Bối cảnh và vấn đề nghiên cứu

Trong xu hướng phát triển của cuộc Cách mạng Công nghiệp lần thứ tư, công nghệ tự động hóa và điều khiển robot song song đang ngày càng được ứng dụng rộng rãi nhằm nâng cao độ ổn định và an toàn trong các hệ thống giao thông, y tế và đời sống dân dụng. Trên các dòng xe ô tô hiện đại, các hệ thống cân bằng điện tử, kiểm soát lực kéo và ổn định thân xe giữ vai trò cốt lõi. Tuy nhiên, các dòng xe phân khúc phổ thông hoặc thiết bị hỗ trợ chuyên dụng thường bị cắt giảm các tính năng tự động cân bằng do chi phí cấu phần quá cao.

Về mặt lịch sử phát triển, cấu trúc nền tảng chuyển động 6 bậc tự do (6-DOF) được kỹ sư Stewart D. giới thiệu từ năm 1965 nhằm mô phỏng buồng lái máy bay. Đến năm 1996, Yang và các cộng sự đã đề xuất mô hình 3 bậc tự do (3-DOF) sử dụng 3 bộ truyền động, giúp giảm thiểu đáng kể chi phí phần cứng và độ phức tạp tính toán nhưng vẫn bảo đảm khả năng cân bằng bề mặt. Tại Việt Nam, các nghiên cứu về hệ thống 3-DOF bắt đầu được quan tâm từ năm 2002 nhưng phần lớn chỉ dừng lại ở phạm vi mô phỏng thuật toán hoặc khảo sát lý thuyết trên các cánh tay robot song song cố định. Việc triển khai các mô hình thực nghiệm chi phí thấp sử dụng vi điều khiển nhúng vẫn gặp nhiều thách thức về xử lý nhiễu cơ học, rung động động cơ và độ trễ phản hồi.

Khóa luận tốt nghiệp của tác giả Bùi Huy Hoàng và Phạm Trung Hòa (ngành Kỹ thuật Máy tính, Trường Đại học Công nghệ Thông tin – ĐHQG-HCM, năm 2022) tập trung giải quyết các mục tiêu và nhiệm vụ nghiên cứu sau:

  1. Thiết kế và chế tạo hoàn chỉnh mô hình phần cứng hệ thống tự cân bằng 3 trục (3-DOF Stewart Platform) hướng đến tiêu chí chi phí thấp và độ tin cậy cao.
  2. Xây dựng giải thuật xử lý tín hiệu cảm biến kết hợp (Sensor Fusion) thông qua bộ lọc Kalman nhằm triệt tiêu nhiễu rung động tần số cao và hiện tượng trôi dạt dữ liệu (drift) của con quay hồi chuyển.
  3. Ứng dụng mô hình động học ngược (Inverse Kinematics) dựa trên bảng thông số Denavit-Hartenberg để tính toán chính xác góc quay setpoint cho từng động cơ.
  4. Triển khai thuật toán điều khiển vi tích phân tỷ lệ (PID) vòng kín trên vi điều khiển nhúng ESP32 để điều khiển đồng thời 3 động cơ giảm tốc có phản hồi encoder.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Hệ thống tự cân bằng 3 bậc tự do cấu trúc Stewart biến thể (mặt phẳng tam giác liên kết với 3 trục động cơ độc lập).
  • Phạm vi thực nghiệm: Mô hình hoạt động với nguồn cấp 5V-1A (qua cổng microUSB) và nguồn động cơ 12V DC; khả năng cân bằng tải trọng dưới 1 kg; dải góc nghiêng hoạt động trong khoảng $\pm 90^\circ$ với sai số cho phép $\pm 5^\circ$; các kịch bản thử nghiệm đáp ứng thời gian thực được thực hiện ở dải dao động $\pm 30^\circ$ với tải trọng 200 g.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình toán học

Nghiên cứu ứng dụng lý thuyết robot song song dựa trên nền tảng Stewart rút gọn về dạng bát diện biến dạng (deformable octahedron), đưa phương trình động học 6 chân về dạng tương đương đồng hình (isomorphic) với cơ chế 3 chân tam giác. Mô hình toán học của cơ cấu 1 trục (1-DOF) và liên kết 3 trục được xây dựng thông qua phương pháp tham số Denavit-Hartenberg (D-H):

Số khung ($i$) $a_i$ $\alpha_i$ $d_i$ $\theta_i$
1 $l_1$ 0 0 $\theta_1$
2 $l_2$ 0 0 $\theta_2$

Dựa trên bảng thông số D-H, ma trận biến đổi thuần nhất $^{0}T_2$ giữa gốc tọa độ và điểm thao tác $C_1(X_2, Y_2)$ được thiết lập để mô tả động học thuận (Forward Kinematics):

$$^{0}T_2 = \begin{bmatrix} \cos(\theta_1+\theta_2) & -\sin(\theta_1+\theta_2) & 0 & l_1\cos\theta_1 + l_2\cos(\theta_1+\theta_2) \ \sin(\theta_1+\theta_2) & \cos(\theta_1+\theta_2) & 0 & l_1\sin\theta_1 + l_2\sin(\theta_1+\theta_2) \ 0 & 0 & 1 & 0 \ 0 & 0 & 0 & 1 \end{bmatrix}$$

Từ tọa độ điểm thao tác $X^2 + Y^2 = l_1^2 + l_2^2 + 2l_1l_2\cos\theta_2$, giải thuật động học ngược (Inverse Kinematics) được thiết lập nhằm tính toán góc quay $\theta_1$ (góc nghiêng của động cơ so với mặt đáy) dùng làm giá trị đặt (Setpoint) cho hệ thống điều khiển:

$$\theta_2 = \pm 2 \operatorname{atan2}\left(\sqrt{\frac{(l_1+l_2)^2 - (X^2+Y^2)}{(X^2+Y^2) - (l_1-l_2)^2}}, 1\right)$$

$$\theta_1 = \operatorname{atan2}(Y, X) - \operatorname{atan2}(l_2\sin\theta_2, l_1 + l_2\cos\theta_2)$$

Phương pháp điều khiển vị trí động cơ sử dụng thuật toán PID vòng kín với phương trình vi tích phân:

$$u(t) = K_p e(t) + K_i \int_0^t e(t)dt + K_d \frac{de(t)}{dt}$$

Trong đó $e(t) = \text{Setpoint}(t) - Y(t)$ là sai lệch giữa góc mong muốn từ khối Inverse Kinematics và góc phản hồi thực tế từ đĩa encoder của động cơ.

Phương pháp xử lý dữ liệu cảm biến

Hệ thống sử dụng cảm biến quán tính IMU MPU-6050 tích hợp gia tốc kế 3 trục ($acc_x, acc_y, acc_z$) và con quay hồi chuyển 3 trục ($gyro_x, gyro_y, gyro_z$). Tác giả đã tiến hành phân tích ưu nhược điểm của hai loại cảm biến:

Loại cảm biến Ưu điểm Nhược điểm
Gia tốc kế (Accelerometer) Độ chính xác cao, ổn định lâu dài theo thời gian, tính được góc tuyệt đối. Dễ bị ảnh hưởng nghiêm trọng bởi rung động cơ học do động cơ tạo ra.
Con quay hồi chuyển (Gyroscope) Tốc độ đáp ứng nhanh, hoạt động ổn định trong môi trường rung lắc ngắn hạn. Tồn tại sai số tích lũy làm giá trị trôi dạt theo thời gian (drift).

Để khắc phục các nhược điểm trên, hai giải thuật Sensor Fusion đã được đưa vào so sánh:

  1. Bộ lọc Complementary: Tính toán dựa trên trọng số $\alpha$ ($0 < \alpha < 1$): $$\text{roll} = \alpha(\text{gyro}{roll}) + (1-\alpha)\text{acc}{roll}$$ $$\text{pitch} = \alpha(\text{gyro}{pitch}) + (1-\alpha)\text{acc}{pitch}$$
  2. Bộ lọc Kalman: Sử dụng mô hình không gian trạng thái với hai chu kỳ Dự đoán (Predict) và Cập nhật (Update):
    • Dự đoán trạng thái: $x_k = F_k x_{k-1} + B_k u_k + w_k$
    • Cập nhật đo lường: $z_k = H_k x_k + v_k$ Bộ lọc Kalman được lựa chọn làm giải thuật chính thức nhờ khả năng lọc nhiễu ngẫu nhiên và triệt tiêu trôi dạt vượt trội khi lấy mẫu ở tần số cao.

Thiết kế phần cứng và cấu trúc hệ thống

Quy trình tự cân bằng của mô hình được thiết kế theo cấu trúc vòng lặp kín 2 giai đoạn:

[MPU-6050: Gia tốc & Gyro] 
                                      [Bộ điều khiển PID]
                                      [Mạch cầu H L298N]

Đặc tả kỹ thuật phần cứng

  1. Khối vi xử lý trung tâm (ESP32 NodeMCU):

    • Vi xử lý: Tensilica Xtensa Dual-Core 32-bit LX6, xung nhịp 240 MHz.
    • Bộ nhớ: 520 KB SRAM, 448 KB ROM, 16 KB RTC SRAM.
    • Ngoại vi và kết nối: 34 chân GPIO lập trình được, 18 kênh ADC 12-bit SAR, 2 kênh DAC 8-bit, hỗ trợ phần cứng các chuẩn giao tiếp 4xSPI, 2xI2C, 3xUART, 2xI2S, tích hợp khối phát xung PWM phần cứng và bộ nạp IC CP2102.

  2. Khối chấp hành (Động cơ giảm tốc JGY370 & Driver L298N):

    • Động cơ JGY370: Điện áp hoạt động 12V DC; cơ cấu trục vít - bánh vít giúp khóa trục chính khi mất điện; tích hợp đĩa encoder từ tính SS41F (2 kênh A-B) xuất 11 xung/kênh/vòng, qua hộp số giảm tốc tỷ số 1:200 cho độ phân giải $11 \times 200 = 2200$ xung/vòng trục chính; tốc độ không tải 30 RPM, có tải 22 RPM; dòng không tải 60 mA, dòng định mức khi có tải 1.3 A; mô-men xoắn định mức 7 kg.cm, mô-men cực đại 25 kg.cm.
    • Mạch công suất L298N: Tích hợp 2 mạch cầu H, điện áp điều khiển động cơ 12V DC, dòng tối đa 2A/kênh, điện áp logic 5V DC, công suất tiêu tán 20W.

  3. Khối cảm biến và hiển thị:

    • Cảm biến MPU-6050: Đo gia tốc $\pm 2g/\pm 4g/\pm 8g/\pm 16g$ và vận tốc góc $\pm 250/\pm 500/\pm 1000/\pm 2000^\circ/\text{s}$, truyền thông qua I2C với xung nhịp 400 kHz.
    • Màn hình LCD2004: Hiển thị 4 dòng $\times$ 20 ký tự (driver HD44780), kết nối vi điều khiển qua mạch chuyển đổi I2C (địa chỉ 0x27) giúp tiết kiệm chân tín hiệu (chỉ dùng SDA và SCL).

Nội dung chính theo từng chương

Chương 1. Thông tin chung

Chương này phân tích tổng quan về hệ thống cân bằng tự động 3 bậc tự do (3-DOF), làm rõ lý do lựa chọn đề tài xuất phát từ nhu cầu thực tiễn trong ngành công nghiệp ô tô và các thiết bị hỗ trợ dân dụng. Tác giả chỉ ra rằng các công nghệ ổn định thân xe hiện nay có chi phí rất đắt đỏ, chỉ trang bị trên xe hạng sang. Việc nghiên cứu một hệ thống 3 trục giá thành thấp giúp mở ra cơ hội trang bị các cơ cấu chống rung lắc cho xe phổ thông, xe lăn người khuyết tật, xe đẩy y tế và nôi/ghế chống rung cho trẻ em. Chương 1 đồng thời xác định các mục tiêu kỹ thuật về tải trọng, phạm vi góc nghiêng và thời gian đáp ứng của mô hình.

Chương 3. Tính mới và sáng tạo

Chương này đánh giá hiện trạng nghiên cứu trong nước và quốc tế, truy xuất nguồn gốc nền tảng Stewart từ mô hình 6-DOF (1965) đến các dạng cải tiến 3-DOF của Yang et al. (1996) và nghiên cứu cân bằng bóng dùng xử lý ảnh của Kittipong Yaovaja (2018). Tác giả chỉ ra điểm nghẽn của các giải pháp xử lý ảnh là độ trễ cao và phụ thuộc môi trường ánh sáng. Từ đó, nhóm đề xuất giải pháp sáng tạo: kết hợp nền tảng phần cứng giá rẻ (ESP32) với thuật toán lọc Kalman 6 trục để xử lý dữ liệu IMU trong môi trường rung chấn động cơ, kết hợp thuật toán động học ngược (Inverse Kinematics) và PID vị trí đa kênh để điều khiển 3 động cơ phản ứng đồng thời trong thời gian dưới 2 mili-giây.

Chương 4. Thiết kế hệ thống và tóm tắt kết quả nghiên cứu

Chương 4 là phần nội dung trọng tâm của khóa luận, trình bày chi tiết toàn bộ thiết kế kỹ thuật:

  • Đặc tả thông số kỹ thuật chi tiết của vi điều khiển ESP32, mạch L298N, động cơ JGY370, màn hình LCD2004 và cảm biến MPU-6050.
  • Xây dựng cơ sở toán học cho cảm biến gia tốc và con quay hồi chuyển, phân tích hiện tượng trôi dạt (drift) của Gyroscope và nhiễu rung cơ học của Accelerometer.
  • Triển khai và so sánh thực nghiệm giữa Complementary Filter và Kalman Filter.
  • Thiết lập hệ phương trình động học D-H, dẫn xuất công thức tính góc quay $\theta_1, \theta_2$ của cơ cấu 3 trục từ tọa độ bề mặt thao tác.
  • Thiết lập sơ đồ điều khiển PID vòng kín dựa trên phản hồi encoder và tiến hành mô phỏng, đo kiểm thực tế tốc độ cân bằng trên hai trục Pitch và Roll.

Chương 5. Hiệu quả, phương thức chuyển giao kết quả nghiên cứu và khả năng áp dụng

Chương cuối cùng tổng kết giá trị ứng dụng thực tiễn của đề tài trong đời sống dân dụng và công nghiệp y tế. Tác giả trình bày phương thức đóng gói hệ thống điều khiển nhúng, khả năng chuyển giao công nghệ cho các cơ sở sản xuất thiết bị hỗ trợ người khuyết tật và các thiết bị chống rung lắc trên phương tiện vận tải. Đồng thời, chương này định hình các bước phát triển tiếp theo như tự động hiệu chuẩn thông số động học bằng máy học (Machine Learning).

Kết quả và đóng góp

Kết quả đo kiểm thực nghiệm

Mô hình thực tế đã được chế tạo và tiến hành thử nghiệm với kịch bản: tải cân bằng 200 gram, biên độ góc nghiêng mất cân bằng ban đầu $\pm 30^\circ$, động cơ vận hành ở định mức 30 RPM. Các kết quả đo kiểm thu được gồm:

Thông số đo kiểm Kết quả thực nghiệm trong văn bản
Thời gian đáp ứng xác lập trên trục Pitch $\approx 500\text{ ms}$
Thời gian đáp ứng xác lập trên trục Roll $483\text{ ms}$
Độ trễ xử lý của giải thuật (Sensor + Kalman) $< 2\text{ ms}$
Tổng thời gian thiết lập lại trạng thái cân bằng $< 1\text{ s}$
Phạm vi góc nghiêng cân bằng tối đa Trong khoảng $\pm 90^\circ$
Sai số góc cân bằng tĩnh $\pm 5^\circ$
Khả năng chịu tải trọng tối đa $< 1\text{ kg}$
Độ phân giải đĩa Encoder động cơ 2200 xung/vòng trục chính

Giải pháp và đóng góp của công trình

  • Xây dựng thành công hệ thống tự cân bằng 3-DOF hoàn chỉnh từ phần cứng cơ khí, mạch điện tử nhúng đến giải thuật điều khiển thời gian thực mà không cần sử dụng các bộ điều khiển công nghiệp đắt tiền (như ARM kết hợp CPLD hay PLC).
  • Tối ưu hóa giải thuật Sensor Fusion bằng bộ lọc Kalman trên vi điều khiển ESP32, xử lý triệt để hiện tượng nhiễu xung điện từ và rung động cơ học sinh ra khi 3 động cơ đóng cắt liên tục.
  • Đơn giản hóa mô hình động học Steward từ 6 chân thành cấu trúc tam giác 3 chân đồng hình, rút gọn hệ phương trình phi tuyến phức tạp thành các phương trình đại số lượng giác giải nhanh trên hệ nhúng.
  • Tận dụng hiệu quả đặc tính tự khóa trục của hộp số giảm tốc trục vít JGY370, giúp bề mặt giữ vững vị trí cân bằng mà không tiêu tốn năng lượng duy trì tải tĩnh khi động cơ dừng hoạt động.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Kết cấu cơ khí của mô hình đòi hỏi các kỹ thuật gia công kim loại tương đối phức tạp (hàn, tiện, cắt CNC), dẫn đến việc lắp ráp thủ công vẫn còn tồn tại các sai số hình học cơ học.
  • Hệ thống mới chỉ được kiểm chứng thực nghiệm ở dải tải trọng tĩnh nhỏ (200 g đến dưới 1 kg); chưa đánh giá toàn diện ảnh hưởng của tải trọng động thay đổi liên tục theo thời gian thực.
  • Các hệ số khuếch đại PID ($K_p, K_i, K_d$) và ma trận hiệp phương sai của bộ lọc Kalman hiện được thiết lập cố định, chưa có cơ chế tự thích nghi theo các điều kiện vận hành biến thiên.

Hướng nghiên cứu tiếp

  • Triển khai mô hình trong các môi trường vận hành thực tế (trên xe ô tô di chuyển trên đường gồ ghề, xe lăn địa hình) để thu thập tập dữ liệu lớn về tải trọng và chuyển động.
  • Ứng dụng các kỹ thuật học máy (Machine Learning) trên nền tảng nhúng để tự động hiệu chuẩn (auto-calibration) các tham số động học và tham số bộ lọc nhiễu.
  • Tối ưu hóa kết cấu cơ khí theo hướng module hóa, tăng cường khả năng chịu tải trọng lớn hơn phục vụ cho ứng dụng ghế chống rung và thiết bị y tế chuyên dụng.

Giá trị tham khảo

Báo cáo khóa luận này là tài liệu tham khảo hữu ích cho:

  • Sinh viên và học viên ngành Kỹ thuật Máy tính, Cơ điện tử, Kỹ thuật Điều khiển & Tự động hóa, Robotics: Cung cấp tài liệu tham khảo thực tế về quy trình thiết kế hệ thống nhúng điều khiển robot song song 3 bậc tự do từ lý thuyết toán học đến mạch điện và lập trình vi điều khiển.
  • Người nghiên cứu về xử lý tín hiệu cảm biến quán tính (IMU): Cung cấp các công thức toán học chi tiết, mã nguồn phương trình trạng thái bộ lọc Kalman và phân tích định lượng so sánh giữa Complementary Filter và Kalman Filter trong môi trường rung lắc cơ học.
  • Kỹ sư phát triển các thiết bị nhúng chi phí thấp: Cung cấp thông số cấu hình và phương thức ghép nối phần cứng tối ưu chi phí giữa ESP32, mạch công suất L298N, cảm biến MPU-6050 qua I2C 400kHz và động cơ giảm tốc có encoder JGY370.

Câu hỏi thường gặp

1. Khóa luận sử dụng vi điều khiển nào và những đặc tính kỹ thuật nào đáp ứng yêu cầu của hệ thống?
Tác giả sử dụng vi điều khiển ESP32 NodeMCU (sử dụng chip LX6 32-bit lõi kép xung nhịp lên đến 240 MHz, 520 KB SRAM). Vi điều khiển này được chọn vì giá thành rẻ, có phần cứng hỗ trợ giao tiếp I2C tốc độ cao (kết nối MPU-6050 ở 400 kHz), tích hợp các bộ định thời và ngoại vi PWM điều khiển động cơ, cùng xung nhịp đủ mạnh để xử lý các phép toán ma trận của bộ lọc Kalman và động học ngược trong thời gian dưới 2 ms.

2. Vì sao nhóm tác giả lựa chọn bộ lọc Kalman thay vì bộ lọc Complementary để xử lý góc nghiêng?
Mặc dù bộ lọc Complementary có cấu trúc tính toán đơn giản, nhưng hệ số $\alpha$ cố định khó có thể cân bằng hoàn hảo giữa việc triệt tiêu hiện tượng trôi dạt (drift) của con quay hồi chuyển và khử rung chấn tần số cao từ động cơ. Bộ lọc Kalman với cơ chế dự đoán và cập nhật hiệp phương sai sai số đo lường liên tục giúp triệt tiêu nhiễu dao động tốt hơn và duy trì độ ổn định góc trong môi trường động cơ hoạt động liên tục.

3. Thuật toán Inverse Kinematics giải quyết bài toán gì trong hệ thống tự cân bằng này?
Thuật toán động học ngược (Inverse Kinematics) nhận đầu vào là các góc nghiêng Pitch ($\theta_{pitch}$) và Roll ($\theta_{roll}$) do khối cảm biến ước lượng, sau đó tính toán ra tọa độ các điểm thao tác và quy đổi chính xác thành góc quay đặt $\theta_1$ của từng động cơ tại 3 chân đế. Giá trị góc này đóng vai trò là giá trị đặt (Setpoint) cho bộ điều khiển PID của từng động cơ.

4. Động cơ giảm tốc JGY370 có cấu tạo và thông số kỹ thuật ra sao để phục vụ việc định vị vị trí?
Động cơ JGY370 sử dụng nguồn 12V DC, tốc độ không tải 30 RPM (khi có tải 22 RPM), mô-men xoắn định mức 7 kg.cm (tối đa 25 kg.cm). Động cơ tích hợp hộp số giảm tốc trục vít có khả năng tự khóa trục khi dừng và đĩa encoder từ tính 2 kênh cho ra 11 xung/vòng/kênh (tổng cộng $11 \times 200 = 2200$ xung trên mỗi vòng quay trục chính), cung cấp độ phân giải góc quay phục vụ vòng điều khiển kín PID.

5. Thời gian đáp ứng và sai số cân bằng thực tế của hệ thống đạt được là bao nhiêu?
Trong điều kiện thử nghiệm thực tế với tải 200 g và dao động góc $\pm 30^\circ$, hệ thống đạt thời gian đáp ứng lập lại trạng thái cân bằng trên trục Pitch là khoảng 500 ms và trên trục Roll là 483 ms. Tổng thời gian xác lập cân bằng toàn hệ thống dưới 1 giây, hoạt động trong phạm vi $\pm 90^\circ$ với sai số góc tĩnh duy trì trong mức $\pm 5^\circ$.

Kết luận

Khóa luận tốt nghiệp của sinh viên Bùi Huy Hoàng và Phạm Trung Hòa đã hoàn thành trọn vẹn mục tiêu thiết kế và hiện thực hóa mô hình hệ thống tự cân bằng 3 bậc tự do (3-DOF Stewart Platform) trên nền tảng vi điều khiển ESP32 với chi phí thấp và độ tin cậy cao. Bằng việc kết hợp hiệu quả bộ lọc Kalman để triệt tiêu nhiễu cảm biến MPU-6050, thuật toán động học ngược D-H và bộ điều khiển PID vị trí, hệ thống đạt tốc độ phản hồi nhanh dưới 500 ms trên các trục và giữ sai số góc trong phạm vi $\pm 5^\circ$. Công trình cung cấp giải pháp kỹ thuật khả thi, mở ra tiềm năng ứng dụng thực tiễn trong việc chế tạo các thiết bị ổn định thân xe giá rẻ, xe hỗ trợ người khuyết tật và hệ thống giảm chấn y tế.