Đồ Án HCMUTE: Xe Hai Bánh Tự Cân Bằng Sử Dụng Giải Thuật LQR và Xử Lý Ảnh

• Tác giả: Nguyễn Huy Hoàng
• Người hướng dẫn: TS. Vũ Văn Phong
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Điều Khiển và Tự Động Hóa
• Đề tài: Xe Hai Bánh Tự Cân Bằng Ứng Dụng Giải Thuật LQR và Xử Lý Ảnh Bám Theo Quả Bóng
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2020
• Địa điểm: Thành Phố Hồ Chí Minh

• LỜI CẢM ƠN
• LỜI MỞ ĐẦU
• TÓM TẮT
• ABSTRACT
• DANH SÁCH HÌNH ẢNH
• DANH SÁCH BẢNG
• DANH MỤC TỪ VIẾT TẮT
• TÀI LIỆU THAM KHẢO
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Đặt vấn đề Robot hai bánh tự bằng là hệ thống phi tuyến và bất ổn định ở mức cao, nên nó luôn là đề tài muôn thuở cho nhiều nhà nghiên cứu thử nghiệm sự hiệu quả của nhiều giải thuật điều khiển khác nhau (PID, LQR, sliding mode control, điều khiển mờ,…). Trong thực tế, robot được dùng làm phương tiện cá nhân vì khả năng di chuyển linh hoạt và chiếm ít không gian so với phương tiện nhiều bánh xe khác. Đối với môi trường nguy hiểm, robot có khả năng di chuyển trong môi trường nguy hiểm hoặc không gian chật hẹp. Trong vai trò lính cứa hỏa, robot với một camera trong môt vụ hỏa hoạn, ta có thể đánh giá mức độ nghiêm trọng, số người mắc kẹt, từ đó giúp lính cứu hỏa giải quyết công việc một cách tốt nhất. Hiểu được nhu cầu của robot, nên nhóm xin chọn đề tài “Xe hai bánh tự cân bằng giải thuật LQR, ứng dụng xử lý ảnh để bám theo quả bóng”.
• 1.2. Mục tiêu Mục tiêu của đề tài là xây dựng phương tiện xe hai bánh cân bằng di chuyển trên địa hình phẳng, dựa trên nền tảng lý thuyết mô hình con lắc ngược. Trong khuôn khổ 16 tuần thực hiện, luận văn tốt nghiệp đại học, những mục tiêu của đề tài được đề ra như sau: • Thiết kế bản vẽ phần cứng robot bằng solidworks • Nghiên cứu và sử dụng các thành phần thiết bị như cảm biến, vi xử lý, động cơ, bluetooth,… • Sử dụng bộ lọc Kalman đọc giá trị cảm biến MPU6050. • Tính toán động học và xây dựng phương trình robot dùng Euler Lagrange. • Nghiên cứu và xây dựng bộ điều khiển LQR, PID. • Kết nối module bluetooth vs bộ điều khiển trung tâm. • Xử lý ảnh, nhận diện vật trên Raspberry. • Giải thuật điều khiển vi điều khiển kết hợp Raspberry và tính toán khoảng cách cho robot tránh vật.
• 1.3. Giới hạn • Xây dựng hệ phương trình động học cho Robot hai bánh tự cân bằng. • Tính toán trên Matlab để tìm ra hệ số K cho bộ điều khiển LQR. • Giao tiếp Bluetooth để điều khiển xe đi tới, đi lui. • Sử dụng máy tính nhúng Raspberry Pi xử lý ảnh bằng phương pháp nhận dạng màu và tìm ra bán kính và tọa độ tâm.
• 1.4. Phương pháp nghiên cứu Dự án nghiên cứu được chia thành các chương, mỗi chương là một bước tuần tự trong quá trình phát triển và chế tạo robot cân bằng hai bánh. Cách tiếp cận này được sử dụng trong nỗ lực tiến triển dự án từ nhiệm vụ này sang nhiệm vụ tiếp theo khi nó được thực hiện. • Bước đầu tiên là xác định điểm chính và mục tiêu để hiểu sâu sắc về robot cân bằng hai bánh thực sự là gì. Bên cạnh đó, điều quan trọng là xác định kế hoạch tiến hành nghiên cứu của bạn và thực hiện thiết kế và lập trình phù hợp. • Bước thứ hai là tham khảo các dự án trước đó. Nó thực sự hữu ích để có cách tiếp cận phù hợp. Điều này thiết lập nền tảng cho việc đưa ra quyết định dựa trên kinh nghiệm trước đó để tránh những sai lầm và thiết kế lỗi thời. • Bước thứ ba trong phương pháp lý thuyết là áp dụng kiến thức nghiên cứu vào hệ thống điều khiển. Cách tiếp cận này cung cấp dữ liệu có giá trị về khả năng ổn định có khả năng của hệ thống điều khiển bằng cách tìm các thông số phù hợp trong nhiều ngày.
• 1.5. Nội dung Đề án “Xe hai bánh tự cân bằng theo dõi và bám sát mục tiêu ứng dụng xử lý ảnh” gồm các chương sau:
• 1.5.1. Chương 1: Tổng quan hệ thống: Chương này giới thiệu tổng quan về luận văn gồm đặt vấn đề, mục tiêu, giới hạn và nội dung.
• 1.5.2. Chương 2: Cơ sở lý thuyết: Chương này giới thiệu kiến thức cơ bản như nguyên lý cân bằng của robot, mô tả phương trình động học của robot, bộ điều khiển LQR và PID, bộ lọc Kalman và quy trình xử lý ảnh.
• 1.5.3. Chương 3: Tính toán và thiết kế hệ thống: Chương này trình bày việc chọn thiết bị điều khiển và sơ đồ mạch điện của robot.
• 1.5.4. Chương 4: Giải thuật điều khiển: Đây là chương mà những gì nhóm đã làm, sử dụng ngôn ngữ lập trình, giải thuật để điều khiển cho hệ Robot hai bánh tự cân bằng
• 1.5.5. Chương 5: Kết quả và nhận xét: Chương này trình bày kết quả quá trình thực hiện robot.
• 1.5.6. Chương 6: Kết luận và hướng phát triển: Chương này trình bày vấn đề mà robot thực hiện và chưa thực hiện được. Đồng thời, đưa ra hướng phát triển, ý tưởng mới nhằm phát triển robot.
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Nguyên lý xe hai bánh tự cân bằng
• 2.2. Trạng thái cân bằng và trạng thái di chuyển
• 2.3. Xây dựng phương trình toán học
• 3. CHƯƠNG 3: TÍNH TOÁN VÀ THIẾT KẾ HỆ THỐNG
• 4. CHƯƠNG 4: GIẢI THUẬT ĐIỀU KHIỂN
• 5. CHƯƠNG 5: KẾT QUẢ THỰC NGHIỆM
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

I. Giới thiệu về Xe Hai Bánh Tự Cân Bằng

Đồ án tốt nghiệp tập trung vào thiết kế và chế tạo một xe hai bánh tự cân bằng sử dụng giải thuật LQR và xử lý ảnh để bám theo quả bóng. Đây là một hệ thống phức tạp kết hợp cơ điện tử, điều khiển và xử lý tín hiệu hình ảnh. Xe hai bánh tự cân bằng là một hệ thống phi tuyến và không ổn định, đòi hỏi kỹ thuật điều khiển tiên tiến để duy trì thăng bằng. Việc ứng dụng xử lý ảnh cho phép xe tự động xác định vị trí quả bóng và điều chỉnh hướng di chuyển. Giải thuật LQR được lựa chọn do khả năng tối ưu hóa hiệu suất điều khiển, mang lại sự cân bằng ổn định và chính xác.

1.1. Giải Thuật Điều Khiển Tự Động và Giải Thuật LQR

Một trong những thách thức chính của xe hai bánh tự cân bằng là thiết kế bộ điều khiển hiệu quả. Đồ án này tập trung vào giải thuật LQR (Linear Quadratic Regulator), một phương pháp điều khiển tối ưu tuyến tính. Giải thuật LQR tìm kiếm một tín hiệu điều khiển tối ưu để giảm thiểu một hàm chi phí, trong đó bao gồm cả sai số trạng thái và năng lượng điều khiển. So với các phương pháp khác như điều khiển PID, giải thuật LQR cung cấp hiệu suất vượt trội trong việc duy trì sự ổn định và chính xác của hệ thống. Điều khiển PID tuy đơn giản nhưng có thể không đạt được độ chính xác cao trong trường hợp hệ thống phức tạp như xe hai bánh tự cân bằng. Giải thuật điều khiển tự động đóng vai trò then chốt trong việc đảm bảo sự ổn định của hệ thống. Đồ án sẽ phân tích và so sánh hiệu quả của giải thuật LQR so với điều khiển PID trong bối cảnh cụ thể này. Thuật toán điều khiển được thiết kế cẩn thận để đáp ứng yêu cầu về tốc độ phản hồi và độ chính xác của hệ thống. Mô hình môi trường mô phỏng được sử dụng để đánh giá hiệu quả của thuật toán điều khiển. Kết quả mô phỏng trên MATLAB và Simulink cho thấy tính hiệu quả của giải thuật LQR trong việc điều khiển robot.

1.2. Xử Lý Ảnh và Bám Theo Quả Bóng

Khả năng bám theo quả bóng là một tính năng quan trọng của hệ thống. Xử lý ảnh được sử dụng để nhận dạng và theo dõi quả bóng trong thời gian thực. Hệ thống sử dụng một camera kết hợp với thư viện OpenCV để xử lý hình ảnh. Các bước chính bao gồm: phát hiện vật thể, xác định vị trí, và theo dõi chuyển động. Phát hiện màu sắc được áp dụng để phân biệt quả bóng với môi trường xung quanh. Xử lý ảnh thời gian thực đặt ra những thách thức về tính toán, đòi hỏi tối ưu hóa thuật toán và lựa chọn phần cứng phù hợp. Raspberry Pi, với khả năng xử lý hình ảnh tương đối mạnh, được lựa chọn làm nền tảng xử lý. Xác định vị trí chính xác của quả bóng là quan trọng để điều khiển xe di chuyển chính xác. Tầm nhìn máy tính đóng vai trò quan trọng trong việc thực hiện chức năng bám theo quả bóng. Thuật toán theo dõi được thiết kế để xử lý các trường hợp quả bóng bị che khuất hoặc chuyển động nhanh.

II. Thiết kế và Thực hiện

Phần này mô tả chi tiết về thiết kế phần cứng và phần mềm của xe hai bánh tự cân bằng. Phần cứng bao gồm các thành phần như: robot hai bánh, Arduino, Raspberry Pi, cảm biến IMU (ví dụ: MPU6050), động cơ, và camera. Thiết kế robot được tối ưu hóa về trọng lượng và kích thước để đạt được hiệu quả điều khiển tốt nhất. Phần mềm bao gồm các chương trình điều khiển trên Arduino và Raspberry Pi. Giao tiếp giữa Arduino và Raspberry Pi được thực hiện qua giao thức I2C hoặc UART. Vi điều khiển Arduino chịu trách nhiệm điều khiển động cơ dựa trên tín hiệu điều khiển từ giải thuật LQR. Raspberry Pi xử lý hình ảnh và gửi dữ liệu vị trí của quả bóng tới Arduino. Thiết kế bộ điều khiển yêu cầu hiểu biết sâu sắc về động lực học của hệ thống. Kiểm soát ổn định là yếu tố then chốt trong thiết kế hệ thống.

2.1. Thiết Kế Robot và Cân Bằng Robot

Thiết kế robot bao gồm việc lựa chọn các linh kiện phù hợp, sắp xếp bố trí các linh kiện sao cho trọng tâm nằm ở vị trí lý tưởng. Cân bằng robot là một vấn đề phức tạp, yêu cầu tính toán chính xác các thông số động học của hệ thống. Việc chọn lựa các thông số chính xác cho robot tự hành có ảnh hưởng lớn đến hiệu quả hoạt động. Mô hình toán học của hệ thống được xây dựng để mô phỏng và dự đoán hành vi của hệ thống. Mô phỏng robot trên phần mềm giúp tối ưu hóa thiết kế trước khi chế tạo thực tế. Kiểm soát ổn định được thực hiện thông qua việc thiết kế bộ điều khiển LQR, đảm bảo hệ thống hoạt động ổn định và tránh rung lắc. Thiết kế phần cứng phải đáp ứng yêu cầu về độ bền, độ chính xác và khả năng hoạt động trong điều kiện thực tế. Việc sử dụng các cảm biến chính xác là cần thiết để thu thập dữ liệu phản hồi chính xác cho hệ thống.

2.2. Lập Trình Robot Phát Hiện Vật Thể và Theo Dõi Chuyển Động

Lập trình robot gồm hai phần chính: lập trình trên Arduino và lập trình trên Raspberry Pi. Trên Arduino, chương trình thực hiện việc đọc dữ liệu từ cảm biến, tính toán tín hiệu điều khiển dựa trên giải thuật LQR và điều khiển động cơ. Trên Raspberry Pi, chương trình thực hiện việc thu nhận hình ảnh từ camera, xử lý hình ảnh để phát hiện vật thể (quả bóng) và theo dõi chuyển động của quả bóng. Phát hiện vật thể dựa trên việc phân tích màu sắc của quả bóng trong không gian màu HSV. Theo dõi chuyển động sử dụng các thuật toán theo dõi đối tượng, ví dụ như thuật toán Kalman filter. Lập trình nhúng được sử dụng để tối ưu hóa hiệu năng của chương trình. Giao tiếp giữa hai hệ thống được thực hiện thông qua giao thức truyền thông phù hợp. Hệ thống xử lý ảnh cần được tối ưu hóa để đảm bảo xử lý hình ảnh nhanh chóng và chính xác. Xử lý ảnh thời gian thực đòi hỏi tối ưu hóa thuật toán và sử dụng phần cứng có khả năng xử lý mạnh.

III. Kết quả và Phân tích

Phần này trình bày kết quả thí nghiệm và phân tích hiệu quả của hệ thống. Kết quả thí nghiệm sẽ đánh giá khả năng cân bằng robot, tốc độ phản hồi và độ chính xác của hệ thống trong việc bám theo quả bóng. Các chỉ số hiệu suất như thời gian đáp ứng, độ vượt, và sai số trạng thái sẽ được phân tích. Kết quả thực nghiệm sẽ được so sánh với kết quả mô phỏng để đánh giá độ chính xác của mô hình. Phân tích hệ thống sẽ chỉ ra những ưu điểm và nhược điểm của hệ thống, từ đó đưa ra các đề xuất cải tiến. Thực tế ứng dụng của hệ thống sẽ được thảo luận.

3.1. Kết Quả Thực Nghiệm và Phân Tích Hiệu Quả

Kết quả thực nghiệm bao gồm các video và dữ liệu đo đạc về hiệu suất của xe hai bánh tự cân bằng. Các chỉ số quan trọng bao gồm khả năng cân bằng, thời gian đáp ứng, độ chính xác trong việc bám theo quả bóng, và độ ổn định của hệ thống trong các điều kiện khác nhau. Phân tích hiệu quả của hệ thống sẽ dựa trên các chỉ số này. Dữ liệu thực nghiệm sẽ được sử dụng để đánh giá hiệu quả của giải thuật LQR và khả năng xử lý ảnh của hệ thống. So sánh với các phương pháp khác, ví dụ như điều khiển PID, sẽ được thực hiện để đánh giá tính ưu việt của giải thuật LQR. Phân tích lỗi và các nguyên nhân gây ra lỗi sẽ được chỉ ra để tìm ra phương án cải tiến. Kết quả mô phỏng sẽ được so sánh với kết quả thực nghiệm để đánh giá độ chính xác của mô hình toán học.

3.2. Ứng Dụng Thực Tiễn và Hướng Phát Triển

Ứng dụng thực tiễn của xe hai bánh tự cân bằng này rất đa dạng. Nó có thể được ứng dụng trong các lĩnh vực như: robot phục vụ, robot nghiên cứu, hoặc các hệ thống tự động khác. Hướng phát triển trong tương lai có thể bao gồm: cải tiến thuật toán để tăng độ chính xác và tốc độ phản hồi, tích hợp thêm các cảm biến để tăng khả năng nhận biết môi trường, và phát triển các ứng dụng thực tiễn cụ thể hơn. Tối ưu hóa thuật toán là một hướng phát triển quan trọng để nâng cao hiệu suất của hệ thống. Tích hợp các công nghệ mới như AI và machine learning có thể giúp nâng cao khả năng tự động hóa và trí tuệ của hệ thống. Phát triển giao diện người dùng thân thiện hơn cũng là một hướng phát triển quan trọng để mở rộng phạm vi ứng dụng của hệ thống.