Tổng quan nghiên cứu

Trong lĩnh vực tự động hóa và điều khiển học, hệ thống xe hai bánh tự cân bằng là một đối tượng nghiên cứu đặc thù với tính chất phi tuyến và đa biến đầu vào-đầu ra (MIMO). Theo ước tính, các mô hình robot hai bánh tự cân bằng được ứng dụng rộng rãi trong phòng thí nghiệm và phát triển sản phẩm thực tế tại nhiều quốc gia phát triển. Tuy nhiên, tại Việt Nam, nghiên cứu về hệ thống này còn khá mới mẻ và đối mặt với nhiều thách thức kỹ thuật. Đặc biệt, việc điều khiển hệ thống này đòi hỏi phải xử lý đồng thời các yêu cầu về vị trí, góc nghiêng và góc quay, trong khi chỉ sử dụng hai động cơ điều khiển.

Mục tiêu chính của luận văn là xây dựng mô hình robot hai bánh tự cân bằng dựa trên mô hình con lắc ngược, phát triển và kiểm chứng các giải thuật điều khiển PID và LQR trên môi trường mô phỏng Matlab/Simulink và trên mô hình thực tế. Phạm vi nghiên cứu tập trung vào hệ xe hai bánh hoạt động trên mặt phẳng bằng phẳng, sử dụng cảm biến IMU 9 DOF và bộ điều khiển DSP TMS320F28335. Luận văn nhằm đánh giá hiệu quả và so sánh ưu nhược điểm của hai giải thuật điều khiển tuyến tính phổ biến trong việc giữ thăng bằng và điều khiển chuyển động của robot.

Nghiên cứu có ý nghĩa quan trọng trong việc phát triển các hệ thống robot tự cân bằng tại Việt Nam, góp phần nâng cao năng lực nghiên cứu và ứng dụng công nghệ điều khiển hiện đại. Các chỉ số hiệu suất như độ ổn định góc nghiêng, sai số vị trí và thời gian đáp ứng được sử dụng để đánh giá kết quả mô phỏng và thực nghiệm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai lý thuyết và mô hình nghiên cứu chính:

  1. Mô hình động lực học con lắc ngược: Sử dụng phương pháp Euler-Lagrange để xây dựng phương trình trạng thái phi tuyến mô tả chuyển động của robot hai bánh trên mặt phẳng. Các đại lượng chính bao gồm góc nghiêng (ψ), góc tới của bánh trái và phải (θ_l, θ_r), vận tốc góc và vị trí tọa độ robot. Mô hình này cho phép phân tích mối quan hệ giữa điện áp điều khiển động cơ và các biến trạng thái của hệ thống.

  2. Giải thuật điều khiển tuyến tính PID và LQR:

    • PID (Proportional-Integral-Derivative): Giải thuật điều khiển thử sai, không yêu cầu mô hình toán học chính xác, thích hợp cho điều khiển góc nghiêng và vị trí trong hệ thống robot hai bánh. Cấu trúc gồm ba bộ PID điều khiển góc nghiêng, vị trí và góc xoay.
    • LQR (Linear Quadratic Regulator): Giải thuật điều khiển tối ưu dựa trên mô hình trạng thái tuyến tính hóa quanh điểm cân bằng. Sử dụng ma trận trọng số Q và R để tối ưu hóa tiêu chuẩn chất lượng, giải phương trình Riccati để tính toán ma trận hồi tiếp trạng thái K.

Các khái niệm chuyên ngành quan trọng bao gồm: mô hình con lắc ngược, bộ lọc Kalman (ứng dụng trong đọc cảm biến IMU), phương trình trạng thái, ma trận trọng số Q, R trong LQR, và kỹ thuật điều khiển PWM cho động cơ.

Phương pháp nghiên cứu

Nguồn dữ liệu chính bao gồm:

  • Tài liệu lý thuyết từ sách, bài báo khoa học và các nguồn trực tuyến về điều khiển robot và hệ thống tự cân bằng.
  • Dữ liệu mô phỏng thu được từ phần mềm Matlab/Simulink.
  • Dữ liệu thực nghiệm từ mô hình robot hai bánh tự cân bằng được chế tạo tại phòng thí nghiệm.

Phương pháp phân tích:

  • Mô hình hóa hệ thống phi tuyến và tuyến tính hóa quanh điểm cân bằng.
  • Thiết kế và tinh chỉnh tham số bộ điều khiển PID qua phương pháp thử sai.
  • Tính toán ma trận hồi tiếp trạng thái K cho bộ điều khiển LQR bằng hàm lqr trong Matlab.
  • Sử dụng bộ lọc Kalman để xử lý tín hiệu cảm biến IMU nhằm cải thiện độ chính xác đo góc nghiêng.
  • Kiểm chứng kết quả mô phỏng bằng thực nghiệm trên mô hình thực tế sử dụng chip DSP TMS320F28335.

Timeline nghiên cứu kéo dài trong khoảng thời gian thực hiện luận văn thạc sĩ, bao gồm các giai đoạn: tìm hiểu lý thuyết, thiết kế mô hình, lập trình mô phỏng, chế tạo phần cứng, thực nghiệm và phân tích kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả điều khiển PID trên mô hình thực tế: Bộ điều khiển PID cho phép robot giữ thăng bằng tại vị trí đứng yên với sai số góc nghiêng nhỏ, thời gian đáp ứng nhanh. Kết quả thực nghiệm cho thấy robot có thể duy trì trạng thái cân bằng ổn định trong khoảng thời gian dài, với sai số góc nghiêng dưới 2 độ và thời gian xác lập khoảng 0.5 giây.

  2. Hiệu quả điều khiển LQR trên mô phỏng: Giải thuật LQR thể hiện khả năng ổn định tốt các biến trạng thái như góc nghiêng (ψ), góc tới (θ), góc xoay (φ) và vận tốc tương ứng. Mô phỏng cho thấy sai số vị trí giảm khoảng 15% so với PID, tuy nhiên trong thực nghiệm, LQR còn tồn tại sai số xác lập do chưa tối ưu hoàn toàn tham số ma trận trọng số.

  3. So sánh ưu nhược điểm hai giải thuật: PID có ưu điểm dễ triển khai, không cần mô hình toán học chính xác, phù hợp cho điều khiển đứng yên và điều chỉnh nhanh. LQR cung cấp giải pháp tối ưu về mặt lý thuyết, kiểm soát đa biến hiệu quả hơn nhưng đòi hỏi mô hình chính xác và tinh chỉnh phức tạp. Trong thực tế, PID cho phép điều khiển quẹo trái, quẹo phải hiệu quả hơn do tính đơn giản trong điều chỉnh.

  4. Ứng dụng bộ lọc Kalman: Việc tích hợp bộ lọc Kalman trong xử lý tín hiệu cảm biến IMU giúp giảm nhiễu và sai số đo góc nghiêng, nâng cao độ chính xác của hệ thống điều khiển. Tần số lấy mẫu 100Hz đảm bảo đáp ứng kịp thời các biến đổi trạng thái.

Thảo luận kết quả

Nguyên nhân chính của sự khác biệt hiệu quả giữa PID và LQR xuất phát từ bản chất điều khiển: PID là điều khiển phản hồi đơn giản, không dựa trên mô hình, trong khi LQR là điều khiển tối ưu dựa trên mô hình tuyến tính hóa. Kết quả mô phỏng và thực nghiệm có thể được trình bày qua biểu đồ tín hiệu góc nghiêng, vị trí và điện áp điều khiển động cơ, thể hiện sự ổn định và sai số của từng giải thuật.

So với các nghiên cứu trong nước, luận văn đã mở rộng phạm vi điều khiển không chỉ giữ thăng bằng mà còn điều khiển chuyển động quẹo trái, quẹo phải, điều mà nhiều đề tài trước chưa thực hiện thành công. Kết quả này góp phần nâng cao hiểu biết về khả năng ứng dụng các giải thuật điều khiển tuyến tính trong hệ thống phi tuyến phức tạp như robot hai bánh tự cân bằng.

Đề xuất và khuyến nghị

  1. Tối ưu hóa tham số bộ điều khiển LQR: Thực hiện nghiên cứu sâu hơn về lựa chọn ma trận trọng số Q và R để giảm sai số xác lập và nâng cao hiệu quả điều khiển chuyển động quẹo trái, quẹo phải. Thời gian thực hiện dự kiến 6 tháng, do nhóm nghiên cứu điều khiển và tự động hóa đảm nhiệm.

  2. Phát triển thuật toán điều khiển phi tuyến kết hợp: Kết hợp giải thuật PID và LQR hoặc áp dụng các giải thuật điều khiển thông minh như fuzzy logic hoặc neural network để cải thiện khả năng thích nghi với điều kiện môi trường thay đổi. Thời gian nghiên cứu 1 năm, phối hợp giữa phòng thí nghiệm và doanh nghiệp công nghệ robot.

  3. Nâng cao độ chính xác cảm biến và xử lý tín hiệu: Cải tiến phần cứng cảm biến IMU và thuật toán lọc Kalman để giảm nhiễu và tăng tần số lấy mẫu, giúp hệ thống phản ứng nhanh và chính xác hơn. Chủ thể thực hiện là nhóm kỹ thuật phần cứng và phần mềm nhúng trong 3-4 tháng.

  4. Mở rộng phạm vi ứng dụng mô hình: Nghiên cứu áp dụng hệ thống điều khiển cho robot hai bánh trên địa hình nghiêng hoặc không bằng phẳng, đồng thời phát triển các chức năng điều khiển nâng cao như tự động tránh vật cản, di chuyển theo lộ trình. Thời gian dự kiến 1-2 năm, phối hợp đa ngành.

Đối tượng nên tham khảo luận văn

  1. Sinh viên và nghiên cứu sinh ngành điều khiển tự động và robot: Luận văn cung cấp kiến thức thực tiễn về mô hình hóa, thiết kế và triển khai bộ điều khiển PID và LQR cho hệ thống robot hai bánh tự cân bằng, hỗ trợ học tập và nghiên cứu chuyên sâu.

  2. Giảng viên và nhà nghiên cứu trong lĩnh vực điều khiển học: Tài liệu tham khảo hữu ích để cập nhật các phương pháp điều khiển tuyến tính và phi tuyến, đồng thời so sánh hiệu quả các giải thuật trong thực tế.

  3. Kỹ sư phát triển sản phẩm robot và tự động hóa: Cung cấp hướng dẫn thiết kế phần cứng, phần mềm và tích hợp cảm biến, giúp phát triển các sản phẩm robot tự cân bằng ứng dụng trong công nghiệp và dịch vụ.

  4. Doanh nghiệp công nghệ và startup trong lĩnh vực robot: Tham khảo để áp dụng các giải thuật điều khiển hiện đại, tối ưu hóa sản phẩm và nâng cao tính cạnh tranh trên thị trường.

Câu hỏi thường gặp

  1. Giải thuật PID và LQR khác nhau như thế nào trong điều khiển robot hai bánh?
    PID là giải thuật điều khiển phản hồi đơn giản, không cần mô hình toán học, dễ triển khai và hiệu quả trong điều khiển đứng yên. LQR là giải thuật tối ưu dựa trên mô hình trạng thái tuyến tính, kiểm soát đa biến tốt hơn nhưng phức tạp hơn trong thiết kế và tinh chỉnh.

  2. Tại sao cần sử dụng bộ lọc Kalman trong hệ thống này?
    Bộ lọc Kalman giúp xử lý tín hiệu cảm biến IMU bị nhiễu, cải thiện độ chính xác đo góc nghiêng và vận tốc góc, từ đó nâng cao hiệu quả điều khiển và ổn định của robot.

  3. Phần mềm nào được sử dụng để mô phỏng và lập trình điều khiển?
    Phần mềm Matlab/Simulink được sử dụng để mô phỏng các giải thuật PID và LQR, đồng thời kết hợp với Code Composer Studio (CCS) để lập trình nhúng cho chip DSP TMS320F28335.

  4. Robot hai bánh tự cân bằng có thể hoạt động trên địa hình nghiêng không?
    Trong phạm vi nghiên