Giới thiệu dự án

Trong bối cảnh cuộc Cách mạng Công nghiệp 4.0 và quá trình tự động hóa sản xuất tăng tốc trên toàn cầu, nhu cầu nâng cao năng suất, chuẩn hóa chất lượng và tối ưu hóa chi phí vận hành trở thành bài toán sống còn đối với các doanh nghiệp sản xuất. Đặc biệt, sau các cuộc khủng hoảng chuỗi cung ứng và biến động lao động hậu đại dịch COVID-19, việc chuyển dịch từ quy trình thao tác thủ công sang hệ thống tự động hóa thông minh (Intelligent Automation) là yêu cầu cấp thiết. Tại các dây chuyền phân loại và đóng gói tốc độ cao trong ngành thực phẩm, dược phẩm và linh kiện điện tử, thao tác phân loại thủ công bộc lộ nhiều điểm nghẽn: tốc độ chậm, dễ nhầm lẫn do mệt mỏi thị giác, chi phí nhân công tích lũy lớn và không đảm bảo vệ sinh an toàn.

[Camera OV5647] --> [Raspberry Pi 3B+ (OpenCV HSV)] --(UART 115200bps)--> [STM32F103C8T6 (Inverse Kinematics)] --> [CNC Shield V3 / A4988] --> 3x Stepper NEMA 17
                                                                                                                --> [Driver L298N] --> Máy bơm chân không 12V & Van FESTO MHE3-MS1H

Dự án "Thiết kế và xây dựng cánh tay Delta Robot ứng dụng trong phân loại sản phẩm theo màu sắc" giải quyết triệt để bài toán phân loại sản phẩm tự động ở quy mô vừa và nhỏ với chi phí tối ưu. Đề tài tập trung vào việc nghiên cứu cơ cấu động học song song (Parallel Kinematics Machine - PKM), tích hợp thị giác máy tính (Computer Vision) và điều khiển nhúng thời gian thực để thực hiện chu trình gắp - thả (Pick-and-Place) chính xác, nhanh chóng theo màu sắc vật thể.

Mục tiêu kỹ thuật cụ thể của đề tài:

  1. Thiết kế và gia công cơ khí cánh tay Delta Robot 3 bậc tự do (3-DOF): Xây dựng bộ khung hình học tối ưu gồm bệ cố định, 3 cặp cánh tay hình bình hành sử dụng khớp cầu thép SI3T, gối đỡ vitme KP08, bộ truyền đai giảm tốc Puly GT2 (tỷ số truyền 1:2) và bệ di động gắn giác hút chân không.
  2. Xây dựng giải thuật thị giác máy tính (Computer Vision Pipeline): Nhận diện vật thể, trích xuất tọa độ không gian $(X_0, Y_0)$ và phân loại màu sắc cơ bản (Red - Green - Blue) theo không gian màu HSV từ Camera Raspberry Pi V1 (OV5647 5MP) gắn trên máy tính nhúng Raspberry Pi 3 Model B+.
  3. Phát triển chương trình nhúng giải bài toán động học nghịch (Inverse Kinematics): Hiện thực hóa thuật toán tính toán góc quay $(\theta_1, \theta_2, \theta_3)$ trên vi điều khiển 32-bit STM32F103C8T6 (ARM Cortex-M3 72MHz), điều khiển phát xung chính xác qua mạch CNC Shield V3 và driver vi bước A4988 cho 3 động cơ bước NEMA 17.
  4. Tích hợp cơ cấu gắp chân không và van điện từ đáp ứng nhanh: Điều khiển máy bơm áp suất âm 12VDC kết hợp van điện từ FESTO MHE3-MS1H (thời gian chuyển mạch siêu nhanh 3ms, tần số 280Hz) qua mạch công suất L298N.
  5. Thiết kế hệ thống giám sát và điều khiển qua Web Dashboard: Kết nối Raspberry Pi với máy chủ qua giao thức MQTT để thu thập dữ liệu thời gian thực và quản lý quy trình vận hành.

Phạm vi và giới hạn dự án:

  • Phạm vi: Không gian làm việc hình trụ hữu hiệu $\varnothing 300\text{ mm} \times 150\text{ mm}$ (trục Z), phân loại các vật thể hình học cơ bản có màu sắc RGB rõ rệt, tải trọng nâng tối ưu $\le 200\text{g}$.
  • Giới hạn: Sử dụng hệ thống động cơ bước vòng hở (Open-loop Stepper) với vi bước 1/16 để tối ưu chi phí (thay vì động cơ AC Servo công nghiệp), camera cố định 2D nhận diện trên mặt phẳng băng tải.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Cánh tay robot công nghiệp dạng nối tiếp (Serial Robots như 6-DOF Robotic Arm) có vùng làm việc lớn nhưng quán tính các khớp tích lũy cao, giới hạn tốc độ gắp thả. Ngược lại, cơ cấu robot song song Delta (Delta Robot) đặt toàn bộ cụm động lực nặng lên bệ cố định, các cánh tay chỉ chịu lực kéo/nén thuần túy, mang lại gia tốc cực đại và tốc độ vượt trội.

Tiêu chí ABB IRB 390 FlexPacker Delta X S (IMWI) Giải pháp đề tài (Low-cost Delta)
Loại động cơ AC Servo công nghiệp cao cấp Hybrid Servo 57HSE (84W) Stepper NEMA 17 (42x48) + A4988
Bộ điều khiển ABB OmniCore Industrial Controller Bo mạch nhúng ARM Cortex-M4 STM32F103C8T6 + Raspberry Pi 3B+
Tải trọng tối đa 15.0 kg 2.0 kg 0.2 - 0.35 kg (200 - 350g)
Không gian làm việc $\varnothing 1300\text{ mm}$ $\varnothing 340\text{ mm} \times 210\text{ mm}$ $\varnothing 300\text{ mm} \times 150\text{ mm}$
Tốc độ di chuyển Lên đến 5.7 m/s Lên đến 1.2 m/s 0.35 - 0.5 m/s
Chu kỳ gắp thả Lên tới 300 sản phẩm/phút 60 - 80 sản phẩm/phút 20 - 30 sản phẩm/phút
Chi phí ước tính > $20,000 USD ~ $4,000 USD < $200 USD (~4.5 triệu VNĐ)

Phân loại yêu cầu người dùng theo mô hình MoSCoW:

  • Must-have: Tính toán động học nghịch chuẩn xác; nhận diện tọa độ và 3 màu cơ bản RGB; cơ cấu hút/nhả tin cậy; nút dừng khẩn cấp E-Stop.
  • Should-have: Tự động hiệu chuẩn (Auto-calibration) tọa độ Camera $\to$ Robot; giao diện Web điều khiển trực quan qua mạng nội bộ.
  • Could-have: Thống kê số lượng sản phẩm phân loại theo thời gian thực lưu trên Cloud Database; hỗ trợ chế độ Manual Jogging qua Web.
  • Won't-have (giai đoạn này): Cảm biến lực phản hồi đầu giác hút (Force/Torque feedback); camera 3D Depth sensor.

Thiết kế hệ thống

Kiến trúc hệ thống được phân tách theo mô hình phân tầng chức năng 2 tầng (Distributed Hierarchical Architecture):

graph TD
    subgraph Vision & High-Level Processing
        CAM[Camera OV5647 5MP] -->|CSI Bus / 640x480@30fps| RPI[Raspberry Pi 3B+ Cortex-A53]
        RPI -->|HSV Filter & Contour Centroid| COORD[Tọa độ X, Y & Mã màu]
        RPI <-->|MQTT Protocol over WiFi| WEB[Web Dashboard / Cloud Server]
    end

    subgraph Motion Control & Real-time Execution
        COORD -->|UART Packet 115200 bps| STM32[STM32F103C8T6 ARM Cortex-M3]
        STM32 -->|Inverse Kinematics Matrix| STEP_PULSE[Tọa độ góc Step/Dir Theta 1, 2, 3]
        STEP_PULSE --> CNC[CNC Shield V3 + 3x A4988 1/16 Step]
        CNC --> MOTORS[3x NEMA 17 Stepper Motors]
        STM32 -->|GPIO Trigger| L298N[Driver L298N H-Bridge]
        L298N --> VACUUM[Bơm chân không 12V & Van FESTO MHE3-MS1H]
    end

Technology Stack chi tiết:

  • Xử lý thị giác & Quản lý: Raspberry Pi 3 Model B+ (SoC Broadcom BCM2837B0 quad-core 1.4GHz, 1GB LPDDR2 RAM), hệ điều hành Raspberry Pi OS (Linux Kernel 5.10), Python 3.9, OpenCV 4.5.3.
  • Xử lý thời gian thực & Động học: Vi điều khiển STM32F103C8T6 (ARM Cortex-M3 32-bit, xung nhịp 72MHz, 64KB Flash, 20KB SRAM), phát triển trên STM32CubeIDE / Keil C v5.
  • Cơ cấu chấp hành & Driver: 3x Motor bước lưỡng cực NEMA 17 (bước góc $1.8^\circ$, dòng $1.5\text{A/pha}$), 3x Driver vi bước Allegro A4988 (cấu hình vi bước 1/16 bước: chân MS1=1, MS2=1, MS3=1), Mạch mở rộng CNC Shield V3.
  • Khí nén & Giác hút: Máy bơm áp suất âm DC 12V/1.9A (lực hút $-50\text{ kPa}$, lưu lượng $>13\text{ L/min}$), Van điện từ khí nén FESTO MHE3-MS1H 3/2 vị trí (24VDC, tần số đóng ngắt 280Hz, thời gian chuyển mạch 3ms), Driver kép L298N Dual H-Bridge.
  • Cơ khí chính xác: Khớp cầu thép tự lựa SI3T, gối đỡ trục KP08, dây đai & puly nhôm chuẩn GT2 tỷ số truyền 1:2 (20 răng : 40 răng).

Methodology

Dự án áp dụng quy trình phát triển chữ V kết hợp nguyên lý Agile Sprint 2 tuần:

  1. Giai đoạn 1 (Tuần 1 - 3): Nghiên cứu mô hình toán học và thiết kế CAD 3D: Thiết lập hệ phương trình động học thuận/nghịch cho cơ cấu Delta Robot; thiết kế chi tiết các khâu bệ trên, bệ dưới và khớp cầu trên phần mềm CAD.
  2. Giai đoạn 2 (Tuần 4 - 6): Gia công cơ khí và tích hợp phần cứng: Lắp ráp khung nhôm định hình, gắn gối đỡ KP08, puly GT2 và động cơ NEMA 17; hàn mạch và bố trí dây tín hiệu chống nhiễu (Shielded Cable) cho hệ thống điều khiển.
  3. Giai đoạn 3 (Tuần 7 - 9): Phát triển giải thuật nhúng và thị giác: Lập trình giải phương trình động học trên STM32; xây dựng module OpenCV lọc màu HSV và trích xuất tâm hình học (Centroid) trên Raspberry Pi; chuẩn hóa gói tin giao tiếp UART.
  4. Giai đoạn 4 (Tuần 10 - 12): Hiệu chuẩn, thử nghiệm và tối ưu hóa: Lập ma trận biến đổi tọa độ Camera $\to$ Robot; đo đạc độ chính xác lặp lại, năng suất gắp thả và hoàn thiện giao diện Web giám sát.

Implementation và kết quả

Development process

1. Mô hình toán học Động học nghịch (Inverse Kinematics)

Hệ tọa độ gắn tại tâm bệ cố định $O(0,0,0)$. Chiều dài cạnh tam giác bệ cố định là $f$, cạnh bệ di động là $e$, chiều dài khớp trên là $r_f$, chiều dài cánh tay dưới (hình bình hành) là $r_e$.

Cho trước tọa độ mong muốn của điểm gắn giác hút $E_0(x_0, y_0, z_0)$. Tọa độ điểm khớp trung gian trên bệ di động $E_1$ đối với nhánh 1 (nằm trong mặt phẳng $YZ$): $$y_{E1} = y_0 - \frac{e}{2\sqrt{3}}, \quad z_{E1} = z_0$$

Khớp quay $F_1$ trên bệ cố định có tọa độ: $$y_{F1} = -\frac{f}{2\sqrt{3}}, \quad z_{F1} = 0$$

Điểm $J_1(0, y_{J1}, z_{J1})$ là giao điểm của đường tròn tâm $F_1$ bán kính $r_f$ và đường tròn tâm $E'1$ (hình chiếu của $E_1$ lên mặt phẳng $YZ$) bán kính $\sqrt{r_e^2 - x_0^2}$: $$\begin{cases} (y{J1} - y_{F1})^2 + z_{J1}^2 = r_f^2 \ (y_{J1} - y_{E1})^2 + (z_{J1} - z_0)^2 = r_e^2 - x_0^2 \end{cases}$$

Từ đó giải ra $(y_{J1}, z_{J1})$, góc quay động cơ thứ nhất $\theta_1$ được xác định bởi: $$\theta_1 = \arctan\left(\frac{z_{J1}}{y_{F1} - y_{J1}}\right)$$

Đối với các nhánh 2 và 3, ta thực hiện phép quay hệ tọa độ quanh trục $Z$ góc $120^\circ$ và $240^\circ$ thông qua ma trận xoay chuẩn $R_z(\alpha)$ trước khi áp dụng cùng thuật toán: $$R_z(\alpha) = \begin{bmatrix} \cos\alpha & -\sin\alpha & 0 \ \sin\alpha & \cos\alpha & 0 \ 0 & 0 & 1 \end{bmatrix}$$

// Implementation giải thuật Động học nghịch trên STM32F103C8T6 (C code)
#include <math.h>

#define DELTA_F 160.0f    // Chiều dài bệ cố định (mm)
#define DELTA_E 60.0f     // Chiều dài bệ di động (mm)
#define DELTA_RF 120.0f   // Chiều dài cánh tay trên (mm)
#define DELTA_RE 250.0f   // Chiều dài cánh tay dưới (mm)
#define SQRT3 1.7320508f
#define PI 3.14159265f

int delta_calcAngleYZ(float x0, float y0, float z0, float *theta) {
    float y1 = -0.5f * 0.57735f * DELTA_F; // y_F1 = -f / (2 * sqrt(3))
    y0 -= 0.5f * 0.57735f * DELTA_E;       // Dịch chuyển về khớp bệ di động E1
    
    // Phương trình đường tròn: z1^2 + (y1 - y_F1)^2 = rf^2
    // và (z0 - z1)^2 + (y0 - y1)^2 = re^2 - x0^2
    float a = (x0*x0 + y0*y0 + z0*z0 + DELTA_RF*DELTA_RF - DELTA_RE*DELTA_RE - y1*y1) / (2.0f * z0);
    float b = -(y1 - y0) / z0;
    
    // Phương trình bậc hai: (b^2 + 1)*y1^2 + 2*(a*b - b*z1 - y1_F)*y1 + ... = 0
    float d = -(a + b*y1)*(a + b*y1) + DELTA_RF*(b*b*DELTA_RF + DELTA_RF);
    if (d < 0) return -1; // Không thể với tới tọa độ này (Singularity / Out of range)
    
    float yj = (y1 - a*b - sqrtf(d)) / (b*b + 1.0f);
    float zj = a + b*yj;
    
    *theta = atan2(-zj, (y1 - yj)) * 180.0f / PI;
    return 0; // Thành công
}

2. Xử lý ảnh phân loại màu sắc và trích xuất tọa độ trên Raspberry Pi (OpenCV)

Camera OV5647 thu nhận khung hình $640 \times 480$ pixels, chuyển đổi từ hệ màu BGR sang HSV (Hue - Saturation - Value) để loại bỏ ảnh hưởng của độ sáng môi trường, áp dụng phép lọc hình thái học (Morphological Closing/Opening) để khử nhiễu.

import cv2
import numpy as np
import serial
import struct

# Kết nối UART với STM32 @ 115200 bps
ser = serial.Serial('/dev/ttyAMA0', 115200, timeout=1)

# Định nghĩa ngưỡng màu HSV
COLOR_RANGES = {
    'RED':    [(0, 120, 70), (10, 255, 255)],
    'GREEN':  [(36, 100, 100), (86, 255, 255)],
    'BLUE':   [(94, 80, 2), (126, 255, 255)]
}

def process_frame(frame):
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    for color_name, (lower, upper) in COLOR_RANGES.items():
        mask = cv2.inRange(hsv, np.array(lower), np.array(upper))
        mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, np.ones((5,5), np.uint8))
        contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        
        for cnt in contours:
            if cv2.contourArea(cnt) > 400: # Loại bỏ nhiễu hạt nhỏ
                M = cv2.moments(cnt)
                if M["m00"] != 0:
                    cX = int(M["m10"] / M["m00"])
                    cY = int(M["m01"] / M["m00"])
                    
                    # Chuyển đổi tọa độ Pixel sang tọa độ thực Robot (mm)
                    robot_x = (cX - 320) * 0.45  # Hệ số tỉ lệ hiệu chuẩn Kx
                    robot_y = (240 - cY) * 0.45  # Hệ số tỉ lệ hiệu chuẩn Ky
                    robot_z = -180.0             # Mặt phẳng gắp cố định
                    
                    color_code = 1 if color_name == 'RED' else (2 if color_name == 'GREEN' else 3)
                    
                    # Đóng gói packet UART: Header(0xAA) + X(float) + Y(float) + Z(float) + Color(uint8) + Tail(0x55)
                    packet = struct.pack('<BfffBB', 0xAA, robot_x, robot_y, robot_z, color_code, 0x55)
                    ser.write(packet)
                    return color_name, (robot_x, robot_y)
    return None, None

Testing và validation

1. Khảo sát phạm vi hoạt động (Workspace Mapping)

Hệ thống được kiểm thử bằng cách quét lưới điểm trong không gian 3 chiều $(X, Y, Z)$ để xác định vùng làm việc khả thi không chạm điểm kỳ dị (Singularity):

  • Bán kính trục $XY$: Hoạt động ổn định nhất trong phạm vi $R \le 150\text{ mm}$ (Đường kính vùng làm việc $\varnothing 300\text{ mm}$).
  • Hành trình trục $Z$: Từ $-120\text{ mm}$ đến $-270\text{ mm}$ (Độ cao hữu dụng $150\text{ mm}$).
  Đường kính làm việc (XY): 300 mm
  Hành trình trục Z:        150 mm
  Độ chính xác định vị:     ± 0.42 mm
  Độ chính xác lặp lại:     ± 0.18 mm

2. Khảo sát tải trọng và năng suất gắp thả (Payload vs Throughput)

Thực nghiệm đo đạc độ võng và thời gian đáp ứng khi tăng dần tải trọng mẫu vật:

Tải trọng thử nghiệm (g) Tỷ lệ gắp thành công (%) Thời gian 1 chu kỳ Pick-Place (s) Năng suất (Sản phẩm/phút) Hiện tượng / Đánh giá
50g 100% 1.85s 32.4 Chuyển động mượt mà, không rung lắc
100g 99.2% 1.98s 30.3 Ổn định, vị trí thả vật chính xác $\pm 0.5\text{ mm}$
200g 96.5% 2.30s 26.1 Đạt chuẩn thiết kế đề ra
300g 88.0% 2.85s 21.0 Xuất hiện trượt bước nhẹ khi gia tốc lớn
400g 62.5% 3.60s 16.6 Quá tải động cơ bước NEMA 17, mất bước

3. Độ chính xác nhận diện màu sắc

Thử nghiệm trên 300 mẫu vật thể (100 Đỏ, 100 Xanh lá, 100 Xanh dương) dưới điều kiện ánh sáng phòng $400 - 600\text{ Lux}$:

  • Màu Đỏ (Red): Nhận diện chính xác 99/100 mẫu (Độ chính xác 99.0%).
  • Màu Xanh lá (Green): Nhận diện chính xác 98/100 mẫu (Độ chính xác 98.0%).
  • Màu Xanh dương (Blue): Nhận diện chính xác 97/100 mẫu (Độ chính xác 97.0%).
  • Độ chính xác trung bình toàn hệ thống: 98.0%.

Kết quả đạt được

Hệ thống đã hoàn thiện toàn bộ phần cứng, mạch điều khiển và thuật toán, đáp ứng trọn vẹn các tiêu chuẩn nghiệm thu của Hội đồng Khóa luận tốt nghiệp ngành Kỹ thuật Máy tính (Trường ĐH Công nghệ Thông tin - ĐHQG-HCM):

+-----------------------------------------------------------------------+
|                       KẾT QUẢ ĐẠT ĐƯỢC CHÍNH                          |
+-----------------------------------------------------------------------+
|  1. Hoàn thiện chế tạo cơ khí robot Delta 3-DOF với sai số gia công   |
|     cơ khí < 0.2mm, kết cấu vững chắc bằng nhôm và in 3D PETG.        |
|  2. Lập trình thành công bộ giải Inverse Kinematics thời gian thực   |
|     trên STM32F103C8T6 với thời gian thực thi thuật toán < 0.8ms.     |
|  3. Xây dựng thị giác OpenCV phân loại màu sắc RGB đạt độ chính xác   |
|     98.0% với độ trễ xử lý khung hình ~33ms (30 FPS).                 |
|  4. Tích hợp hệ thống khí nén FESTO MHE3-MS1H đáp ứng xả khí cực      |
|     nhanh (3ms), loại bỏ hoàn toàn hiện tượng dính vật thể khi thả.    |
|  5. Vận hành ổn định với năng suất trung bình 26 - 30 sản phẩm/phút   |
|     với chi phí chế tạo dưới 4.500.000 VNĐ.                           |
+-----------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Kiến trúc phần cứng phân tán kết hợp tối ưu chi phí (Low-Cost Distributed Hardware Architecture): Thay vì sử dụng máy tính công nghiệp đắt tiền hoặc các bộ điều khiển chuyển động chuyên dụng (Motion Controller) hàng nghìn USD, đề tài kết hợp hiệu quả giữa Raspberry Pi 3B+ (đảm nhiệm AI/Vision nặng) và STM32F103C8T6 (chuyên trách tính toán động học thời gian thực và phát xung PWM không trễ). Kiến trúc này giúp giảm hơn 85% chi phí chế tạo so với sản phẩm thương mại như Delta X 2.
  2. Kỹ thuật xả áp khí nén cưỡng bức siêu nhanh: Việc kết hợp máy bơm chân không mini với van điện từ công nghiệp tốc độ cao FESTO MHE3-MS1H (tần số 280Hz, đáp ứng 3ms) giải quyết triệt để vấn đề "trễ nhả áp" thường gặp ở các robot hút chân không giá rẻ, giúp chu kỳ gắp thả rút ngắn 35% thời gian tại khâu xả vật.
  3. Thuật toán giải động học tối ưu hóa lượng giác: Phương pháp quy đổi mặt phẳng $YZ$ kết hợp ma trận xoay $120^\circ$ giúp giảm tải độ phức tạp tính toán từ đa thức phi tuyến bậc 4 xuống phương trình bậc 2 thuần túy, cho phép vi điều khiển Cortex-M3 72MHz giải bài toán động học nghịch chỉ trong 0.78ms, đảm bảo quỹ đạo chuyển động nội suy mượt mà.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong sản xuất:

  • Ngành chế biến thực phẩm & bánh kẹo: Phân loại kẹo, bánh quy theo bao bì màu sắc, gắp đóng hộp tự động mà không làm biến dạng bề mặt sản phẩm.
  • Ngành dược phẩm & y tế: Phân loại vỉ thuốc, nắp lọ vaccine theo quy chuẩn màu sắc phòng sạch, giảm thiểu nguy cơ lây nhiễm chéo do tiếp xúc người.
  • Sản xuất linh kiện điện tử: Nhận diện và phân loại các module linh kiện (tụ điện, rơ-le, đầu nối nhựa) trên băng chuyền sản xuất tự động.
[Băng chuyền cấp phôi] 
         │
         ▼
[Vùng quét Camera OV5647] ──(Trích xuất X,Y & Mã màu)──► [Xử lý RPi 3B+]
         │                                                      │
         │                                                      ▼
[Vùng gắp Delta Robot] ◄──(Lệnh điều khiển tọa độ Step/Dir)── [STM32F103]
   ├── Vật Đỏ    ──► [Thùng phân loại 1]
   ├── Vật Xanh lá ──► [Thùng phân loại 2]
   └── Vật Xanh dương ──► [Thùng phân loại 3]

Yêu cầu triển khai và Ước tính ROI:

  • Hạ tầng nguồn điện: Nguồn cấp tổ ong 12VDC - 10A và 24VDC - 2A.
  • Thời gian hoàn vốn (ROI): Với chi phí đầu tư khoảng 4.500.000 VNĐ (~190 USD), robot có thể thay thế 01 nhân công phân loại đơn giản (lương trung bình 7.000.000 VNĐ/tháng). Thời gian thu hồi vốn thực tế đạt mức dưới 1 tháng hoạt động liên tục.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại:

  • Hệ thống động cơ bước chạy ở chế độ vòng hở (Open-loop), chưa có encoder hồi tiếp vị trí góc để bù sai lệch khi xảy ra hiện tượng mất bước do va quẹt cơ khí.
  • Robot có 3 bậc tự do tịnh tiến $(X, Y, Z)$, chưa tích hợp trục quay thứ 4 (Trục xoay cổ tay $\theta_z$ / C-axis) để xoay chỉnh hướng đón vật thể nghiêng.
  • Camera 2D chỉ xác định được tọa độ trong mặt phẳng $XY$, cao độ gắp $Z$ đang được cố định theo bề mặt băng tải.

Hướng phát triển tiếp theo:

  1. Nâng cấp động cơ Closed-loop / Hybrid Servo: Tích hợp bộ mã hóa quang học hoặc từ tính 1000-line encoder để vận hành vòng lặp kín, nâng tốc độ lên $> 80\text{ sản phẩm/phút}$ và chống mất bước.
  2. Tích hợp trục thứ 4 (Wrist Rotation 4-DOF): Bổ sung động cơ Servo mini ở bệ di động để tự động xoay vật thể đúng chiều trước khi đặt vào khay đóng gói.
  3. Ứng dụng mô hình Deep Learning (YOLOv8-Tiny): Triển khai mạng nơ-ron tích chập nhẹ trên vi xử lý tăng tốc AI (Raspberry Pi AI Kit / Google Coral TPU) để nhận diện phân loại sản phẩm bị lỗi ngoại quan, nứt vỡ hoặc lẫn tạp chất phức tạp.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------+
|                          ĐỐI TƯỢNG HƯỞNG LỢI                              |
+-------------------+-------------------------------------------------------+
| Sinh viên         | Tài liệu mã nguồn mở hoàn chỉnh về cơ điện tử,        |
| & Nghiên cứu sinh | robot song song và thuật toán động học nghịch chuẩn.  |
+-------------------+-------------------------------------------------------+
| Kỹ sư nhúng       | Thiết kế mẫu giao tiếp tối ưu giữa ARM Cortex-M       |
| & Lập trình viên  | và Linux Embedded qua UART/MQTT công nghiệp.          |
+-------------------+-------------------------------------------------------+
| Doanh nghiệp SME  | Giải pháp tự động hóa gắp thả chi phí siêu rẻ,        |
|                   | dễ lắp đặt, bảo trì và hoàn vốn cực nhanh (< 1 tháng).|
+-------------------+-------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu phần cứng tối thiểu để tự xây dựng và vận hành robot Delta này là gì?

Hệ thống yêu cầu tối thiểu: 01 bo mạch STM32F103C8T6 ("Blue Pill"), 01 Raspberry Pi 3 Model B+ kèm Camera V1 OV5647, 03 động cơ bước NEMA 17 (mô-men xoắn $\ge 0.4\text{ Nm}$), 03 driver A4988, 01 CNC Shield V3, 01 module L298N, 01 máy bơm hút chân không 12V mini, 01 van điện từ FESTO MHE3-MS1H (hoặc van xả khí tương đương) và bộ nguồn chuyển đổi tổ ong 12V-10A / 24V-2A.

2. Làm thế nào để khắc phục hiện tượng mất bước (Step Loss) khi robot chạy tốc độ cao?

Để hạn chế mất bước: (1) Cấu hình vi bước ở mức 1/16 bước trên driver A4988; (2) Tinh chỉnh biến trở Vref trên A4988 để cấp đúng dòng định mức cho động cơ mà không gây quá nhiệt; (3) Áp dụng thuật toán tạo đường cong gia tốc hình thang (Trapezoidal Acceleration Profile) hoặc hình chữ S (S-curve) trong mã nguồn STM32 thay vì thay đổi vận tốc đột ngột.

3. Hệ thống có thể tích hợp với dây chuyền băng tải chuyển động liên tục không?

Hoàn toàn khả thi. Cần gắn thêm một cảm biến quang (Optical Sensor) để phát hiện phôi vào vùng làm việc hoặc một bộ mã hóa vòng quay (Rotary Encoder) gắn trên trục băng tải để thực hiện kỹ thuật bám phôi động (Conveyor Tracking) trong giải thuật điều khiển.

4. Chi phí bảo dưỡng và độ bền của cơ cấu cánh tay song song Delta như thế nào?

Cơ cấu Delta có chi phí bảo trì rất thấp do các khớp xoay sử dụng khớp cầu thép tự bôi trơn SI3T và gối đỡ KP08 tiêu chuẩn công nghiệp. Chu kỳ tra dầu mỡ định kỳ khuyến nghị là 6 tháng/lần. Chi phí thay thế linh kiện hao mòn (như đai đệm hút silicone, đai GT2) dưới 100.000 VNĐ.

5. Giao thức truyền thông UART giữa Raspberry Pi và STM32 có bị nhiễu điện từ không?

Trong môi trường công nghiệp có động cơ đóng ngắt, cần sử dụng cáp truyền UART có bọc giáp chống nhiễu (Shielded Twisted Pair), nối mass chung (Common GND) chắc chắn, bổ sung tụ lọc gợn nguồn $100\mu\text{F} + 100\text{nF}$ tại chân nguồn vi điều khiển và cấu hình kiểm tra tính toàn vẹn gói tin bằng mã kiểm tra CRC-8 hoặc Checksum.

Kết luận

Đề tài "Thiết kế và xây dựng cánh tay Delta Robot ứng dụng trong phân loại sản phẩm theo màu sắc" của nhóm sinh viên Khoa Kỹ thuật Máy tính - Trường Đại học Công nghệ Thông tin (ĐHQG-HCM) đã chứng minh tính khả thi vượt trội của một giải pháp tự động hóa chi phí thấp nhưng đạt hiệu năng công nghiệp thực tế. Việc kết hợp chặt chẽ giữa cơ khí chính xác, giải thuật động học nghịch tối ưu trên chip nhúng STM32 32-bit và thị giác máy tính OpenCV trên nền tảng Raspberry Pi đã tạo nên một hệ thống phân loại linh hoạt, chính xác với tỷ lệ thành công đạt 98.0% và năng suất lên tới 30 sản phẩm/phút.

Công trình không chỉ mang giá trị học thuật cao trong việc làm chủ công nghệ điều khiển robot song song mà còn mở ra cơ hội ứng dụng rộng rãi cho các doanh nghiệp vừa và nhỏ trong nước nhằm hiện đại hóa dây chuyền sản xuất với chi phí đầu tư tối thiểu.