TỔNG QUAN VỀ ROBOT TỰ HÀNH
Giới thiệu chung
Ngày nay, Robot học đã đạt được những thành tựu to lớn trong nền sản xuất công nghiệp Những cánh tay robot có khả năng làm việc với tốc độ cao, chính xác và liên tục làm năng suất lao động tăng nhiều lần Chúng có thể làm việc trong các môi trường độc hại như hàn, phun sơn, các nhà máy hạt nhân, hay lắp ráp các linh kiện điện tử tạo ra điện thoại, máy tính…một công việc đòi hỏi sự tỉ mỉ, chính xác cao Tuy nhiên những robot này có một hạn chế chung đó là hạn chế về không gian làm việc Không gian làm việc của chúng bị giới hạn bởi số bậc tự do tay máy và vị trí gắn chúng Ngược lại, các Robot tự hành lại có khả năng hoạt động một cách linh hoạt trong các môi trường khác nhau.
Robot tự hành là loại Mobile robot có khả năng tự hoạt động, thực thi nhiệm vụ mà không cần sự can thiệp của con người Với những cảm biến, chúng có khả năng nhận biết về môi trường xung quanh Robot tự hành ngày càng có nhiều ý nghĩa trong các ngành công nghiệp, thương mại, y tế, các ứng dụng khoa học và phục vụ đời sống của con người Với sự phát triển của ngành Robot học, robot tự hành ngày càng có khả năng hoạt động trong các môi trường khác nhau, tùy mỗi lĩnh vực áp dụng mà chúng có nhiều loại khác nhau như robot sơn, robot hàn, robot cắt cỏ, robot thám hiểm đại dương, robot làm việc ngoài vũ trụ Cùng với sự phát triển của yêu cầu trong thực tế, robot tự hành tiếp tục đưa ra những thách thức mới cho các nhà nghiên cứu.
Vấn đề của robot tự hành là làm thế nào để robot tự hành có thể hoạt động,nhận biết môi trường và thực thi các nhiệm vụ đề ra Vấn đề đầu tiên là di chuyển, Robot tự hành nên di chuyển như thế nào và cơ cấu di chuyển nào là sự lựa chọn tốt nhất Điều hướng là vấn đề cơ bản trong nghiên cứu và chế tạo
Robot tự hành Trong hiệp hội nghiên cứu về Robot tự hành có 2 hướng nghiên cứu khác nhau:
- Hướng thứ nhất là nghiên cứu về Robot tự hành có khả năng điều hướng ở tốc độ cao nhờ thông tin thu được từ cảm biến, đây là loại robot có khả năng hoạt động ở mối trường trong phòng cũng như môi trường bên ngoài Loại robot này yêu cầu khả năng tính toán đồ sộ và được trang bị cảm biến có độ nhạy cao, dải đo lớn để có thể điều khiển robot di chuyển ở tốc độ cao, trong những môi trường có địa hình phức tạp.
- Loại thứ 2 : nhằm giải quyết các vấn đề về các loại robot tự hành chỉ dùng để hoạt động trong môi trường trong phòng Loại robot tự hành này có kết cấu đơn giản hơn loại trên, thực hiện những nhiệm vụ đơn giản.
Bài toán dẫn hướng cho robot tự hành được chia làm 2 loại: bài toán toàn cục(global) và bài toán cục bộ(local) Ở bài toàn cục, môi trường làm việc của robot hoàn toàn xác định,đường đi và vật cản là hoàn toàn biết trước Ở bài toán cục bộ, môi trường hoạt động của robot là chưa biết trước hoặc chỉ biết một phần. Các cảm biến và thiết bị định vị cho phép robot xác định được vật cản, vị trí của nó trong môi trường giúp nó đi tới được mục tiêu
Các vấn đề gặp phải khi điều hướng cho Robot tự hành thường không giống như các loại robot khác Để có thể điều hướng cho Robot tự hành, quyết định theo thời gian thực phải dựa vào thông tin liên tục về môi trường thông qua các cảm biến, hoặc ở môi trường trong phòng hoặc ngoài trời, đây là điểm khác biệt lớn nhất so với kỹ thuật lập kế hoạch ngoại tuyến.Robot tự hành phải có khả năng tự quyết định về phương thức điều hướng, định hướng chuyển động để có thể tới đích thực hiện nhiệm vụ nhất định. Điều hướng cho robot tự hành là công việc đòi hỏi phải thực hiện được một số khả năng khác nhau, bao gồm : khả năng di chuyển ở mức cơ bản, ví dụ như hoạt động đi tới vị trí cho trước; khả năng phản ứng các sự kiện theo thời gian thực, ví dụ như khi có sự xuất hiện đột ngột của vật cản; khả năng xây dựng, sử dụng và duy trì bản đồ môi trường hoạt động; khả năng xác định vị trí của robot trong bản đồ đó; khả năng thiết lập kế hoạch để đi tới đích hoặc tránh các tình huống không mong muốn và khả năng thích nghi với các thay đổi của môi trường hoạt động
Phân loại robot tự hành
Robot tự hành được chia làm 2 loại chính đó là loại robot tự hành chuyển động bằng chân và robot tự hành chuyển động bằng bánh.Ngoài ra một số loại robot hoạt động trong các môi trường đặc biệt như dưới nước hay trên không trung thì chúng được trang bị cơ cấu di chuyển đặc trưng.
1.2.1.Robot tự hành di chuyển bằng chân(Legged Robot) Ưu điểm lớn nhất của loại robot này là có thể thích nghi và di chuyển trên các địa hình gồ ghề Hơn nữa chúng còn có thể đi qua những vật cản như hố, vết nứt sâu.
Nhược điểm chính của robot loại này chính là chế tạo quá phức tạp Chân robot là kết cấu nhiều bậc tự do, đây là nguyên nhân làm tăng trọng lượng của robot đồng thời giảm tốc độ di chuyển Các kĩ năng như cầm, nắm hay nâng tải cũng là nguyên nhân làm giảm độ cứng vững của robot Robot loại này càng linh hoạt thì chi phí chế tạo càng cao.
Robot tự hành di chuyển bằng chân được mô phỏng theo các loài động vật vì thế mà chúng có loại 1 chân, loại 2,4,6 chân và có thể nhiều hơn Dưới đây là một số loại robot điển hình chuyển động bằng chân. a/ b/ c/ d/ e/ f/
Hình 1.1 Một số loại robot di chuyển bằng chân a/ Robot 1 chân Raibert, b/ Robot SDR-4X, chế tạo năm 2003 của hãng Sony, c/
Robot ASIMO của hãng Honda, d/ Robot 6 chân, e/ robot chó Tian, f/ mô hình robot 4 chân.
1.2.2.Robot tự hành di chuyển bằng bánh(Wheel Robot tự hành)
Bánh xe là cơ cấu chuyển động được sử dụng rộng rãi nhất trong công nghệRobot tự hành Vấn đề cân bằng thường không phải là vấn đề được chú ý nhiều trong robot di chuyển bằng bánh Ba bánh là kết cấu có khả năng duy trì cân bằng nhất, tuy nhiên kết cấu 2 bánh cũng có thể cân bằng được Khi robot có số bánh nhiều hơn 3 thì thông thường người ta phải thiết kế hệ thống treo để duy trì sự tiếp xúc của tất cả các bánh xe với mặt đất Vấn đề của robot loại này là về lực kéo, độ ổn định và khả năng điều khiển chuyển động.v.v Hình 1.2 dưới đây giới thiệu 4 loại bánh xe cơ bản được sử dụng trong Robot tự hành: a/ Bánh xe tiêu chuẩn: 2 bậc tự do, có thể quay quanh trục bánh xe và điểm tiếp xúc. b/ Bánh lái: 2 bậc tự do, có thể quay xung quanh khớp lái. c/ Bánh Swedish: 3 bậc tự do, có thể quay đông thời xung quanh trục bánh xe, trục lăn và điểm tiếp xúc.
Sơ đồ bánh xe của robot tự hành 2 bánh, 3 bánh, 4 bánh và 6 bánh được liệt kê trong bảng dưới đây:
Bảng 1.1.Sơ đồ bánh xe của robot tự hành
Số bánh Sắp xếp Miêu tả
Một bánh lái phía trước, một bánh phía sau
Hai bánh truyền động với trọng tâm ở bên dưới trục bánh xe.
Hai bánh truyền động ở giữa và có điểm thứ 3 tiếp xúc
Hình 1.2 Các loại bánh xe cơ bản dùng cho robot tự hành
Hai bánh truyền động độc lập ở phía sau và một bánh lái ở phía trước.
Hai bánh truyền động được nối với trục ở phía sau, một bánh lái ở phía trước.
Hai bánh quay tự do ở phía sau, bánh trước vừa là bánh truyền động vừa là bánh lái.
3 bánh Swedisk được đặt ở các đỉnh của một tam giác đều, kết cấu này cho phép robot di chuyển theo đa hướng.
2 bánh chủ động ở phía sau, hai bánh lái ở phía trước.
Hai bánh phía trước vừa là bánh lái vừa là bánh chủ động.
Cả 4 bánh đều là bánh truyền động và lái.
Hai bánh truyền động độc lập ở phía trước/sau, 2 bánh lái đa hướng ở phía sau/trước.
Hai bánh chuyển động vi sai và thêm 2 điểm tiếp xúc.
4 bánh vừa là truyền động vừa là bánh lái.
Hai bánh truyền động ở giữa, thêm 4 bánh đa hướng ở xung quanh.
Hai bánh truyền động vi sai ở giữa, bốn bánh đa hướng ở 4 góc.
Bảng 1.2.Kí hiệu các loại bánh xe:
Kí hiệu các loại bánh xe
Bánh đa hướng không truyền động.
Bánh truyền động Swedish(đa hướng).
Bánh quay tự do tiêu chuẩn.
Bánh truyền động tiêu chuẩn.
Bánh vừa truyền động vừa là bánh lái.
Các bánh xe được nối với nhau.
Một số loại robot chuyển động bằng bánh:
Hình 1.3 Robot Sojourner được sử dụng thám hiểm sao Hỏa năm
1997 Hầu hết các hoạt động được điều khiển ở trái đất Tuy vậy nó vẫn phải sử dụng các cảm biến để phát hiện vật cản.
Hình1.4 Robot AIRDUCT với kết cấu nhỏ gọn, nó được gắn camera để thu hình ảnh, có thể nhìn nghiêng, đi dọc theo tường, tránh vật cản.
Hình 1.6 RobotMbari’s Altex Auv(Autonomous UnderwareVehicle) được sử dụng để hoạt động dưới đáy biển sâu ở Bắc Cực
Hình 1.8 Robot Khepera dùng để nghiên cứu và học tập Nó có đường kính 60mm, được tích hợp nhiều modun khác nhau như camera, tay kẹp
Hình 1.7 Robot dẫn đường AGU
(Autonomous GuidedVehicle) được sử dụng trong các bệnh viện
Phương pháp điều hướng cho robot tự hành
Kỹ thuật điều hướng sử dụng trí thông minh nhân tạo trong robot tự hành có thể được chia thành 2 loại chính, đó là điều hướng có tính toán và điều hướng theo phản ứng Đúng như tên gọi, điều hướng có tính toán là phương pháp điều hướng có kế hoạch còn điều hướng theo phản ứng là điều hướng tức thời, là quá trình tự động thực hiện các phản ứng theo môi trường xung quanh Ngoài ra còn có phương pháp điều hướng lai ghép là phương pháp kết hợp cả hai phương pháp có tính toán và điều hướng theo phản ứng để xây dựng một bộ điều khiển thông minh hơn.
1.3.1.Phương pháp điều hướng có tính toán
Phương pháp điều hướng có tính toán là phương pháp thực hiện theo trình tự: quan sát – lập kế hoạch – hành động Thông thường một hệ thống có tính toán bao gồm 5 khâu: nhận thức(perception), mô hình thế giới(word modelling), lập kế hoạch(planning), thực hiện công việc(task excution) và điều khiển động cơ(motor control).
Các khâu trên có thể được coi như là một chuỗi các “lát mỏng theo phương thẳng đứng” với các đầu vào là tín hiệu nhận được từ cảm biến ở phía bên trái và đầu ra tới các khâu chấp hành ở phía bên phải.
Hình 1.8 Sơ đồ cấu trúc của phương pháp điều khiển có tính toán
- Khâu nhận thức có nhiệm vụ điều khiển các thiết bị cảm ứng, các thiết bị này được nối với robot sẽ cho các thông tin về môi trường quan sát được.
- Khâu mô hình thế giới: chuyển các tín hiệu từ cảm biển thành mổ tả mối liên quan giữa robot với mô hình bên trong môi trường.
- Khâu lập kế hoạch: cố gắng xây dựng kế hoạch thực hiện của robot sao cho đạt được mục tiêu phù hợp với tình trạng thế giới hiện thời.
- Khâu thực hiện công việc: chia kế hoạch vừa được xây dựng thành các lệnh điều khiển chuyển động chi tiết
- Khâu điều khiển động cơ: dùng để thực hiện các lệnh này.
Mỗi một hệ thống con như là một khâu tương đối phức tạp và tất cả phải hoạt động một cách đồng bộ với hoạt động của robot tại mọi thời điểm Phương pháp này đòi hỏi phải trang bị các cảm biến, các thiết bị đo để nhận biết thông tin từ môi trường hoặc dạng thông tin dự đoán trước từ bản đồ toàn cục Thông tin đó sẽ được tham chiếu với một bản đồ môi trường nếu có thể, và sử dụng thuật
Nhận thức Mô hình thế giới Lập kế hoạch Thực hiện công việc Điều khiển động cơ
Các khâu Chấp hành Các tín hiệu từ cảm biến toán lập kế hoạch để tạo ra quỹ đạo chuyển động giúp robot tránh vật cản và tăng xác suất tới mục tiêu đến tối đa Do sự phức tạp của môi trường làm tăng thời gian để nhận biết , xây dựng mô hình và lập kế hoạch về thế giới cũng tăng theo hàm mũ Đây cũng chính là bất lợi của phương pháp này Phương pháp này tỏ ra rất hữu hiệu cho các tình huống mà trong đó môi trường làm việc là tương đối tĩnh (môi trường trong đó có thể bao gồm vật cản, tường chắn, hành lang, điểm đích, v.v là các đối tượng có vị trí không thay đổi trong bản đồ toàn cục)
Trong phương pháp điều hướng có tính toán, khâu lập kế hoạch đường đi cho robot là cực kì quan trọng Việc lập kế hoạch đường đi cho mobile robot thường có hai giai đoạn đó là lập kế hoạch toàn cục và lập kế hoạch cục bộ Lập kế hoạch toàn cục có thể được hiểu như là cách di chuyển robot qua một môi trường tùy ý và môi trường này là tương đối lớn Còn lập kế hoạch cục bộ sẽ đưa ra quyết định khi robot đối mặt với môi trường tĩnh, ví dụ như khi robot gặp phải vật cản, hành lang… Kế hoạch cục bộ đưa ra phương pháp để đi tới đích ngắn nhất, an toàn nhất Chính vì thế khi gặp phải các vật cản, kế hoạch cục bộ sẽ giúp cho robot tránh không va chạm rồi mới tiếp tục thực hiện kế hoạch toàn cục để tới đích
1.3.2.Phương pháp điều hướng robot theo phản ứng
Như phân tích ở phần trên, phương pháp điều hướng có tính toán có nhiều ưu điểm đối với quá trình điều hướng cho mobile robot Tuy nhiên, điều hướng có tính toán thường yêu cầu khối lượng tính toán tương đối lớn và phương pháp này tỏ ra không tối ưu khi môi trường hoạt động của robot thay đổi
- Phương pháp điều hướng theo phản ứng ra đời nhằm giải quyết các vấn đề có liên quan tới môi trường không biết trước hoặc môi trường thường xuyên thay đổi Điều hướng theo phản ứng khắc phục được những hạn chế của phương pháp điều hướng tính toán, giúp giảm khối lượng tính toán, tăng tốc độ xử lý trong môi trường phức tạp Điều hướng theo phản ứng là phương pháp kết hợp các phản ứng thực hiện một cách tự động với các kích thích từ cảm biến để điều khiển robot sao cho an toàn và đạt hiệu suất cao nhất Phương pháp này đặc biệt phù hợp đối với những ứng dụng nơi mà môi trường là hoàn toàn động hoặc không biết trước, ví dụ như trong không gian hoặc dưới nước Trong thực tế, các thiết bị vệ tinh thám hiểm kiểu robot đã sử dụng phương pháp điều hướng theo phản ứng, lí do là phương pháp điều hướng theo tính toán đòi hỏi việc lập kế hoạch phức tạp có quá nhiều phép tính toán bị giới hạn bởi khả năng của bộ nhớ và tốc độ tính toán Điều hướng theo phản ứng chỉ phụ thuộc vào trạng thái hiện thời của robot và đòi hỏi rất ít các phép tính toán để tác động lại môi trường hoạt động
- Tuy nhiên, phương pháp điều hướng theo phản ứng cũng có nhiều mặt hạn chế, việc không có kế hoạch toàn cục có thể khiến cho quá trình điều khiển gặp phải những khó khăn Các hoạt động tối ưu cục bộ chủ yếu thu được nhờ điều khiển theo phản ứng, chính vì thế mà có thể gây ra hiện tượng lệch hướng toàn cục Trong phương pháp điều hướng theo tính toán, hệ thống không bao giờ mất tầm quan sát đích trong khi các hệ thống điều hướng theo phản ứng cần phải giữ các đích tức thời để độ lệch hướng so với đích toàn cục là không quá lớn
- Một thuận lợi ở điều hướng theo phản ứng so với các phương pháp tính toán đó là khả năng mở rộng bộ điều khiển để thêm vào các thành phần phản ứng khác mà không cần phải điều chỉnh lại toàn bộ phần mềm điều khiển Chính vì thế, ta có thể dễ dàng bổ xung thêm tính năng cho robot bằng cách thêm vào các hoạt động mới mà không làm thay đổi những hoạt động đã có trước Ví dụ, để robot phản ứng với một kích thích thu được từ một cảm biến mới, ta chỉ cần thêm một thành phần khác vào bộ điều khiển để nó phản ứng với kích thích thu được từ cảm biến đó Còn ở các phương pháp tính toán, bạn cần phải xây dựng một thuật toán hoàn toàn mới để sử dụng dữ liệu thu được từ cảm biến mới được thêm vào này.
-Trong thời kỳ đầu, các nhà nghiên cứu đã thiết kế hệ thống điều hướng thuần tuý phản ứng bằng cách dựa vào hoạt động của côn trùng để áp dụng vào kỹ thuật robot Nhiều nghiên cứu về hệ thống sinh học đã được ứng dụng cho quá trình điều khiển mobile robot Chuyển động của một số loại côn trùng trong thế giới sinh học có thể được sử dụng để xây dựng thành công các thuật toán điều khiển hoạt động cho robot Ví dụ, khi nghiên cứu về hành vi của một con gián, các nhà khoa học nhận ra một con gián chỉ có một vài hoạt động riêng biệt Các hoạt động này có thể bao gồm hoạt động tìm thức ăn, hoạt động tránh ánh sáng và hoạt động sinh sản Dựa vào những gì mà cảm nhận được, con gián sẽ quyết định thực hiện một trong số những hoạt động trên Nếu con gián cảm thấy đói, nó sẽ lục lọi để tìm thức ăn Tuy nhiên, nếu một bóng đèn chợt bật sáng, con gián đó sẽ từ bỏ việc tìm kiếm thức ăn và chui ngay vào gầm tủ lạnh chẳng hạn Đây là một ví dụ về điều khiển theo phản ứng Dựa vào những kích thích hiện thời, con gián sẽ chọn một hoạt động thích hợp mà không cần phải lập kế hoạch hay tính toán gì cả Vậy thì tại sao những hoạt động như thế lại không thể được dịch thành những thuật toán điều khiển đơn giản cho robot Đây chính là những lý thuyết cơ bản của kỹ thuật điều khiển dựa hành vi (behavior-base control) cho mobile robot.
1.3.3.Phương pháp điều khiển lai ghép Điều hướng lai ghép là phương pháp kết hợp các ưu điểm của phương pháp điều hướng theo tính toán truyền thống với các hệ thống điều hướng dựa phản ứng Mỗi phương pháp đều có những nhược điểm mà phương pháp kia có thể khắc phục được Phương pháp điều hướng theo tính toán gặp phải khó khăn khi hoạt động trong các môi trường động, là nơi yêu cầu khả năng tính toán nhanh cũng như các kỹ năng tránh vật cản Nếu phương pháp điều hướng theo phản ứng không kết hợp với bất cứ quá trình lập kế hoạch chuyển động nào thì có thể sẽ không đưa robot theo quỹ đạo tối ưu Phương pháp điều khiển lai ra đời nhằm kết hợp các hoạt động có tính toán bậc cao với các hoạt động phản ứng bậc thấp.
Các hoạt động phản ứng giúp robot an toàn và xử lý các tình trạng khẩn cấp trong khi phần điều khiển có tính toán sẽ giúp robot đạt được mục đích cuối cùng.Phương pháp điều khiển lai ghép có thể cho ta kết quả kha quan hơn khi chỉ sử dụng phương pháp điều hướng theo phản ứng hoặc điều hướng theo tính toán.
MÔ HÌNH ĐỘNG HỌC VÀ KỸ THUẬT ĐỊNH VỊ CHO ROBOT TỰ HÀNH
Mô hình động học cho robot
Động học là nghiên cứu cơ bản nhất để tìm hiểu quá trình hoạt động của một hệ thống cơ khí, trong lĩnh vực mobile robot, chúng ta cần phải tìm hiểu đặc tính cơ của robot để thiết kế sao cho phù hợp với các nhiệm vụ đặt ra, đồng thời việc tìm hiểu đặc tính cơ còn giúp ta xác định được phương pháp thiết kế phần mềm điều khiển sao cho phù hợp đối với từng phần cứng của robot.
Trong lĩnh vực robot, mobile robot không phải là hệ thống cơ khí quá phức tạp Như ta đã biết, tay máy đã và đang là lĩnh vực được chú trọng nghiên cứu trong vòng hơn 30 năm trở lại đây Ở một vài khía cạnh nào đó, tay máy phức tạp hơn nhiều so với mobile robot thế hệ trước đây, ví dụ: một robot hàn thiết kế theo tiêu chuẩn thường có 5 hoặc nhiều hơn 5 khớp, trong khi các mobile robot trước đây thường chỉ là thiết bị truyền động kiểu vi sai đơn giản
Giữa tay máy và mobile robot có khá nhiều điểm tương đồng Ví dụ, đối với tay máy, không gian làm việc là vấn đề được quan tâm rất nhiều, nó cho phép xác định phạm vi các vị trí khả thi của tay máy Không gian làm việc của mobile robot có mức độ quan trọng không kém, nó cho phép xác định phạm vi các tư thế khả thi mà mobile robot có thể có trong môi trường hoạt động Tính dễ điều khiển của tay máy được định nghĩa là khả năng điều khiển các động cơ để tay máy có thể di chuyển từ vị trí này đến vị trí kia trong không gian làm việc Tương tự như tay máy, tính dễ điều khiển của mobile robot được định nghĩa là những quỹ đạo định trước hoặc không định trước có thể đạt được trong không gian làm việc của nó Mobile robot cũng bị giới hạn bởi các nguyên lý về động lực học, ví dụ, giống như ở ô tô, khi chuyển động với tốc độ cao, nếu trọng tâm của mobile robot cao nó sẽ là nguyên nhân giới hạn bán kính xoay thực tế Tuy nhiên, sự khác biệt chính giữa mobile robot và tay máy là thách thức đáng kể trong kỹ thuật ước lượng vị trí Tay máy thường có một đầu được gắn cố định, việc xác định vị trí của đầu hoạt động kia hoàn toàn đơn giản, vấn đề là ta phải hiểu được các nguyên lý động học của tay máy và xác định được vị trí của các khớp trung gian Chính vì thế, ta có thể xác định được vị trí của tay máy nhờ dữ liệu thu được từ cảm biến Trong khi đó, mobile robot lại là một thiết bị tự động độc lập, nó hoàn toàn có thể tự do di chuyển trong môi trường hoạt động Không có phương pháp nào có thể giúp ta đo trực tiếp vị trí tức thời của mobile robot Thay vào đó, thông thường để xác định vị trí của mobile robot, người ta phải tích hợp chuyển động của robot theo thời gian Ngoài ra, sự trượt của bánh xe còn là nguyên nhân khiến cho quá trình đánh giá, ước lượng chuyển động của robot giảm bớt độ chính xác Rõ ràng việc đo chính xác vị trí mobile robot vẫn là lĩnh vực đầy thách thức.
Như phần trên đã trình bày, robot tự hành là lĩnh vực khá rộng, đa dạng Tuy nhiên chúng lại có một điểm chung đó là nhiệm vụ điều khiển robot chính là điều khiển các động cơ Trong đề tài này sẽ tập trung vào việc nghiên cứu điều khiển mô hình robot tự hành cơ bản bao gồm 3 bánh Trong đó, hai bánh sau là hai bánh chủ động được điều khiển bởi hai động cơ độc lập, bánh phía trước là bánh lái Coi bánh xe di chuyển trên mặt phẳng là lăn không trượt, tốc độ của robot là tốc độ của trung điểm khoảng cách giữa hai bánh sau Khối lượng và quán tính của bánh xe coi là không đáng kể, có thể bỏ qua
2.1.1.Mô hình bánh xe robot
Mô hình bánh xe robot được lý tưởng hóa như hình 2.1 Bánh xe quay quanh trục của nó (trục Y) Bánh xe chuyển động theo phương X (trục X ) Khi chuyển động ở tốc độ thấp, có thể bỏ qua ảnh hưởng của sự trượt của bánh xe so với mặt đường.
Các thông số của bánh xe : r= bán kính bánh xe v= vận tốc dài của bánh w = vận tốc góc của bánh xe
Hình 2.1 Mô hình bánh xe đã được lý tưởng hóa Động học là bài toán về chuyển động mà không xét tới sự tác động của lực tới chuyển động của robot, nó bao gồm các yếu tố hình học xác định vị trí của robot Nó bao thể hiện mối quan hệ giữa các thông số điều khiển và các thông số trạng thái của hệ thống trong không gian.
2.1.2.Phương trình động học robot
Mô hình robot được thể hiện ở hình 2.2 dưới đây.
Hình 2.2 Mô hình động học của robot tự hành
Trước tiên để xác định vị trí của robot trong mặt phẳng, ta xây dựng mối quan hệ giữa tọa độ tham chiếu toàn cục của mặt phẳng và hệ tọa độ tham chiếu cục bộ của robot như hinh 2.2 Các trục x, y xác định tọa độ của điểm bất kì trong hệ tọa độ toàn cục có gốc O (xOy) Điểm P coi là tâm dịch chuyển của robot, nó được dùng để xác định vị trí của robot Hệ tọa độ xmPym là hệ tọa độ
X Θ tham chiếu cục bộ của robot, gắn liền với robot Như vậy vị trí điểm P trong hệ tọa độ tham chiếu toàn cục được xác định bởi tọa độ x, y và góc lệch θ giữa hai hệ tọa độ toàn cục và cục bộ Các thông số hình học của robot bao gồm : vr(t)- vận tốc dài của bánh phải vl(t)- vận tốc dài của bánh trái ωr(t)- vận tốc góc của bánh phải ωl(t)- vận tốc góc của bánh trái r- bán kính mỗi bánh robot
R- khoảng cách từ tâm robot tới tâm vận tốc tức thời
ICC- tâm vận tốc tức thời
R-L/2 – bán kính mô tả quỹ đạo chuyển động cong của bánh trái
R+L/2- bán kính mô tả quỹ đạo chuyển động cong của bánh phải
Từ tâm vận tốc tức thời ICC, ta xác định được vận tốc góc của robot:
Bán kính cong từ tâm di chuyển của robot tới tâm vận tốc tức thời được tính theo công thức :
Từ đó vận tốc dài của robot được tính :
2 r l v t t R v t v t (2.5) Phương trình toán học trong không gian trạng thái có thể được viết thành:
Tích phân 2 vế ta được :
Phương trình trên có thể được viết lại dưới dạng ma trận :
(2.8) Đây là phương trình mà sẽ được sử dụng để xây dựng mô hình robot trên phần mềm mô phỏng Matlab-Simulink Trên đó robot sẽ được điều khiển bởi một bộ điều khiển dựa trên Logic mờ
Kỹ thuật định vị cho robot tự hành
Điều hướng là một trong lĩnh vực thách thức nhất đối với mobile robot Có thể nói, muốn điều hướng thành công, nhất thiết robot phải được trang bị hoàn thiện 4 khâu sau:
-Nhận thức: robot phải dịch các tín hiệu từ cảm biến để thu được dữ liệu có nghĩa.
-Định vị: robot phải xác định được vị trí của nó trong môi trường hoạt động.
-Khả năng tri thức: robot phải quyết định hành động như thế nào để đạt được mục đích.
-Điều khiển chuyển động: robot phải điều chỉnh các thông số đầu ra động cơ để đạt được quỹ đạo mong muốn.
Hình 2.3 miêu tả sơ đồ nguyên lý chung của khâu định vị trong mobile robot.
Hình 2.3 Sơ đồ nguyên lý của khâu định vị trong mobile robot
Trong các ứng dụng robot, có hai phương pháp định vị thường được sử dụng là phương pháp định vị tuyệt đối (APM) và phương pháp định vị tương đối (Relative Positioning Methods - RPM)
Phương pháp định vị tương đối chủ yếu dựa trên bài toán dead-reckoning(tính số vòng quay của bánh xe để suy ra vị trí tương đối của robot sau một khoảng thời gian chuyển động) Phương pháp này đơn giản, rẻ tiền và hầu như được sử dụng trong tất cả các mobile robot, cho dù robot đó sử dụng phương pháp định vị APM Khuyết điểm của phương pháp dead- reckoning là bán kính sai số lớn, nguyên nhân gây bởi sai số tích luỹ
Phương pháp định vị tuyệt đối thì lại dùng thêm các cảm biến khác ngoài encoder như dùng beacon, cột mốc, so sánh các bản đồ cục bộ và bản đồ toàn cục, định vị bằng vệ tinh (GPS)… Trong mỗi phương pháp định vị tuyệt đối, người ta sử dụng các thuật toán và cảm biến khác nhau, nhưng đều là những phương pháp chủ yếu dùng cho mobile robot ngày nay Theo kinh nghiệm, người ta thường dùng phương pháp định vị tương đối để giới hạn phạm vi xử lý trước khi dùng phương pháp định vị tuyệt đối để xác định vị trí robot
Chúng ta có thể phân tích một vài ưu khuyết điểm của phương pháp định vị tuyệt đối để có cái nhìn tổng quát về việc định vị cho robot như sau: phương pháp sử dụng cột mốc (beacons) chỉ thích hợp dùng trong nhà; phương pháp so sánh bản đồ thường dùng cho các robot tự trị phức tạp; phương pháp định vị dùng GPS thì chỉ thích hợp dùng ngoài trời, và cũng cho sai số rất lớn (lên đến hàng mét), một số phương pháp định vị khác thì dùng cảm biến la bàn hoặc con quay để định hướng cho robot nhờ vào từ trường trái đất…
Như vậy, cho dù sử dụng bất kỳ phương pháp định vị nào đi nữa thì phương pháp dead- reckoning dường như luôn là sự lựa chọn đầu tiên Một lý luận vui là muốn điều khiển mobile robot thì phải giải bài toán động học cho robot, mà nếu đã giải bài toán động học rồi thì tại sao lại không dùng phương pháp dead- reckoning để giới hạn phạm vi xử lý cho các phương pháp định vị tuyệt đối khác?
Tuy nhiên, một điều không ngờ đến là trong cuộc thi các robot sử dụng phương pháp dead reckoning để định vị và di chuyển được tổ chức ở San Jose, California năm 1992, hai robot thắng giải nhất và giải nhì là hai robot dùng phương pháp sửa lỗi UMBmark do nhóm của J Borenstein thực hiện và nó có thể di chuyển 100 m mà không có sai số Hay cụ thể hơn là robot có thể dạo quanh một phòng ngủ 5mx5m, 5-6 vòng mà không hề có sai số Với lợi điểm rẻ tiền,đơn giản phương pháp dead- reckoning là một giải pháp đầu tiên và cần thiết cho các mobile robot.
CƠ SỞ VỀ LOGIC MỜ VÀ ĐIỀU KHIỂN MỜ
Giới thiệu về logic Mờ (Fuzzy Logic)
Khái niệm về logic mờ được giáo sư L.A Zadeh công bố lần đầu tiên tại Mỹ năm 1965, tại trường đại học Berkelay, bang Califormia, Mỹ Từ đó lý thuyết mờ đã có nhiều phát triển và được ứng dụng rộng rãi trong lĩnh vực điều khiển- tự động hóa.
Năm 1970, tại trường đại học Mary Queen, thành phố London- Anh, Ebrahim Mamdani đã sử dụng logic mờ để điều khiển một máy hơi nước mà ông không thể điều khiển bằng kỹ thuật cổ điển.
Tại Nhật, logic mờ được ứng dụng vào nhà máy xử lý nước của hãng Fuji Electronic vào năm 1983, hệ thống xe điện ngầm của Hitachi năm 1987 Tuy logic mờ ra đới ở Mỹ, ứng dụng lần đầu ở Anh, nhưng nó lại được phát triển và ứng dụng nhiều nhất ở Nhật. Ưu điểm của điều khiển Mờ so với các phương pháp điều khiển kinh điển là có thể tổng hợp được bộ điều khiển mà không cần biết trước đặc tính của đối tượng một cách chính xác Điều này thực sự hữu dụng cho các đối tượng phức tạp mà ta chưa biết rõ hàm truyền.
Tuy nhiên nó cũng co những nhược điểm : đến bây giờ vẫn chưa có các nguyên tắc chuẩn mực cho việc thiết kế cũng như chưa có thể khảo sát tính ổn đỉnh, tính bền vững, chất lượng, quá trình quá độ cũng như quá trình ảnh hưởng của nhiễu… cho các bộ điều khiển mờ và nguyên lý tối ưu cho các bộ điều khiển này về phương diện lý thuyết Điểm yếu của lý thuyết mờ là những vấn đề về độ phi tuyến của hệ, những kết luận tổng quát cho các hệ thống phi tuyến hầu như khó đạt được. Điều khiển mờ chỉ cần xử lý những thông tin không cần chính xác hay không đầy đủ, những thông tin mà sự chính xác của nó chỉ cần thấy được giữa các mối quan hệ của chúng với nhau và cũng chỉ có thể mô tả bằng ngôn ngữ nhưng vẫn có thể đưa ra những quyết định chính xác Điều khiển mờ hay còn gọi là điều khiển thông minh, mô phỏng trên phương thức xử lý thông tin và điều khiển của con người, khởi đầu cho sự ứng dụng của trí tuệ nhân tạo trong lĩnh vực điều khiển Con người có khả năng tuyệt vời là chỉ cần qua một quá trình học hỏi tương đối ngắn cũng có thể hiểu và nắm rõ các quá trình phức tạp Khả năng này được chứng tỏ thường xuyên trong cuộc sống đời thường, cho dù con người có ý thức được điều đó Hãy xét một người lái xe ô tô là một ví dụ, khi anh ta lái xe chạy trên đường, trong đó ngưới lái xe được coi là thiết bị điều khiển và chiếc xe được coi là đối tượng điều khiển Biết rằng người đó, hay thiết bị điều khiển có nhiệm vụ trọng tâm là điều khiển chiếc xe ô tô tới đích, song để hiểu rõ được phương thức thực hiện nhiệm vụ đó cũng cần xem xét anh ta phải xử lý những thông tin gì và xử lý chúng ra sao. Đại lượng điều khiển thứ nhất là là con đường trước mặt Anh ta có nhiệm vụ điều khiển chiếc xe đi đúng làn đường quy định, tức là phải luôn giữ cho xe nằm trong phần đường bên phải kể từ vạch phân cách, trừ những trường hợp phải vượt xe khác Để làm được công việc đó, thậm chí anh ta không cần biết chính xác rằng xe của anh ta hiện thời cách vạch phân cách bao nhiêu mét, chỉ cần nhìn vào con đường trước mặt, anh ta cũng có thể suy ra được rằng xe hiện đang cách vạch phân cách nhiều hay ít và từ đó đưa ra quyết định phải đánh tay lái sang phải mạnh hay nhẹ. Đại lượng điều khiển thứ 2 là tốc độ xe Với nguyên tắc, để chuyến đi được thoải mái, xe tiết kiệm nhiên liệu, anh ta có nhiệm vụ giữ cho tốc độ xe được ổn định, tránh không phanh hoặc tăng tốc khi không cần thiết Giá trị về tốc độ của xe mà người đó giữ cũng phải phụ thuộc nhiều vào môi trường xung quanh như thời tiết, cảnh quan, mật độ xe trên đường…và cũng phụ thuộc thêm anh ta có quen con đường đó hay không Tuy nhiên quy nhiên luật điều khiển này cũng không phải là cố định Giả sử phía trước có xe đi chậm hơn, vậy thì thay vì giữ nguyên tốc độ, anh ta phải tạm thời thực hiện một nhiệm vụ khác là giảm tốc độ xe và tự điều khiển cho xe chạy theo một tốc độ mới, phù hợp với sự phản ứng của xe trước mặt cho tới khi anh ta cho xe vượt được xe đó.
Ngoài những đại lượng điều khiển trên mà người đàn ông phải đưa ra, anh ta có nhiệm vụ theo dõi tình trạng của xe như phải tìm hiểu xem trước làm mát của máy có tốt không? Áp suất dầu cao hay thấp, lượng nhiên liệu còn đủ hay không?
Từ đó để có thể phân tích, nhận định kịp thời các lỗi của xe. Đối tượng điều khiển là chiếc xe o tô phải có những tham số thay đổi cần phải được theo dõi và thu thập thường xuyên cho công việc đưa ra các quyế định về đại lượng điều khiển Các tham số đó là áp suất hơi trong nốp, nhiệt độ máy…
Sự thay đổi các tham số đó, anh ta nhận biết được có thể trực tiếp qua đèn tín hiệu trong xe, song cũng có thể gián tiếp qua phản ứng của xe với các đại lượng điều khiển.
Người đàn ông trong quá trình lái xe đã thực hiện tuyệt vời chức năng của một bộ điều khiển, từ thu thập thông tin, thực hiện thuật toán điều khiển (trong đầu ) cho đến khi đưa ra tín hiều điều khiển kịp thời mà không cần phải biết một cách chính xác về vị trí, tốc độ, tình trạng của xe Hoàn toàn ngược lại với khái niệm điều khiển chính xác, người đàn ông chỉ cần đưa ra những đại lượng điều khiển theo nguyên tăc xử lý ”mờ” như :
+ Nếu xe hướng nhẹ ra vạch phân cách thì đánh tay lái nhẹ sang phải.
+ Nếu xe hướng đột ngột ra ngoài vạch thì đánh mạnh tay lái sang phải. + Nếu đường có đồ dốc lớn thì về số.
+ Nếu đường thẳng, khô, tầm nhìn không hạn chế và tốc độ chỉ hơi cao hơn binh thường một chút thì không cần giảm tốc độ.
Các nguyên lý điều khiển “mờ” như vậy, tuy chúng có thể khác nhau về số các mệnh đề điều kiện, song có chung một cấu trúc: “ NẾU điều kiện 1 VÀ…VÀ điều kiện n THÌ quyết định 1 VÀ … quyết định m”.
Vậy bản chất nguyên lý điều khiển như người đàn ông đã làm thể hiện bằng thuật toán xử lý xe của anh ta như thế nào? Có những hình thức nào để xây dựng lại mô hình điều khiển theo nguyên lý mờ của người lái xe?, làm cách nào để có thể tổng quát hóa chúng thành một nguyên lý điều khiển mờ chung và từ đó áp dụng cho các quá trình tương tự? Đó chính là vấn đề của Lý thuyết điều khiển mờ. Đặc điểm cũng là ưu điểm của điều khiển mờ là xử lí những thông tin không chính xác hoặc không đầy đủ, đó là cách thức xử lí của bộ não con người được áp dụng đưa vào ngành kỹ thuật điều khiển Đó cũng là điều không có trong hệ thống lý thuyết cổ điển.
Trong lý thuyết cổ điển, một phần tử chỉ có thể có hoặc không thuộc vào một tập hợp đang xét hay nói cách khác độ phụ thuộc của nó chỉ là 0 hoặc 1.
Một tập hợp mờ trong lý thuyết mờ, độ phụ thuộc của một phần tử có thể là giá trị bất kỳ nằm trong khoảng đơn vị [0,1] Như vậy ta thấy rằng tập hợp mờ là một khái niệm suy rộng của tập hợp kinh điển, điều đó có ý nghĩa rất lớn trong kỹ thuật điều khiển
Chúng ta vẫn quen với việc khảo sát một hàm với một tập xác định và một tập giá trị kinh điển, nhưng một hàm phụ thuộc thì không thể ánh xạ tất cả các phần tử trong tập hợp Mờ, hay trong thực tế không thể giải quyết tất cả các trường hợp của một vấn đề Cho nên đối với một tập hợp Mờ thì số lượng hàm phụ thuộc là không xác định và điều này nó cho phép những hệ thống Mờ có được tiện ích tối đa trong một tình huống cho trước.
Như vậy khái niệm tập hợp và ánh xạ trong lý thuyết Mờ rất rộng lớn nên đủ khả năng để ta mô hình hoá các vấn đề thực tế phức tạp một cách đơn giản dễ hiểu Với các biến ngôn ngữ (thường sử dụng) làm cho các vấn đề kỹ thuật có dữ liệu mơ hồ trở nên chính xác, dễ kiểm tra Từ đó logic Mờ giúp ta có những hệ thống điều khiển ổn định và có chi phí thấp.
Những lĩnh vực mà logic mờ được ứng dụng và có nhiều thành tựu:
- Định dạng mô hình mẫu (hình ảnh, âm thanh, xử lý dữ liệu).
- Phân tích định lượng (nghiên cứu khoa học, quản lý).
- Suy luận (giao diện thông minh, robot, kỹ thuật phần mềm).
- Phục hồi thông tin (dữ liệu).
Một số khái niệm cơ bản
3.2.1.Định nghĩa tập mờ và các thuật ngữ liên quan a.Định nghĩa tập mờ : Tập mờ F xác định trên tập kinh điển M là một tập mờ mỗi phần từ của nú là một cặp cỏc giỏ trị (x,àF(x)) trong đú cú x M và μF là ỏnh xạ μF : M → [0, 1].
+ Ánh xạ μF được gọi là hàm liên thuộc của tập mờ F.
+ Tập kinh điển M được gọi là tập kinh điển của tập mờ F. Ý nghĩa:
Tập mờ F ánh xạ mỗi giá trị x của tập kinh điển thành một số nằm trong đoạn [0, 1] để chỉ mức độ phụ thuộc của nó vào tập M Độ phụ thuộc bằng 0 tức là x không phụ thuộc tập M, độ phụ thuộc bằng 1 có nghĩa là nó là đại diện cho tập M Khi mF(x) tăng dần thì độ phụ thuộc của x tăng dần Điều này tạo nên một đường cong qua các phần tử của tập hợp.
Một tập mờ gồm 3 thành phần:
Đoạn [0, 1] trên trục tung thể hiện độ phụ thuộc của tập mờ.
Hàm đặc trưng mF(x) xác định độ phụ thuộc tương ứng của các phần tử đối với tập mờ. b.Miền xác định:
Trong thực tế các phần tử có độ phụ thuộc lớn hơn 0 và bé hơn 1 thường không trải dài trên toàn miền làm việc của chúng Trong hình 3.2 đoạn [x2, x3] là miền xác định của tập mờ. c.Hàm liên thuộc
- Cho một tập hợp A, ánh xạ là μA : A→R được định nghĩa như sau:
được gọi là hàm liên thuộc của A.
- Một tập luôn có μX(x) = 1 với mọi x được gọi là không gian nền (tập
Hình 3.3 Các đặc tính của hàm phụ thuộc d Độ cao, miền xác định và miền tin cậy của tập mờ
- Độ cao của tập mờ F (định nghĩa trên cơ sở M) là giá trị H=sup μF(x), xM
Một tập mờ với ít nhất một phần tử có độ phụ thuộc bằng 1 được gọi là tập mờ chính tắc, tức là H=1 Ngược lại một tập mờ F với H0 }.
- Miền tin cậy của tập mờ F(định nghĩa trên cơ sở M ), được kí hiệu T, là tập con của M thỏa mãn: T={x M | μF(x)=1 }. e Biến ngôn ngữ
Biến ngôn ngữ là phần chủ đạo trong các hệ thống dùng logic Mờ Về cơ bản biến ngôn ngữ là loại biến mà giá trị của nó là những từ, những câu nói theo ngôn ngữ tự nhiên hoặc không tự nhiên Ví dụ trong trường hợp mô tả tốc độ ta có thể có các biến ngôn ngữ đặc trưng cho các tập mờ sau: rất chậm, chậm, trung bình, nhanh, rất nhanh. f Hàm đặc trưng
Mức độ thỏa mãn của một giá trị vật lý vào khái niệm ngôn ngữ được gọi là độ phụ thuộc Đối với biến liên tục, mức độ này được biểu diễn bởi một hàn gọi là hàm đặc trưng Hàm đặc trưng là ánh xạ tập hợp các giá trị vật lý thành tập giá trị phụ thuộc với các giá trị ngôn ngữ Dưới đây là một số dạng hàm đặc trưng:
Là dạng đơn giản nhất, thường dùng mô tả các khái niệm chưa biết hay chưa rõ ràng.
Công thức xác định độ phụ thuộc x:
Dạng hình chuông Độ phụ thuộc x được xác định :
Dạng hình thang Độ phụ thuộc x được xác định:
Dạng tam giác Độ phụ thuộc x được xác định:
Dạng L Độ phụ thuộc x được xác định :
Dạng Γ Độ phụ thuộc x được xác định :
g.Mệnh đề hợp thành, luật hợp thành
- Khái niệm: Mệnh đề hợp thành tương ứng với một luật điều khiển thường có dạng : IF THEN .
- Các quy tắc hợp thành mờ thường dùng:
+ Quy tắc Mandani: Nếu hệ thống có nhiều đầu vào và nhiều đầu ra thì mệnh đề tổng quát có dạng như sau: IF N= ni and M = mi and … Then R = ri and K=ki and…
+ Quy tắc hợp thành MIN: giá trị của mệnh đề hợp thành mờ là một tập mờ B’ định nghĩa trên nền Y (không gian nền của B) và có hàm liên thuộc: mB’ = min{mA, mB(y)}.
+ Quy tắc hợp thành PROD: Giá trị của mệnh đề hợp thành mờ B’ định nghĩa trên nền Y (không gian nền của B ) và có hàm liên thuộc : mB’ mAmB(y).
Luật hợp thành mờ là tên chung gọi mô hình R biểu diễn một hay nhiều hàm liên thuộc cho một hay nhiều mệnh đề hợp thành Nói cách khác, đó chính là tập hợp của nhiều mệnh đề hợp thành Các luật hợp thành được xây dựng theo các quy tắc hợp thành Như thế sẽ có các luật hợp thành khác nhau như:
+ Luật hợp thành MAX-MIN
+ Luật hợp thành MAX- PROD
+ Luật hợp thành SUM – MIN
+ Luật hợp thành MAX – PROD
+ Luật hợp thành SUM-PROD h.Giải mờ
Giải mờ là quá trình xác định rõ giá trị đầu ra từ hàm phụ thuộc của tập mờ.
Có 3 phương pháp chính thường được dùng trong bước này:
2 Phương pháp điểm trọng tâm
Cấu trúc bên trong một bộ điều khiển mờ có dạng như hình 3.7 nó gồm 3 khâu :
+Thực hiện luật hợp thành
Hình 3.7 Mô hình cấu trúc bên trong một bộ điều khiển mờ
Một bộ điều khiển mờ hoạt động theo nguyên lý như sau:
Hình 3.8 Sơ đồ nguyên lý một bộ điều khiển mờ
Các nguyên lý thiết kế hệ thống điều khiển mờ :
- Giao diện đầu vào gồm các khâu : Mờ hóa, các khâu hiệu chỉnh tỷ lệ, tích phân, vi phân…
- Thiết bị hợp thành: sự triển khai luật hợp thành Mờ.
- Giao diện đầu ra gồm : khâu giải mờ và các khâu trực tiếp với đối tượng. Các bước xây dựng bộ điều khiển mờ:
- Bước 1 : định nghĩa tất cả các biến ngôn ngữ vào/ra.
- Bước 2 : xác định các tập mờ cho từng biến ngôn ngữ vào/ra (mờ hóa).
- Bước 3: xây dựng luật hợp thành.
- Bước 4 : chọn thiết bị hợp thành.
- Bước 5 : giải mờ và tối ưu hóa
Thiết bị thực hiện hợp thành
Thiết bị thực hiện hợp thành
Giao diện đầu vào Giao diện đầu vào
BỘ ĐIỀU KHIỂN MỜ Đối tượng ĐK
XÂY DỰNG THUẬT TOÁN VỀ ỨNG DỤNG LOGIC MỜ TRONG
KỸ THUẬT DẪN HƯỚNG CHO ROBOT TỰ HÀNH VÀ MÔ PHỎNG
Như ở Chương II và Chương III đã đề cập tới vấn đề xây dựng mô hình động học cho robot tự hành kiểu 3 bánh và lý thuyết về điều khiển mờ Trong Chương IV này sẽ đi vào xây dựng mô hình robot trên phần mềm mô phỏng Matlab- Simulink, và cũng trên đó một bộ điều khiển mờ sẽ được xây dựng và sử dụng để điều khiển mô hình robot đó Nội dung chương này bao gồm:
+ Giới thiệu về Matlab Simulink.
+ Giới thiệu về Fuzzy Logic ToolBox.
+ Xây dựng bộ điều khiển Fuzzy control trong Fuzzy Logic Toolbox.
+ Xây dựng và mô phỏng robot được điều khiển bằng bộ điều khiển Fuzzy control.
Giới thiệu về Matlab Simulink và Fuzzy Logic Toolbox
Matlab (Matrix Laboratory) là phần mếm tính toán, mô phỏng được ứng dụng rộng rãi trong nhiều lĩnh vực khoa học và trở thành công cụ tính toán kỹ thuật hàng đầu, bao gồm phân tích dữ liệu, thiết kế mô phỏng…rất phù hợp cho những bài toán về điều khiển tự động và xừ lý tín hiệu Matlab có nhiều tính năng về đồ họa, có thể vẽ các đặc tuyến bất kỳ trên mặt phẳng hai chiều hoặc không gian 3 chiều Matlab còn có khả năng lập trình như một ngôn ngữ thực sự, có cấu trúc lệnh giống Pascal hoặc C.
4.1.1.Matlab Simulink Được viết tắt từ Simulation and Link, là một chương trình đi chung vớiMatlab, là một chương trình mô phỏng rất tốt cho các hệ thống tự động Đây là một chương trình đồ họa cho phép mô phỏng các hệ thống bằng cách sử dụng các khối trong thư viện Simulink và kết nối chúng lại với nhau một cách linh hoạt theo ý muốn bằng cách nhấp nhả chuột Simulink có thể mô phỏng hầu hết các hệ thống phi tuyến, tuyến tính…
Simulink cho phép chúng ta dễ dàng xây dựng các mô hình từ đầu, hoặc lấy các mô hình đã tạo sẵn và thêm những khối cho chúng Simulink cho phép chúng ta thay đổi các thông số của các khối trong hệ thống Ta có thể sử dụng tất cả các công cụ phân tích trên Matlab, do đó sẽ rất dễ dàng để lấy kết quả tính toán được để tiếp tục mô phỏng, phân tích và làm trực quan hóa chúng Simulink biến máy tính trở thành một phòng thí nghiệm thu nhỏ cho việc mô phỏng, mô hình hóa và phân tích hệ thống mà điều này rất khó làm trong thực tế.
Hình 4.1 Giao diện phần mềm Matlab version 7.0.4
Tổng quát, Simulink là một phần mềm sử dụng cho việc mô hình hóa, mô phỏng và phân tích hệ thống động Nó hỗ trợ cả hai hệ thống phi tuyến và tuyến tính, mô phỏng trong khoảng thời gian liên tục, các khoảng thời gian lấy mẫu.
Mô hình có thể được mô phỏng bằng các phương pháp phân tích mô hình từ các
Menu của Simulink hoặc từ cửa sổ lệnh của Matlab Có thể sử dụng đồng hồ đo, dao động kí hoặc các khối hiển thị kết quả để lấy kết quả mô phỏng Từ đó có thể thay đổi các thông số của hệ thống để được kết quả như ý muốn Sau đó các kết quả mô phỏng có thể được đưa vào vùng làm việc của Matlab để xử lý tiếp.Ngoài ra để phục vụ cho việc mô phỏng các hệ thống khác nhau trên máy tính,
Matlab được tích một bộ công cụ toolbox với nhiều mô hình dành cho việc mô phỏng các hệ thống khác nhau như: xử lý tín hiệu số, hệ thống tự động điều khiển, hệ thống điện, mạng nơ ron, hệ thống suy luận mờ…
Hình 4.2 Cửa sổ thư viện công cụ mô phỏng Simulink
Chương trình mô phỏng Simulink được gọi ra từ chương trình chính Matlab bằng lệnh >>simulink hoặc nút trên thanh công cụ của Matlab Cửa sổ xây dựng mô hình mô phỏng như hình 4.3 dưới đây.
Hình 4.3 Cửa sổ xây dựng mô hình
Fuzzy Logic Toolbox là tập hợp những hàm xây dựng trong môi trường tính toán số của Matlab Nó cung cấp nhiều công cụ hữu ích cho người sử dụng để tạo và soạn thảo hệ thống suy luận mờ ( FIS ) trong Command Windown của Matlab hoặc chúng có thể xây dựng riêng bằng ngôn ngữ lập trình mà gọi các hệ thống mờ trong Fuzzy Logic Toolbox Người sử dụng có thể làm việc bằng các dòng lệnh đó, những Toolbox này thiên về những công cụ giao diện đồ họa (GUI) để giúp người sử dụng hoàn tất công việc một cách dễ dàng hơn.
Xây dựng bộ điều khiển Fuzzy Logic Controller (FLC) trên Fuzzy
4.2.1.Thuật toán điều khiển Mobile robot, định nghĩa các biến vào ra
Như mô hình Mobile robot đã xây dựng ở Chương II, robot gồm 3 bánh, 2 bánh chủ động ở phía sau được gắn với 2 động cơ, 1 bánh lái phía trước có khả năng quay tự do Nhiệm vụ của Mobile robot là di chuyển dọc theo tường và duy trì một khoảng cách xác định với tường Nó sẽ được gắn hai cảm biến đo khoảng cách và đo góc của trục robot so với hướng di cần chuyển Trong mô hình điều khiển này thì các yếu tố như nhiễu, ma sát trượt, lực quán tính của xe sẽ được bỏ qua Ở đây ta chỉ xét tới các yếu tố liên quan tới robot là góc θ, khoảng cách Xđ từ tâm robot tới tường Bộ phận được tác động để điều khiển robot là 2 động cơ gắn với 2 bánh phải và trái
Giả sử ta cho robot chạy theo một đường có khoảng cách so với tường là Xđ. Khi robot di chuyển, nó bị lệch ra khỏi đường đó, lúc đó sẽ có sự sai lệch cả về vị trí và tư thế của nó so với yêu cầu Bộ điều khiển sẽ có nhiệm vụ xử lý các tín hiệu báo về từ các cảm biến để xác định các sai lệch, từ đó đưa ra các tín hiệu điều khiển 2 động cơ như thế nào đó để robot về quỹ đạo ban đầu Bộ điều khiển mờ được thiết kế trong Fuzzy Logic Toolbox sẽ có đầu vào là các sai lệch về vị trí ∆ex (bao gồm sai lệch Âm và sai lệch Dương), sai lệch về góc ∆et (bao gồm sai lệch Âm và sai lệch Dương)
Hình 4.5 Robot trong tọa độ Decade
Bộ điều khiển sẽ có hai tín hiệu đầu vào là sai lệch góc ∆et và sai lệch khoảng cách ∆ex, hai đầu ra là hai tín hiệu điều khiển 2 động cơ chủ động, thực y x
X sai lệch Âm sai lệch Dương
∆e x ∆e t tế thì đó là các xung điện điều khiển tốc độ hai động cơ Sơ đồ khối toàn bộ hệ thống được thể hiện ở hình 4.5
Giá trị của các sai lệch về góc định hướng θ là ∆e t sẽ nằm trong khoảng từ -0,3 đến 0,3 radian Các giá trị sai lệch về khoảng cách ∆ex sẽ nằm trong khoảng từ -4 inch đến 4 inch (khoảng -100mm đến 100mm).
Giá trị đầu ra của bộ điều khiển mờ ( FLC ) sẽ là các giá trị vận tốc góc bánh phải (ω r) , bánh trái ( ω l ) Các giá trị này còn phụ thuộc sự ràng buộc về kết cấu cơ khí của robot Trong trường hợp này ta chọn dải từ -3 đến 3 rad/s
Hình 4.6 Sơ đồ khối toàn bộ Mobile robot
4.2.2.Xác định tập mờ a Miền giá trị vật lý cơ sở của các biến ngôn ngữ
-Tín hiệu sai lệch giữa góc đặt như trên chọn trong khoảng :
- Sai lệch khoảng cách nằm trong khoảng :
- Tín hiệu đầu ra, vận tốc góc bánh trái và bánh phải :
-3 ≤ ωr ≤ 3 rad/s b Số lượng tập mờ ( giá trị ngôn ngữ )
Về nguyên tắc, số lượng tập mờ cho mỗi biến ngôn ngữ thường nằm trong khoảng từ 3 đến 10 giá trị Nếu số lượng tập mờ nhỏ hơn 3 thì ít có ý nghĩa, vì không thể thực hiện được việc chi tiết hóa các phương án xử lý Nếu lớn hơn 10 thì đòi hỏi người lập trình phải xử lý một khối lượng lớn các suy luận, phải
Kết quả tính toán ∆e Kết quả tính x và ∆e t toán ∆e x và ∆e t Fuzzy Logic
∆e x w l w r nghiên cứu đầy đủ để đồng thời phân biệt khoảng từ 5 đến 9 phương án khác nhau và phần cứng phải có khả năng lưu trữ lớn, cũng như khả năng xử lý nhanh đặc biệt trong bài toán điều hướng robot hoạt động trong môi trường thực (là bài toán yêu cầu cần có tốc độ xử lý và khả năng lưu trữ rất lớn). Đối với quá trình điều khiển robot có thể chọn giá trị ngôn ngữ như sau : + ∆ex {ÂM, KHÔNG, DƯƠNG}
+ ωl {CHẬM, TRUNG BÌNH, NHANH} c Các hàm liên thuộc Đây là điểm cực kì quan trọng vì quá trình làm việc của bộ điều khiển mờ phụ thuộc rất nhiều vào dạng và kiểu hàm liên thuộc Do vậy cần chọn kiểu hàm liên thuộc có phần chồng lên nhau và phủ kín miền giá trị vật lý, để trong quá trình điều khiển không xuất hiện “lỗ hổng” và tránh trường hợp với một giá trị vật lý rõ đầu vào x0 mà tập mờ đầu ra có độ cao bằng không (miền xác định là tập rỗng ) và bộ điều khiển không thể đưa ra một quyết định điều khiển nào được gọi là hiện tượng “cháy nguyên tắc”.
Mặt khác, hàm liên thuộc được chọn sao cho miền tin cậy của nó chỉ có một phần tử, hay nói cách khác chỉ tồn tại một điểm vật lý có độ phụ thuộc bằng độ cao của tập mờ Đối với quá trình điều khiển Mobile robot có 4 tập mờ Mỗi tập mờ có 3 biến ngôn ngữ, tương ứng với nó là các giá trị ngôn ngữ
+ Sai lệch khoảng cách Δeex và sai lệch góc định hướng Δeet có có các biến giá trị AM ( Âm ), KHONG ( Không ), DUONG ( Dương ).
+ Giá trị đầu ra là vận tốc góc ωl và ωl có các biến giá trị CHAM ( Chậm ), TRUNGBINH ( trung bình ), NHANH ( nhanh ).
Mỗi giá trị ngôn ngữ sẽ được gắn với một hàm phụ thuộc dạng tam giác
Hình 4.7 Hàm phụ thuộc của sai lệch khoảng cách Δee x
Hình 4.8 Hàm phụ thuộc của sai lệch góc định hướng Δee t
Sai lệch khoảng cách ( inch )
Sai lệch góc định hướng Δee t (radian)
Hình 4.9 Hàm phụ thuộc đầu ra bánh phải ω r
Hình 4.10 Hàm phụ thuộc đầu ra bánh trái ω l d Rời rạc hóa các tập mờ
- Hàm liên thuộc của sai lệch góc Δeet là μ t(t) và được rời rạc tại 5 điểm : t {-0.3, -0.15, 0, 0.15, 0.3 }
- Hàm liên thuộc của sai lệch khoảng cách ∆ex là μx(x) và được rời rạc hóa tại 5 điểm :
- Hàm liên thuộc đầu ra ωr, ωl là μω(ω ) được rời rạc hóa tại 5 điểm:
Dải giá trị đầu ra vận tốc góc bánh phải ω r (rad/s)
Dải giá trị đầu ra vận tốc góc bánh trái ω l (rad/s)
Thứ tự quá trình xây dựng bộ Fuzzy Logic Cotroller được thực hiện trong Fuzzy Logic Toolbox theo thứ tự các hình dưới đây:
Hình 4.11 Sơ đồ các biến vào/ra của FLC
Hình 4.11.Xây dựng các biến vào ra cho FLC
Lựa chọn luật hợp thành
Lựa chọn luật hợp thành
Tên biến và giá trị
Tên biến và giá trị
Biến đầu raBiến đầu ra
Hình 4.12 Đặt giá trị cho các hàm phụ thuộc vào/ ra của FLC e Xây dựng các luật hợp thành
Từ kinh nghiệm thực tế mà ta xây dựng được 9 luật điều khiển :
Bảng 4.1 Luật điều khiển cơ bản cho vận tốc góc bánh phải ω r Δeex/Δeet AM KHONG DUONG
Bảng 4.2 Luật điều khiển cơ bản cho vận tốc góc bánh trái ω l Δeex /Δeet AM KHONG DUONG
- Luật R1: NẾU Δeex là AM VÀ Δeet AM là THÌ ωr là CHAM VÀ ωl là CHAM
- Luật R2: NẾU Δeex là AM VÀ Δeet là KHONG THÌ ωr là CHAM VÀ ωl là TRUNGBINH
- Luật R3: NẾU Δeex là AM VÀ Δeet là DUONG THÌ ωr là CHAM VÀ ωl là CHAM
- Luật R4: NẾU Δeex là KHONG VÀ Δeet là AM THÌ ωr là CHAM VÀ ωl là TRUNGBINH
- Luật R5: NẾU Δeex là KHONG VÀ Δeet là KHONG THÌ ωr là NHANH
- Luật R6: NẾU Δeex là KHONG VÀ Δeet là DUONG THÌ ωr làTRUNGBINH VÀ ω là CHAM
- Luật R7: NẾU Δeex là DUONG VÀ Δeet là AM THÌ ωr là CHAM VÀ ωl là CHAM
- Luật R8: NẾU Δeex là DUONG VÀ Δeet là KHONG THÌ ωr là TRUNGBINH VÀ ωl là CHAM
- Luật R9: NẾU Δeex là DUONG VÀ Δeet là DUONG THÌ ωr là NHANH
Ví dụ một trường hợp luật R1 như hình 4.13, Mobile robot đi ra ngoài quỹ đạo, sai số khoảng cách một khoảng là Δeex = AM (âm) và sai số góc định hướng Δeet = AM.
Hình 4.13 Trường hợp robot đi sai khỏi quỹ đạo
Lúc này, để về quỹ đạo ban đầu thì đòi hỏi bánh trái phải quay nhanh (NHANH ) và bánh phải quay chậm lại ( CHAM ) ứng với luật R1. f Chọn thiết bị hợp thành Đối với trường hợp điều khiển Mobile robot, chúng ta sẽ chọn thiết bị thực hiện luật hợp thành theo phương pháp MAX- MIN. g Chọn nguyên lý giải Mờ
Giải mờ là quá trình xác định rõ giá trị đầu ra của bộ điều khiển Việc chọn phương pháp giải mờ cũng gây ảnh hưởng đến độ phức tạp và trạng thái làm việc của hệ thống Đối vơi bộ điều khiển Mờ FLC sử dụng cho Mobile robot ở đây ta dùng phương pháp điểm trọng tâm (Centroid ), bởi vì phương pháp này có sự tham gia của tất cả các kết luận điều khiển R1, R2, R3, R4, R5, R6, R7, R8, R9.
Quá trình xây dựng luật điều khiển và hợp thành được tiến hành trên Fuzzy toolbox như trong hình 4.14 và 4.15.
Hình 4.14 Xây dựng các luật điều khiển
Hình 4.15 Các luật điều khiển
Bộ điều khiển được mô hình hóa dưới dàng không gian 3D :
Hình 4.16.Mô tả bộ điều khiển trên không gian 3D cho bánh phải
Hình 4.17 Mô tả bộ điều khiển trên không gian 3D cho bánh trái
Sau khi xây dựng xong, bộ điều khiển Mờ FLC sẽ được lưu dưới dạng một file FLC.fis.
Xây dựng và mô phỏng Mobile robot trên Matlab Simulink
4.3.1.Xây dựng mô hình Mobile robot
Như ở chương II, phương trình mô tả động học của Mobile robot có dạng: x r y l
Trong đó, các thông số cơ bản của Mobile robot :
+ khoảng cách 2 bánh chủ động L= 200mm=7,8”
+ bán kính bánh chủ động r = 30mm = 1,18”
Xây dựng trên Matlab Simulink ta có mô hình mobile robot như sau:
Hình 4.18 Mô hình Mobile robot trên Simulink
Khối gồm 2 đầu vào ωr (bánh phải) và ωl (bánh trái) Các khối Rr, Rl là các giá trị bán kính bánh xe robot Integrator là các khối tính tích phân Đầu ra là các giá trị về vị trí của robot trong tọa độ Decade P( X, Y, T), T là giá trị góc định hướng Toàn bộ khối robot trên sẽ được tích hợp lại thành một khối trong
Subsystem, đặt tên là robot ( hình 4.19)
4.3.2.Xây dựng sơ đồ khối toàn bộ của Mobile robot
Mô hình hoạt động của robot xây dựng trên Matlab Simulink có thể được xây dựng dựa trên sơ đồ hình 4.6 Nó có dạng như sau :
Hình 4.20 Sơ đồ khối mô phỏng của Mobile robot sử dụng bộ điều khiển FLC
Sơ đồ trên gồm hai đầu vào Td và Xd là hai giá trị đặt ban đầu cho Mobile robot Td là góc định hướng, ban đầu đặt Td = 0, tức là robot chạy song song với tường Xev là khoảng cách từ robot tới tường , ban đầu đặt Xd=4 inch Các thông số của hai giá trị đầu vào này được xác lập trong cửa sổ hình 4.21.
Hình 4.21 Xác lập các thông số đầu vào ban đầu cho Mobile robot
Bộ điều khiển mờ FLC chính là khối FUZZY CONTROL Tín hiệu đầu vào và tín hiệu hồi được cộng lại bằng các bộ sum sẽ được đưa vào bộ điều khiển FUZZY CONTROL Các tín hiệu đầu ra từ đây sẽ đi đến tác động lên khối subsystem robot Kết quả thu được sẽ là vị trí P(x,y) của robot, góc định hướng θ.
Hai tín hiệu hồi tiếp X và T được lấy ra, đưa về để tính sai lệch vị trí Δeex và sai lệch góc định hướng Δeet để đưa vào khối điều khiển FLC Quá trình điều khiển cứ lặp liên tục như vậy theo một vòng kín
4.3.4.Kết quả mô phỏng quá trình Để mô phỏng toàn bộ hoạt động của khối Mobile robot, ban đầu phải đặt một giá trị Xd và Td cho đầu vào Các giá trị đặt phải thỏa mãn sao cho tín hiệu đầu vào của khối điều khiển FLC nằm trong dải mà ta xây dựng Sau đây là một số trường hợp mà tôi đã khảo sát.
Trường hợp 1 : Xd = 4 inch, Td = 0 (robot phải duy trì được khoảng cách với tường là 4 inch và hướng là song song với tường). Đáp ứng khoảng cách tới tường X và góc hướng θ có dạng như trong hình 4.22. a Kết quả giá trị góc định hướng θ trong TH1 b Kết quả giá trị khoảng cách X Hình 4.22 Kết quả mô phỏng cho TH1
Như biểu đồ ta thấy thời gian để Mobile robot đạt được vị trí đặt ban đầu mất khoảng 1.5s Trong trường hợp này ta không xét tới những ảnh hưởng của nhiễu, tức là giá trị các nhiễu trắng (white noise) mà ta thay thế cho các nhiễu ảnh hưởng bởi cảm biến.
Trường hợp 2 : Td = 0, Xd là hàm nấc thang có 2 bước, bước 1 Xd = 2inch duy trì trong 5s, bước 2 Xd = 4 inch duy trì trong vòng 5s Ta thu được kết quả mô phỏng: a Kết quả mô phỏng góc định hướng θ khi có nhiễu b Kết quả mô phỏng khoảng cách đặt khi có nhiễu
Hình 4.23 Kết quả mô phỏng TH2
Trong 2 trường hợp trên, ta coi các điều khiện mô phỏng là lý tưởng Bây giờ, ta sẽ xét những ảnh hưởng của nhiễu do sai số của cảm biến gây ra Các nhiễu đó trong sơ đồ mô hình mô phỏng sẽ là các White Noice
Trường hợp 3 : Khi có các nhiễu do sai số cảm biến siêu âm gây ra Kết quả mô phỏng : a/ Đồ thị đáp ứng góc của robot b/ Đồ thị đáp ứng khoảng cách của robot Hình 4.23 Kết quả mô phỏng của TH3
Rõ ràng khi xét tới nhiễu đường đáp ứng của hệ thống không còn trơn mịn như trước nữa, tuy nhiên hệ thống vẫn bám theo quỹ đạo đặt với sai lệch là chấp nhận được. Đánh giá chung quá trình khảo sát hệ thống điều khiển robot tự hành :
- Trong cả 3 trường hợp, robot đều có khả năng trở về quỹ đạo đặt.
- Thời gian quá độ là không dài có nghĩa hệ thống có khả năng tác động tương đối nhanh (khoảng 1,2 ÷ 1,8 s) ngay cả khi có nhiễu tuy rằng đường đi của robot không hoàn toàn như giá trị đặt nhưng robot luôn có xu hướng bám sát với quỹ đạo đặt Điều đó cho thấy hệ thống làm việc tương đối ổn định và việc áp dụng bộ điều khiển mờ vào bài toán điều hướng cho robot tự hành là hoàn toàn khả thi.
- Phần giới thiệu về quá trình xây dựng mô hình thực cũng như áp dụng bộ điều khiển mờ cho bài toán điều hướng tự hành hoạt động trong môi trường không biết trước sẽ được trình bày chi tiết trong chương V.
XÂY DỰNG MÔ HÌNH ROBOT TỰ HÀNH
Xây dựng sơ đồ khối hoạt động của robot
Ở đây, ta sử dụng mô hình Mobile robot 3 bánh Như trong phần mô phỏng, bài toán đặt ra là làm sao để nó di chuyển theo bề mặt tường và luôn cách tường một khoảng X đặt trước Robot không có bản đồ hay bất cứ thông tin nào về môi trường làm việc, do đó robot sẽ được điều hướng theo phương pháp phản ứng Sơ đồ thuật toán của Mobile robot như hình 5.1 Thực tế, hai thông số về sai số góc định hướng, khoảng cách so với tường sẽ được đo bằng hai cảm biến siêu âm SRF05 Khi di chuyển, ban đầu nếu Mobile robot có hướng đi và vị trí là như yêu cầu (góc θ = 0, X= Xd) thì nó sẽ được điều khiển tiếp tục đi thẳng và duy trì khoảng cách tới tường.
Khi có sai lệch thì nhiệm vụ của bộ điều khiển mờ là đưa ra tín hiệu điều khiển, điều khiển 2 động cơ theo luật nào đó để nó đưa robot về quỹ đạo yêu cầu. Không giống như ở mô phỏng, các tín hiệu đầu ra của FLC là vận tốc góc của mỗi bánh trái và phải, ở thực tế thì nó lại là các xung điện, điều khiển điện áp đặt lên mỗi động cơ Tuy nhiên ở đây, do những hạn chế trong thời gian làm đề tài, Mobile robot chỉ có các cảm biến ở 1 bên để bám tường mà lại không có thiết bị để phát hiện vật cản ở phía trước.
Hình 5.1 Sơ đồ thuật toán hoạt động của Mobile robot
Bật hai cảm biến siêu âm
Xây dựng khối điều khiển cho Mobile robot
Khối điều khiển Mobile robot sẽ bao gồm khối xử lý tín hiệu và khối công suất, khối hiển thị Sơ đồ như hình 5.2.
Hình 5.2 Sơ đồ khối của robot
5.2.1 Khối xử lý tín hiệu a Vi điều khiển Pic 18F4331
Khối Xử lý của Mobile robot sử dụng vi điều khiển Pic 18F4331 Có thể nói đây là trung tâm của một con robot Nó có nhiệm vụ lưu trữ chương trình, xử lý tín hiệu vào/ ra Pic18F4331 có sơ đồ chân như hình 5.3
Hình 5.3.Vi điều khiển Pic18F4331
THIẾT BỊ HIỂN THỊ THIẾT BỊ HIỂN THỊ
KHỐI CÔNG SUẤT KHỐI CÔNG SUẤT
Hình 5.4 Sơ đồ cấu trúc các chân của PIC18F4331
PIC18F4331 là vi điều khiển họ 18Fxxxx có tập lệnh có độ dài là 16bit Mỗi một chu kì lệnh có thời gian là 200ns Bộ nhớ chương trình 8KB, bộ nhớ dữ liệu 256KB Gồm 5 cổng A, B, C, D, E, với 36 chân xuất/ nhập dữ liệu PIC18F4331 hỗ trợ khá tốt điểu khiển động cơ, nó có tới 8 kênh PWM Nó có cấu trúc bộ dao động ngoài linh động, có khả năng hoạt động ở tần số từ 32 KHz tới 40MHz.
Bảng 5.1 Bảng thông số cơ bản của PIC18F4331
Loại bộ nhớ chương trình Flash
Số kênh điều xung PWM 10 8
Timer 8/16 bit 1/3 Điện áp cấp vào 2 ÷ 5 V
Một số tính năng khác của PIC18F4331
- Bộ nhớ Flash có khả năng ghi xóa được 100.000 lần.
- Bộ nhớ EEPROM có khả năng ghi dọc là 100000 lần, lưu trữ trên 40 năm. Ngôn ngữ lập trình thông dụng cho vi điều khiển có thể là C, Assembly Khi lập trình cho PIC bằng ngôn ngữ C, phần mềm CCS Complie giúp quá trình lập trình trở nên thuận tiện hơn rất nhiều CCS Complie với giao diện GUI giúp người sử dụng có thể khai báo các hàm ban đầu cho PIC một cách trực quan.
Mạch nạp là mạch giao tiếp giữa vi điều khiển với máy tính Nó được sử dụng để nạp chương trình vào chip Có hai loại mạch nạp thông dụng là loại mạch nạp USB và mạch nạp giao tiếp theo cổng COM (chuẩn RS232 ) a/ Mạch nạp PIC qua cổng COM b/ Mạch nạp PIC qua cổng USB
Hình 5.5 Các loại mạch nạp cho Vi điều khiển
Tương ứng với mạch nạp cổng COM thì sử dụng phần mềm nạp là Winpic
800, nạp qua cổng USB sẽ dùng phần mềm PICKIT2 Các phần mềm này sẽ điều khiển quá trình truyền dữ liệu từ máy tính vào chip. b.Mạch nguồn cho khối điều khiển Để ổn định nguồn cấp cho vi điều khiển khi hoạt động, thì vai trò của nguồn là hết sức quan trọng Mạch nguồn phải đảm bảo cung cấp điện áp và dòng điện ổn định cho chíp và các thiết bị mở rộng kèm theo như LCD, led, cảm biến Mạch nguồn có sơ đồ như hình 5.6.
Hình 5.6.Sơ đồ nguyên lý mạch ổn áp sử dụng IC LM7805
Mạch ổn áp sử dụng IC LM7805 giúp cho đầu vào chíp luôn ở ngưỡng ~ 5V. c Các thiết bị hiển thị
Các thiết bị hiển thị bao gồm led 7 thanh 7x4, màn hình LCD, nó sẽ có vai trò hiển thị các thông số của robot theo ý muốn, giúp cho dễ quan sát quá trình điều khiển.
Hình 5.7.Các thiết bị hiển thị c Sơ đồ nguyên lý mạch vi điều khiển
Hình 5.8.Sơ đồ nguyên lý mạch điều khiển a/ Led 7 thanh loại 7x4 b/ Màn hình LCD 2x16
5.2.2 Khối mạch công suất a Phân tích lựa chọn phương pháp điều khiển
Bản chất của việc điều khiển Mobile robot thực ra là điều khiển các động cơ của robot đó Mobile robot được xây dựng bao gồm 2 động cơ dẫn động 2 bánh sau Hướng đi của robot sẽ do tốc độ của 2 bánh này quyết định, do vậy nó yêu cầu phải thay đổi chiều quay liên tục, đảo chiều quay
Hình 5.10 Mô hình Mobile robot Động cơ sử dụng ở đây là động cơ một chiều, kích từ độc lập Có 3 cách để điều khiển tốc độ động cơ là :
+ Thay đổi từ thông động cơ
+ Thay đổi điện áp đặt lên phần ứng động cơ
+ Thay đổi trở phụ vào phần ứng động cơ Động cơ sử dụng là loại nam châm vĩnh cửu nên từ thông là không đổi Do đó chỉ có thể điều chỉnh tốc độ động cơ bằng cách là thêm trở phụ vào phần ứng hoặc thay đổi điện áp đặt lên phần ứng động cơ Họ đặc tính cơ của hai phương pháp điều chỉnh tốc độ trên là như sau:
Hình 5.2a là họ đặc tính cơ động cơ điện một chiều khi thay đổi điện trở phụ mắc vào phần ứng, trong đó: Rf1> Rf2>Rf3>Rf = 0 Hình 5.2b là họ đặc tính cơ động cơ điện một chiều khi thay đổi điện áp đặt vào phần ứng, trong đó : U1< U2
Hình 5.11 Họ đặc tính cơ của động cơ điện một chiều khi. a Thêm điện trở phụ; b Thay đổi điện áp đặt vào phần ứng
Trong hai phương pháp trên, rõ ràng phương pháp điều chỉnh điện áp là có nhiều ưu điểm hơn vì :
- Thứ nhất: khi thay đổi tốc độ động co bằng thay đổi điện áp thì độ cứng đặc tính cơ không đổi, còn khi thay đổi tốc độ bằng thay đổi điện trở phụ thì đặc tính cơ là thay đổi (nhỏ hơn).
- Thứ hai: thay đổi điện áp đặt lên phần ứng động cơ không gây ra tổn hao năng lượng, còn khi sử dụng điện trở phụ sẽ gây ra tổn hao trên trở phụ.
- Thứ ba: thay đổi trở phụ mắc vào phần ứng động cơ làm cho hằng số thời gian động cơ thay đổi dẫn đến các đặc tính quá độ thay đổi, điều này là không tốt, cần tránh
Từ những điểm trên, ta lựa chọn phương pháp điều chỉnh tốc độ bằng cách thay đổi điện áp đặt lên phần ứng động cơ Một phương pháp thường sử dụng ở đây để thay đổi điện áp vào động cơ là phương pháp băm xung ( điều chế độ rộng xung PWM ). b Thiết kế mạch lực Điều chỉnh độ rộng xung là sử dụng các xung điện để đóng ngắt nguồn với tải một cách có chu kỳ Phần tử thực hiện nhiệm vụ đó là các van bán dẫn như Thyristor, Mosfet, IGBT, Tranzitor bipolar Ở đây, 2 động cơ là công suất nhỏ nên ta sử dụng Mosfet vì điều khiển đơn giản hơn và thông dụng
Nguyên lý của phương pháp điều chỉnh độ rộng xung PWM
Hình 5.12 Nguyên lý băm xung điện một chiều
Một xung được phát ra sẽ có chu kì là T, trong đó có thời gian xung ở mức cao là tm và thời gian xung ở mức thấp Khi xung ở mức cao chính là lúc nó mở các van, cấp điện áp cho động cơ Điện áp cấp trong một chu kì xung được tính :
Nguyên lý băm xung có đảo chiều
Hình 5.14 Sơ đồ băm xung điện áp một chiều có đảo chiều
Theo sơ đồ trên, muốn đảo chiều động cơ chỉ cần đóng/ngắt các van theo một quy tắc như sau:
Khi động cơ làm việc theo chiều thuận thì T3 mở hoàn toàn, T2 và T4 khóa,
T1 được đóng ngắt theo chu kì xung vào Chiều dòng điện từ dương nguồn T1
Khi động cơ làm việc theo chiều ngược thì T4 luôn mở, T2 đóng ngắt theo chu kì xung, T1 và T3 khóa Chiều dòng điện : dương nguồn T2 động cơ
T4 âm nguồn Trong cả hai chiều quay, trị số điện áp ra được tính theo công thức:
Ur = tm.Uv/ T Các điode có nhiệm vụ bảo vệ các van khi ngắt dòng động cơ ra khỏi nguồn c Sơ đồ mạch cầu H
Mạch cầu H là mạch sử dụng để băm xung điện áp một chiều và đảo chiều quay động cơ Trong đó được sử dụng 2 MOSFET kênh P và 2 MOSFET kênh
N Đặc tính mở của Mosfet phụ thuộc vào sự chênh lệch điện áp giữa 2 chân G và S Nó được mở hoàn toàn ở điện áp từ 10 ÷ 12 V.
Hình 5.15 Sơ đô nguyên lý 1 mạch cầu H
Hình 5.16 Đặc tuyến làm việc của Mosfet kênh N
Sơ đồ dùng MOSFET nên việc quan trọng là phải mở bão hòa được các van MOSFET Theo sơ đồ mạch như hình 5.16
- Điều khiển Q1: khi đầu vào được nối lên +5V thì OPTOI 1 mở Điện trở R1 tạo ra sự chênh lệch điện áp giữa 2 cực S và G của Q1 là 12V làm Q1 mở bão hòa Khi đầu vào 1 nối xuống 0v thì OPTOI khóa làm cực G và S đều treo lên là
12 V, do đó Q1 bị khóa Q2 đóng mở tương tự Q1.
Thiết kế cơ khí
Trong quá trình thực hiện đề tài này, phần thiết kế cơ khí được mô hình hóa trên phần mềm thiết kế 3D là Audesk Inventor version 9.0 Đây là phần mềm thiết kế 3D hàng đầu giúp cho quá trình thiết kế chi tiết một cách nhanh chóng, dễ dàng.
Hình 5.26.Thiết kế mô hình trên AutoDesk Inventor
Khi lắp ráp tất cả các phần lại ta được mô hình thực tế :
Hình 5.27.Mô hình thực tế của Mobile robot
Hình 5.28.Đường đi của robot
- Sau khi đã hoàn thành phần cứng về cơ khí và điện tử, chương trình điều khiển robot được sử dụng bộ điều khiển mờ dưới dạng ngôn ngữ C.
- Bộ điều khiển mờ viết cho robot có các biến đầu vào xác định từ 2 cảm biến siêu âm, và biến đầu ra là các giá trị xung điều khiển điện áp đặt lên 2 động cơ.
- Các thiết bị hiển thị đi kèm hiển thị các thông số về khoảng cách từ robot tới tường, khoảng cách đặt.
5.6 Đánh giá quá trình thực nghiệm trên mô hình thực
Sau nhiều lần thử nghiệm, mô hình robot đã đạt được những kết quả :
- Đo khoảng cách từ robot tới tường.
- Xác định góc hợp giữa robot và tường.
- Thời gian để robot đi về đúng quỹ đạolà khoảng từ 3÷5 giây, tùy thuộc sai lệch ban đầu mình đặt là lớn hay nhỏ
- Tuy nhiên, cảm biến siêu âm khi robot di chuyển xuất hiện các sai số Đặc biệt khi robot đi nghiêng 1 góc so với tường thì khoảng cách đo được là không còn chính xác nữa và xảy ra các hiệu ứng nhiễu do xung của 2 siêu âm lẫn vào nhau làm robot mật phương hướng và đi lệch ra khỏi quỹ đạo.
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận Đề tài đã nghiên cứu phương pháp điều khiển robot tự hành dựa trên cơ sở ligic Mờ Mô hình động học của robot tự hành đã được xây dựng và mô hình hóa trên phần mềm mô phỏng Matlab-Simulink Lý thuyết về logic Mờ cũng được nghiên cứu để xây dựng lên bộ điều khiển Mờ Kết hợp lại ta được một hệ thống điều khiển robot tự hành trên phần mềm mô phỏng Matlab-Simulink Khảo sát hệ thống khi mô phỏng cho thấy:
- Bộ điều khiển Mờ đã đạt yêu cầu đề ra là đưa robot về quỹ đạo đặt.
- Khảo sát và đánh giá khả năng khả thi của bộ điều khiển mờ, từ đó xây dựng mô hình thật
Mô hình được thực hiện hoàn thiện bao gồm cả phần thiết kế cơ khí và mạch điện tử Nghiên cứu và ứng dụng vi điều khiển, cảm biến siêu âm.
- Hoàn thành việc thiết kế các mạch điều khiển và mạch công suất cho robot.
- Sử dụng cảm biến siêu âm để xác định góc và khoảng cách cho robot.
- Đã xây dựng bộ điều khiển mờ sử dụng Vi điều khiển PIC18F4331.
- Kết quả : hệ thống có khả năng điều hướng cho robot trở về quỹ đạo đặt trong khoảng 3÷5s Tuy nhiên, thực tế khi siêu âm được gắn lên robot thì trong quá trình di chuyển xuất hiện các nhiễu làm robot mất phương hướng và lệch ra khỏi quỹ đạo.
Hướng phát triển của đề tài
- Từ mô hình robot với 2 cảm biến siêu âm , có khả năng di chuyển bám tường, ta có thể mở rộng ra với 6 cảm biến siêu âm Tức là mỗi bên sẽ có 2 cảm biến, trước và sau có một cảm biến Với mô hình như vậy cho phép robot có khả năng phát hiện vật cản cả ở phía trước và sau, di chuyển linh hoạt, bám tường trái hoặc phải đều được.
- Từ những nghiên cứu về logic mờ trong đề tài sẽ là cơ sở ban đầu để tiếp tục nghiên cứu và ứng dụng nó Đặc biệt trong công việc chẩn đoán kỹ thuật phương tiện giao thông Nó cho phép chẩn đoán các hỏng hóc của các phương tiện mà không cần các thông tin chính xác và độ tin cậy cao Nó có thể tổng hợp kinh nghiệm của các chuyên gia, kỹ thuật viên giỏi.
1.Phan Xuân Minh và Nguyễn Doãn Phước, Lý thuyết điều khiển Mờ, nhà xuất bản khoa học kỹ thuật
2 Hồ Thuần và Đặng Thanh Hà , Logic Mờ và ứng dụng, Nhà xuất bản Đại học Quốc gia.
3 Nguyễn Hoàng Hải- Nguyễn Việt Anh, Lập trình Matlab và ứng dụng, Nhà xuất bản khoa học và kỹ thuật.
4 J.Borenstein, Where am I?Sensors and Methods for Moble Robot Positioning, The University of Michigan.
5 Vamsi Mohan Pery, Fuzzy logic controler for an autonomous mobilerobot, Jawaharlal Nehru Techbological University India
6 John Holland, Designing Autonomous Mobile robots
7 Kristof Goris, Autonomous Mobile Robot Mechanical Design, University Brussel.
1 http://www.google.com.vn/
2 http://www.picvietnam.com/forum/
3 http://www.dientuvietnam.net/forums/
6 http://www.dieukhien.net/vn/
8 http://cdtvn.net/ //Trang web về cơ điện tử Việt Nam
Kết quả thực nghiệm
Các linh kiện sử dụng và số lượng :