Giới thiệu dự án

Theo thống kê từ Tổng cục Thống kê và Bộ Lao động - Thương binh & Xã hội, Việt Nam hiện có khoảng 7,0 triệu người khuyết tật (chiếm 7,8% dân số cả nước), trong đó nhóm khuyết tật nặng và đặc biệt nặng chiếm tới 28,9%, và hơn 10,2% là người cao tuổi gặp khó khăn nghiêm trọng về khả năng vận động. Đối với nhóm đối tượng này, việc tự di chuyển độc lập trong không gian sinh hoạt gia đình, bệnh viện hay viện dưỡng lão là một thách thức lớn. Các dòng xe lăn điện điều khiển bằng cần gạt (joystick) truyền thống đòi hỏi lực cơ tay liên tục và sự tập trung cao, gây mệt mỏi cho người già yếu hoặc bất khả thi đối với người bị liệt bán phần hay suy giảm phản xạ thần kinh.

Mặt khác, các giải pháp xe lăn tự hành ngoài trời tiên tiến trên thế giới (như dự án trị giá 480.000 USD của Giáo sư Spletzer tài trợ bởi NSF Hoa Kỳ) chủ yếu dựa trên công nghệ quét laser 3D LiDAR và thuật toán SLAM phức tạp. Mặc dù đạt độ chính xác cao, các hệ thống này có chi phí phần cứng đắt đỏ, tiêu thụ năng lượng lớn và yêu cầu nền tảng máy tính nhúng cấu hình cao, không phù hợp để thương mại hóa phổ cập cho môi trường gia đình tại các nước đang phát triển.

Dự án "Thiết kế và thi công xe lăn trong nhà tự định vị và đến đích dựa vào bản đồ 2D" do nhóm nghiên cứu thuộc Bộ môn Điện tử Công nghiệp – Y sinh, Khoa Điện – Điện tử, Trường Đại học Sư phạm Kỹ thuật TP.HCM thực hiện, nhằm giải quyết bài toán cốt lõi: Cung cấp giải pháp xe lăn tự hành trong nhà có cấu trúc tinh gọn, độ tin cậy cao và chi phí tối ưu nhờ ứng dụng phương pháp định vị suy đoán vị trí (Dead-Reckoning Odometry) kết hợp màn hình cảm ứng tương tác trực quan HMI (Human-Machine Interface).

+-----------------------------------------------------------------------+
|                           MỤC TIÊU DỰ ÁN                              |
+-----------------------------------------------------------------------+
| 1. Thiết kế phần cứng công suất 24VDC - 500W tải trọng > 80kg          |
| 2. Xây dựng giải pháp Odometry 2D xử lý xung Encoder không đồng nhất  |
| 3. Phát triển giao diện cảm ứng Nextion HMI chọn điểm đến trực quan   |
| 4. Tích hợp thuật toán điều hướng tự động và né vật cản thời gian thực|
+-----------------------------------------------------------------------+

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Sử dụng vi điều khiển 32-bit ARM Cortex-M3 (Arduino DUE) làm bộ xử lý trung tâm, đọc tín hiệu phản hồi tốc độ cao từ 2 bộ mã hóa vòng quay Encoder quang học gắn đồng trục với hai bánh xe truyền động độc lập. Hệ thống kết hợp thuật toán tính toán động học vi sai (Differential Drive Kinematics), phương pháp hiệu chuẩn quỹ đạo vòng số 8 để bù sai số cơ khí, và cảm biến siêu âm HC-SR05 quét vật cản đa hướng.
  • Kết quả kỳ vọng: Xe có khả năng tự định vị tọa độ tức thời $(X, Y, \theta)$, tự vạch quỹ đạo di chuyển từ điểm hiện tại đến tọa độ đích được chọn trên màn hình cảm ứng Nextion 3.2 inch, tự động dừng hoặc chuyển hướng khi phát hiện chướng ngại vật ở cự ly an toàn 20–450 cm, sai số định vị tích lũy sau hiệu chỉnh dưới 3% trên toàn hành trình 20 mét.
  • Phạm vi và giới hạn: Hệ thống vận hành tối ưu trong môi trường mặt sàn phẳng trong nhà (indoor), kích thước khung xe $115\text{ cm} \times 60\text{ cm} \times 130\text{ cm}$, vận tốc vận hành an toàn từ 0 đến $5\text{ km/h}$, cấp nguồn độc lập từ ắc quy 24VDC - 12Ah.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Dò line / Cột mốc chủ động (RFID/Magnetic) 3D LiDAR SLAM (Robot cao cấp) Giải pháp Dead-Reckoning 2D (Đề tài)
Chi phí triển khai Trung bình (cần cải tạo sàn nhà) Rất cao (> 2.000 USD) Thấp (< 150 USD cho bộ điều khiển)
Độ linh hoạt không gian Rất thấp (cố định theo đường kẻ) Rất cao Cao (tự do di chuyển theo bản đồ 2D)
Độ phức tạp tính toán Thấp (MCU 8-bit) Rất cao (IPC / ROS / GPU nhúng) Vừa phải (MCU ARM 32-bit Cortex-M3)
Yêu cầu bảo trì Thường xuyên (hư hỏng vạch kẻ) Định kỳ cảm biến quang học Thấp, kiểm tra áp suất lốp định kỳ
Tính khả thi thương mại Khó ứng dụng trong nhà ở Khó tiếp cận người thu nhập trung bình Rất cao, dễ lắp đặt lên xe lăn có sẵn

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must Have (Bắt buộc): Khả năng thu nhận xung encoder hai kênh thời gian thực; tính toán tọa độ $(X, Y, \theta)$ chính xác; điều khiển băm xung PWM độc lập qua mạch cầu H BTS7960 43A; giao diện cảm ứng chọn điểm đến; tự dừng khẩn cấp khi gặp vật cản $< 50\text{ cm}$.
  • Should Have (Nên có): Chức năng hiệu chỉnh thông số bán kính lốp trực tiếp qua phần mềm; hiển thị trực quan thông số tốc độ, hành trình đã đi và thời gian pin lên HMI.
  • Could Have (Có thể mở rộng): Kết nối không dây cảnh báo về thiết bị di động của người chăm sóc; lưu trữ lịch sử nhật ký hành trình.
  • Won't Have (Chưa thực hiện): Khả năng leo cầu thang hoặc di chuyển trên địa hình gồ ghề ngoài trời.

Thiết kế hệ thống

Kiến trúc phần cứng được module hóa thành 6 khối chức năng chính:

                  +-----------------------------------+
                  |        KHỐI NGUỒN 24VDC           |
                  |     (Ắc quy 24V-12Ah + XL4005)    |
                  +-----------------+-----------------+
                                    |
            +-----------------------+-----------------------+
            | 24VDC                                         | 5VDC
            v                                               v
+-----------------------+                       +-----------------------+
|    KHỐI CÔNG SUẤT     |                       |    KHỐI XỬ LÝ CHÍNH   |
| (2x BTS7960 43A H-Br) |<==== PWM / DIR =======|      Arduino DUE      |
+-----------+-----------+                       | (ARM Cortex-M3 84MHz) |
            |                                   +-------^-------^-------+
            v                                           |       |
+-----------------------+        Xung A/B               |       | UART (Logic Shifter)
|    2x ĐỘNG CƠ DC      |-------------------------------+       v
|   24V 250W + BÁNH XE  |                               +---------------+
+-----------------------+                               |   HMI NEXTION |
            |                                           |  3.2" Display |
            v                                           +---------------+
+-----------------------+                                       ^
|  2x ROTARY ENCODER    |                                       | Echo/Trig
| (Trái:1000, Phải:2048)|                               +---------------+
+-----------------------+                               |  2x HC-SR05   |
                                                        |  Sensors      |
                                                        +---------------+

Thông số kỹ thuật chi tiết các linh kiện sử dụng

  • Bộ vi điều khiển: Arduino DUE R3 (Chip Atmel SAM3X8E 32-bit ARM Cortex-M3, xung nhịp 84 MHz, 512 KB Flash, 96 KB SRAM, mức logic $3.3\text{V}$, hỗ trợ 54 chân I/O số và 4 cổng phần cứng UART).
  • Mạch công suất điều khiển động cơ: 02 Module cầu H BTS7960 (Điện áp làm việc 6–27VDC, dòng tải cực đại 43A, tần số băm xung PWM lên tới 25 kHz, tích hợp bảo vệ quá nhiệt, quá dòng và sụt áp).
  • Động cơ chấp hành: 02 Động cơ DC giảm tốc 24VDC GP04-44-26100-6 (Công suất 250W mỗi động cơ, dòng định mức 15A, tốc độ đầu ra sau giảm tốc 82 RPM).
  • Bộ mã hóa vị trí (Rotary Encoder): Cảm biến quang học gắn đồng trục; Bánh trái: Encoder 1000 xung/vòng ($Ne_{left} = 1000\text{ ppr}$); Bánh phải: Encoder 2048 xung/vòng ($Ne_{right} = 2048\text{ ppr}$).
  • Màn hình giao tiếp HMI: Nextion NX4024T032 3.2 inch (Độ phân giải $400 \times 240\text{ pixel}$, màu 16-bit RGB 65K, cảm ứng điện trở 4 dây, giao tiếp UART TTL 9600 bps).
  • Cảm biến khoảng cách: 02 Cảm biến siêu âm HC-SR05 (Tần số $40\text{ kHz}$, góc quét hiệu dụng $15^\circ$, dải đo $2\text{ cm} - 450\text{ cm}$).
  • Hạ áp nguồn logic: Module hạ áp Buck DC-DC XL4005 (Dải điện áp vào $5–32\text{V}$, điện áp ra $5\text{V}$ ổn định, dòng tải định mức 5A, tần số chuyển mạch $300\text{ kHz}$).

Tính toán cân bằng công suất và nguồn logic

Tổng dòng điện tiêu thụ tối đa trên đường bus $5\text{V}$ logic được xác định theo biểu thức: $$I_{tổng} = I_{DUE} + I_{LCD} + 2 \times I_{Encoder} + 2 \times I_{HC-SR05}$$ $$I_{tổng} = 800\text{ mA} + 85\text{ mA} + 2 \times (150\text{ mA}) + 2 \times (2\text{ mA}) = 1189\text{ mA} \approx 1,19\text{ A}$$

Với dòng tải cực đại $1,19\text{ A}$, việc sử dụng module nguồn Buck DC-DC XL4005 (5A) hoặc LM2596 (3A) đảm bảo hệ số an toàn $K_{safety} = \frac{5\text{ A}}{1,19\text{ A}} = 4,2$, ngăn ngừa hiện tượng sụt áp reset vi điều khiển khi tải động cơ khởi động.

Phương pháp nghiên cứu (Methodology)

Quy trình phát triển được triển khai theo mô hình chữ V (V-Model), chia thành 4 giai đoạn rõ ràng:

[Phân tích yêu cầu] ---------------------------------> [Kiểm thử tích hợp hệ thống]
       \                                                      /
   [Thiết kế động học & phần cứng] ----------> [Hiệu chuẩn quỹ đạo vòng số 8]
             \                                      /
         [Gia công PCB & vỏ bọc] ------> [Kiểm thử đơn vị từng module]
                   \                          /
                    +---> [Lập trình vi điều khiển] ---+

Đánh giá và quản trị rủi ro kỹ thuật

Rủi ro kỹ thuật Mức độ Biện pháp giảm thiểu & Thiết kế dự phòng
Xung đột mức điện áp logic ($3.3\text{V}$ Arduino DUE vs $5\text{V}$ Nextion/Encoder) Cao Tích hợp mạch chuyển đổi mức logic hai chiều (Logic Level Shifter 8 kênh) giữa DUE và các thiết bị ngoại vi.
Nhiễu điện từ (EMI) từ động cơ DC công suất lớn giật ngược về MCU Rất cao Cách ly quang đường PWM; tách riêng mass động lực ($24\text{V}$) và mass điều khiển ($5\text{V}$); bọc dây bus tín hiệu trong ống xoắn chống nhiễu.
Sai số tích lũy Odometry do trượt bánh và áp suất lốp không đều Cao Xây dựng quy trình thực nghiệm hiệu chuẩn thông số bánh xe theo đường số 8; tinh chỉnh độ phân giải đến từng milimet.

Implementation và kết quả

Quá trình phát triển và thuật toán cốt lõi

Mô hình toán học động học vi sai (Differential Drive Kinematics)

Tại mỗi chu kỳ lấy mẫu $\Delta t$, quãng đường dịch chuyển của từng bánh xe được tính từ số xung Encoder phản hồi: $$\Delta S_{left} = \frac{\Delta_tick_left \cdot (d_{left} \cdot \pi)}{Ne_{left}}$$ $$\Delta S_{right} = \frac{\Delta_tick_right \cdot (d_{right} \cdot \pi)}{Ne_{right}}$$

Góc quay hướng đầu xe $\Delta \theta$ và quãng đường tịnh tiến trung bình $\Delta S$: $$\Delta \theta = \frac{\Delta S_{right} - \Delta S_{left}}{L}$$ $$\Delta S = \frac{\Delta S_{right} + \Delta S_{left}}{2}$$

Tọa độ cập nhật của xe trong hệ quy chiếu Descartes 2D: $$X(t) = X(t - \Delta t) + \Delta S \cdot \cos\left(\theta(t - \Delta t) + \frac{\Delta \theta}{2}\right)$$ $$Y(t) = Y(t - \Delta t) + \Delta S \cdot \sin\left(\theta(t - \Delta t) + \frac{\Delta \theta}{2}\right)$$ $$\theta(t) = \theta(t - \Delta t) + \Delta \theta$$

Trong đó:

  • $d_{left}, d_{right}$: Đường kính hiệu dụng của bánh trái và bánh phải ($0,468\text{ m}$ và $0,472\text{ m}$ sau hiệu chỉnh).
  • $L$: Chiều dài cơ sở giữa hai tâm bánh xe ($0,55\text{ m}$).
  • $Ne_{left}, Ne_{right}$: Số xung trên 1 vòng quay của encoder trái ($1000\text{ xung}$) và encoder phải ($2048\text{ xung}$).
// Trích xuất mã nguồn thuật toán Odometry và Điều hướng trên Arduino DUE
#include <Arduino.h>

// Định nghĩa chân điều khiển BTS7960
const int R_PWM_LEFT = 6;
const int L_PWM_LEFT = 7;
const int R_PWM_RIGHT = 8;
const int L_PWM_RIGHT = 9;

// Khai báo thông số cơ khí đã hiệu chuẩn (đơn vị: mét)
const double D_LEFT = 0.468;
const double D_RIGHT = 0.472;
const double WHEEL_BASE = 0.550;
const int PPR_LEFT = 1000;
const int PPR_RIGHT = 2048;

volatile long tick_left = 0;
volatile long tick_right = 0;
double current_x = 0.0, current_y = 0.0, current_theta = 0.0;

void count_left_encoder() {
    tick_left++;
}

void count_right_encoder() {
    tick_right++;
}

void update_odometry(double dt) {
    // Tính quãng đường dịch chuyển của từng bánh
    double ds_left = (tick_left * (D_LEFT * PI)) / (double)PPR_LEFT;
    double ds_right = (tick_right * (D_RIGHT * PI)) / (double)PPR_RIGHT;
    
    // Reset bộ đếm xung sau mỗi chu kỳ lấy mẫu
    tick_left = 0;
    tick_right = 0;

    double delta_s = (ds_right + ds_left) / 2.0;
    double delta_theta = (ds_right - ds_left) / WHEEL_BASE;

    // Cập nhật vị trí tức thời
    current_x += delta_s * cos(current_theta + (delta_theta / 2.0));
    current_y += delta_s * sin(current_theta + (delta_theta / 2.0));
    current_theta += delta_theta;

    // Chuẩn hóa góc theta về đoạn [-PI, PI]
    if (current_theta > PI) current_theta -= 2 * PI;
    if (current_theta < -PI) current_theta += 2 * PI;
}

// Thuật toán quét khoảng cách cảm biến siêu âm HC-SR05 (Mode 1)
double read_ultrasonic_distance(int trig_pin, int echo_pin) {
    digitalWrite(trig_pin, LOW);
    delayMicroseconds(2);
    digitalWrite(trig_pin, HIGH);
    delayMicroseconds(10);
    digitalWrite(trig_pin, LOW);

    long duration = pulseIn(echo_pin, HIGH, 30000); // Timeout 30ms ~ 5m
    if (duration == 0) return 450.0; // Không có vật cản
    
    // Vận tốc âm thanh v = 340 m/s = 0.034 cm/us => D = (t * v) / 2
    double distance_cm = (duration * 0.034) / 2.0;
    return distance_cm;
}

Phương pháp hiệu chuẩn thông số bánh xe (Figure-8 Calibration)

Trong giai đoạn đầu thử nghiệm trên quãng đường từ phòng C306 đến C301 (dài $20\text{ m}$), khi dùng thông số lý thuyết đường kính danh định $d = 0,47\text{ m}$, quỹ đạo thực tế bị lệch nghiêm trọng về bên phải $> 1,5\text{ m}$ và không thể khép kín vòng tròn xuất phát. Nguyên nhân xuất phát từ:

  1. Độ lún lốp cao su không đối xứng dưới tải trọng ắc quy và kết cấu xe.
  2. Áp suất khí nén bánh xe giảm dần theo thời gian.

Giải pháp: Áp dụng phương pháp chạy quỹ đạo hình số 8 chuẩn hóa qua các điểm $A-B-C-D-E-F-G-H-K$. Bằng cách thu thập dữ liệu tọa độ thực tế qua cổng Serial kết nối MATLAB, nhóm nghiên cứu đã tinh chỉnh đường kính bánh trái $d_{left} = 0,468\text{ m}$ và bánh phải $d_{right} = 0,472\text{ m}$, khoảng cách trục $L = 0,550\text{ m}$.

                 QUỸ ĐẠO HIỆU CHUẨN VÒNG SỐ 8
                      (Figure-8 Path)
                      
         +------+                  +------+
        /        \                /        \
       /    B     \              /    F     \
      |            |            |            |
      | A        C |            | E        G |
       \          / \          / \          /
        \        /   \        /   \        /
         +------+     \      /     +------+
                       \    /
                        +--+
                       /  D \
                      +------+

Kết quả thực nghiệm và đánh giá số liệu

1. Thử nghiệm di chuyển trong hành lang không có vật cản

  • Kịch bản: Xe xuất phát từ điểm $A(0, 0)$, di chuyển qua các điểm rẽ $B(10, 0) \rightarrow C(10, 5) \rightarrow D(0, 5)$ và quay về điểm gốc $A(0, 0)$. Tổng quãng đường: $30\text{ mét}$.
Thông số đánh giá Trước khi hiệu chuẩn Sau khi hiệu chỉnh thông số Mức độ cải thiện (%)
Sai số vị trí điểm cuối $\Delta E_{(X,Y)}$ $1,62\text{ m}$ $0,06\text{ m}$ ($6\text{ cm}$) Cải thiện 96,3%
Sai số góc hướng $\Delta \theta$ $18,4^\circ$ $1,2^\circ$ Cải thiện 93,5%
Thời gian phản hồi HMI $120\text{ ms}$ $45\text{ ms}$ Nhanh hơn 62,5%
Tốc độ di chuyển trung bình $3,2\text{ km/h}$ $3,5\text{ km/h}$ Duy trì ổn định

2. Thử nghiệm tránh vật cản động và tĩnh

  • Kịch bản: Đặt chướng ngại vật nhân tạo hình trụ kích thước $\varnothing 30\text{ cm}$ tại giữa tim đường đi của xe.
  • Kết quả: Cảm biến siêu âm phát hiện vật cản ở cự ly $65\text{ cm}$, hệ vi điều khiển kích hoạt thuật toán rẽ nhánh né tránh: giảm tốc độ bánh tương ứng, bẻ lái một góc $30^\circ$, vượt qua chướng ngại vật và tự động điều chỉnh bù góc để quay lại đường cơ sở hướng về đích.

Đổi mới và đóng góp

  1. Xử lý đồng bộ hai Encoder độ phân giải khác biệt trên cùng hệ trục vi sai: Giải quyết triệt để thách thức phần cứng khi kết hợp encoder 1000 ppr và 2048 ppr thông qua việc chuẩn hóa toán học số gia xung thời gian thực trên vi điều khiển 32-bit, không làm nghẽn ngắt ngoại vi.
  2. Quy trình hiệu chuẩn cơ điện tử (Figure-8 Loop Calibration): Cung cấp phương pháp thực nghiệm có tính ứng dụng cao giúp khắc phục sai số trượt và biến dạng lốp khí nén với độ chính xác đạt tới mức milimet mà không cần thêm cảm biến ngoại quan đắt tiền.
  3. Thiết kế giao diện HMI nhúng độc lập toàn diện: Loại bỏ hoàn toàn sự phụ thuộc vào máy tính công nghiệp cồng kềnh. Giao diện Nextion 3.2 inch cho phép người dùng thao tác trực tiếp trên bản đồ số 2D, tích hợp bộ chuyển đổi mức logic bảo vệ an toàn vi xử lý ARM.
  4. Tối ưu hóa chi phí sản xuất vượt trội: Toàn bộ khối điều khiển tự hành và cảm biến có chi phí chế tạo dưới 3.500.000 VNĐ, giảm hơn 85% chi phí so với các giải pháp tích hợp LiDAR trên thị trường hiện nay.

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------+
|                  HỆ SINH THÁI ỨNG DỤNG THỰC TẾ                          |
+-------------------------------------------------------------------------+
| [Viện Dưỡng Lão] -----> Tự đưa người cao tuổi đến phòng ăn / phòng khám |
| [Bệnh Viện]      -----> Vận chuyển bệnh nhân theo lộ trình nội khu cố định |
| [Nhà Thông Minh] -----> Tích hợp bản đồ phòng khách, phòng ngủ, bếp     |
+-------------------------------------------------------------------------+

Kế hoạch và chi phí triển khai phần cứng

Hạng mục thiết bị Quy cách / Mã hiệu Số lượng Chi phí ước tính (VNĐ)
Kit vi điều khiển chính Arduino DUE ARM Cortex-M3 01 450.000
Driver công suất cao BTS7960 43A H-Bridge 02 320.000
Cảm biến Encoder Quang học (1000 ppr / 2048 ppr) 02 700.000
Màn hình cảm ứng HMI Nextion NX4024T032 3.2" 01 550.000
Cảm biến khoảng cách HC-SR05 Ultrasonic 02 90.000
Module nguồn & Bo mạch XL4005 + PCB gia công + Vỏ hộp Trọn bộ 400.000
Khung xe + 2 Động cơ 24V Xe lăn điện tiêu chuẩn có sẵn 01 Tận dụng sẵn
TỔNG CHI PHÍ PHẦN ĐIỀU KHIỂN 2.510.000 VNĐ

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Phương pháp Odometry thuần túy có thể tích lũy sai số trôi dạt (drift) nếu xe di chuyển trên bề mặt sàn quá trơn trượt (gạch men ướt) gây hiện tượng trượt quay bánh xe (wheel slip).
  • Cảm biến siêu âm có góc quét hình nón ($15^\circ$), tồn tại một số điểm mù hẹp ở hai bên hông sườn xe.
  • Bản đồ không gian 2D hiện được lập trình cố định theo từng phòng, chưa có chức năng tự quét tạo bản đồ động (Auto-Mapping).

Hướng phát triển trong tương lai

  • Tích hợp cảm biến quán tính IMU 9 trục: Ứng dụng thuật toán lọc Kalman mở rộng (EKF - Extended Kalman Filter) để kết hợp dữ liệu Encoder và IMU, triệt tiêu sai số góc xoay khi trượt bánh.
  • Bổ sung cảm biến LiDAR 2D giá rẻ (RPLIDAR A1): Kết hợp nền tảng ROS2 (Robot Operating System) để nâng cấp khả năng lập bản đồ động SLAM và định vị chính xác tuyệt đối.
  • Mở rộng kết nối IoT: Tích hợp module ESP32 truyền dữ liệu hành trình qua giao thức MQTT về hệ thống quản lý trung tâm của bệnh viện, cho phép người thân theo dõi vị trí xe lăn từ xa qua ứng dụng di động.

Đối tượng hưởng lợi

  • Sinh viên & Học viên kỹ thuật: Nắm vững phương pháp tích hợp hệ thống nhúng điều khiển công suất lớn, xử lý ngắt tốc độ cao trên ARM Cortex-M3 và thuật toán động học vi sai.
  • Kỹ sư phát triển Robot tự hành (AGV/AMR): Tham khảo kiến trúc thiết kế bo mạch, giải pháp cách ly chống nhiễu công nghiệp và thuật toán hiệu chuẩn sai số cơ khí bánh xe khí nén.
  • Cơ sở y tế & Doanh nghiệp thiết bị y sinh: Sở hữu giải pháp công nghệ giá rẻ, khả thi để nội địa hóa và chế tạo hàng loạt các dòng xe lăn tự hành hỗ trợ người tàn tật.
  • Người cao tuổi và Người khuyết tật: Tiếp cận phương tiện di chuyển độc lập, an toàn, dễ sử dụng, cải thiện chất lượng cuộc sống và tái hòa nhập cộng đồng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống điều khiển này lên một xe lăn điện có sẵn là gì?

Xe lăn cơ sở cần trang bị 2 động cơ điện DC 24V hoạt động độc lập (công suất $200\text{W} - 350\text{W}$ mỗi bên), nguồn ắc quy 24V có dung lượng $\ge 12\text{Ah}$, và trục bánh xe có khả năng gắn nối đồng trục với 2 bộ Encoder để đọc phản hồi vòng quay.

2. Làm thế nào để giải quyết hiện tượng sai số trôi dạt của phương pháp Dead-Reckoning sau thời gian dài vận hành?

Cần thực hiện quy trình hiệu chuẩn thông số bánh xe theo quỹ đạo số 8 định kỳ. Ngoài ra, việc bổ sung các mốc định vị cố định tại các cửa phòng (như thẻ RFID dưới sàn hoặc cảm biến tiệm cận quang) sẽ giúp hệ thống tự động reset tọa độ gốc về $(0,0,0)$, triệt tiêu hoàn toàn sai số tích lũy.

3. Tại sao hệ thống sử dụng vi điều khiển Arduino DUE thay vì Arduino UNO hoặc MEGA 2560?

Arduino DUE sử dụng chip 32-bit ARM Cortex-M3 xung nhịp 84 MHz với bộ nhớ Flash 512 KB, hỗ trợ tính toán số thực dấu phẩy động đa biến (quỹ đạo lượng giác $\sin, \cos$) ở chu kỳ lấy mẫu $\Delta t < 10\text{ ms}$, đồng thời đáp ứng tức thời ngắt ngoài tần số cao từ 2 bộ encoder mà không bị trôi xung như các dòng vi điều khiển 8-bit.

4. Màn hình Nextion giao tiếp với Arduino DUE như thế nào để không gây cháy chân I/O?

Do Arduino DUE hoạt động ở mức logic $3.3\text{V}$ trong khi Nextion cấp nguồn $5\text{V}$ xuất tín hiệu UART mức $5\text{V}$, hệ thống bắt buộc phải đi qua mạch chuyển đổi mức logic hai chiều (Logic Level Shifter $5\text{V} \leftrightarrow 3.3\text{V}$) để đảm bảo an toàn tuyệt đối cho vi điều khiển.

5. Thời lượng sử dụng của bình ắc quy 24V-12Ah trên mô hình thực tế kéo dài bao lâu?

Thời gian vận hành liên tục ở tải trọng $80\text{ kg}$ với vận tốc trung bình $3,5\text{ km/h}$ đạt khoảng $3,5 - 4\text{ giờ}$ (tương đương quãng đường di chuyển liên tục hơn $12\text{ km}$), hoàn toàn đáp ứng nhu cầu sinh hoạt trọn vẹn trong một ngày của người bệnh trong nhà.

Kết luận

Đồ án "Thiết kế và thi công xe lăn trong nhà tự định vị và đến đích dựa vào bản đồ 2D" đã hiện thực hóa thành công một giải pháp hỗ trợ di chuyển thông minh, an toàn và chi phí thấp cho người khuyết tật và người cao tuổi. Thông qua sự kết hợp tối ưu giữa phần cứng điều khiển nhúng 32-bit ARM Cortex-M3, mạch cầu H BTS7960 công suất cao, thuật toán động học vi sai hiệu chuẩn quỹ đạo milimet và giao diện màn hình cảm ứng trực quan HMI Nextion, hệ thống đã chứng minh tính khả thi kỹ thuật vượt trội và khả năng ứng dụng thực tiễn cao trong đời sống thường nhật. Đây là nền tảng vững chắc để tiếp tục phát triển các dòng sản phẩm y sinh tự hành thông minh mang thương hiệu Việt Nam trong tương lai.