Tổng quan nghiên cứu

Động cơ một chiều (DC) vẫn giữ vai trò quan trọng trong nhiều lĩnh vực như xe điện, máy khoan cầm tay và y tế, mặc dù đã dần được thay thế bởi động cơ xoay chiều (AC). Theo báo cáo ngành, động cơ DC có cấu tạo đơn giản, dễ điều khiển và chi phí bảo trì thấp hơn nhiều so với động cơ AC, làm cho chúng trở thành lựa chọn ưu việt trong các ứng dụng yêu cầu kích thước nhỏ gọn và chi phí vận hành thấp. Tuy nhiên, việc đo tốc độ động cơ DC thường sử dụng bộ Encoder gắn trực tiếp lên trục quay, dẫn đến hệ thống trở nên cồng kềnh, phức tạp và tốn kém chi phí bảo trì.

Mục tiêu của luận văn là thiết kế một hệ thống cảm biến mềm để ước lượng tốc độ động cơ DC công suất dưới 150W, thay thế cho bộ Encoder truyền thống. Nghiên cứu tập trung vào việc xây dựng mô hình toán học dựa trên mô hình ARX (Auto-Regressive eXternal Input Model) kết hợp với các đại lượng dòng điện, điện áp và tốc độ trước đó để ước lượng tốc độ động cơ. Phạm vi nghiên cứu thực hiện tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh trong giai đoạn 2017-2020, với các thử nghiệm trên động cơ DC thực tế dưới nhiều trạng thái tải khác nhau.

Ý nghĩa của nghiên cứu thể hiện qua việc giảm thiểu kích thước, chi phí và độ phức tạp của hệ thống đo tốc độ động cơ, đồng thời nâng cao độ tin cậy và khả năng ứng dụng trong các thiết bị điện tử y sinh và công nghiệp nhỏ gọn. Kết quả nghiên cứu có thể góp phần thúc đẩy ứng dụng cảm biến mềm trong điều khiển động cơ, cải thiện hiệu suất và giảm chi phí bảo trì cho các hệ thống sử dụng động cơ DC.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết chính: cảm biến mềm và mô hình toán học động cơ DC. Cảm biến mềm là công cụ ước lượng các biến vật lý không đo trực tiếp dựa trên các biến đo được, giúp giảm chi phí và tăng độ tin cậy hệ thống. Các khái niệm chính bao gồm:

  • Mô hình ARX: Mô hình tuyến tính sử dụng dữ liệu đầu vào và đầu ra quá khứ để dự đoán giá trị hiện tại, phù hợp với hệ thống có đặc tính gần ổn định.
  • Mô hình ARMAX: Mở rộng mô hình ARX bằng cách thêm thành phần sai số động, giúp mô hình hóa tốt hơn các hệ thống có nhiễu.
  • Bộ lọc Kalman: Thuật toán ước lượng trạng thái tối ưu cho hệ thống tuyến tính rời rạc, được sử dụng để lọc nhiễu tín hiệu và cải thiện độ chính xác của dữ liệu đo.
  • Phân tích tương quan: Phương pháp thống kê để xác định mối quan hệ giữa các biến đầu vào và đầu ra, giúp lựa chọn dữ liệu phù hợp cho mô hình.

Ngoài ra, các lý thuyết về điều khiển động cơ DC như điều khiển điện áp phần ứng, điều khiển từ thông và điều khiển điện trở phần ứng cũng được nghiên cứu để hiểu rõ đặc tính và cách vận hành của động cơ.

Phương pháp nghiên cứu

Nguồn dữ liệu chính được thu thập từ các thí nghiệm thực tế trên động cơ DC công suất dưới 150W tại phòng thí nghiệm của Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh. Cỡ mẫu gồm nhiều bộ dữ liệu thu thập trong các trạng thái tải khác nhau nhằm đảm bảo tính đa dạng và độ tin cậy của dữ liệu.

Phương pháp phân tích bao gồm:

  • Lựa chọn và xử lý dữ liệu bằng các kỹ thuật chuẩn hóa (chuẩn hóa tối đa và chuẩn hóa điểm z) để loại bỏ giá trị đột biến và nhiễu.
  • Xây dựng mô hình cảm biến mềm dựa trên mô hình ARX và so sánh với mô hình ARMAX để chọn mô hình phù hợp nhất.
  • Sử dụng bộ lọc Kalman rời rạc để lọc nhiễu tín hiệu dòng điện và điện áp, nâng cao độ chính xác của dữ liệu đầu vào.
  • Phân tích tương quan giữa các biến đầu vào (dòng điện, điện áp) và đầu ra (tốc độ động cơ) để xác định mối quan hệ tuyến tính và lựa chọn biến phù hợp cho mô hình.
  • Thực hiện xác thực mô hình bằng cách so sánh kết quả ước lượng tốc độ với dữ liệu từ bộ Encoder truyền thống.

Timeline nghiên cứu kéo dài từ tháng 10/2017 đến tháng 4/2020, bao gồm các giai đoạn thu thập dữ liệu, xây dựng mô hình, thi công hệ thống và đánh giá kết quả thực nghiệm.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Mô hình ARX phù hợp cho ước lượng tốc độ động cơ DC: Qua so sánh với mô hình ARMAX, mô hình ARX cho kết quả ước lượng tốc độ chính xác hơn với sai số trung bình dưới 2%, đặc biệt trong các trạng thái tải khác nhau. Ví dụ, khi momen tải bằng 0, sai số giữa tốc độ ước lượng và tốc độ đo bằng Encoder chỉ khoảng 1.5%.

  2. Bộ lọc Kalman hiệu quả trong việc lọc nhiễu tín hiệu: Việc áp dụng bộ lọc Kalman giúp giảm nhiễu tín hiệu dòng điện và điện áp, làm tăng độ ổn định của dữ liệu đầu vào cho mô hình. Kết quả cho thấy tín hiệu sau lọc có độ lệch chuẩn giảm khoảng 30% so với tín hiệu gốc.

  3. Hệ thống cảm biến mềm có thể thay thế hoàn toàn bộ Encoder: Thí nghiệm trên động cơ DC thực tế với nhiều trạng thái tải cho thấy tốc độ ước lượng từ hệ thống cảm biến mềm tương đương với tốc độ đo từ Encoder, với độ chính xác đạt trên 98%. Điều này chứng minh tính khả thi của việc sử dụng cảm biến mềm trong các ứng dụng thực tế.

  4. Ưu điểm về kích thước và chi phí: Hệ thống cảm biến mềm thiết kế nhỏ gọn, không cần gắn thêm phần cứng phức tạp như Encoder, giúp giảm chi phí lắp đặt và bảo trì, đồng thời phù hợp với các thiết bị yêu cầu kích thước nhỏ như thiết bị y sinh.

Thảo luận kết quả

Nguyên nhân chính dẫn đến hiệu quả của mô hình ARX là do tính đơn giản và khả năng mô phỏng tốt các đặc tính tuyến tính của động cơ DC trong phạm vi hoạt động ổn định. So với mô hình ARMAX, ARX tránh được sự phức tạp của thành phần sai số động, giúp mô hình dễ dàng triển khai và tính toán nhanh hơn.

Việc sử dụng bộ lọc Kalman giúp loại bỏ nhiễu ngẫu nhiên và sai số đo lường, điều này rất quan trọng trong môi trường thực tế có nhiều nguồn nhiễu. Kết quả này phù hợp với các nghiên cứu trước đây trong lĩnh vực cảm biến mềm và điều khiển động cơ.

Dữ liệu có thể được trình bày qua các biểu đồ so sánh tốc độ ước lượng và tốc độ đo bằng Encoder, biểu đồ sai số theo thời gian và biểu đồ tín hiệu trước và sau lọc Kalman để minh họa rõ ràng hiệu quả của hệ thống.

Kết quả nghiên cứu có ý nghĩa lớn trong việc phát triển các hệ thống điều khiển động cơ DC nhỏ gọn, tiết kiệm chi phí và nâng cao độ tin cậy, đặc biệt trong các ứng dụng công nghiệp và y sinh.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống cảm biến mềm trong các thiết bị điện tử y sinh: Đề xuất áp dụng hệ thống cảm biến mềm để ước lượng tốc độ động cơ DC trong các thiết bị y tế nhỏ gọn nhằm giảm kích thước và chi phí bảo trì. Thời gian thực hiện trong vòng 12 tháng, do các đơn vị nghiên cứu và phát triển thiết bị y sinh đảm nhiệm.

  2. Phát triển phần mềm điều khiển tích hợp mô hình ARX và bộ lọc Kalman: Khuyến nghị xây dựng phần mềm điều khiển tích hợp để tối ưu hóa hiệu suất ước lượng tốc độ, nâng cao độ chính xác và khả năng thích ứng với các điều kiện tải thay đổi. Thời gian phát triển dự kiến 6-9 tháng, do các công ty công nghệ và kỹ sư phần mềm thực hiện.

  3. Mở rộng nghiên cứu cho các loại động cơ DC công suất lớn hơn: Đề xuất nghiên cứu mở rộng mô hình và hệ thống cảm biến mềm cho các động cơ DC công suất trên 150W nhằm đa dạng hóa ứng dụng trong công nghiệp. Thời gian nghiên cứu khoảng 18 tháng, do các viện nghiên cứu và trường đại học chủ trì.

  4. Tăng cường đào tạo và chuyển giao công nghệ: Khuyến nghị tổ chức các khóa đào tạo chuyên sâu về cảm biến mềm và điều khiển động cơ DC cho kỹ sư và sinh viên ngành kỹ thuật điện tử để nâng cao năng lực ứng dụng công nghệ mới. Thời gian thực hiện liên tục, do các trường đại học và trung tâm đào tạo kỹ thuật đảm nhiệm.

Đối tượng nên tham khảo luận văn

  1. Kỹ sư và nhà nghiên cứu trong lĩnh vực điều khiển động cơ: Luận văn cung cấp kiến thức chuyên sâu về mô hình toán học và phương pháp ước lượng tốc độ động cơ DC, giúp họ phát triển các hệ thống điều khiển hiệu quả hơn.

  2. Các công ty sản xuất thiết bị điện tử y sinh: Hệ thống cảm biến mềm nhỏ gọn, chi phí thấp phù hợp với yêu cầu thiết kế thiết bị y sinh, giúp cải thiện tính năng và giảm chi phí sản xuất.

  3. Giảng viên và sinh viên ngành kỹ thuật điện tử và tự động hóa: Tài liệu tham khảo quý giá cho việc giảng dạy và nghiên cứu về cảm biến mềm, mô hình ARX, bộ lọc Kalman và điều khiển động cơ DC.

  4. Các viện nghiên cứu và trung tâm phát triển công nghệ: Luận văn cung cấp cơ sở lý thuyết và thực nghiệm để phát triển các giải pháp cảm biến mềm ứng dụng trong công nghiệp, góp phần thúc đẩy đổi mới sáng tạo.

Câu hỏi thường gặp

  1. Cảm biến mềm là gì và có ưu điểm gì so với cảm biến cứng?
    Cảm biến mềm là hệ thống ước lượng các biến vật lý dựa trên mô hình toán học và dữ liệu đầu vào từ các cảm biến khác. Ưu điểm gồm chi phí thấp, kích thước nhỏ, dễ dàng bảo trì và khả năng hoạt động song song với cảm biến cứng để phát hiện lỗi.

  2. Tại sao chọn mô hình ARX thay vì ARMAX cho ước lượng tốc độ?
    Mô hình ARX đơn giản hơn, dễ triển khai và cho kết quả chính xác cao trong phạm vi hoạt động ổn định của động cơ DC. ARMAX phức tạp hơn do có thêm thành phần sai số động, không cần thiết trong trường hợp này.

  3. Bộ lọc Kalman giúp gì trong hệ thống cảm biến mềm?
    Bộ lọc Kalman lọc nhiễu tín hiệu đầu vào, cải thiện độ chính xác của dữ liệu dòng điện và điện áp, từ đó nâng cao độ tin cậy của kết quả ước lượng tốc độ.

  4. Hệ thống cảm biến mềm có thể áp dụng cho động cơ công suất lớn không?
    Hiện nghiên cứu tập trung cho động cơ dưới 150W, tuy nhiên phương pháp có thể mở rộng cho động cơ công suất lớn hơn với điều chỉnh mô hình và thuật toán phù hợp.

  5. Làm thế nào để xác thực mô hình cảm biến mềm?
    Xác thực bằng cách so sánh kết quả ước lượng tốc độ với dữ liệu đo thực tế từ bộ Encoder trong nhiều trạng thái tải khác nhau, đồng thời phân tích sai số và độ ổn định của mô hình.

Kết luận

  • Đã thiết kế thành công hệ thống cảm biến mềm sử dụng mô hình ARX để ước lượng tốc độ động cơ DC công suất dưới 150W với độ chính xác trên 98%.
  • Bộ lọc Kalman được áp dụng hiệu quả trong việc lọc nhiễu tín hiệu đầu vào, nâng cao độ tin cậy của hệ thống.
  • Hệ thống cảm biến mềm có thể thay thế hoàn toàn bộ Encoder truyền thống, giúp giảm kích thước, chi phí và độ phức tạp của hệ thống đo tốc độ.
  • Nghiên cứu mở ra hướng phát triển ứng dụng cảm biến mềm trong các thiết bị điện tử y sinh và công nghiệp nhỏ gọn.
  • Đề xuất các bước tiếp theo bao gồm mở rộng nghiên cứu cho động cơ công suất lớn hơn, phát triển phần mềm điều khiển tích hợp và đào tạo chuyển giao công nghệ.

Hành động tiếp theo là triển khai ứng dụng thực tế hệ thống cảm biến mềm trong các thiết bị công nghiệp và y sinh, đồng thời tiếp tục nghiên cứu nâng cao hiệu suất và mở rộng phạm vi ứng dụng.