Ứng dụng điều khiển xe AGV kết hợp camera 3D trong công nghiệp

Đồ án ứng dụng điều khiển xe AGV kết hợp camera 3D trong công nghiệp - ĐH SPKT TPHCM 2025

• Tác giả: Trần Hoàng Bảo
• Người hướng dẫn: ThS. Nguyễn Tử Đức
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Công nghệ Kỹ thuật Điều khiển và Tự động hóa
• Đề tài: Ứng dụng điều khiển xe AGV kết hợp camera 3D trong công nghiệp
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Tổng quan xe AGV kết hợp camera 3D tại ĐH SPKT TPHCM

Xe tự hành AGV đóng vai trò trung tâm trong tự động hóa nhà kho hiện đại. Nghiên cứu tại Trường Đại học Sư phạm Kỹ thuật TP.HCM tập trung nâng cao khả năng điều hướng của robot công nghiệp. Nhóm nghiên cứu tích hợp camera 3D cùng khung xe cơ động bốn bánh Mecanum. Sự kết hợp này mang lại bước đột phá về độ linh hoạt. Robot không bị giới hạn bởi đường ray từ tính cố định. Thiết bị nhận diện môi trường làm việc theo thời gian thực nhờ công nghệ thị giác máy tính. Dữ liệu không gian ba chiều giúp xe nhận biết vật cản chính xác. Mô hình xe sở hữu kích thước tiêu chuẩn 700x600x200 mm. Hệ thống đáp ứng tốt các yêu cầu vận chuyển linh kiện trong xưởng sản xuất có diện tích chật hẹp. Giải pháp mở ra hướng tiếp cận mới cho nền công nghiệp 4.0 tại Việt Nam. Việc ứng dụng công nghệ định vị tiên tiến giảm thiểu chi phí đầu tư hạ tầng dẫn đường. Nhà máy dễ dàng tái cấu trúc dây chuyền mà không cần lắp đặt lại hệ thống mốc định vị vật lý. Toàn bộ quy trình vận hành diễn ra hoàn toàn tự động và an toàn.

1.1. Khái niệm và nguyên lý hoạt động của xe AGV

Xe AGV là phương tiện vận chuyển tự động không người lái. Thiết bị di chuyển nhờ hệ thống máy tính điều khiển trung tâm. Cấu trúc xe gồm khung gầm thép, cụm bánh xe Mecanum và bộ truyền động DC không chổi than. Xe di chuyển linh hoạt theo các trục tọa độ trong không gian phẳng. Hệ thống thu thập thông tin tọa độ thông qua camera gắn trên thân. Bộ vi xử lý tính toán tín hiệu phản hồi để điều chỉnh hướng di chuyển tức thời. Xe có khả năng quay tròn tại chỗ và tịnh tiến sang ngang. Nguyên lý này giúp tối ưu hóa diện tích nhà kho. Độ chính xác định vị đạt mức milimet khi hoạt động liên tục.

1.2. Vai trò đột phá của camera 3D trong tự động hóa

Camera 3D đóng vai trò như đôi mắt thông minh của xe AGV. Thiết bị thu nhận hình ảnh chiều sâu cùng đám mây điểm ba chiều. Cảm biến Intel RealSense T265 ứng dụng công nghệ V-SLAM tiên tiến. Hệ thống xây dựng bản đồ số và xác định vị trí tức thời mà không cần GPS. Khác với cảm biến 2D truyền thống, camera 3D nhận diện chiều cao và hình dáng vật thể. Thiết bị hạn chế tối đa điểm mù xung quanh robot. Dữ liệu từ camera truyền liên tục về máy tính qua giao diện lập trình Python. Xe tự động tái định tuyến khi phát hiện chướng ngại vật phát sinh. Độ tin cậy của toàn bộ hệ thống tăng lên rõ rệt.

II. Thách thức điều khiển xe AGV kết hợp camera 3D hiện nay

Các hệ thống AGV truyền thống bộc lộ nhiều hạn chế trong sản xuất thông minh. Phần lớn xe tự hành thế hệ cũ sử dụng vạch từ hoặc mã phản quang dán sàn. Chi phí bảo trì đường dẫn vật lý rất lớn. Khi nhà xưởng thay đổi quy trình, công nhân phải bố trí lại toàn bộ sàn nhà xưởng. Điều này làm gián đoạn sản xuất và tốn kém thời gian. Ngoài ra, bánh xe thông thường yêu cầu bán kính quay vòng lớn. Xe không thể xoay trở dễ dàng tại các góc hẹp giữa hai kệ hàng. Sai số tích lũy từ hiện tượng trượt bánh làm giảm độ chính xác vị trí. Khi tải trọng thay đổi, quán tính xe gây ra rung lắc mạnh. Việc xử lý đồng thời dữ liệu hình ảnh 3D và điều khiển động cơ đặt ra bài toán phức tạp về độ trễ. Giao tiếp giữa bộ điều khiển công nghiệp PLC và máy tính xử lý thị giác đòi hỏi tính ổn định cao. Nếu dữ liệu truyền chậm, robot dễ va chạm chướng ngại vật bất ngờ.

2.1. Hạn chế về cơ cấu di chuyển và sai số động học

Cấu trúc truyền động bánh thường khiến robot bị hạn chế bậc tự do. Xe chỉ có thể tiến lùi và quay vòng theo đường cong. Khi tiến vào kệ pallet hẹp, xe cần nhiều bước căn chỉnh tư thế. Bánh xe Mecanum giải quyết điểm yếu cơ động nhưng dễ sinh ra trượt con lăn. Con lăn nghiêng 45 độ trên vành bánh xe tạo ra các thành phần lực phức tạp. Bề mặt sàn không đồng đều làm tăng sai số tích lũy tọa độ. Sai số động học ảnh hưởng trực tiếp đến quỹ đạo di chuyển thực tế. Việc thiếu cảm biến hồi tiếp độ phân giải cao khiến hệ thống nhanh chóng lệch mục tiêu. Kiểm soát chính xác từng bánh xe độc lập là thách thức lớn.

2.2. Khó khăn trong tích hợp phần cứng và điều khiển thời gian thực

Đồng bộ hóa tín hiệu giữa hệ điều hành máy tính và PLC là bài toán hóc búa. Máy tính chạy Python đảm nhận xử lý thuật toán tìm đường và ảnh 3D. Ngược lại, PLC Mitsubishi quản lý phát xung điều khiển driver động cơ. Hai hệ thống hoạt động ở các tần số quét khác nhau. Hiện tượng trễ gói tin qua mạng truyền thông gây gián đoạn nhịp điều khiển. Tốc độ lấy mẫu hình ảnh không khớp với chu kỳ quét PLC khiến xe giật cục. Môi trường công nghiệp nhiều nhiễu điện từ từ biến tần và động cơ công suất lớn. Tín hiệu xung từ driver AXHD30K-K27 dễ bị biến dạng nếu thiếu mạch cách ly quang. Hệ thống cần giải pháp phần cứng chuẩn mực để vận hành bền bỉ.

III. Giải pháp xe AGV kết hợp camera 3D và PLC Mitsubishi Q

Đồ án tốt nghiệp tại ĐH SPKT TPHCM đề xuất mô hình AGV bốn bánh Mecanum chữ X hướng tâm. Bốn bánh xe có đường kính 120 mm và bề rộng 60 mm. Nhóm nghiên cứu kết hợp động cơ DC không chổi than VEXTA cùng driver AXHD30K-K27. Hệ thống sử dụng bộ điều khiển lập trình PLC Mitsubishi dòng Q đảm bảo tính ổn định công nghiệp. Module đầu ra bán dẫn QY41P điều khiển đóng cắt tốc độ cao. Module định vị QD75D1 điều khiển động cơ bước VEXTA để nâng hạ hàng hóa chính xác. Về điều hướng, camera Intel RealSense T265 tính toán tọa độ qua công nghệ V-SLAM. Phần mềm viết bằng Python nhận dữ liệu thị giác và lập kế hoạch đường đi. Thuật toán tìm đường tám hướng kết hợp kỹ thuật nội suy giúp làm mượt quỹ đạo. Bộ điều khiển phản hồi PID khử sai lệch vị trí tức thời. Hệ thống duy trì chuyển động ổn định kể cả khi chở tải nặng.

3.1. Thiết kế phần cứng và tích hợp PLC Mitsubishi dòng Q

Cấu trúc phần cứng gồm hai tầng xử lý riêng biệt. Tầng điều hành cấp cao sử dụng máy tính nhúng kết nối camera Intel T265. Tầng điều khiển chuyển động cấp thấp vận hành bằng PLC Mitsubishi MELSEC-Q. Bộ nguồn cấp 24VDC nuôi toàn bộ mạch điều khiển và driver động cơ. Module QY41P trang bị 32 ngõ ra transistor dạng Sink tốc độ 2 micro giây. Module phát xung QD75D1 điều khiển trục nâng hạ với tần số xung lên tới 4 Mpps. Động cơ DC không chổi than VEXTA cung cấp mô-men xoắn mạnh mẽ và độ bền cao. Khung gầm kích thước 700x600x200 mm phân bổ tải đều lên bốn bánh Mecanum. Kết cấu này tạo nền tảng vững chắc cho quá trình vận hành liên tục.

3.2. Thuật toán điều khiển PID và tối ưu hóa quỹ đạo

Thuật toán điều khiển phân tích mô hình động học xe bốn bánh Mecanum. Nhóm nghiên cứu lập trình thuật toán tìm đường tám hướng trên nền tảng Python. Đường đi được làm mượt bằng phương pháp nội suy hình học. Thuật toán loại bỏ các góc gấp khúc đột ngột nhằm giảm rung lắc cơ khí. Bộ điều khiển PID tính toán tốc độ từng bánh theo sai lệch vị trí thời gian thực. Hệ số khuếch đại P, I, D được tối ưu hóa qua thực nghiệm. Python gửi lệnh vận tốc xuống PLC thông qua giao thức truyền thông chuyên dụng. PLC phản hồi trạng thái động cơ liên tục về giao diện giám sát. Xe bám sát quỹ đạo thiết kế với sai số định vị dưới 15 milimet.

IV. Ứng dụng thực tế xe AGV kết hợp camera 3D trong nhà máy

Mô hình xe AGV của sinh viên ĐH SPKT TPHCM mang lại giá trị thực tiễn to lớn. Hệ thống chứng minh tính khả thi cao khi ứng dụng vào logistics công nghiệp. Xe tự hành vận chuyển linh kiện mượt mà trong các xưởng lắp ráp điện tử và cơ khí. Khả năng tránh vật cản chủ động giúp bảo vệ công nhân cùng trang thiết bị. Việc kết hợp bàn nâng điều khiển bằng module QD75D1 hỗ trợ bốc xếp tự động hóa hoàn toàn. Robot nâng pallet hàng hóa và đặt vào vị trí chỉ định mà không cần tác động thủ công. Giải pháp này giúp doanh nghiệp giảm chi phí nhân công và hạn chế tai nạn lao động. Mô hình còn đóng góp cơ sở dữ liệu quan trọng cho hoạt động nghiên cứu điều khiển tự động. Các doanh nghiệp trong nước có thể áp dụng kiến trúc này để nội địa hóa công nghệ chế tạo AGV thông minh. Xu hướng tự hành hóa với camera 3D sẽ thúc đẩy chuyển đổi số sản xuất.

4.1. Hiệu quả vận hành trong kho bãi và dây chuyền sản xuất

Hệ thống AGV camera 3D tối ưu hóa mật độ lưu trữ kho bãi. Nhờ bốn bánh Mecanum, xe xoay trở linh hoạt trong lối đi chỉ rộng dưới một mét. Thời gian hoàn thành chu kỳ vận chuyển nguyên vật liệu giảm hơn 30%. Quy trình cấp phát phôi gia công cho máy CNC diễn ra đúng nhịp sản xuất. Robot hoạt động liên tục mà không suy giảm độ chính xác định vị. Môi trường làm việc an toàn hơn nhờ tính năng phát hiện vật cản đa chiều. Tỉ lệ rơi vỡ hàng hóa trong quá trình di chuyển được loại bỏ hoàn toàn. Chi phí vận hành dài hạn giảm đáng kể so với việc sử dụng xe nâng thông thường.

4.2. Tiềm năng phát triển và hoàn thiện hệ thống trong tương lai

Đề tài mở ra tiềm năng thương mại hóa rộng mở cho các doanh nghiệp tự động hóa. Trong giai đoạn tiếp theo, nhóm nghiên cứu hướng tới tích hợp trí tuệ nhân tạo nhận diện biển báo và mã hàng. Giao thức truyền thông không dây công nghiệp mạng 5G sẽ thay thế kết nối Wi-Fi thông thường. Khả năng kết nối đội xe Fleet Management cho phép điều phối hàng chục AGV cùng lúc. Trạm sạc tự động không tiếp xúc giúp xe vận hành 24/7 không cần giám sát. Nghiên cứu của ĐH SPKT TPHCM khẳng định năng lực làm chủ công nghệ cao của kỹ sư Việt Nam. Hệ thống đóng góp thiết thực cho quá trình hiện đại hóa nhà máy thông minh.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong xu hướng tự động hóa sản xuất và logistics công nghiệp, xe tự hành AGV (Automated Guided Vehicle) đóng vai trò thay thế phương thức vận chuyển hàng hóa thủ công bằng sức người nhằm cắt giảm chi phí nhân công, nâng cao độ chính xác, hạn chế tai nạn lao động và tối ưu hóa năng suất vận hành tại các nhà máy, kho bãi lớn, trung tâm thương mại và bệnh viện. Đồ án tốt nghiệp "Ứng dụng điều khiển xe AGV kết hợp camera 3D trong công nghiệp" được thực hiện bởi sinh viên Trần Hoàng Bảo và Nguyễn Tuấn Kiệt (ngành Công nghệ Kỹ thuật Điều khiển và Tự động hóa, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, dưới sự hướng dẫn của ThS. Nguyễn Tử Đức) nhằm giải quyết bài toán định vị không gian và điều khiển chuyển động đa hướng cho robot di động công nghiệp.

Hệ thống đặt ra 7 mục tiêu và nhiệm vụ kỹ thuật cụ thể:

1. Thiết kế mô hình xe tự hành AGV kết hợp camera 3D để di chuyển và xác định vị trí chính xác của xe trong không gian làm việc công nghiệp.
2. Xây dựng thuật toán và giao diện tính toán lộ trình di chuyển tối ưu nhằm tiết kiệm chi phí vận hành cho robot.
3. Vận hành hệ thống bám theo quỹ đạo cho trước được trích xuất từ bản đồ số.
4. Ứng dụng giải thuật điều khiển tự động nhằm giảm thiểu sai số vị trí và sai số bám quỹ đạo trong không gian.
5. Tính toán mô hình động học để điều khiển xe chuyển động đa hướng tự do (omnidirectional) không bị giới hạn góc quay.
6. Thiết kế giao diện giám sát và điều khiển người dùng trực quan, vận hành mượt mà ở cả hai chế độ thủ công (manual) và tự động (auto).
7. Tích hợp cơ cấu bàn nâng hạ cơ điện giúp xe thực hiện chu trình lấy và trả hàng tự động.

Đối tượng và phạm vi nghiên cứu của đề tài được giới hạn rõ ràng:

• Đối tượng nghiên cứu: Xe tự hành 4 bánh Mecanum tích hợp bộ điều khiển lập trình PLC Mitsubishi dòng Q và thiết bị định vị không gian camera Intel RealSense T265.
• Phạm vi không gian: Không gian làm việc tĩnh trong nhà xưởng với các vật cản được thiết lập cố định trên bản đồ; hệ tọa độ làm việc phụ thuộc vào gốc tọa độ khởi tạo ban đầu khi camera T265 kết nối với bộ điều khiển. Khoảng cách định vị tối ưu của camera nằm trong phạm vi từ 0,3 m đến 10 m.
• Phạm vi công nghệ: Đồ án khai thác dữ liệu vị trí và tư thế 6 bậc tự do (6DOF) từ camera T265 qua công nghệ V-SLAM phần cứng, không đi sâu vào các thuật toán thị giác máy tính xử lý luồng ảnh thô. Đồng thời, cấu hình bánh Mecanum được ghi nhận có sự suy giảm ổn định khi vận hành trên các bề mặt có hệ số ma sát thấp.
• Thời gian thực hiện: Từ ngày 28/08/2024 đến ngày 05/01/2025.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Nghiên cứu tích hợp các nền tảng lý thuyết điều khiển tự động, kỹ thuật robot di động và công nghệ định vị không gian:

• Lý thuyết động học robot di động đa hướng (Omnidirectional Mobile Robot): Sử dụng cấu hình 4 bánh Mecanum bố trí theo dạng chữ X hướng tâm, phân tích véc-tơ vận tốc để chuyển đổi giữa vận tốc dài ($v_x, v_y$), vận tốc góc ($\omega$) của thân xe sang vận tốc quay của 4 bánh độc lập (kinematics và inverse kinematics).
• Lý thuyết định vị và lập bản đồ đồng thời (Visual-SLAM): Cơ chế định vị cục bộ dựa trên camera kép mắt cá (fisheye) và vi xử lý thị giác chuyên dụng Intel Movidius Myriad 2 VPU trên camera Intel RealSense T265, cung cấp dữ liệu chuyển động 6 bậc tự do ($x, y, z$, roll, pitch, yaw) không phụ thuộc GPS.
• Lý thuyết điều khiển PID và tối ưu hóa tiến hóa: Bộ điều khiển phản hồi sai số với ba khâu tỉ lệ ($K_p$), tích phân ($K_i$), vi phân ($K_d$). Để khắc phục nhược điểm dò thông số thủ công hoặc phương pháp Ziegler-Nichols dễ gây dao động, tác giả áp dụng Thuật toán di truyền (Genetic Algorithm - GA) với các bước khởi tạo quần thể, đánh giá hàm thích nghi (fitness function), chọn lọc, lai ghép và đột biến để tìm bộ tham số tối ưu hóa sai số động học.
• Lý thuyết hoạch định quỹ đạo: Ứng dụng giải thuật tìm kiếm D* Lite trên bản đồ dạng lưới ô cờ (grid map) để xác định đường đi ngắn nhất tránh vật cản, kết hợp kỹ thuật nội suy đường cong Bézier để làm mượt các điểm bẻ góc gãy khúc.

Phương pháp nghiên cứu thực tế bao gồm:

• Phương pháp tính toán giải tích cơ điện: Áp dụng định luật II Newton và các công thức cơ học để tính toán lực kéo, mô-men xoắn, công suất yêu cầu của động cơ và dung lượng điện năng ắc quy.
• Phương pháp mô hình hóa và mô phỏng số: Thiết lập mô hình động học và thuật toán GA-PID trên môi trường MATLAB/Simulink nhằm kiểm chứng đáp ứng hệ thống khi có và không có tín hiệu nhiễu.
• Phương pháp thiết kế chế tạo phần cứng và tích hợp hệ thống: Lập bản vẽ cơ khí 3D trên SolidWorks, gia công khung vỏ kim loại, lắp ráp hệ thống truyền động, đấu nối hệ thống điện công nghiệp với PLC Mitsubishi dòng Q.
• Phương pháp thực nghiệm kiểm chứng: Cho hệ thống vận hành thực tế trên sa bàn để đo đạc sai số định vị, kiểm tra thuật toán tránh vật cản tĩnh và đánh giá quy trình bốc dỡ hàng bằng cơ cấu nâng.

---

Thiết kế và triển khai hệ thống kỹ thuật

Hệ thống được thiết kế hoàn chỉnh từ cơ khí, điện lực, điều khiển tự động đến phần mềm giao diện.

1. Tính toán cơ điện và nguồn cấp

Mô hình xe có kích thước tổng thể $700 \times 600 \times 200 \pm 10%$ (mm), sử dụng 4 bánh Mecanum đường kính $D = 120$ mm ($R = 0,06$ m), độ rộng bánh 60 mm, con lăn đặt góc $45^\circ$. Với khối lượng toàn tải thiết kế $m = 60$ kg và gia tốc chọn $a = 0,5\text{ m/s}^2$:

• Lực tổng cần thiết: $F = m \cdot a = 60 \times 0,5 = 30\text{ N}$.
• Lực kéo chia cho mỗi bánh: $$F_i = \frac{F}{4\cos(45^\circ)} = \frac{30}{4 \times 0,7071} \approx 10,6067\text{ N}$$
• Mô-men xoắn yêu cầu trên trục mỗi động cơ: $$\tau = F_i \cdot R = 10,6067 \times 0,06 \approx 0,6364\text{ N}\cdot\text{m}$$
• Vận tốc góc cực đại ở tốc độ dài $v = 1\text{ m/s}$: $$\omega = \frac{v}{R} = \frac{1}{0,06} \approx 16,6667\text{ rad/s}$$
• Công suất yêu cầu cho mỗi động cơ: $$P = \tau \cdot \omega = 0,6364 \times 16,6667 \approx 10,6067\text{ W}$$ Từ kết quả này, tác giả chọn các động cơ không chổi than VEXTA có công suất danh định lớn hơn $10,6\text{ W}$ để đảm bảo an toàn tải.
• Tính toán nguồn pin: Sử dụng 2 bình ắc quy 12 VDC - 30 Ah mắc nối tiếp tạo nguồn 24 VDC. Với công suất tiêu thụ ước tính toàn hệ thống là $P = 200\text{ W}$ và hệ số xả an toàn $pf = 0,7$, thời gian hoạt động liên tục lý thuyết được tính: $$T = \frac{30\text{ Ah} \times 24\text{ V} \times 0,7}{200\text{ W}} = 2,52\text{ giờ}$$

2. Cấu trúc phần cứng điều khiển

STT	Tên module/thiết bị	Mã thiết bị	Chức năng kỹ thuật trong hệ thống
1	Base PLC	Mitsubishi Q35B	Thanh đế gắn module, cấu hình 5 slot cắm mở rộng
2	Nguồn PLC	Mitsubishi Q61P	Nguồn cấp 100–240 VAC/VDC, đầu ra 5 VDC - 6 A
3	Khối xử lý trung tâm	Mitsubishi Q04UDEH	CPU tốc độ 9,5 ns/lệnh, bộ nhớ 40K bước, tích hợp Ethernet
4	Module đầu ra Analog	Mitsubishi Q68DAVN	8 kênh điện áp analog xuất tín hiệu tốc độ đến driver động cơ
5	Module đầu ra số	Mitsubishi QY41P	32 ngõ ra Transistor Sink (12–24 VDC, 0,2 A) điều khiển đảo chiều
6	Module phát xung	Mitsubishi QD75D1	Bộ điều khiển chuyển động 1 trục phát xung điều khiển bàn nâng
7	Driver động cơ di chuyển	VEXTA AXHD30K-K27	Mạch công suất cho động cơ không chổi than nhận lệnh analog 0–5 V
8	Bàn nâng hàng cơ điện	KS332-12C	Cơ cấu cắt kéo nâng hạ hàng hóa sử dụng động cơ bước
9	Thiết bị định vị V-SLAM	Intel RealSense T265	Thu thập dữ liệu vị trí, góc xoay robot theo 6 bậc tự do (6DOF)
10	Thiết bị bảo vệ	Aptomat (CP) 2 pha	Định mức dòng 3A và 5A, điện áp cách điện 250 V bảo vệ ngắn mạch

3. Kiến trúc phần mềm và truyền thông

Hệ thống điều khiển phân tầng phối hợp giữa máy tính nhúng và PLC công nghiệp:

• Tầng máy tính cấp trên (Python): Kết nối trực tiếp với camera Intel RealSense T265 qua thư viện hỗ trợ để giải mã vị trí tọa độ ($x, y, \theta$). Xử lý thuật toán tìm đường D* Lite, làm mượt đường Bézier, tính toán sai số động học và thực hiện thuật toán PID.
• Giao thức truyền thông MC-Protocol: Dữ liệu điều khiển từ script Python được đóng gói và truyền thông xuống PLC Mitsubishi Q04UDEH qua mạng Ethernet công nghiệp (chuẩn TCP/IP) bằng giao thức truyền thông nhị phân MC-Protocol (MELSEC Communication Protocol).
• Tầng chấp hành cấp dưới (PLC Mitsubishi): Chương trình logic bậc thang viết trên GX Works2 giải mã dữ liệu vùng nhớ từ Ethernet, điều phối điện áp analog qua module Q68DAVN để chỉnh tốc độ 4 bánh xe, đóng cắt rơ-le qua QY41P để định hướng di chuyển và điều khiển module phát xung QD75D1 nâng hạ bàn nâng KS332-12C.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 giới thiệu vai trò của xe tự hành AGV trong sản xuất tự động, đặt vấn đề về sự cấp thiết của việc tích hợp thị giác 3D trong công nghiệp. Tác giả xác định rõ 7 mục tiêu kỹ thuật, phương pháp nghiên cứu liên ngành cơ điện tử, cùng 4 giới hạn cụ thể liên quan đến đặc tính trượt của bánh Mecanum, phạm vi đo đạc của camera T265 và giả định môi trường làm việc tĩnh.

Chương 2: Cơ sở lý thuyết

Chương này tổng hợp các kiến thức nền tảng:

• Lịch sử hình thành xe AGV và các dạng xe tự hành dẫn đường bằng camera.
• Cấu trúc bánh xe Mecanum con lăn nghiêng $45^\circ$, phân tích sự kết hợp véc-tơ lực của cấu hình 4 bánh hình chữ X cho phép di chuyển tịnh tiến 8 hướng và quay vòng tại chỗ.
• Cấu trúc phần cứng PLC Mitsubishi dòng Q (tốc độ xử lý 34 ns/LD đến 9,5 ns, hỗ trợ đa CPU, bộ nhớ RAM/EPROM, chu kỳ quét từ 1 ms đến 100 ms).
• Cấu tạo và nguyên lý động cơ DC không chổi than (BLDC) điều khiển góc pha điện tử qua cảm biến từ tính rotor.
• Thông số kỹ thuật của camera Intel RealSense T265, chip Intel Movidius Myriad 2 VPU, góc quét fisheye kép và công nghệ V-SLAM 6DOF.
• Cơ chế truyền thông Ethernet công nghiệp MC-Protocol trên nền TCP/IP.
• Lý thuyết giải thuật PID kinh điển, phân tích tác động của các khâu tỉ lệ ($K_p$), tích phân ($K_i$), vi phân ($K_d$), tổng hợp ưu nhược điểm của các phương pháp chỉnh định thủ công, Ziegler-Nichols, Cohen-Coon và công cụ phần mềm.
• Nguyên lý tiến hóa của Thuật toán di truyền (GA) với các toán tử di truyền cơ bản.

Chương 3: Tính toán và xây dựng mô hình

Tác giả trình bày chi tiết các bước tính toán động lực học cho mô hình robot tải trọng 60 kg: xác định lực kéo mỗi bánh đạt $10,6\text{ N}$, mô-men xoắn $0,6364\text{ N}\cdot\text{m}$, công suất động cơ tối thiểu $10,6\text{ W}$, dung lượng ắc quy $2 \times 12\text{ V} - 30\text{ Ah}$ cho thời gian vận hành liên tục 2,52 giờ. Chương này cung cấp toàn bộ bảng thông số lựa chọn thiết bị điện: CP bảo vệ, Base Q35B, Nguồn Q61P, CPU Q04UDEH, Analog Q68DAVN, I/O Transistor QY41P, Module vị trí QD75D1, driver AXHD30K-K27, driver CSD5814N-P, động cơ AXHM230K-GHF, PK564-NA và bàn nâng KS332-12C. Các bản vẽ thiết kế khung vỏ 3D trên SolidWorks và quy trình thi công cơ khí, lắp ráp bánh xe, gá đặt camera và đấu nối dây dẫn được thể hiện qua các sơ đồ chân chi tiết.

Chương 4: Tính toán động học và mô phỏng

Chương 4 thiết lập hệ phương trình ma trận động học cho robot di động 4 bánh Mecanum. Tác giả xây dựng mô hình mô phỏng trên MATLAB/Simulink kết hợp bộ điều khiển PID phản hồi vòng kín. Mô hình được thử nghiệm trong hai kịch bản: tín hiệu chuẩn không nhiễu và tín hiệu có nhiễu tác động. Tiếp theo, tác giả triển khai thuật toán GA trong MATLAB để tìm kiếm bộ thông số tối ưu cho ba bộ PID độc lập ($x, y, \theta$), chứng minh sai số xác lập giảm rõ rệt khi áp dụng GA so với phương pháp thử sai truyền thống.

Chương 5: Xây dựng và triển khai PID thay đổi theo thời gian trên xe AGV

Tác giả phát triển mô hình sai số động học (Kinematic Error Model) mô tả mối quan hệ giữa sai số vị trí thân xe ($e_x, e_y, e_\theta$) với các giá trị điều khiển vận tốc. Nhóm thiết kế bộ điều khiển PID có tham số thay đổi theo thời gian (Time-varying PID) nhằm thích ứng với sự thay đổi của độ cong quỹ đạo. Hệ thống được kiểm tra khả năng bám theo quỹ đạo đường cong phức tạp NURBS (Non-Uniform Rational B-Splines) trên MATLAB/Simulink, xuất các tín hiệu đặt ($V_{xd}, V_{yd}, \Omega_d, \Phi_d$) và tín hiệu phản hồi thực tế để xác nhận tính ổn định của hệ thống.

Chương 6: Xây dựng giải thuật đường đi

Chương 6 tập trung vào bài toán điều hướng tự động:

• Mô tả và cài đặt giải thuật tìm đường động D* Lite trên lưới bản đồ 8x8, tính toán các giá trị heuristic $h(s)$, hàm chi phí $rhs(s)$ và khóa tìm kiếm $Key(s)$ để tạo đường đi ngắn nhất tránh va chạm.
• Ứng dụng đường cong Bézier bậc n để khử các điểm gập góc vuông trên đường đi do D* Lite sinh ra, tạo ra quỹ đạo trơn tru (smoothed path) liên tục về độ cong giúp xe di chuyển êm ái, giảm giật cơ khí.
• Tính toán góc quay hướng đầu xe ($\theta$) tại từng điểm nội suy.
• Thiết kế phần mềm vẽ và tạo bản đồ (MAP maker), số hóa vị trí vật cản, điểm bắt đầu và điểm đích.

Chương 7: Thiết kế phần mềm

Chương này hoàn thiện toàn bộ quy trình phần mềm của hệ sinh thái AGV:

• Xây dựng sơ đồ công nghệ tổng thể và lưu đồ giải thuật cho hai chế độ vận hành: Chế độ thủ công (Manual) điều khiển từng hướng và bàn nâng qua nút bấm; Chế độ tự động (Auto) thực thi lộ trình từ bản đồ số.
• Lập trình logic điều khiển trên GX Works2 cho PLC Q04UDEH: cấu hình tham số truyền thông Ethernet, quản lý module Q68DAVN, QY41P và thiết lập thông số định vị phát xung cho bàn nâng trên QD75D1.
• Xây dựng chương trình Python thu thập dữ liệu tọa độ thời gian thực từ camera Intel RealSense T265, thực hiện phép biến đổi ma trận để chuyển đổi hệ trục tọa độ của camera về hệ quy chiếu làm việc của thân robot.

Chương 8: Chạy thực nghiệm

Hệ thống được vận hành thực tế trên mô hình sa bàn nhà xưởng. Kết quả thử nghiệm ghi nhận hệ thống xe AGV khởi động từ điểm Home ban đầu, tự động né các vật cản tĩnh xuất hiện trên bản đồ, di chuyển chính xác đến vị trí lấy hàng, kích hoạt bàn nâng KS332-12C lấy pallet và di chuyển đến vị trí trả hàng theo đúng lộ trình đã được làm mượt bởi thuật toán Bézier. Tác giả ghi lại các thông số thời gian, quỹ đạo thực tế tại hai đường chạy thực nghiệm (đường đi 1 và đường đi 2) để so sánh và đánh giá độ tin cậy.

Chương 9: Kết luận và hướng phát triển

Đồ án tổng kết các hạng mục đã hoàn thành: làm chủ kết cấu cơ khí 4 bánh Mecanum, điều khiển động cơ không chổi than, giao tiếp thành công giữa PLC Mitsubishi với Python qua MC-Protocol, tích hợp thành công camera T265 để tracking vị trí và làm chủ thuật toán D* Lite kết hợp Bézier. Chương này cũng phân tích thẳng thắn các tồn tại kỹ thuật và đề xuất các định hướng nâng cấp trong tương lai.

---

Kết quả và đóng góp kỹ thuật

1. Kết quả kỹ thuật cụ thể có trong văn bản

• Về mặt cơ điện: Chế tạo thành công mô hình xe kích thước $700 \times 600 \times 200\text{ mm}$, tải trọng 60 kg, tích hợp bàn nâng cơ điện KS332-12C hoạt động chính xác qua module phát xung QD75D1. Hệ thống nguồn ắc quy $24\text{ V} - 30\text{ Ah}$ đảm bảo thời gian vận hành tính toán 2,52 giờ với mức tiêu thụ $200\text{ W}$.
• Về điều khiển và thuật toán:
  • Thiết lập thành công mô hình toán học động học thuận và nghịch cho hệ thống 4 bánh Mecanum cấu hình chữ X, cho phép xe di chuyển linh hoạt đa hướng.
  • Tối ưu hóa thành công các hệ số $K_p, K_i, K_d$ cho bộ điều khiển PID bằng Thuật toán di truyền (GA) trên MATLAB/Simulink, triệt tiêu sai số xác lập và giảm thiểu hiện tượng vọt lố khi có tác động của nhiễu.
  • Xây dựng hoàn chỉnh chuỗi giải thuật điều hướng: D* Lite tìm đường đi ngắn nhất trên ma trận ô cờ kết hợp đường cong Bézier làm mượt quỹ đạo, giúp robot chuyển động liên tục, không bị dừng gián đoạn tại các góc rẽ.
• Về tích hợp hệ thống: Thiết lập kênh truyền thông hai chiều ổn định giữa máy tính chạy Python và PLC Mitsubishi Q04UDEH qua giao thức MC-Protocol trên nền Ethernet công nghiệp, trích xuất dữ liệu tọa độ 6DOF từ camera Intel RealSense T265 với chu kỳ quét đáp ứng nhanh.

2. Đóng góp kỹ thuật tự nêu của đề tài

So với các mô hình xe AGV công nghiệp truyền thống chỉ chạy theo vạch từ hoặc dán băng dính phản quang cố định (vốn tốn kém chi phí lắp đặt hạ tầng và thiếu linh hoạt khi thay đổi layout xưởng), hệ thống do nhóm tác giả phát triển mang lại các đóng góp:

• Tự do hóa lộ trình nhờ công nghệ định vị không gian V-SLAM của camera 3D T265, cho phép định vị độc lập mà không cần can thiệp cải tạo sàn nhà xưởng.
• Tận dụng khả năng cơ động đa hướng của bánh Mecanum, giúp xe xoay sở tốt trong không gian chật hẹp mà các dòng AGV 2 bánh vi sai hay bánh lái thông thường không thực hiện được.
• Đề xuất giải pháp kết hợp giữa thuật toán tìm đường trên đồ thị (D* Lite) và công cụ làm mượt hình học (Bézier), giải quyết triệt để vấn đề va đập cơ khí do gia tốc thay đổi đột ngột tại các góc cua.

---

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các phân tích đánh giá được nêu rõ trong đồ án, hệ thống còn tồn tại một số hạn chế kỹ thuật:

• Về cảm biến định vị: Camera Intel RealSense T265 phụ thuộc lớn vào chất lượng ánh sáng và đặc trưng bề mặt của môi trường. Trong điều kiện ánh sáng yếu, không đồng đều hoặc môi trường có bề mặt phản xạ/quá ít chi tiết hoa văn, độ chính xác của thuật toán V-SLAM bị suy giảm. Khoảng cách làm việc tối ưu bị giới hạn trong phạm vi 0,3 m đến 10 m.
• Về cơ cấu di chuyển: Bánh xe Mecanum hoạt động dựa trên ma sát của các con lăn xéo $45^\circ$, do đó khi xe chạy trên các bề mặt trơn trượt hoặc có hệ số ma sát thấp, hiện tượng trượt bánh sẽ xảy ra, gây sai số tích lũy cho mô hình động học.
• Về môi trường làm việc: Hệ thống mới chỉ vận hành trên bản đồ số tĩnh, chưa tích hợp cảm biến phát hiện và né tránh các vật cản động phát sinh tức thời (con người, xe đẩy di chuyển cắt ngang).
• Về xử lý ảnh: Nhóm chỉ sử dụng dữ liệu tracking vị trí thô từ phần cứng T265, chưa khai thác xử lý ảnh thông minh để nhận dạng pallet hàng hoặc đọc mã định danh hàng hóa.

Các hướng phát triển tiếp theo được tác giả đề xuất:

• Tích hợp thêm các cảm biến bổ trợ như LiDAR quét 2D/3D hoặc cảm biến siêu âm để xây dựng hệ thống tránh vật cản động thời gian thực và bù sai số trượt bánh.
• Ứng dụng các thuật toán xử lý ảnh chuyên sâu bằng trí tuệ nhân tạo (AI) lên luồng video của camera để tự động căn chỉnh tâm lấy hàng và nhận dạng kiện hàng.
• Nâng cấp phần cứng máy tính nhúng và tối ưu hóa giải thuật điều khiển bám quỹ đạo thích nghi trong môi trường công nghiệp quy mô lớn.

---

Giá trị tham khảo

Đồ án là tài liệu tham khảo kỹ thuật hữu ích đối với:

• Sinh viên ngành Kỹ thuật Điều khiển và Tự động hóa, Cơ điện tử, Robot: Cung cấp phương pháp luận hoàn chỉnh từ tính toán cơ điện (lực, mô-men, công suất động cơ, dung lượng pin) đến xây dựng mô hình toán động học robot đa hướng Mecanum.
• Kỹ sư tích hợp hệ thống tự động hóa công nghiệp: Đóng vai trò tài liệu tham khảo thực tế về cách thức liên kết, cấu hình phần cứng dòng PLC cao cấp Mitsubishi Q-series (Q04UDEH, Q68DAVN, QY41P, QD75D1) và phương thức truyền thông nhị phân MC-Protocol kết nối trực tiếp với ngôn ngữ Python trên máy tính.
• Người nghiên cứu điều hướng robot di động: Bản vẽ thiết kế mạch điều khiển, cách cài đặt thuật toán D* Lite kết hợp đường cong Bézier và quy trình tối ưu hóa bộ điều khiển PID bằng Thuật toán di truyền (GA) trên MATLAB/Simulink là những tài liệu thực hành có giá trị áp dụng cao.

---

Câu hỏi thường gặp

1. Phương pháp tính toán công suất động cơ bánh xe Mecanum trong đồ án được thực hiện như thế nào?
Tác giả dựa trên khối lượng toàn tải 60 kg và gia tốc chọn $0,5\text{ m/s}^2$ để tính lực tổng $F = m \cdot a = 30\text{ N}$. Do bánh Mecanum có các con lăn nghiêng $45^\circ$, lực của mỗi bánh xe được tính bằng $F_i = F / (4\cos 45^\circ) \approx 10,6067\text{ N}$. Với bán kính bánh xe $R = 0,06\text{ m}$ và vận tốc góc cực đại $\omega \approx 16,6667\text{ rad/s}$ (ứng với vận tốc dài $1\text{ m/s}$), mô-men xoắn tính được là $\tau = 0,6364\text{ N}\cdot\text{m}$, từ đó suy ra công suất động cơ yêu cầu tối thiểu là $P = \tau \cdot \omega \approx 10,6067\text{ W}$.

2. Hệ thống PLC Mitsubishi dòng Q được trang bị những module cụ thể nào và đảm nhận nhiệm vụ gì?
Hệ thống sử dụng thanh đế Base Q35B (5 slot) và bộ nguồn Q61P. Khối xử lý trung tâm là CPU Q04UDEH quản lý toàn bộ logic và truyền thông Ethernet. Để điều khiển tốc độ 4 động cơ BLDC, hệ thống sử dụng module Analog đầu ra Q68DAVN (8 kênh). Lệnh đảo chiều động cơ được điều khiển qua module ngõ ra Transistor QY41P (32 ngõ ra Sink). Cuối cùng, việc điều khiển nâng hạ bàn nâng KS332-12C được thực hiện thông qua module phát xung điều khiển vị trí QD75D1 kết nối với driver động cơ bước CSD5814N-P.

3. Camera Intel RealSense T265 đảm nhận vai trò gì và có những hạn chế nào trong đề tài?
Camera T265 đóng vai trò là cảm biến phản hồi vị trí và tư thế của robot trong không gian thời gian thực (6DOF) thông qua công nghệ Visual-SLAM tích hợp trên chip xử lý Intel Movidius Myriad 2. Nhóm tác giả không xử lý ảnh thô mà chỉ lấy dữ liệu tọa độ định vị. Thiết bị có hạn chế là suy giảm độ chính xác khi hoạt động trong môi trường thiếu sáng, bề mặt phản xạ hoặc ít chi tiết; cự ly đo hiệu quả chỉ nằm trong khoảng từ 0,3 m đến 10 m.

4. Tại sao tác giả phải kết hợp giải thuật tìm đường D Lite với đường cong Bézier?*
Giải thuật D* Lite tính toán đường đi ngắn nhất dựa trên ma trận ô cờ (grid map), do đó quỹ đạo đầu ra thường chứa các điểm bẻ góc vuông gãy khúc ($90^\circ$ hoặc $45^\circ$). Nếu xe di chuyển trực tiếp theo các điểm này, động cơ sẽ phải dừng đột ngột hoặc đổi hướng giật cục, gây rung lắc cơ khí và sai số trượt bánh. Việc áp dụng đường cong Bézier giúp nội suy và làm mượt các góc rẽ thành đường cong tiếp tuyến liên tục, giúp AGV duy trì vận tốc ổn định và chuyển động êm ái.

5. Thuật toán di truyền (GA) được ứng dụng vào khâu nào trong đồ án?
Thuật toán di truyền được sử dụng trong môi trường MATLAB/Simulink (trình bày tại Chương 4) để tự động tìm kiếm bộ tham số tối ưu ($K_p, K_i, K_d$) cho bộ điều khiển PID của xe AGV. Quá trình chọn lọc tự nhiên mô phỏng giúp hệ thống tìm được bộ nghiệm điều khiển ổn định nhất, có khả năng khử sai số nhanh và triệt tiêu dao động ngay cả khi có tác động của tín hiệu nhiễu ngẫu nhiên.

---

Kết luận

Đồ án tốt nghiệp của sinh viên Trần Hoàng Bảo và Nguyễn Tuấn Kiệt đã hoàn thành toàn diện việc thiết kế, chế tạo và thử nghiệm hệ thống xe tự hành AGV 4 bánh Mecanum tích hợp công nghệ định vị không gian Visual-SLAM từ camera Intel RealSense T265. Nghiên cứu giải quyết thành công bài toán điều khiển chuyển động đa hướng thông qua việc kết hợp giữa PLC công nghiệp Mitsubishi dòng Q và ngôn ngữ Python bằng giao thức truyền thông MC-Protocol. Đồng thời, việc ứng dụng thành công chuỗi thuật toán D* Lite, đường cong Bézier và bộ điều khiển PID tối ưu hóa bằng Thuật toán di truyền đã đem lại khả năng tự động hóa lộ trình và vận hành bốc dỡ hàng hóa ổn định trong môi trường thực nghiệm.

Trích đoạn nội dung tài liệu

Chương 1: Tổng Quan Trình bày vai trò của xe AGV trong công nghiệp, mục tiêu thiết kế hệ thống AGV tích hợp camera 3D và giới hạn về bánh xe, ánh sáng, và môi trường động. - Chương 2: Cơ Sở Lý Thuyết Nêu nền tảng công nghệ: xe AGV, bánh xe Mecanum, camera T265 với công nghệ SLAM, bộ điều khiển PID, và thuật toán di truyền (GA). - Chương 3: Tính Toán và Thi Công Lựa chọn và lắp ráp phần cứng gồm động cơ, bánh xe, camera T265, và hệ thống PLC Mitsubishi. - Chương 4: Tính Toán Động Học và Mô Phỏng Phân tích động học robot, tối ưu hóa bộ PID bằng GA, và mô phỏng trên Matlab/Simulink.

- Chương 5: Thiết Kế Quỹ Đạo và Kiểm Tra Thiết kế quỹ đạo NURBS, tích hợp PID và kiểm tra tính ổn định qua mô phỏng. - Chương 6: Xây Dựng Giải Thuật Đường Đi Áp dụng thuật toán D* Lite để tìm đường ngắn nhất và làm mượt bằng đường cong Bézier, phát triển phần mềm tạo bản đồ. - Chương 7: Thiết Kế Phần Mềm Xây dựng giao diện điều khiển tự động/thủ công và chương trình thu thập dữ liệu từ camera. - Chương 8: Chạy Thực Nghiệm Kiểm tra thực tế với khả năng né vật cản, đánh giá hiệu quả và đề xuất cải thiện.

- Chương 9: Kết Luận và Hướng Phát Triển Hệ thống hoạt động ổn định, nhưng còn hạn chế về ánh sáng và môi trường động. Định hướng nâng cấp khả năng xử lý và hoạt động thực tế. 3 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.1 Xe tự hành AGV 2.1 Lịch sử phát triển xe AGV Xe AGV (Automated Guided Vehicle) ) là loại phương tiện tự động di chuyển mà không cần sự can thiệp của con người. đã có một lịch sử phát triển từ mong muốn tự động hóa khâu vận chuyển hàng hoá , mà những người đặt nền móng đầu tiên dần hình thành ý tưởng trong họ.Sự phát triển ban đầu của AGV bắt đầu với việc sử dụng các hệ thống điều khiển tự động để điều khiển các xe tải nhẹ trong các nhà máy và kho bãi.

Đặc biệt là trong ngành sản xuất và lưu trữ. 1: Xe AGV 4 bánh thống điều khiển được cải tiến để tăng độ chính xác và hiệu quả. Tiếp tục phát triển với sự xuất hiện của các hệ thống tự học (AI) và IoT (Internet of Things). Các xe AGV hiện đại có khả năng tự học, tự động điều chỉnh và giao tiếp với các thiết bị khác trong hệ thống.

Từ khi ra đời, xe tự hành AGV đã trở thành một phần quan trọng trong các giải pháp tự động hóa nhà xưởng và nhà kho, đem lại hiệu quả vượt trội cho các doanh nghiệp. Hiện nay, xe AGV đang dần thay thế những hệ thống truyền thống và giảm bớt sự can thiệp của con người nhờ độ chính xác cao, hiệu quả vượt trội và những thành quả đáng kể mà nó mang lại. Xe AGV (Automated Guided Vehicle) được phân loại theo nhiều tiêu chí khác nhau, chủ yếu dựa trên cấu trúc, hệ thống điều khiển và mục đích sử dụng. 4 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 2.2 Mô hình xe AGV điều khiển bằng camera Xe AGV điều khiển bằng camera (Camera-Guided AGV) là loại xe tự hành sử dụng công nghệ camera và xử lý hình ảnh để định vị và điều hướng Công nghệ định vị bằng camera: Xe sử dụng các camera gắn trên thân để quét và nhận diện môi trường xung quanh.

Các hình ảnh thu được từ camera được xử lý để xác định vị trí và hướng di chuyển của xe. Xử lý hình ảnh: Xe AGV sử dụng các thuật toán xử lý hình ảnh để phân tích và diễn giải các dữ liệu hình ảnh từ camera.