        D2 --> D3[Hệ dẫn động Vi sai 2 Bánh]
    end

    subgraph POWER_SYSTEM ["Hệ Thống Nguồn"]
        E1[Pin Li-Po 3S 11.1V / 12V DC] --> E2[Mạch hạ áp xung LM2596]
        E2 -->|5V / 3.3V DC 3A| B1
        E1 -->|12V DC Direct| D1
    end

Ngăn xếp công nghệ phần cứng và phần mềm

Thành phần Thông số / Công nghệ Vai trò kỹ thuật
Vi điều khiển chính STM32F103C8T6 (32-bit ARM Cortex-M3, 72 MHz, 64 KB Flash, 20 KB SRAM) Xử lý ADC đa kênh, giải mờ thời gian thực, điều chế PWM
Driver động cơ TB6612FNG Dual H-Bridge MOSFET ($I_{peak} = 3.2\text{ A}$, $V_{in} = 4.5\text{--}15\text{ V}$) Hiệu suất cao hơn L298N, tỏa nhiệt thấp, đáp ứng xung 100 kHz
Cảm biến dò line Mảng 7 cảm biến hồng ngoại TCRT5000 ($\lambda = 950\text{ nm}$) Đọc tín hiệu phản xạ Analog phân giải cao, triệt tiêu ánh sáng trắng
Động cơ chấp hành 2x GA25 DC Geared Motor 12V 600 RPM, Stall Torque $7.2\text{ Nm}$ Đảm bảo mô-men xoắn kéo tải $4\text{ kg}$ vượt dốc và tăng tốc trong $1\text{ s}$
Công cụ mô phỏng MATLAB/Simulink R2019b, System Identification Toolbox Nhận dạng hàm truyền động cơ, mô phỏng động học xe và bộ Fuzzy
Môi trường phát triển Keil MDK-ARM v5.29, Proteus 8.9 Professional, SolidWorks 2019 Lập trình C nhúng Bare-metal/HAL, mô phỏng mạch và thiết kế 3D CAD

Phương pháp luận (Methodology)

Dự án áp dụng mô hình phát triển hệ thống Cơ điện tử chữ V (V-Model Mechatronics), kết hợp giữa tính toán lý thuyết giải tích, mô phỏng số và thực nghiệm kiểm chứng:

  1. Phân tích động học & động lực học: Xác định hệ phương trình vi phân trạng thái phi tuyến của robot di động vi sai:

$$\begin{cases} \dot{e}_2 = v \cdot \sin(e_3) \approx v \cdot e_3 \ \dot{e}_3 = \omega - v \cdot \kappa(s) \end{cases}$$

Trong đó $e_2$ là khoảng cách dịch tâm khỏi line (mm), $e_3$ là sai số góc hướng xe so với tiếp tuyến đường cong (rad), $\kappa(s)$ là độ cong sa bàn. 2. Thiết kế phân kỳ 12 tuần:

  • Tuần 1–3: Khảo sát động học, tính toán công suất động cơ, lựa chọn linh kiện.
  • Tuần 4–6: Thiết kế 3D SolidWorks, mô phỏng lực lật, gia công khung gầm và thi công mạch PCB cảm biến.
  • Tuần 7–9: Nhận dạng hệ thống thực nghiệm trên MATLAB, thiết kế bộ điều khiển Mờ và vòng lặp P.
  • Tuần 10–12: Tích hợp hệ thống, hiệu chỉnh thông số thực nghiệm và đánh giá sai số bám quỹ đạo.

Thực thi và Kết quả Thực nghiệm

   [Thuật toán Trọng số Trung bình (Weighted Average)]
   
   Vị trí cảm biến (w_i):  [-3]   [-2]   [-1]   [ 0]   [+1]   [+2]   [+3]
   Mảng 7 TCRT5000:       ( S1 ) ( S2 ) ( S3 ) ( S4 ) ( S5 ) ( S6 ) ( S7 )
   Giá trị quang trở (A_i): 120    180    850    980    310    105    95
   
   Toạ độ Line:  x = SUM(w_i * A_i) / SUM(A_i)  -->  Độ mịn cao hơn so với nhị phân

Thuật toán xác định tọa độ đường Line

Thay vì sử dụng phương pháp nhị phân hóa (Thresholding) gây mất thông tin vị trí giữa hai cảm biến, hệ thống triển khai giải thuật Trọng số trung bình (Weighted Average Algorithm) trên 7 kênh Analog:

$$x_{line} = \frac{\sum_{i=1}^{7} w_i \cdot A_i}{\sum_{i=1}^{7} A_i} = \frac{-3A_1 - 2A_2 - 1A_3 + 0A_4 + 1A_5 + 2A_6 + 3A_7}{\sum_{i=1}^{7} A_i}$$

// Implementation giải thuật xác định vị trí line và sai số góc trên STM32 (Keil C)
#define NUM_SENSORS 7
const float SENSOR_WEIGHTS[NUM_SENSORS] = {-3.0f, -2.0f, -1.0f, 0.0f, 1.0f, 2.0f, 3.0f};

typedef struct {
    float e2;       // Sai số khoảng cách dịch tâm (mm)
    float e3;       // Sai số góc lệch (rad)
    float last_e2;
} RobotState_t;

void Calculate_Line_Error(uint16_t adc_raw[NUM_SENSORS], RobotState_t *state, float dt) {
    float weighted_sum = 0.0f;
    uint32_t total_sum = 0;
    
    for (int i = 0; i < NUM_SENSORS; i++) {
        // Chuẩn hóa tín hiệu ADC đảo (đường đen giá trị cao, nền trắng giá trị thấp)
        uint16_t val = 4095 - adc_raw[i];
        if (val < 200) val = 0; // Bộ lọc ngưỡng nhiễu nền (Noise Floor Filter)
        weighted_sum += SENSOR_WEIGHTS[i] * (float)val;
        total_sum += val;
    }
    
    if (total_sum > 100) {
        float norm_pos = weighted_sum / (float)total_sum; // [-3.0 .. +3.0]
        state->e2 = norm_pos * 12.0f; // Scale theo bước cảm biến thực tế (mm)
        state->e3 = (state->e2 - state->last_e2) / (state->e2 == 0 ? 1.0f : 80.0f); // Ước lượng arctan(de2/d)
        state->last_e2 = state->e2;
    }
}

Bộ điều khiển Mờ Tầng Cao (Fuzzy Logic Controller)

Bộ điều khiển Direct Action Fuzzy Logic nhận 2 biến đầu vào là $e_2 \in [-13; 13]\text{ mm}$ và $e_3 \in [-0.5; 0.5]\text{ rad}$, tính toán 2 biến đầu ra là vận tốc góc quay xe $\omega \in [-10; 10]\text{ rad/s}$ và vận tốc dài $v \in [550; 650]\text{ mm/s}$.

Bảng 25 luật mờ (Rule Base) cho vận tốc góc $\omega$ và vận tốc dài $v$

$e_2$ \ $e_3$ NB (Negative Big) NS (Negative Small) ZE (Zero Error) PS (Positive Small) PB (Positive Big)
NB $\omega=\text{Right}, v=\text{Slow}$ $\omega=\text{SRight}, v=\text{Med}$ $\omega=\text{Straight}, v=\text{Med}$ $\omega=\text{Straight}, v=\text{Med}$ $\omega=\text{Straight}, v=\text{Slow}$
NS $\omega=\text{Right}, v=\text{Med}$ $\omega=\text{SRight}, v=\text{Fast}$ $\omega=\text{Straight}, v=\text{Fast}$ $\omega=\text{SLeft}, v=\text{Fast}$ $\omega=\text{SLeft}, v=\text{Med}$
ZE $\omega=\text{Right}, v=\text{Med}$ $\omega=\text{SRight}, v=\text{Fast}$ $\omega=\text{Straight}, v=\text{Fast}$ $\omega=\text{SLeft}, v=\text{Fast}$ $\omega=\text{Left}, v=\text{Med}$
PS $\omega=\text{SRight}, v=\text{Med}$ $\omega=\text{SRight}, v=\text{Fast}$ $\omega=\text{Straight}, v=\text{Fast}$ $\omega=\text{SLeft}, v=\text{Fast}$ $\omega=\text{Left}, v=\text{Med}$
PB $\omega=\text{Straight}, v=\text{Slow}$ $\omega=\text{Straight}, v=\text{Med}$ $\omega=\text{Straight}, v=\text{Med}$ $\omega=\text{SLeft}, v=\text{Med}$ $\omega=\text{Left}, v=\text{Slow}$

Giải mờ theo nguyên lý trọng tâm điểm trung bình (Center Average Defuzzification):

$$\omega = \frac{\sum_{j=1}^{25} \mu_j \cdot C_{\omega j}}{\sum_{j=1}^{25} \mu_j}, \quad v = \frac{\sum_{j=1}^{25} \mu_j \cdot C_{v j}}{\sum_{j=1}^{25} \mu_j}$$

Trong đó $\mu_j = \min(\mu_{e2}(e_2), \mu_{e3}(e_3))$ là độ thỏa dụng của luật thứ $j$, $C_j$ là tâm của hàm liên thuộc ngõ ra tương ứng.

Nhận dạng hệ thống và Điều khiển Vận tốc Động cơ (Low-Level Loop)

Sử dụng công cụ MATLAB System Identification Toolbox với dữ liệu đáp ứng thực nghiệm mang tải dưới kích thích bước nhảy xung PWM $100%$ ($10\text{ kHz}$), hàm truyền động học bậc nhất có trễ được xác định:

$$G_{Left}(s) = \frac{\Omega_L(s)}{PWM_L(s)} = \frac{11.87}{s + 2.74}, \quad G_{Right}(s) = \frac{\Omega_R(s)}{PWM_R(s)} = \frac{11.46}{s + 2.46}$$

Sử dụng bộ điều khiển tỷ lệ (P-Controller) với hệ số khuếch đại tối ưu $K_P = 0.2488$, hệ thống đạt thời gian quá độ $t_s < 0.15\text{ s}$, triệt tiêu sai lệch tĩnh khi chuyển hướng và đảm bảo tuyến tính hóa quan hệ giữa tốc độ bánh xe và chu kỳ nhiệm vụ (Duty Cycle).

Kết quả đo lường và kiểm chứng thực nghiệm

Tham số vận hành Chỉ tiêu đặt ra Mô phỏng MATLAB Thực nghiệm Thực tế Đánh giá sai số
Sai số khoảng cách cực đại ($e_{C\max}$) $< 13.0\text{ mm}$ $11.50\text{ mm}$ $12.10\text{ mm}$ Đạt yêu cầu ($< 13\text{ mm}$)
Thời gian chạy hết sa bàn ($T_{total}$) $< 20.0\text{ s}$ $17.40\text{ s}$ $18.65\text{ s}$ Nhanh hơn kế hoạch 6.75%
Tốc độ động cơ tối đa có tải $\le 480\text{ RPM}$ $426\text{ RPM}$ $445\text{ RPM}$ Biên độ an toàn 7.3%
Góc quay tại điểm nút giao A $98^\circ \pm 3^\circ$ $98.0^\circ$ $97.4^\circ$ Sai số góc $< 0.7^\circ$
Độ ổn định động học (Chống lật) Không lật khi rẽ cua Không trượt Ổn định tuyệt đối Bánh xe tiếp xúc 100%

Đổi mới và Đóng góp Kỹ thuật

                             SO SÁNH CÁC PHƯƠNG ÁN
                             
      Độ chính xác bám Line (mm)                  Chi phí chế tạo (VNĐ)
 15 | [========== 12.1mm ]                 1.2M | [================ 1.14M ]
    |                                           |
 10 | [======= 8.5mm     ]                 0.6M | [======= 393k       ]
    |                                           |
  5 |                                      0.2M | [=== 161k           ]
    +---------------------                      +----------------------
      Đề tài   FRAGILE013                       Đề tài    4 Bánh Bẻ Lái  4 Omni
  1. Thuật toán nội suy trọng số liên tục: Thay thế hoàn toàn phương pháp đọc cảm biến nhị phân truyền thống, nâng cao độ phân giải tọa độ ngang lên gấp 4 lần mà không cần tăng số lượng mắt đọc vật lý.
  2. Cấu trúc điều khiển mờ phi tuyến bền vững: Không cần tuyến tính hóa mô hình động lực học quanh điểm cân bằng, giữ vững ổn định khi quỹ đạo sa bàn thay đổi độ cong đột ngột từ đoạn thẳng sang cung tròn $R = 500\text{ mm}$.
  3. Tối ưu hóa chi phí phần cứng cơ điện tử: Tổng chi phí linh kiện cơ cấu chấp hành chỉ 161.000 VNĐ (rẻ hơn 58% so với phương án 4 bánh bẻ lái và rẻ hơn 85% so với hệ thống 4 bánh Omni) trong khi vẫn đảm bảo đầy đủ năng lực tự quay quanh tâm tại chỗ.

Ứng dụng thực tế và Triển khai

flowchart LR
    subgraph REAL_WORLD_USE_CASES ["Môi Trường Ứng Dụng"]
        U1["Nhà xưởng SMT / Lắp ráp<br/>Vận chuyển linh kiện nhỏ"]
        U2["Bệnh viện & Kho Dược<br/>Phát thuốc, mẫu xét nghiệm"]
        U3["Kho bãi E-Commerce<br/>Phân loại bưu kiện tự động"]
    end

    subgraph SYSTEM_INTEGRATION ["Giao Tiếp Hệ Thống"]
        M1["Hệ thống Quản lý Đội xe (Fleet Management)"] <-->|Modbus RTU / ESP32 WiFi| U1
        M1 <-->|MQTT / Node-RED| U2
        M1 <-->|ROS2 Navigation Stack| U3
    end

Phân tích hiệu quả đầu tư (Cost-Benefit & ROI)

  • Chi phí triển khai đơn vị: Dưới 1.500.000 VNĐ / robot (bao gồm vi điều khiển STM32, nguồn Pin Li-Ion, Driver, cảm biến và kết cấu khung mica/nhôm cắt CNC).
  • Thời gian hoàn vốn (ROI): Khoảng 1.5 – 2 tháng khi thay thế một nhân công vận chuyển thủ công trong các dây chuyền sản xuất vi mạch điện tử khép kín.
  • Khả năng mở rộng: Dễ dàng tích hợp thêm module định vị RFID/barcode tại các trạm dừng và mạch không dây ESP32/ZigBee để kết nối mạng lưới SCADA công nghiệp.

Hạn chế và Hướng phát triển

Hạn chế kỹ thuật

  1. Cảm biến quang học phụ thuộc vào độ tương phản phản xạ bề mặt; suy giảm hiệu năng khi mặt sàn dính dầu mỡ hoặc bị trầy xước nặng.
  2. Bộ thông số điều khiển Fuzzy và P hiện được thiết lập cố định, chưa có khả năng tự thích nghi (Adaptive Gain Scheduling) theo sự thay đổi của tải trọng thực tế từ $0\text{--}5\text{ kg}$.

Hướng phát triển tiếp theo

  • Triển khai thuật toán Mờ-Nơ-ron tự chỉnh định (ANFIS - Adaptive Neuro-Fuzzy Inference System) trực tiếp trên vi điều khiển STM32.
  • Bổ sung cảm biến đo quán tính IMU 6 bậc tự do (MPU6050) và thuật toán lọc Kalman mở rộng (EKF) để dung hợp dữ liệu Encoder, chống trượt bánh khi xe tăng tốc đột ngột trên $1.0\text{ m/s}$.

Đối tượng hưởng lợi

  • Sinh viên & Học viên Kỹ thuật: Tài liệu tham khảo toàn diện về thiết kế hệ thống Cơ điện tử chuẩn mẫu, từ phân tích động học, mô phỏng MATLAB/Simulink đến lập trình nhúng STM32.
  • Kỹ sư R&D & Nhà phát triển nhúng: Cung cấp mã nguồn thuật toán xử lý tín hiệu trọng số trung bình và giải mờ Center Average tối ưu hóa bộ nhớ thực thi.
  • Doanh nghiệp vừa và nhỏ (SMEs): Bản thiết kế tham chiếu AGV chi phí thấp phục vụ tự động hóa nội bộ nhà xưởng với độ tin cậy cơ khí cao.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để vận hành hệ thống phần cứng này là gì?

Hệ thống yêu cầu nguồn cấp DC $11.1\text{--}12.6\text{ V}$ (Pin Li-Po 3S tối thiểu $25\text{C}$, dung lượng $\ge 1500\text{ mAh}$), vi điều khiển có tối thiểu 7 kênh ADC 12-bit, 2 kênh PWM tần số $\ge 10\text{ kHz}$ và 4 chân ngắt ngoài đọc Encoder 2 kênh A/B.

2. Làm thế nào để xe không mất line khi di chuyển ở tốc độ cao trên $1.0\text{ m/s}$?

Cần mở rộng thanh ngang cảm biến từ 7 lên 9–11 cặp TCRT5000, tăng khoảng cách gắn cảm biến $d$ từ trọng tâm lên $100\text{--}120\text{ mm}$, đồng thời giảm chu kỳ lấy mẫu ngắt điều khiển từ $30\text{ ms}$ xuống $10\text{ ms}$.

3. Hệ thống có thể tích hợp vào mạng điều phối trung tâm không?

Hoàn toàn khả thi thông qua việc kết nối cổng UART của STM32 với module không dây như ESP32 hoặc NRF24L01 để truyền nhận tọa độ, lệnh di chuyển và trạng thái pin qua giao thức MQTT hoặc Modbus RTU.

4. Chi phí bảo dưỡng và tuổi thọ linh kiện như thế nào?

Cặp chổi than của động cơ GA25 có tuổi thọ vận hành liên tục khoảng 3.000 giờ. Mạch cảm biến TCRT5000 trạng thái rắn có độ bền trên 5 năm; chi phí thay thế linh kiện định kỳ chỉ chiếm dưới $5%$ giá trị xe/năm.

5. Tại sao không chọn bộ điều khiển PID kinh điển mà dùng Fuzzy Logic cho tầng cao?

Hệ thống xe bám line là đối tượng phi tuyến có tham số biến đổi mạnh theo bán kính cong sa bàn. Fuzzy Logic cho phép cài đặt các luật điều khiển ngôn ngữ trực quan, thích ứng tốt với độ bất định mà không đòi hỏi mô hình toán chính xác tuyệt đối như PID.

Kết luận

Đồ án "Thiết kế, chế tạo và điều khiển Xe bám line tự động" đã chứng minh tính khả thi, độ tin cậy và hiệu quả kỹ thuật vượt trội của giải pháp tích hợp Cơ - Điện - Điều khiển thông minh. Bằng việc kết hợp mảng cảm biến phototransistor hồng ngoại TCRT5000, thuật toán trọng số trung bình và cấu trúc điều khiển mờ 2 tầng trên nền vi điều khiển STM32F103C8T6, xe đạt vận tốc $0.65\text{ m/s}$ mang tải $2\text{ kg}$ với sai số quỹ đạo cực đại chỉ $12.1\text{ mm}$. Đây là nền tảng công nghệ vững chắc, mở ra tiềm năng ứng dụng rộng rãi trong chế tạo AGV công nghiệp và giáo dục robot di động tự hành.