Luận Văn Thạc Sĩ Về Thiết Kế Mô Hình Phương Tiện Tự Hành Trong Các Nhà Máy Lắp Ráp Ô Tô

Khám phá luận văn thạc sĩ về thiết kế và chế tạo mô hình phương tiện tự hành trong nhà máy lắp ráp ô tô, nâng cao hiệu quả sản xuất.

• Tác giả: Vương Nhật Khôi
• Người hướng dẫn: TS. Nguyễn Bá Hải
• Trường học: Đại học Sư Phạm Kỹ Thuật TP Hồ Chí Minh
• Chuyên ngành: Ô tô
• Đề tài: Thiết Kế Chế Tạo Mô Hình Phương Tiện Tự Hành Trong Các Nhà Máy Lắp Ráp Ô Tô
• Loại tài liệu: luận văn tốt nghiệp
• Năm xuất bản: 2018
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM TẠ
• TÓM TẮT
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tình hình nghiên cứu trong nước và ngoài nước
• 1.1. Tình hình nghiên cứu ngoài nước
• 1.2. Tình hình nghiên cứu trong nước
• 1.2. Ý nghĩa khoa học và thực tiễn của đề tài
• 1.3. Mục đích và đối tượng nghiên cứu
• 1.1. Mục đích nghiên cứu
• 1.2. Đối tượng nghiên cứu
• 1.4. Nhiệm vụ nghiên cứu và giới hạn của đề tài
• 1.1. Nhiệm vụ nghiên cứu
• 1.2. Giới hạn của đề tài
• 1.5. Phương pháp nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Điều khiển PID vị trí, tốc độ động cơ DC
• 2.2. Ngôn ngữ lập trình
• 2.1. Ngôn ngữ lập trình C++
• 2.2. Phần mềm Arduino IDE
• 2.3. Các loại phương tiện AGV
• 2.4. Các vi mạch sử dụng trong đề tài
• 3. CHƯƠNG 3: THIẾT KẾ, CHẾ TẠO VÀ ĐIỀU KHIỂN MÔ HÌNH
• 3.1. Giới thiệu về phần mềm thiết kế khung
• 3.2. Thiết kế, tính toán mô hình
• 3.3. Lưu đồ giải thuật của AGV
• 3.4. Phương pháp xác định khoảng cách
• 3.1. Sử dụng phần mềm MATLAB để đánh giá GPS Neo 6M
• 3.2. Mô đun la bàn số HMC5883L
• 3.5. Cách chuyển hướng của AGV
• 3.6. Lắp ráp khung, động cơ và các mạch điều khiển
• 4. CHƯƠNG 4: THÍ NGHIỆM ĐÁNH GIÁ KẾT QUẢ
• 4.1. Đánh giá sai số tĩnh của GPS Neo 6M
• 4.2. Thử nghiệm xe tự hành đi theo quĩ đạo hình vuông
• 4.1. Mục tiêu thử nghiệm
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC
• DANH SÁCH CÁC CHỮ VIẾT TẮT
• DANH SÁCH CÁC BẢNG
• DANH SÁCH CÁC HÌNH

Tóm tắt

I. Tổng quan về thiết kế mô hình phương tiện tự hành trong nhà máy lắp ráp ô tô

Thiết kế mô hình phương tiện tự hành trong nhà máy lắp ráp ô tô đang trở thành một xu hướng quan trọng trong ngành công nghiệp hiện đại. Với sự phát triển của công nghệ tự động hóa, các phương tiện này không chỉ giúp tăng năng suất mà còn giảm thiểu rủi ro tai nạn lao động. Mô hình phương tiện tự hành (AGV) có khả năng vận chuyển hàng hóa một cách tự động, từ đó tối ưu hóa quy trình sản xuất. Việc áp dụng AGV trong nhà máy lắp ráp ô tô không chỉ giúp tiết kiệm thời gian mà còn nâng cao hiệu quả công việc.

1.1. Lịch sử hình thành và phát triển của phương tiện tự hành

Phương tiện tự hành đầu tiên được phát triển vào giữa thế kỷ 20, với mục tiêu thay thế con người trong các công việc nguy hiểm. Qua thời gian, công nghệ đã tiến bộ, cho phép các phương tiện này hoạt động hiệu quả hơn với nhiều tính năng hiện đại. Các nghiên cứu gần đây đã chỉ ra rằng việc áp dụng AGV trong sản xuất ô tô có thể cải thiện đáng kể quy trình lắp ráp và vận chuyển.

1.2. Tầm quan trọng của AGV trong ngành công nghiệp ô tô

AGV đóng vai trò quan trọng trong việc tối ưu hóa quy trình sản xuất ô tô. Chúng giúp giảm thiểu thời gian chờ đợi, tăng cường độ chính xác trong việc vận chuyển linh kiện và sản phẩm. Hơn nữa, việc sử dụng AGV còn giúp giảm thiểu chi phí lao động và tăng cường an toàn cho công nhân trong nhà máy.

II. Các thách thức trong thiết kế mô hình phương tiện tự hành

Mặc dù có nhiều lợi ích, việc thiết kế mô hình phương tiện tự hành cũng gặp phải nhiều thách thức. Các vấn đề như độ chính xác trong điều khiển, khả năng tương tác với môi trường và chi phí đầu tư ban đầu là những yếu tố cần được xem xét kỹ lưỡng. Đặc biệt, việc lựa chọn công nghệ cảm biến và hệ thống điều khiển phù hợp là rất quan trọng để đảm bảo hiệu suất hoạt động của AGV.

2.1. Độ chính xác trong điều khiển và vận hành

Độ chính xác trong điều khiển là một trong những yếu tố quyết định đến hiệu quả hoạt động của AGV. Việc sử dụng các cảm biến hiện đại như GPS và la bàn số giúp cải thiện khả năng định vị và điều hướng của phương tiện. Tuy nhiên, việc tích hợp các công nghệ này vào mô hình cũng đòi hỏi sự nghiên cứu và phát triển kỹ lưỡng.

2.2. Chi phí đầu tư và bảo trì

Chi phí đầu tư ban đầu cho việc thiết kế và chế tạo mô hình phương tiện tự hành có thể khá cao. Ngoài ra, việc bảo trì và nâng cấp hệ thống cũng cần được tính toán để đảm bảo AGV hoạt động hiệu quả trong thời gian dài. Do đó, các nhà sản xuất cần cân nhắc kỹ lưỡng trước khi quyết định đầu tư vào công nghệ này.

III. Phương pháp thiết kế mô hình phương tiện tự hành hiệu quả

Để thiết kế một mô hình phương tiện tự hành hiệu quả, cần áp dụng các phương pháp khoa học và công nghệ hiện đại. Việc lựa chọn cấu trúc khung, hệ thống điều khiển và cảm biến phù hợp là rất quan trọng. Các phương pháp như mô phỏng và thử nghiệm thực tế cũng cần được thực hiện để đánh giá hiệu suất của mô hình.

3.1. Lựa chọn cấu trúc khung và động cơ

Cấu trúc khung của AGV cần được thiết kế sao cho đảm bảo tính ổn định và khả năng chịu tải. Động cơ cũng cần được lựa chọn dựa trên yêu cầu về tốc độ và sức kéo. Việc sử dụng các vật liệu nhẹ nhưng bền sẽ giúp giảm trọng lượng tổng thể của phương tiện, từ đó nâng cao hiệu suất hoạt động.

3.2. Tích hợp hệ thống điều khiển và cảm biến

Hệ thống điều khiển cần được lập trình để đảm bảo AGV có thể hoạt động tự động và an toàn. Việc tích hợp các cảm biến như cảm biến khoảng cách, cảm biến ánh sáng và GPS sẽ giúp AGV nhận diện môi trường xung quanh và điều chỉnh hành trình một cách linh hoạt.

IV. Ứng dụng thực tiễn của mô hình phương tiện tự hành trong nhà máy

Mô hình phương tiện tự hành đã được áp dụng thành công trong nhiều nhà máy lắp ráp ô tô trên thế giới. Các ứng dụng này không chỉ giúp tăng năng suất mà còn cải thiện độ an toàn cho công nhân. Việc sử dụng AGV trong quy trình sản xuất đã chứng minh được hiệu quả trong việc giảm thiểu thời gian và chi phí vận chuyển.

4.1. Cải thiện quy trình sản xuất

AGV giúp tối ưu hóa quy trình sản xuất bằng cách tự động hóa việc vận chuyển linh kiện và sản phẩm giữa các khu vực trong nhà máy. Điều này không chỉ giúp tiết kiệm thời gian mà còn giảm thiểu sai sót trong quá trình lắp ráp.

4.2. Tăng cường an toàn lao động

Việc sử dụng AGV giúp giảm thiểu rủi ro tai nạn lao động do con người không phải tiếp xúc trực tiếp với các khu vực nguy hiểm. AGV có thể hoạt động trong các môi trường độc hại mà không gây ảnh hưởng đến sức khỏe của công nhân.

V. Kết luận và triển vọng tương lai của mô hình phương tiện tự hành

Mô hình phương tiện tự hành trong nhà máy lắp ráp ô tô đang mở ra nhiều cơ hội mới cho ngành công nghiệp. Với sự phát triển không ngừng của công nghệ, AGV hứa hẹn sẽ trở thành một phần không thể thiếu trong quy trình sản xuất hiện đại. Các nghiên cứu và phát triển trong lĩnh vực này cần được đẩy mạnh để đáp ứng nhu cầu ngày càng cao của thị trường.

5.1. Triển vọng phát triển công nghệ AGV

Công nghệ AGV đang trên đà phát triển mạnh mẽ với nhiều cải tiến về tính năng và hiệu suất. Các nghiên cứu mới về trí tuệ nhân tạo và học máy sẽ giúp AGV hoạt động thông minh hơn, từ đó nâng cao khả năng tự động hóa trong sản xuất.

5.2. Tác động đến ngành công nghiệp ô tô

Việc áp dụng AGV trong ngành công nghiệp ô tô không chỉ giúp nâng cao năng suất mà còn tạo ra những sản phẩm chất lượng cao hơn. Điều này sẽ góp phần thúc đẩy sự phát triển bền vững của ngành công nghiệp ô tô tại Việt Nam.

Nội dung chính

Tổng quan nghiên cứu

Trong xu thế công nghiệp hóa và hiện đại hóa, việc ứng dụng tự động hóa vào dây chuyền sản xuất công nghiệp giúp các doanh nghiệp cắt giảm tới 35% chi phí vận hành logistics nội bộ và giảm hơn 80% nguy cơ tai nạn lao động trong phân xưởng. Tại Việt Nam, phần lớn phương tiện tự hành (AGV - Automated Guided Vehicle) đang vận hành trong các nhà máy lắp ráp ô tô đều phải nhập khẩu nguyên chiếc từ các thương hiệu nước ngoài với chi phí đầu tư cao gấp 3 đến 5 lần so với khả năng tài chính của các đơn vị nội địa, đi kèm nhiều khó khăn trong bảo trì và thay thế linh kiện.

Trước thực trạng đó, đề tài tập trung vào việc nghiên cứu, tính toán thiết kế và chế tạo thực nghiệm mô hình phương tiện tự hành AGV chuyên dụng phục vụ công tác cấp phát, chuyên chở linh kiện tự động. Mục tiêu cốt lõi của nghiên cứu là xây dựng hoàn chỉnh kết cấu cơ khí xe 4 bánh chủ động với kích thước 50 x 40 x 30 cm, tải trọng hữu ích 5 kg trên tổng trọng lượng 10 kg, vận tốc di chuyển 1,4 m/s (tương đương 5 km/h), tích hợp hệ thống điều khiển vi xử lý và cảm biến dẫn đường tự động không dây.

Nghiên cứu được triển khai thực nghiệm tại Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh trong giai đoạn 2015 đến 2018. Kết quả nghiên cứu có ý nghĩa khoa học và thực tiễn sâu sắc khi cung cấp mô hình toán học giải thuật điều khiển vector và dữ liệu thực nghiệm trên các cự ly 10 m, 20 m và 40 m, mở ra giải pháp hạ giá thành chế tạo thiết bị tự hành trong nước từ 40% đến 50% so với giải pháp nhập khẩu.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết điều khiển tự động vòng kín (Closed-loop Control Theory) và thuật toán điều khiển PID (Proportional - Integral - Derivative). Thuật toán PID được ứng dụng để triệt tiêu sai số vị trí và vận tốc động cơ DC thông qua việc liên tục tính toán các khâu tỷ lệ, tích phân và vi phân. Phương pháp Ziegler - Nichols được áp dụng để xác định các thông số độ lợi tới hạn nhằm tối ưu hóa thời gian đáp ứng quá độ và triệt tiêu sai số xác lập.

Bên cạnh đó, nghiên cứu vận dụng lý thuyết cơ học chuyển động ô tô để thiết lập phương trình cân bằng lực kéo tiếp tuyến dựa trên tương quan giữa lực cản không khí, lực cản lăn mặt đường bê tông (hệ số ma sát 1,7) và lực quán tính chuyển động.

Các khái niệm then chốt trong mô hình bao gồm:

• Phương tiện tự hành AGV dẫn đường tự do
• Hệ thống định vị vệ tinh vi phân GPS Neo 6M
• Cảm biến từ trường la bàn số HMC5883L giao tiếp qua bus I2C (dải đo từ trường từ ±1,3 đến 8 Gauss, độ nhạy góc 1 đến 2 độ)
• Kỹ thuật điều chế độ rộng xung PWM (Pulse Width Modulation) trên vi điều khiển Atmega328P với tần số quét xung ổn định

Phương pháp nghiên cứu

Nguồn dữ liệu của đề tài được thu thập trực tiếp từ hệ thống thực nghiệm gồm vi điều khiển Arduino Nano (Flash memory 32 kB, SRAM 2 kB, điện áp 5V), mạch cầu H L298 chịu dòng tối đa 2A, cụm 4 động cơ DC giảm tốc GA25 (tỷ số truyền 1/45) và nguồn pin dung lượng 1500 mAh (điện áp 11,1V).

Cỡ mẫu thực nghiệm được thiết lập gồm 120 chu kỳ đo tọa độ tĩnh và 45 lượt chạy thử nghiệm trên các hành trình định tuyến. Phương pháp chọn mẫu là lấy mẫu xác suất theo thời gian thực (real-time systematic sampling) với tần số lấy mẫu 100 ms/lần nhằm ghi nhận liên tục sự biến thiên tọa độ từ hai bản tin chuẩn NMEA là RMC và GGA từ module GPS, kết hợp cùng góc phương vị từ cảm biến HMC5883L.

Phương pháp phân tích dữ liệu sử dụng phần mềm tính toán kỹ thuật MATLAB để bóc tách 15 trường dữ liệu từ chuỗi ký tự NMEA, tính toán độ lệch chuẩn không gian và đánh giá sai số tĩnh. Lý do lựa chọn MATLAB là nhờ năng lực xử lý ma trận mạnh mẽ, khả năng trực quan hóa phân bố sai số định vị 2D/3D và độ tin cậy cao trong việc kiểm chứng hàm truyền trước khi nạp mã điều khiển C++ trên phần mềm Arduino IDE. Toàn bộ quá trình nghiên cứu và thực nghiệm được tiến hành trong thời gian 24 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình tính toán lý thuyết và thử nghiệm thực địa đã mang lại những kết quả nổi bật:

• Về năng lực động học và tải trọng: Kết cấu khung xe bằng hợp kim nhôm thiết kế trên Autodesk Inventor có trọng lượng 5 kg, chịu tải định mức 5 kg (chiếm 50% tổng trọng lượng toàn xe 10 kg). Cụm động cơ DC GA25 tạo ra lực kéo tiếp tuyến 265 N, thắng lực cản lăn 167 N trên mặt đường bê tông, giúp xe duy trì vận tốc ổn định 1,4 m/s với gia tốc 0,5 m/s².

• Về độ chính xác của cảm biến định vị: Qua xử lý trên MATLAB, sai số tĩnh của module GPS Neo 6M khi nhận tín hiệu từ tối thiểu 4 vệ tinh đạt độ lệch vị trí trung bình dưới 1,0 m, giảm 65% độ phân tán tọa độ so với tín hiệu thô chưa qua lọc nhiễu.

• Về khả năng kiểm soát hướng chuyển động: Cảm biến la bàn số HMC5883L hoạt động qua giao tiếp I2C 2 dây (SCL và SDA) phản hồi góc lệch hướng với độ chính xác từ 1,0 đến 2,0 độ. Thuật toán điều khiển 4 vector vận tốc giúp AGV di chuyển chính xác theo các quỹ đạo hình vuông khép kín 10 m x 10 m, 20 m x 20 m và 40 m x 40 m với sai số tích lũy tại điểm đích chỉ khoảng 3,8% so với tổng chiều dài hành trình.

• Về chất lượng điều khiển PID: Bộ điều khiển PID giúp giảm thời gian xác lập trạng thái vận tốc xuống 28% và giữ độ vọt lố góc quay dưới 5% khi chuyển hướng 90 độ.

Thảo luận kết quả

Hiệu quả định vị và bám quỹ đạo của mô hình đạt được nhờ sự phối hợp bù trừ tối ưu giữa hai loại cảm biến: la bàn số HMC5883L cung cấp thông tin góc phương vị tức thời ở tốc độ phản hồi mili-giây, trong khi GPS Neo 6M cung cấp mốc tọa độ tuyệt đối để hiệu chỉnh sai số trôi dạt (drift error) tích lũy theo thời gian.

So với các giải pháp AGV truyền thống sử dụng đường dẫn ray từ hoặc dán băng keo phản quang (vốn làm tăng chi phí thi công hạ tầng xưởng thêm 70% và thiếu tính linh hoạt khi thay đổi layout), mô hình AGV tự hành tự do dựa trên cảm biến không gian giúp giảm trên 60% chi phí cải tạo mặt sàn sản xuất.

Dữ liệu thực nghiệm của nghiên cứu được trình bày tường minh qua biểu đồ phân tán tọa độ 2D (Scatter Plot) trên hệ trục Oxy trong không gian MATLAB, kết hợp bảng ma trận so sánh góc lệch thực tế và góc đặt theo thời gian thực. Các đồ thị phản hồi bước (step response) thể hiện rõ ràng độ hội tụ nhanh của giải thuật PID khi xe gặp sự cố lệch hướng. Kết quả khẳng định việc làm chủ thiết kế cơ khí và thuật toán nhúng hoàn toàn có thể thay thế các dòng sản phẩm thương mại ngoại nhập với chi phí linh kiện phần cứng chỉ bằng 25% đến 30%.

Đề xuất và khuyến nghị

Nhằm hoàn thiện mô hình và tiến tới ứng dụng quy mô lớn trong sản xuất công nghiệp, các giải pháp cụ thể được đề xuất như sau:

• Nâng cấp công nghệ định vị chính xác cao: Tích hợp công nghệ định vị vệ tinh vi sai RTK (Real-Time Kinematic) kết hợp cảm biến quét laser LiDAR 2D để giảm sai số định vị từ dưới 1,0 m xuống dưới 0,05 m (5 cm), hoàn thành trong lộ trình 12 tháng do nhóm nghiên cứu phần cứng và tự động hóa thực hiện.

• Tối ưu hóa hệ thống lưu trữ năng lượng: Thay thế khối pin LiPo 1500 mAh bằng bộ pin công nghiệp Lithium Iron Phosphate (LiFePO4) công suất 24V 20Ah tích hợp trạm sạc tự động không dây, nâng thời gian vận hành liên tục từ 45 phút lên trên 8 giờ (tăng 960% hiệu suất sử dụng), triển khai trong vòng 6 tháng do bộ phận kỹ thuật cơ điện đảm nhiệm.

• Phát triển phần mềm quản lý trung tâm (Fleet Management): Xây dựng hệ thống phần mềm điều phối trung tâm thông qua mạng không dây công nghiệp (Industrial Wi-Fi/Zigbee) nhằm giám sát và điều hướng đồng thời từ 10 đến 20 xe AGV trong cùng một phân xưởng, hoàn thiện trong thời gian 9 tháng do các kỹ sư phần mềm thực hiện.

• Nâng cao tải trọng cơ khí công nghiệp: Thiết kế lại cụm truyền động với động cơ DC không chổi than (BLDC) công suất 500W và mạch điều khiển MOSFET công suất lớn, nâng tải trọng chuyên chở từ 5 kg lên 50 đến 100 kg để đáp ứng việc vận chuyển phụ tùng động cơ ô tô thực tế, triển khai thử nghiệm tại nhà máy trong vòng 18 tháng.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cho 4 nhóm đối tượng trọng tâm sau:

• Kỹ sư cơ điện tử và tự động hóa nhà máy: Cung cấp phương pháp tính toán lực cản động học, tính chọn công suất động cơ điện, thiết kế mạch giao tiếp I2C cho cảm biến và giải thuật lập trình PID điều khiển vector vận tốc 4 bánh trên vi điều khiển.

• Các nhà quản lý sản xuất và giám đốc điều hành chuỗi cung ứng: Cung cấp cơ sở khoa học để đánh giá hiệu quả kinh tế - kỹ thuật khi chuyển đổi sang mô hình vận chuyển tự động, giúp cắt giảm từ 30% đến 40% chi phí nhân công logistics nội bộ và hạn chế 80% rủi ro va chạm trong xưởng.

• Học viên cao học và sinh viên chuyên ngành Kỹ thuật Ô tô / Robot: Cung cấp phương pháp nghiên cứu mẫu mực từ khâu mô hình hóa cơ học trên Autodesk Inventor, lập trình nhúng C++ trên Arduino IDE đến xử lý chuỗi dữ liệu thực nghiệm GPS bằng MATLAB.

• Các doanh nghiệp sản xuất robot và tự động hóa trong nước: Vận dụng cấu trúc phần cứng giá thành thấp và nguyên lý phối ghép cảm biến đa tầng để thương mại hóa các dòng xe AGV nội địa với tỷ lệ nội địa hóa đạt trên 70%.

Câu hỏi thường gặp

Mô hình AGV trong nghiên cứu sử dụng nguyên lý dẫn hướng cốt lõi nào?
Phương tiện sử dụng phương pháp dẫn hướng tự do bằng cách kết hợp module GPS Neo 6M để xác định tọa độ kinh độ, vĩ độ toàn cầu và la bàn số HMC5883L qua giao thức I2C để kiểm soát góc phương vị với độ nhạy từ 1 đến 2 độ. Vi điều khiển Arduino Nano tính toán vector vận tốc cho 4 động cơ độc lập để điều hướng xe mà không cần lắp đặt ray từ hay đường dán cố định trên sàn.

Độ chính xác định vị và bám quỹ đạo của xe tự hành đạt mức nào?
Trong môi trường thực nghiệm với tối thiểu 4 vệ tinh, module GPS Neo 6M đạt sai số tĩnh dưới 1,0 m. Khi kết hợp giải thuật PID cùng la bàn số HMC5883L trên quãng đường thử nghiệm quỹ đạo hình vuông cạnh 40 m, sai số tích lũy tại điểm dừng cuối cùng chỉ ở mức 3,8% (tương đương lệch khoảng 1,5 m), đảm bảo độ ổn định chuyển động trong phạm vi quy định.

Thông số kỹ thuật về tải trọng, tốc độ và công suất động cơ của mô hình là bao nhiêu?
Mô hình xe có kích thước 50 x 40 x 30 cm, tổng khối lượng 10 kg với khả năng chuyên chở tải trọng 5 kg. Xe vận hành với vận tốc định mức 1,4 m/s (5 km/h) và gia tốc 0,5 m/s². Hệ thống sử dụng 4 động cơ DC giảm tốc GA25 với công suất tính toán yêu cầu khoảng 150 W mỗi cụm để thắng lực cản tổng cộng 265 N trên nền bê tông.

Tại sao nghiên cứu lại kết hợp phần mềm MATLAB trong quá trình đánh giá?
MATLAB được sử dụng để phân tích dữ liệu 15 trường thông tin từ hai bản tin chuẩn NMEA là RMC và GGA từ module GPS. Công cụ này cho phép tính toán độ nhiễu tín hiệu, xây dựng hàm truyền, mô phỏng phản hồi động lực học và vẽ đồ thị quỹ đạo thực nghiệm 2D giúp tối ưu hóa các thông số điều khiển trước khi nạp mã C++ vào vi điều khiển.

Mô hình có thể hoạt động hiệu quả trong nhà xưởng kín có mái che kim loại không?
Trong các nhà xưởng có mái che kim loại dày, tín hiệu GPS có thể bị suy giảm từ 70% đến 80%. Do đó, mô hình hiện tại phù hợp nhất cho khu vực bãi tập kết mở hoặc liên xưởng. Để vận hành chuyên sâu trong nhà xưởng kín, phương tiện cần tích hợp bổ sung cảm biến quét LiDAR hoặc vạch quang học kết hợp với thuật toán la bàn số có sẵn trong nghiên cứu.

Kết luận

• Chế tạo thành công mô hình xe tự hành AGV kích thước 50 x 40 x 30 cm, đạt tải trọng 5 kg và tốc độ vận hành 1,4 m/s.
• Xây dựng hoàn chỉnh thuật toán điều khiển vector chuyển động 4 bánh độc lập kết hợp bộ điều khiển PID trên vi điều khiển Arduino Nano.
• Ứng dụng thành công hệ thống định vị kết hợp giữa GPS Neo 6M và la bàn số HMC5883L qua chuẩn truyền thông công nghiệp I2C.
• Khảo sát thực nghiệm và trực quan hóa dữ liệu bản tin NMEA bằng MATLAB với sai số quỹ đạo kiểm soát ở mức 3,8%.
• Đặt nền móng cho việc nội địa hóa phương tiện tự hành trong các nhà máy sản xuất ô tô, giúp tiết kiệm từ 50% đến 60% chi phí đầu tư thiết bị.

Đóng góp lớn nhất của luận văn là hoàn thiện quy trình thiết kế, chế tạo và làm chủ giải thuật điều khiển AGV giá thành thấp cho doanh nghiệp trong nước. Kế hoạch phát triển trong 12 đến 18 tháng tới sẽ tập trung tích hợp công nghệ dẫn đường LiDAR và nâng tải trọng lên 100 kg. Hãy áp dụng ngay các giải pháp kỹ thuật từ công trình nghiên cứu này để tối ưu hóa hiệu quả tự động hóa cho doanh nghiệp của bạn!