Tổng quan nghiên cứu

Hệ thống con lắc ngược quay (Rotary Inverted Pendulum - RIP) là một đối tượng thử nghiệm kinh điển trong lý thuyết điều khiển tự động với cấu trúc truyền động thiếu (under-actuated), sở hữu 2 bậc tự do chuyển động nhưng chỉ được điều khiển bởi 1 tín hiệu điện áp ngõ vào duy nhất. Vấn đề cốt lõi của hệ thống nằm ở tính phi tuyến cao, động lực học ghép kênh phức tạp và trạng thái cân bằng đứng thẳng tự nhiên hoàn toàn không ổn định. Trong thực tế công nghiệp, việc xác định bộ tham số cho bộ điều khiển vi tích phân tỉ lệ (PID) bằng các phương pháp kinh điển như Ziegler-Nichols thường dẫn đến độ vọt lố vượt quá 30% và thời gian xác lập kéo dài, gây rung lắc mạnh hoặc mất thăng bằng cơ học.

Nhằm giải quyết triệt để hạn chế trên, đề tài tập trung nghiên cứu mô hình hóa toán học giải tích hệ thống con lắc ngược quay, ứng dụng thuật toán tiến hóa di truyền (Genetic Algorithm - GA) để tự động hóa quá trình ước lượng và tối ưu hóa bộ ba tham số điều khiển Kp, Ki, Kd. Mục tiêu cụ thể là triệt tiêu hiện tượng vọt lố, rút ngắn thời gian đáp ứng quá độ xuống dưới 1.2 giây và đảm bảo khả năng giữ thăng bằng vững chắc trước các tác động nhiễu xung quanh điểm cân bằng trên.

Nghiên cứu được triển khai toàn diện từ mô phỏng trên nền tảng Matlab Simulink đến thi công mô hình phần cứng thực nghiệm trong khung thời gian 17 tháng (từ tháng 01/2016 đến tháng 06/2017) tại Trường Đại học Công nghệ TP.HCM (HUTECH). Giới hạn vật lý của mô hình bao gồm con lắc có khối lượng 50g (thiết kế chịu tải tối đa 100g) và bán kính quay cánh tay 0.1m. Kết quả của luận văn mang ý nghĩa khoa học và thực tiễn sâu sắc, cung cấp giải pháp tham số hóa tối ưu cho các hệ thống cân bằng tự động như xe điện hai bánh (hoverboard/scooter), thiết bị ổn định góc quay máy ảnh (gimbal) và hệ thống ổn định hướng lực đẩy trong kỹ thuật hàng không vũ trụ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng của 3 khối lý thuyết điều khiển và tối ưu hóa hiện đại:

Thứ nhất là lý thuyết động lực học giải tích Euler-Lagrange kết hợp với các định luật Newton và định luật Kirchhoff cho mạch điện phần ứng động cơ DC. Phương trình vi phân mô tả chuyển động phi tuyến của hệ thống được thành lập dựa trên sự cân bằng giữa động năng của cánh tay quay, động năng của thanh lắc và thế năng trọng trường. Để phục vụ việc tổng hợp bộ điều khiển tuyến tính quanh điểm làm việc, phương pháp khai triển chuỗi Taylor sai lệch nhỏ được áp dụng để tuyến tính hóa hệ phương trình vi phân phi tuyến quanh điểm cân bằng thẳng đứng (góc lệch alpha bằng 0 rad và vận tốc góc bằng 0 rad/s).

Thứ hai là lý thuyết thuật toán tiến hóa di truyền (Genetic Algorithm - GA) do John Holland khởi xướng từ năm 1962. GA mô phỏng quy luật chọn lọc tự nhiên và di truyền sinh học thông qua chu trình lặp: khởi tạo quần thể, đánh giá độ thích nghi (Fitness Function), chọn lọc cá thể cha mẹ bằng cơ chế bánh xe Roulette, lai ghép một điểm cắt (Crossover) và đột biến ngẫu nhiên (Mutation). Để tối ưu hóa bộ điều khiển PID, ba chỉ tiêu đánh giá chất lượng tích phân sai số được áp dụng làm hàm mục tiêu gồm: Tích phân trị tuyệt đối sai số (IAE), Tích phân tích số thời gian và trị tuyệt đối sai số (ITAE), và Trung bình bình phương sai số (MSE). Không gian tìm kiếm tham số được thu hẹp tối ưu thông qua hệ số co giãn alpha = 0.02 và beta = 50 xung quanh giá trị ban đầu xác lập bởi phương pháp Ziegler-Nichols.

Thứ ba là lý thuyết điều khiển tối ưu bậc hai tuyến tính (Linear Quadratic Regulator - LQR). Dựa trên mô hình không gian trạng thái tuyến tính 4 biến gồm góc quay cánh tay, góc lệch con lắc và các vận tốc góc tương ứng, bộ điều khiển LQR được thiết kế thông qua việc giải phương trình đại số Riccati để tìm ma trận khuếch đại phản hồi trạng thái K, tối thiểu hóa hàm mục tiêu năng lượng với ma trận trọng số trạng thái Q = diag(100, 1, 1, 1) và trọng số điều khiển R = 1.

Phương pháp nghiên cứu

Phương pháp nghiên cứu thực hiện theo quy trình tiếp cận liên ngành cơ điện tử, tích hợp chặt chẽ giữa tính toán lý thuyết, mô phỏng số học và kiểm nghiệm thực nghiệm:

Về kích thước quần thể và phương pháp chọn mẫu: Thuật toán di truyền GA thiết lập cỡ mẫu quần thể cố định gồm 20 cá thể nhiễm sắc thể trong mỗi thế hệ. Các cá thể được khởi tạo ngẫu nhiên trong không gian tìm kiếm có chặn trên và chặn dưới xác định từ bộ thông số Ziegler-Nichols. Quá trình chọn mẫu tái sinh áp dụng nguyên lý xác suất tích lũy trên bánh xe Roulette dựa trên hàm thích nghi nghịch đảo sai số. Tần suất lai ghép được cấu hình ở mức 0.8 (tương ứng 80%), và xác suất đột biến thích nghi dao động từ 0.001 đến 0.01 (0.1% đến 1%). Tiến trình tiến hóa được khảo sát hội tụ chuẩn qua 50 thế hệ và mở rộng phân tích lên đến 20000 thế hệ nhằm kiểm chứng độ ổn định cực trị toàn cục.

Lý do lựa chọn phương pháp phân tích: Việc phối hợp phân tích sai số trên miền thời gian (Time-Domain Analysis) và mô phỏng số trên Matlab Simulink cho phép khảo sát chính xác đáp ứng bước đơn vị, loại trừ rủi ro va đập cơ khí trước khi nạp mã điều khiển lên phần cứng. Mô hình tính toán đã tích hợp đầy đủ các thông số thực tế như hệ số ma sát nhớt Beq = 0.004 N.m.s/rad, mô men quán tính động cơ Jm = 67.7x10^-7 kg.m^2, điện trở phần ứng Rm = 1.11 Ohm và tỉ số truyền hộp số Kg = 102/16 = 6.375.

Timeline nghiên cứu: Toàn bộ quá trình nghiên cứu kéo dài 17 tháng, bắt đầu từ ngày 23/01/2016 với việc khảo sát lý thuyết, chuyển sang giai đoạn thiết kế mô phỏng và thi công cơ điện vào cuối năm 2016, hoàn thành thử nghiệm và nghiệm thu luận văn vào ngày 16/06/2017 trước khi bảo vệ chính thức vào tháng 11/2017.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và thử nghiệm thực nghiệm đã mang lại 4 kết quả định lượng nổi bật:

Thứ nhất, thuật toán di truyền tối ưu hóa PID (GA-PID) theo tiêu chuẩn tích phân sai số tuyệt đối (IAE) đã triệt tiêu hoàn toàn hiện tượng vọt lố quá mức. Trong khi phương pháp cổ điển Ziegler-Nichols tạo ra độ vọt lố lên tới hơn 32% kèm theo dao động kéo dài, bộ thông số tối ưu từ GA-PID (với Kp = 3.82, Ki = 0.45, Kd = 0.28) đã đưa độ vọt lố về dưới mức 3.5%, đồng thời giảm thời gian xác lập hệ thống từ 3.8 giây xuống còn 1.15 giây (rút ngắn hơn 69% thời gian quá độ).

Thứ hai, bộ điều khiển tối ưu LQR chứng minh khả năng phản hồi cực nhanh trong miền góc lệch nhỏ. Với ma trận phản hồi trạng thái K = (-10.0, 48.5, -3.2, 5.8) thu được từ phép giải phương trình Riccati, hệ thống có khả năng đưa con lắc lệch một góc ban đầu pi/6 rad (tương đương 30 độ) trở về trạng thái cân bằng thẳng đứng hoàn toàn ổn định chỉ trong khoảng thời gian 0.78 giây.

Thứ ba, hiệu suất hội tụ của thuật toán GA đạt độ chính xác vượt trội. Quá trình tiến hóa cho thấy hàm thích nghi đạt mức hội tụ trên 96% giá trị tối ưu chỉ sau 35 thế hệ đầu tiên. Việc tự động hóa ước lượng tham số giúp tiết kiệm hơn 85% thời gian tinh chỉnh thủ công so với phương pháp thử và sai (trial-and-error) truyền thống của kỹ sư.

Thứ tư, mô hình thực nghiệm phần cứng hoạt động ổn định với thời gian duy trì thăng bằng liên tục. Vi điều khiển Arduino Mega 2560 kết hợp cùng driver công suất BTS7960 xử lý tín hiệu ngắt từ 2 encoder quang học ở tần số lấy mẫu 100Hz, giữ góc lệch con lắc dao động quanh trục thẳng đứng với sai số xác lập nhỏ hơn 1.2 độ trong điều kiện không có ngoại lực tác động mạnh.

Thảo luận kết quả

Nguyên nhân cốt lõi giúp GA-PID và LQR vượt trội hơn phương pháp Ziegler-Nichols nằm ở khả năng tối ưu hóa toàn cục trên toàn bộ không gian trạng thái. Ziegler-Nichols chỉ dựa vào các điểm đặc trưng của đáp ứng quá độ cục bộ nên rất dễ bị sai lệch khi hệ thống có tính phi tuyến và ma sát cơ khí lớn. Ngược lại, GA tìm kiếm đa điểm song song, đánh giá trực tiếp trên tích phân toàn phần của sai số qua thời gian, giúp lựa chọn bộ thông số cân bằng hoàn hảo giữa lực kéo điều khiển và quán tính chuyển động.

Khi đối chiếu với các công bố quốc tế, kết quả của luận văn tương đồng với nghiên cứu của Kumar và Rao (2014) trên tạp chí IJSETR và nghiên cứu của Sirisha và Junghare (2014) trên tạp chí IJCCMS. Cụ thể, các nghiên cứu này đều khẳng định LQR có đáp ứng năng lượng tối ưu và thời gian tăng nhanh nhất, trong khi GA-PID mang lại sự mượt mà trong tín hiệu điều khiển, hạn chế hiện tượng bão hòa điện áp phần ứng động cơ DC. Đặc biệt, giải pháp phần cứng trong luận văn sử dụng nền tảng vi điều khiển mã nguồn mở giúp giảm hơn 60% chi phí chế tạo so với các bộ thí nghiệm thương mại như hệ thống KRi-PP300 của Singapore.

Dữ liệu nghiên cứu được biểu diễn trực quan thông qua đồ thị phản hồi thời gian (Time-Response Plot) so sánh trực tiếp 4 đường đặc tuyến ngõ ra (Ziegler-Nichols, GA-IAE, GA-ITAE, GA-MSE) cùng bảng số liệu tổng hợp 5 chỉ tiêu chất lượng: độ vọt lố (%), thời gian tăng (s), thời gian xác lập (s), sai số xác lập (rad) và điện áp điều khiển đỉnh (V). Biểu đồ phản hồi góc lệch thực tế cho thấy sự tiệm cận hoàn hảo giữa mô hình toán học và phần cứng cơ khí.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được và những hạn chế về độ trễ phần cứng, 4 giải pháp trọng tâm được khuyến nghị triển khai:

Thứ nhất, nâng cấp cấu trúc điều khiển sang giải thuật thích nghi thông minh lai (Hybrid Adaptive GA-LQR). Mục tiêu là nâng tần số quét điều khiển từ 100Hz lên 250Hz, giảm thời gian đáp ứng quá độ khi có xung lực ngẫu nhiên tác động xuống dưới 0.4 giây. Thời gian thực hiện dự kiến trong 6 tháng, do nhóm nghiên cứu sinh chuyên ngành Kỹ thuật Điều khiển và Tự động hóa đảm trách.

Thứ hai, chuẩn hóa quy trình gia công cơ khí chính xác cho cụm khớp quay cánh tay và trục con lắc. Cần sử dụng vật liệu hợp kim nhôm siêu nhẹ có độ cứng cao, giảm dung sai lắp ghép khớp quay xuống dưới 0.02mm và giảm hệ số ma sát nhớt từ 0.004 N.m.s/rad xuống dưới 0.0015 N.m.s/rad. Thời hạn triển khai trong 3 tháng, do kỹ sư thiết kế cơ khí chính xác và xưởng chế tạo thực nghiệm phối hợp thực hiện.

Thứ ba, tích hợp thuật toán lọc Kalman mở rộng (Extended Kalman Filter - EKF) trên chip xử lý ARM Cortex-M4 32-bit. Mục tiêu là triệt tiêu trên 92% nhiễu đo lường từ bộ giải mã quang học encoder và ước lượng chính xác vận tốc góc trong môi trường rung động. Lộ trình triển khai trong 4 tháng, do kỹ sư lập trình hệ thống nhúng và xử lý tín hiệu số phụ trách.

Thứ tư, chuyển giao công nghệ thuật toán cân bằng sang các ứng dụng thương mại thực tế. Trọng tâm là ứng dụng vào bo mạch điều khiển của xe điện hai bánh tự cân bằng đô thị và hệ thống chống rung 3 trục chuyên dụng cho máy quay phim, giúp tăng độ mượt mà khi chuyển hướng lên 25% và tiết kiệm 15% năng lượng tiêu thụ pin. Lộ trình chuyển giao kéo dài 12 tháng, do các doanh nghiệp công nghệ cơ điện tử và trung tâm ươm tạo công nghệ tiếp nhận.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo học thuật và kỹ thuật giá trị cao cho 4 nhóm đối tượng cụ thể:

Thứ nhất, học viên cao học và nghiên cứu sinh chuyên ngành Kỹ thuật Cơ điện tử, Tự động hóa và Robot. Tài liệu cung cấp phương pháp luận chuẩn xác về mô hình hóa hệ cơ học phi tuyến phức tạp bằng phương trình Lagrange, phương pháp tuyến tính hóa Taylor và kỹ thuật lập trình thuật toán di truyền trên Matlab để tối ưu hóa tham số điều khiển.

Thứ hai, kỹ sư nghiên cứu và phát triển (R&D) tại các doanh nghiệp chế tạo thiết bị thông minh. Kỹ sư có thể khai thác trực tiếp thuật toán GA-PID và LQR để ứng dụng vào việc thiết kế hệ thống cân bằng xe hai bánh, cánh tay robot công nghiệp, hệ thống treo chủ động trên ô tô hoặc gimbal chống rung máy ảnh mà không cần tốn nhiều tháng thử nghiệm thủ công.

Thứ ba, giảng viên và cán bộ nghiên cứu tại các trường đại học kỹ thuật. Luận văn là giáo trình tham khảo lý tưởng để xây dựng các bài thí nghiệm chuyên đề về Điều khiển Hiện đại, Lý thuyết Tối ưu hóa và Hệ thống Nhúng Điều khiển Thực tế, giúp sinh viên kết nối trực quan giữa lý thuyết toán học trừu tượng và đáp ứng vật lý sinh động.

Thứ tư, sinh viên đại học năm cuối khối ngành Kỹ thuật Điện - Điện tử, Cơ điện tử và Cơ thuật. Sinh viên có thể học hỏi quy trình thiết kế tích hợp hoàn chỉnh một sản phẩm cơ điện tử từ khâu tính toán động cơ, lựa chọn cảm biến encoder, thiết kế mạch cầu H BTS7960, lập trình vi điều khiển Arduino đến phân tích dữ liệu thực nghiệm phục vụ làm đồ án tốt nghiệp.

Câu hỏi thường gặp

Tại sao hệ con lắc ngược quay (RIP) lại được sử dụng phổ biến làm mô hình chuẩn để kiểm nghiệm lý thuyết điều khiển? Hệ thống RIP sở hữu cấu trúc phi tuyến mạnh, độ bất định cao và thuộc lớp hệ thống thiếu cơ cấu chấp hành với 2 bậc tự do nhưng chỉ có 1 tín hiệu điều khiển. Trạng thái cân bằng đứng thẳng là điểm mất ổn định tự nhiên, đòi hỏi bộ điều khiển phải phản hồi cực nhanh trong chu kỳ dưới 10ms, làm chuẩn mực khắt khe để đánh giá tính thích nghi và độ bền vững của các thuật toán GA và LQR.

Thuật toán tiến hóa di truyền (GA) mang lại ưu thế vượt trội gì so với phương pháp chỉnh định Ziegler-Nichols truyền thống? Phương pháp Ziegler-Nichols chỉ dựa trên xấp xỉ tuyến tính cục bộ, thường tạo ra độ vọt lố vượt quá 30% và thời gian xác lập kéo dài. Trong khi đó, thuật toán GA tối ưu hóa toàn cục theo hàm mục tiêu tích phân sai số (IAE), tự động tìm kiếm bộ tham số Kp, Ki, Kd giúp triệt tiêu độ vọt lố xuống dưới 3.5% và rút ngắn hơn 69% thời gian đáp ứng của hệ thống.

Cấu hình phần cứng tối thiểu để chế tạo một mô hình con lắc ngược quay thực nghiệm bao gồm những linh kiện nào? Hệ thống yêu cầu một động cơ điện một chiều DC 24V đi kèm hộp số giảm tốc tỉ số truyền 102/16, mạch điều khiển công suất cầu H BTS7960 chịu dòng cực đại 43A, vi điều khiển trung tâm Arduino Mega 2560 xung nhịp 16MHz và 2 cảm biến encoder quang học độ phân giải từ 1000 xung/vòng để đo chính xác góc quay cánh tay và góc lệch con lắc.

Sự khác biệt căn bản giữa nguyên lý điều khiển LQR và GA-PID trong đề tài là gì? Bộ điều khiển LQR là phương pháp tối ưu hóa không gian trạng thái dựa trên việc phản hồi đầy đủ 4 biến trạng thái thông qua giải phương trình vi phân Riccati với ma trận trọng số Q và R. Trong khi đó, GA-PID vẫn duy trì cấu trúc điều khiển phản hồi sai số đơn biến kinh điển nhưng ứng dụng trí tuệ nhân tạo tiến hóa để tìm ra bộ ba hệ số khuếch đại tối ưu toàn cục.

Thuật toán điều khiển con lắc ngược trong luận văn có thể chuyển giao trực tiếp sang những sản phẩm thương mại nào? Thuật toán cân bằng được ứng dụng trực tiếp trên xe điện hai bánh tự cân bằng cá nhân (Segway/scooter), hệ thống gimbal chống rung 3 trục cho thiết bị quay phim chuyên nghiệp, thuật toán giữ thăng bằng động trên một chân cho robot hình người, và cơ cấu kiểm soát hướng vector lực đẩy (Thrust Vector Control) trên tên lửa đẩy không gian.

Kết luận

Nghiên cứu "Ứng dụng thuật toán tiến hóa ước lượng tham số điều khiển con lắc ngược" đã giải quyết trọn vẹn bài toán điều khiển thăng bằng cho một hệ phi tuyến kinh điển với 5 đóng góp nổi bật:

  • Xây dựng thành công hệ phương trình động lực học phi tuyến Euler-Lagrange và mô hình tuyến tính hóa không gian trạng thái chính xác cho hệ con lắc ngược quay 2 bậc tự do.
  • Phát triển hoàn chỉnh thuật toán tiến hóa di truyền GA với quần thể 20 cá thể qua 50 thế hệ, tối ưu hóa tự động bộ tham số PID theo các hàm mục tiêu IAE, ITAE và MSE.
  • Giảm độ vọt lố từ mức trên 32% ở phương pháp Ziegler-Nichols xuống dưới 3.5% và rút ngắn thời gian xác lập hệ thống xuống còn 1.15 giây trên mô phỏng số học.
  • Thiết lập thành công bộ điều khiển tối ưu bậc hai LQR với ma trận trọng số Q = diag(100, 1, 1, 1) và R = 1, đưa con lắc lệch 30 độ về trạng thái cân bằng chỉ trong 0.78 giây.
  • Chế tạo và vận hành ổn định mô hình phần cứng thực nghiệm hoàn chỉnh sử dụng vi điều khiển Arduino Mega 2560 và driver BTS7960, kiểm chứng tính khả thi của thuật toán trong môi trường thực tế.

Lộ trình tiếp theo hướng tới việc tích hợp mạng nơ-ron học sâu thích nghi trong vòng 6 tháng và thử nghiệm thương mại hóa trên khung xe tự cân bằng trong vòng 12 tháng. Độc giả quan tâm có thể tải toàn văn tài liệu luận văn thạc sĩ kỹ thuật cơ điện tử để khai thác chi tiết thuật toán mã nguồn Matlab Simulink và sơ đồ mạch nguyên lý phần cứng phục vụ cho các dự án nghiên cứu và phát triển công nghệ điều khiển thông minh.