GIỚI THIỆU
Tính cấp thiết của đề tài
Trong bối cảnh kinh tế xã hội và công nghệ phát triển nhanh chóng, các doanh nghiệp sản xuất Việt Nam cần nâng cao năng suất, hiệu quả và giảm chi phí để tồn tại và phát triển Việc áp dụng công nghệ cao và tự động hóa là bước đi quan trọng giúp doanh nghiệp vượt qua rào cản thị trường Robot đóng vai trò cốt lõi trong công nghệ tự động hóa, mặc dù việc ứng dụng robot ở Việt Nam còn hạn chế do chi phí thiết bị nhập khẩu cao Tuy nhiên, áp dụng robot trong dây chuyền sản xuất là yếu tố sống còn cho sự tồn tại của doanh nghiệp Do đó, nhóm đã quyết định nghiên cứu và thiết kế robot Delta nhằm giảm giá thành sản xuất trong nước.
Robot Delta, hay còn gọi là Robot song song, được phát triển để thay thế con người trong các công việc trong hệ thống công nghiệp Với khả năng hoạt động trong môi trường độc hại như hóa chất, nhiệt độ cao, áp suất lớn và phóng xạ, Robot Delta đóng vai trò quan trọng trong việc bảo vệ sức khỏe con người Do đó, nghiên cứu và thiết kế hệ thống Delta Robot trở thành một vấn đề cấp thiết trong ngành công nghiệp hiện đại.
Ý nghĩa khoa học và thực tiễn của đề tài
Robot công nghiệp đã được ứng dụng rộng rãi trong nhiều lĩnh vực nhằm thay thế sức lao động con người, với mục tiêu chính là nâng cao năng suất, giảm chi phí, cải thiện chất lượng sản phẩm và tăng khả năng cạnh tranh Trong ngành cơ khí, đặc biệt là trong kỹ thuật ô tô, robot đóng vai trò quan trọng trong các quy trình hàn, đúc, phun phủ kim loại, vận chuyển phôi và lắp ráp sản phẩm, góp phần nâng cao hiệu suất lao động.
Robot Delta là một hệ thống cơ học phức tạp với cấu trúc vòng động học kín, kết nối các khâu qua các khớp động Mặc dù việc thiết kế và điều khiển Robot Delta có độ phức tạp, nhưng nó mang lại nhiều ưu điểm so với robot nối tiếp Với khả năng chịu tải trọng lớn và độ cứng vững cao nhờ cấu trúc hình học, Robot Delta có thể thực hiện các thao tác phức tạp và hoạt động với độ chính xác cao Nghiên cứu về động lực học và điều khiển Robot Delta là rất quan trọng để tận dụng những ưu điểm này trong thực tiễn.
Mục tiêu nghiên cứu của đề tài
Mục tiêu của dự án là nghiên cứu, thiết kế và chế tạo Robot Delta dựa trên nguyên lý Delta Platform Dự án sẽ tích hợp công nghệ xử lý ảnh nhằm phát triển hệ thống Robot Delta có khả năng phân loại hiệu quả.
Hai sản phẩm này không chỉ hỗ trợ con người trong lĩnh vực công nghiệp mà còn trong cuộc sống hàng ngày Dự án còn nhằm phát triển sản phẩm công nghệ cao trong nước, giúp Việt Nam tự chủ trong việc nắm bắt công nghệ tiên tiến trong ngành công nghiệp.
Đối tượng và phạm vi nghiên cứu
1.4.1 Đối tượng nghiên cứu Đối tượng nghiên cứu của đề tài này là hệ thống Robot Delta có 3 chân và 3 bậc tự do, xây dựng dựa trên nguyên lý Delta Platform, với mục tiêu phân loại sản phẩm và tích hợp việc xử lý ảnh Đồng thời, hệ thống sẽ được thiết kế để đáp ứng nhanh trong quá trình phân loại sản phẩm
Nghiên cứu này tập trung vào thiết kế và chế tạo hệ thống robot Delta 3 bậc tự do, được cấu thành từ 3 chuỗi động học với khả năng tịnh tiến Hệ thống dựa trên nguyên lý động học song song (Parallel Kinematic Machine), nhằm tạo ra một robot linh hoạt và chính xác cao, đáp ứng yêu cầu trong quy trình phân loại sản phẩm.
Đề tài không chỉ tập trung vào chế tạo robot mà còn xây dựng giao diện điều khiển tích hợp xử lý ảnh Giao diện này sẽ đảm nhận việc điều khiển robot và xử lý tín hiệu từ bộ xử lý ảnh, tạo ra hệ thống có khả năng phân loại sản phẩm nhanh chóng thông qua sự tương tác hiệu quả giữa robot và xử lý ảnh.
Tổng quan, phạm vi nghiên cứu bao gồm việc thiết kế và chế tạo robot song song với
Ba bậc tự do, cùng với việc phát triển giao diện điều khiển và tích hợp xử lý ảnh, nhằm mục tiêu xây dựng một dây chuyền sản xuất linh hoạt Dây chuyền này sẽ có khả năng đáp ứng nhanh chóng trong quá trình phân loại sản phẩm.
Phương pháp nghiên cứu
Đề tài này kết hợp giữa phương pháp nghiên cứu lý thuyết và nghiên cứu thực nghiệm: Phần nghiên cứu lý thuyết:
- Tiến hành tính toán động học thuận và động học nghịch của robot Delta để xây dựng thuật toán giải quyết bài toán động học thuận/ động học nghịch
Thực hiện tính toán và thiết kế cơ khí cho robot là rất quan trọng để đảm bảo độ chính xác và độ cứng vững cần thiết, đồng thời đáp ứng yêu cầu về điều khiển chính xác.
- Nghiên cứu các phương pháp điều khiển, lựa chọn mạch điều khiển, xây dựng thuật toán và chương trình điều khiển
- Xây dựng thuật toán xử lý ảnh phân biệt màu sắc
Phần nghiên cứu thực nghiệm:
- Chế tạo mô hình thực nghiệm của Robot Delta và bắt đầu điểu khiển robot thực hiện các công việc yêu cầu
- Thiết kế giao diện điều khiển và giám sát cho hệ thống để tương tác và quan sát quá trình hoạt động của hệ thống
1.5.1 Cơ sở phương pháp luận
Một trong những yếu tố quan trọng trong nghiên cứu là phát triển phương pháp xác định cấu trúc và kích thước động nhằm tối ưu hóa không gian làm việc của đầu công tác Phương pháp này áp dụng các công cụ và kỹ thuật tính toán để đạt được độ chính xác và hiệu quả cao Đồng thời, nghiên cứu còn tập trung vào thiết kế cơ hệ máy song song, đảm bảo tính cứng vững động lực dưới tác động của lực làm việc Mô hình bài toán được sử dụng để kiểm tra tính cứng vững của cơ hệ và kết quả được mô phỏng bằng phần mềm hỗ trợ tính toán động lực học Điều này cung cấp cơ sở thiết yếu cho việc chế tạo và tích hợp phần kết cấu cơ khí của toàn bộ máy một cách hiệu quả.
Một phần quan trọng của đề tài là nghiên cứu và phát triển bộ điều khiển cho robot Delta, tập trung vào phương pháp tính toán chính xác và xử lý thời gian thực cho động lực học thuận và nghịch Bên cạnh đó, việc nhận dạng chính xác các thông số từ mô hình và xây dựng cấu trúc điều khiển cũng được chú trọng nhằm giảm thiểu ảnh hưởng của nhiễu trong quá trình hoạt động.
Phương pháp luận của đề tài tập trung vào việc xác định cấu trúc và kích thước động của Robot Delta, nghiên cứu thiết kế cơ hệ máy song song, và phát triển bộ điều khiển Để đạt được kết quả chính xác và hiệu quả trong quy trình thiết kế và chế tạo, cần sử dụng các công cụ tính toán, mô phỏng và xử lý dữ liệu.
1.5.2 Các phương pháp nghiên cứu cụ thể
Nghiên cứu này tập trung vào việc lựa chọn giải pháp và thiết kế hệ thống truyền động dựa trên cấu trúc và kích thước đã được xác định trước Giải pháp ưu tiên được chọn là truyền động gián tiếp, sử dụng động cơ bước nhằm đáp ứng yêu cầu về lực và đặc tính động học.
Nghiên cứu này tập trung vào việc xử lý ảnh nhằm nhận diện màu sắc và phân loại chính xác các đối tượng trong sản phẩm Mục tiêu chính là phát triển một giao diện điều khiển kết hợp với tín hiệu từ bộ xử lý ảnh, tạo ra một hệ thống có khả năng phản hồi nhanh và chính xác.
Tiến hành thực nghiệm để kiểm tra và đánh giá chức năng hoạt động của robot trong dây chuyền sản xuất, so sánh với quy trình phân loại thủ công Qua đó, đề tài sẽ hoàn thiện sản phẩm nghiên cứu và viết báo cáo tổng hợp kết quả nghiên cứu khoa học và công nghệ.
TỔNG QUAN NGHIÊN CỨU ĐỀ TÀI
Giới thiệu
Thuật ngữ "Robot" lần đầu tiên xuất hiện vào năm 1922 trong tác phẩm "Rossum’s Universal Robot" của Karel Capek, nơi nhân vật Rossum và con trai sáng tạo ra các thiết bị tự động giống con người để phục vụ cho nhân loại.
Robot Delta là một loại robot song song, bao gồm ba cánh tay kết nối với các khớp quay trên một bệ cố định Thiết kế đặc biệt của nó sử dụng hình bình hành trong các cánh tay, giúp duy trì định hướng của bộ phận đầu cuối, khác với nền tảng Stewart cho phép thay đổi hướng Mục tiêu chính của Robot Delta là tạo ra chuyển động cho đầu cuối mà không làm thay đổi hướng ban đầu, chỉ di chuyển theo các trục X, Y hoặc Z mà không quay xung quanh các hướng khác.
Hình 2.1 Một số hình ảnh về Robot Delta
Robot Delta hiện nay đóng vai trò quan trọng trong lĩnh vực Robot học, nhờ vào sự phát triển không ngừng của các hệ thống cơ – điện tử Robot song song ngày càng được cải tiến và phổ biến hơn, mang lại nhiều lợi ích cho cả ngành công nghiệp và đời sống hàng ngày.
Sự phát triển nhanh chóng của khoa học kỹ thuật đã nâng cao năng suất lao động, trong đó công nghệ chế tạo Robot đóng vai trò quan trọng trong việc tự động hóa sản xuất và giảm bớt sức lao động của con người Robot Delta hiện đang được áp dụng rộng rãi trong nhiều lĩnh vực, với tiềm năng ứng dụng đa dạng như gắp, thả và đóng gói trong ngành thực phẩm, tham gia vào quy trình sản xuất trong y tế và dược phẩm, cũng như phân loại sản phẩm và rác thải.
Mặc dù Robot Delta có nhu cầu ứng dụng cao, nhưng vẫn tồn tại một số hạn chế cần khắc phục Chi phí chế tạo Robot Delta vẫn cao và hành trình của nó bị giới hạn bởi chiều dài cánh tay robot Hơn nữa, robot cần được cố định ở vị trí cao, thiếu linh hoạt trong việc lắp đặt Một nhược điểm khác là do kích thước gọn nhẹ, cấu trúc tay robot không thể hỗ trợ tải trọng lớn, dẫn đến nguy cơ giảm tốc động cơ và hư hỏng nếu tải trọng vượt quá mức cho phép.
Vào cuối những năm 1990, giáo sư Reymond Clavel từ Viện Công nghệ Liên bang Thụy Sĩ Lausanne (EPFL) đã phát minh ra Robot Delta, một loại robot với thiết kế cánh tay máy hình bình hành, cho phép chuyển động song song với ba bậc tự do tịnh tiến và một bậc quay Ý tưởng này hoàn toàn mới mẻ và khác biệt so với các sáng chế trước đó, mặc dù ông không biết đến phát minh tương tự của Willard L Pollard vào năm 1942 Ông tin rằng Robot Delta sẽ trở thành một trong những robot thành công nhất và có đóng góp đáng kể cho xã hội, bất chấp sự hiện diện của hàng ngàn robot khác trên toàn cầu vào thời điểm đó.
Vào năm 1983, hai anh em Thụy Điển Marc Olivier và Pascal Demaurex đã thành lập công ty Demaurex tại Lausanne, Thụy Sĩ Sau khi mua giấy phép cho robot delta vào năm 1987, họ đã đặt mục tiêu thương mại hóa mô hình robot song song trong ngành đóng gói Chỉ sau vài năm, Demaurex đã khẳng định vị thế vững chắc trên thị trường đầy cạnh tranh này, nhờ vào nhiều bản sửa lỗi và nâng cấp liên tục, giúp robot ngày càng hoàn thiện.
Robot delta là một trong những thiết bị tiện lợi và hiệu quả nhất hiện nay, được thiết kế để nâng và hạ các vật thể nhẹ, nhỏ với tốc độ cao Hình ảnh 2.3 minh họa rõ nét hoạt động của robot trong ngành công nghiệp đóng gói sản phẩm.
Hình 2.3 Demaurex sử dụng robot delta để đóng gói bánh quy
ĐỘNG HỌC ROBOT DELTA
Động học thuận
Từ các góc 𝜃 1 , 𝜃 2 , 𝜃 3 → Tọa độ (x0, y0, z0) của điểm E0
Nếu ta đã biết góc 𝜃 𝑥 , chúng ta có thể dễ dàng tìm thấy tọa độ của các điểm 𝐽 1 , 𝐽 2 và
𝐽 3 Các khớp nối 𝐽 1 𝐸 1 , 𝐽 2 𝐸 2 và 𝐽 3 𝐸 3 có thể tự do xoay quanh các điểm 𝐽 1 , 𝐽 2 và 𝐽 3 tương ứng, tạo thành ba hình cầu có bán kính 𝑟 𝑒
Hình 3.2 Mô hình động học Robot Delta
Ta di chuyển các tâm của các hình cầu từ các điểm 𝐽 1 , 𝐽 2 và 𝐽 3 đến các điểm 𝐽′ 1 , 𝐽′ 2 và
Bằng cách sử dụng các vector chuyển tiếp 𝐸 1 𝐸 0, 𝐸 2 𝐸 0 và 𝐸 3 𝐸 0, chúng ta có thể xác định rằng ba hình cầu sẽ giao nhau tại một điểm chung 𝐸 0, như minh họa trong hình bên dưới.
Hình 3.3 Mô hình động học Robot Delta
Để xác định tọa độ (𝑥₀, 𝑦₀, 𝑧₀) của điểm 𝐸₀, chúng ta cần giải quyết hệ ba phương trình có dạng (𝑥 − 𝑥𝑗)² + (𝑦 − 𝑦𝑗)² + (𝑧 − 𝑧𝑗)² = 𝑟ₑ², trong đó tọa độ các tâm hình cầu (𝑥𝑗, 𝑦𝑗, 𝑧𝑗) và bán kính 𝑟ₑ đã được xác định trước.
Hình 3.4 Tọa độ các điểm J1', J2', J3' trên mặt phẳng Oxy
Trong bài viết này, chúng ta sẽ xác định tọa độ của các điểm 𝐽 1, 𝐽 2 và 𝐽 3 dưới dạng (𝑥 1, 𝑦 1, 𝑧 1), (𝑥 2, 𝑦 2, 𝑧 2) và (𝑥 3, 𝑦 3, 𝑧 3), với điều kiện 𝑥 1 = 0 Các phương trình sau đây mô tả ba hình cầu: 2√3 + 𝑟 𝑓 cos(𝜃 3) sin30°; −𝑟 𝑓 sin(𝜃 3).
2𝑑 [(𝑤 2 − 𝑤 1 )𝑥 3 − (𝑤 3 − 𝑤 1 )𝑥 2 ] Bây giờ ta thay (3.7) và (3.8) vào (3.1) ta được:
(𝑎 1 2 + 𝑎 2 2 + 1)𝑧 2 + 2(𝑎 1 + 𝑎 2 (𝑏 2 − 𝑦 1 ) − 𝑧 1 )𝑧 + (𝑏 1 2 + (𝑏 2 − 𝑦 1 ) 2 + 𝑧 1 2 − 𝑟 𝑒 2 ) = 0 (3.9) Cuối cùng, ta cần giải phương trình này và tìm z(chúng ta nên chọn gốc phương trình âm nhỏ nhất), và sau đó tính x và y từ (3.7) và (3.8).
Động học nghịch
Hình 3.5 Mô hình động học robot delta với các thông số cho trước
Các thông số: f, rf, re, e cho trước
Khớp nối thiết kế của robot F1J1 chỉ có khả năng xoay trong mặt phẳng YZ, hình thành một hình tròn với tâm tại điểm F1 và bán kính rf.
Khớp nối J1 và E1, hay còn gọi là khớp nối phổ quát, cho phép E1J1 xoay tự do tương đối với E1, tạo thành hình cầu có tâm tại E1 và bán kính re.
Hình 3.6 minh họa động học của cánh tay đòn, trong đó giao điểm của hình cầu và mặt phẳng YZ tạo thành một đường tròn có tâm tại điểm E1' và bán kính E1'J1 Điểm E1' là phép chiếu của điểm E1 trên mặt phẳng YZ, và điểm J1 được xác định là giao điểm của các đường tròn có bán kính đã biết với tâm E1' và F1, lựa chọn điểm giao nhau có tọa độ Y nhỏ hơn Biết được J1, ta có thể tính toán góc 𝜃1.
Từ (3.10) và (3.11) ta có hệ 2 phương trình 2 ẩn 𝑦 𝐽1 và 𝑧 𝐽1 , từ đó ta tính được tọa độ điểm 𝐽 1 (0; 𝑦 𝐽1 ; 𝑧 𝐽1 )
Khớp F1J1 chỉ di chuyển trong mặt phẳng YZ, cho phép chúng ta bỏ qua tọa độ X Để tận dụng tính đối xứng của delta robot cho các góc 𝜃2 và 𝜃3, chúng ta nên xoay hệ tọa độ trong mặt phẳng XY quanh trục Z một góc 120 độ ngược chiều kim đồng hồ.
Hình 3.8 Quy đổi tọa độ
Với khung tham chiếu mới X'Y'Z', chúng ta có thể xác định góc 𝜃 2 bằng cách áp dụng thuật toán tương tự như khi tìm góc 𝜃 1.
Để xác định tọa độ mới x'0 và y'0 cho điểm E0, chúng ta cần sử dụng “ma trận xoay” tương ứng Việc này giúp thực hiện một sự thay đổi duy nhất trong khung tham chiếu, và để tìm góc 𝜃3, chúng ta phải xoay khung tham chiếu theo chiều kim đồng hồ.
Phương trình động học vận tốc của Robot Delta
Phương trình động học vận tốc Robot Delta được tính từ đạo hàm ba phương trình vị trí của 3 động cơ:
Phương pháp nội suy đường thẳng
Ta sử dụng phương trình đường thẳng với hai điểm đầu và cuối để xác định tọa độ các điểm trên đường thẳng Mỗi tọa độ này sẽ cung cấp các góc xoay cho ba khớp động cơ thông qua bài toán động học nghịch Sau đó, các thông tin này được đưa vào chương trình Arduino để xử lý và điều khiển robot, giúp đầu công tác di chuyển theo từng tọa độ Nhờ vậy, ta có thể vẽ được đường thẳng nối hai điểm đầu và cuối.
Hình 3.9 Phương pháp nội suy đường thẳng
THIẾT KẾ CƠ KHÍ
Đặc tính của hệ thống
Để phân loại sản phẩm di chuyển trên băng tải, đề tài yêu cầu thiết kế robot di chuyển trên mặt phẳng với phần đế cố định Do đó, robot cần có ba bậc tự do trong thiết kế cơ cấu để đáp ứng yêu cầu này Nếu robot được trang bị đầu công tác, cần bổ sung một bậc tự do tịnh tiến để hút vật Trục tịnh tiến này được gắn ở trung tâm của đế dưới và được coi là bộ phận hỗ trợ cho các hoạt động của robot mà không làm ảnh hưởng nhiều đến cấu trúc chính của nó.
Theo các nghiên cứu về robot song song, để đảm bảo chuyển động song phẳng, robot cần có chuỗi động học bao gồm tay động cơ, cơ cấu hình bình hành và đế di động Nhóm nghiên cứu đã đề xuất ba phương án thiết kế robot, trong đó các cánh tay máy được gắn với đế di động và đều sử dụng cơ cấu bình hành 4 khâu Sự khác biệt giữa các phương án này nằm ở tay động cơ và cách tạo ra chuyển động.
Ba cánh tay động cơ chuyển động tịnh tiến lên xuống, trong đó đầu còn lại của các cánh tay động cơ được đặt lên đế di động Nhóm có thể lựa chọn sử dụng bộ truyền vít me đai ốc hoặc bộ truyền đai, mang lại những ưu điểm vượt trội cho hệ thống.
- Tải trọng tác động lên động cơ nhỏ
- Tốc độ chuyển động nhanh
- Tốc độ và độ chính xác có phần hạn chế khi tính toán tọa độ từ chuyển động quay sang chuyển động tịnh tiến
- Không gian hoạt động của robot nhỏ
Hình 4.2 Phương án đầu tiên 4.1.2 Phương án thứ 2
Phương án này tương tự như phương án đầu tiên, nhưng không gian hoạt động sẽ rộng hơn nhờ vào việc toàn bộ robot được cố định trên không Ưu điểm của phương án này là khả năng tối ưu hóa diện tích sử dụng và tăng cường hiệu quả hoạt động.
- Tải trọng tác động lên động cơ nhỏ
- Tốc độ chuyển động nhanh
- Không gian hoạt động rộng hơn phương án đầu tiên
- Không gian hoạt động bị giới hạn về chiều cao
- Tốc độ và độ chính xác không cao do nguyên lý chuyển động tịnh tiến
Phương án này sử dụng khớp quay để tạo chuyển động quay cho mỗi cánh tay động cơ của robot Ưu điểm:
- Không gian hoạt động lớn
- Tốc độ chuyển động nhanh và linh hoạt hơn 2 phương án trên
- Động cơ phải chịu tải lớn do có thêm trọng lượng của tay động cơ
Hình 4.4 Phương án thứ 3 4.1.4 Chọn phương án tối ưu
Để phân loại sản phẩm trên băng truyền chuyển động, tốc độ, khả năng linh hoạt, không gian hoạt động và độ chính xác là những yếu tố quan trọng hàng đầu Vì vậy, thiết kế robot với tay động cơ chuyển động bằng khớp quay, như phương án thứ 3, là lựa chọn tối ưu nhất.
Kết cấu của hệ thống
Sau khi xác định phương án tối ưu, nhóm tiến hành tính toán và thiết kế các chi tiết cần thiết để lắp ráp và hoàn thiện robot Hình 4.5 dưới đây minh họa các chi tiết của robot.
Trong đó các tên được đánh số từ 1 đến 10 sau đây thể hiện tên của các chi tiết có trong robot Delta:
1 Bế cố định 2 Gá động cơ 3 Động cơ bước 4 Tay động cơ
5 Thanh dẫn động 6 Khớp cầu 7 Cánh tay máy 8 Khớp nối mặt bích
9 Đế di động 10 Thanh dẫn động
Hình 4.5 Các chi tiết của Robot Delta Bảng 4.1 Các thông số của Robot Delta
Bán kính tấm phẳng cố định 𝑟 𝑓 300 mm
Bán kính tấm phẳng di động 𝑟 𝑒 140 mm
Chiều dài cánh tay trên 𝐿 400 mm
Chiều dài cánh tay máy hình bình hành 𝐿 𝑝 800 mm Góc lắc lớn nhất của khớp cầu 𝛾 𝑚𝑎𝑥 23°
Tỉ lệ b của đường kính phần hình trụ trong vùng không gian làm việc là D 620 mm, với độ cao vùng không gian làm việc của robot là h 500 mm Tay máy có thể đạt được độ cao lớn nhất là ℎ 𝑚𝑎𝑥 274 mm.
Diện tích bề mặt làm việc S 1,21 10 6 𝑚𝑚 2 Thể tích vùng không gian làm việc V=S.H 6,05 10 8 𝑚𝑚 3
Bệ cố định là thành phần chịu ảnh hưởng lớn từ các lực ngoại lai trong robot, bao gồm tải trọng từ các chi tiết trong hệ thống, moment quán tính của động cơ bước và sự rung lắc trong quá trình hoạt động.
Sự chính xác của bệ cố định rất quan trọng, vì một sai lệch nhỏ có thể khiến robot không di chuyển đúng vị trí Do đó, bệ cần có kết cấu chắc chắn, bền vững và không bị biến dạng dưới ngoại lực Nhóm sẽ sử dụng nhôm gia công CNC cho bệ cố định nhằm đảm bảo độ chính xác và độ cứng vững cần thiết trong quá trình chuyển động.
- Có độ bền kéo tốt, độ cứng cao, chịu được tải trọng nặng
- Có cơ tính thích hợp nên dễ dàng gia công
- Có khả năng kháng ăn mòn, kháng oxi hóa
Kiểm nghiệm độ bền bằng inventor:
Hình 4.7 Độ bền bệ cố định
25 Ứng suất lớn nhất: 12.17 MPa (thỏa mãn điều kiện bền) Ứng suất nhỏ nhất: 2.44 MPa
Hình 4.8 Tay động cơ Kiểm nghiệm bền bằng inventor:
Hình 4.9 Độ bền tay động cơ Ứng suất lớn nhất: 9.729 MPa (thỏa mãn điều kiện bền) Ứng suất nhỏ nhất: 0,004 MPa
Tay động cơ được chế tạo để chịu lực từ cả hai đầu, với một đầu kết nối với động cơ và đầu còn lại gắn với cánh tay máy Nhóm đã chọn nhôm làm vật liệu cho tay động cơ do những ưu điểm vượt trội của nó.
- Giá thành rẻ do sản xuất nhiều và hàng hóa đa dạng trên thị trường
- Lắp ráp dễ dàng, thuận tiện cho việc sửa chữa
- Dễ dàng chăm sóc và bôi trơn
- Công suất mất mát do ma sát thấp
- Khoảng cách giữa hai gối đỡ trục ngắn, do đó trục vững chắc
- Khả năng quay nhanh, chịu va đập kém
- Khá ồn khi làm việc ở tốc độ cao
- Khi làm việc ở tốc độ cao thì ổ sẽ bị nóng lên, có khả năng vỡ vòng cách do lực ly tâm của con lăn
Hình 4.10 Cánh tay máy Chiều dài cánh tay máy: 400 mm
Nhóm nghiên cứu đã thiết kế robot với ba cánh tay hình bình hành được tạo thành từ sáu thanh kim loại Trong môi trường công nghiệp, cánh tay máy dễ bị biến dạng, ảnh hưởng đến quá trình làm việc chính xác Để giải quyết vấn đề này, nhóm đã lựa chọn nhôm làm vật liệu chế tạo tay máy, nhờ ưu điểm vượt trội của nó.
- Có độ cứng rất cao, độ dẻo thấp, khả năng chịu lực tốt
- Tính chịu nhiệt cao do các nguyên tố hợp kim cản trở sự khuếch tán của cacbon
- Chống gỉ, chống ăn mòn trong môi trường axit
- Nhẹ, có giá thành thấp và nguồn hàng rộng rãi trên thị trường, dễ dàng thay thế sửa chữa
Thép hợp kim, mặc dù có một số nhược điểm, vẫn đáp ứng tốt các yêu cầu chế tạo nhờ vào những ưu điểm vượt trội của nó, giúp cánh tay máy hoạt động linh hoạt và đạt độ bền cao.
Kiểm nghiệm bền bằng inventor:
Hình 4.11 Độ bền cánh tay máy Ứng suất lớn nhất: 212.3 MPa (thỏa mãn điều kiện bền) Ứng suất nhỏ nhất: 0,1 MPa
Hình 4.12 Đế di động Đế di động là chi tiết rất quan trọng vì nó là vật kết nối các cánh tay máy lại với nhau
Hệ thống ổn định phụ thuộc vào tính vững chắc và độ dốc của đế Việc sử dụng vật liệu nhẹ, khó bị ăn mòn trong môi trường ẩm thấp sẽ nâng cao tính linh hoạt và ổn định của hệ thống Nhóm sẽ chọn nhựa làm vật liệu cho đế di động, mang lại nhiều ưu điểm cho sản phẩm.
- Khối lượng nhẹ và giá thành rất rẻ
- Chống ăn mòn theo thời gian
- Có tính thẩm mĩ nhờ sự đa dạng hình dáng
- Khả năng chịu lực tốt
Kiểm nghiệm bền bằng inventor:
Hình 4.13 Độ bền đế di động Ứng suất lớn nhất: 0,9081 MPa (thỏa mãn điều kiện bền) Ứng suất nhỏ nhất: 0,0003 MPa.
HỆ THỐNG ĐIỆN
Tổng quan hệ thống điện
Để Robot Delta hoạt động hiệu quả theo yêu cầu điều chỉnh góc, nhóm sẽ sử dụng vi điều khiển Arduino Mega 2560 để điều khiển động cơ bước thông qua Driver Hệ thống điều khiển được mô tả chi tiết trong Hình 5.1.
Hình 5.1 Tổng quan hệ thống
Các thiết bị điện tử
5.2.1 Vi điều khiển Arduino Mega 2560
Arduino Mega 2560 là một bảng mạch vi điều khiển nguồn mở, được phát triển bởi Arduino.cc dựa trên vi điều khiển Microchip ATmega2560 Bảng mạch này cung cấp các chân đầu vào/đầu ra Digital và Analog, cho phép người dùng tương tác dễ dàng với các bảng mạch mở rộng khác.
Hình 5.2 Vi điều khiển Arduino Mega 2560
Arduino Mega 2560 mang lại nhiều ứng dụng đa dạng nhờ nền tảng mã nguồn mở của Arduino.cc, giúp người dùng dễ dàng và nhanh chóng xây dựng các dự án lập trình như robot, xe tự hành và điều khiển đèn LED Sự linh hoạt của bảng mạch này là một trong những ưu điểm nổi bật của nó.
- Phần mềm Arduino (IDE) chạy được trên nhiều nền tảng
- Môi trường lập trình đơn giản, rõ ràng
- Mã nguồn mở và nhiều thư viện mở rộng
- Phần cứng có thể mở rộng với nhiều chân I/O
- Giá thành hợp lí đối với học sinh, sinh viên
- Sức mạnh không bằng khi so sánh với một số máy tính nhúng
- Cần lập trình bằng ngôn ngữ Arduino hoặc C / C++
- Kết nối với Internet hơi khó khăn
Bảng 5.1 Thông số kỹ thuật của Arduino
Microcontroller ATmega2560 họ 8 bit Điện áp hoạt động 5V DC
Dòng tiêu thụ Khoảng 50 - 200mA Điện áp vào khuyên dùng 7 – 12V DC Điện áp vào giới hạn 6 – 20V DC
Số chân Digital I/O 54 (15 chân PWM)
Dòng tối đa trên mỗi chân I/O 40mA
Dòng ra tối đa (5V) 200mA
Dòng ra tối đa (3.3V) 50mA
Bộ nhớ flash 256 KB trong đó 8 KB được sử dụng cho bootloader
• Sơ đồ chân kết nối:
Hình 5.3 Sơ đồ chân kết nối
Bảng 5.2 Chân kết nối của Arduino Mega 2560
Danh mục Tên chân Chi tiết
Vin: Điện áp đầu vào cho Arduino khi sử dụng nguồn điện bên ngoài
5V: Nguồn cung cấp điện được điều chỉnh để cung cấp điện cho vi điều khiển và các thành phần khác trên bo mạch
3.3V: Nguồn 3.3V được tạo ra bởi bộ điều tiết điện áp trên bo mạch Dòng điện tối đa có thể là 50mA
Reset Reset Reset vi điều khiển
Chân Analog A0 – A15 Được sử dụng để cung cấp đầu vào analog trong khoảng từ 0-5V
Chân Input/Output Chân Digital 0 -
53 Có thể sử dụng làm chân đầu vào hoặc đầu ra
19 (Rx) với 18 (Tx), 17 (Rx) với
16 (Tx), 15 (Rx) với 14 (Tx) Được sử dụng để nhận và truyền dữ liệu chuẩn TTL (Serial)
18 Được sử dụng để kích hoạt ngắt ngoài
Cung cấp đầu ra PWM 8-bit (2, 3 cung cấp đầu ra PWM 16-bit)
50 (MOSI), 51 (MISO), 52 (SCK) and 53 (SS) Được sử dụng cho giao tiếp SPI
LED tích hợp 13 Để bật LED tích hợp
(SCL) Được sử dụng cho giao tiếp I2C
AREF AREF Để cung cấp điện áp tham chiếu cho đầu vào điện áp
5.2.2 Driver điều khiển động cơ bước Microstep 3.5A 40VDC
Driver điều khiển động cơ bước Microstep 3.5A 40VDC, sử dụng IC Driver SI09AFTG của Nhật Bản, có khả năng điều khiển động cơ bước 2 pha với công suất tối đa 3.5A và điện áp 40VDC Sản phẩm này tương tự như Driver TB6600 phổ biến nhưng sở hữu độ phân giải cao hơn, lên tới 1/32 step, mang lại hiệu suất điều khiển tốt hơn cho các ứng dụng yêu cầu độ chính xác cao.
Driver này sở hữu vỏ kim loại chống nhiễu, đảm bảo độ bền và chắc chắn cao Bên cạnh đó, thiết kế tản nhiệt lớn giúp thiết bị hoạt động ổn định tối đa.
Hình 5.4 Driver điều khiển động cơ bước
- Nguồn cấp tối đa: 40VDC
- Có khả năng điều khiển đảo chiều quay
- Tích hợp chân Reset và Enable
- Tích hợp tính năng Standby
- Tích hợp bảo vệ quá nhiệt TSD
- Tích hợp bảo vệ quá áp UVLO
- DC +: Nối với nguồn điện từ 9 – 40VDC
- DC -: Kết nối với điện áp âm (-) của nguồn
- A + và A -: Kết nối với cặp cuộn dây của động cơ bước
- B + và B -: Kết nối vào cặp cuộn dây còn lại của động cơ
- PUL + và PUL -: Tín hiệu cấp xung điều khiển tốc độ (+5V) và (-)
- DIR + và DIR -: Tín hiệu cấp xung đảo chiều (+5V) và (-)
- ENA + và ENA -: Khi cấp tín hiệu cho cặp này, động cơ sẽ không có lực moment giữ và ngừng quay
- Có thể kết nối tín hiệu dương (+) hoặc tín hiệu âm (-) chung
XỬ LÝ ẢNH
Lưu đồ xử lý ảnh
Lưu đồ xử lý ảnh bắt đầu bằng việc đọc khung hình chứa sản phẩm cần phân loại Tiếp theo, bước tiền xử lý được thực hiện bằng cách làm mờ khung hình để lọc nhiễu và xác định các mặt nạ màu phù hợp với màu sắc của sản phẩm Cuối cùng, xác định vị trí và kích thước của sản phẩm là cần thiết để tiến hành gắp sản phẩm.
Quá trình xử lý hình ảnh cho việc phân loại sản phẩm
Quá trình bắt đầu bằng việc chụp khung hình từ camera Điều này cho phép chương trình nhận được các khung hình liên tục để xử lý
Hình 6.2 Khung hình đầu vào
Trong bước tiếp theo, các thao tác tiền xử lý được áp dụng cho khung hình nhằm chuẩn bị dữ liệu cho việc phát hiện vật thể Nhóm sử dụng bộ lọc GaussianBlur, một bộ lọc thông dụng để làm mờ ảnh, được xây dựng dựa trên hàm Gauss, một hàm phân phối xác suất Bộ lọc này tính toán trung bình có trọng số của các điểm ảnh lân cận để làm mờ một điểm ảnh cụ thể Cụ thể, bộ lọc GaussianBlur được áp dụng để làm mờ khung hình nhận được từ camera trước khi thực hiện các bước xử lý hình ảnh và nhận diện vật thể, giúp loại bỏ nhiễu và tăng cường khả năng nhận diện của các vùng màu.
Sau khi tiền xử lý, khung hình được chuyển đổi sang không gian màu HSV (Hue, Saturation, Value), một hệ màu quan trọng trong xử lý hình ảnh và phân tích màu sắc Hệ màu HSV cho phép biểu diễn màu sắc dựa trên ba thuộc tính cơ bản: màu sắc chính (hue), độ bão hòa (saturation) và giá trị (value) Trong đó, hue đại diện cho màu sắc chính của mỗi pixel, được biểu diễn bằng một góc trong mô hình màu vòng tròn, với góc 0 tương ứng với màu đỏ, góc 120 với màu xanh lá cây và góc 240 với màu xanh lam.
Hình 6.4 Không gian màu HSV
Vì hue là một giá trị góc, nó thường được chuẩn hóa trong phạm vi 0 đến 360 độ hoặc
Saturation là thước đo độ mạnh mẽ và sự pha trộn của màu sắc, với giá trị cao thể hiện màu sắc rực rỡ và giá trị thấp tương ứng với màu sắc mờ nhạt Giá trị saturation được chuẩn hóa trong khoảng từ 0 đến 1, trong đó 0 đại diện cho màu xám.
Độ bão hòa tối đa được đại diện bởi giá trị, trong đó giá trị này phản ánh độ sáng của một pixel Giá trị cao tương ứng với độ sáng cao, trong khi giá trị thấp tương ứng với độ sáng thấp Giá trị được chuẩn hóa trong khoảng từ 0 đến 1, với 0 biểu thị cho màu đen và 1 biểu thị cho màu trắng.
Hệ màu HSV mang lại nhiều lợi ích trong việc xử lý màu sắc Việc chuyển đổi từ không gian màu BGR sang HSV cho phép tách biệt các thuộc tính màu sắc cơ bản như màu chính, độ bão hòa và độ sáng, hỗ trợ phân tích màu sắc và nhận diện vật thể dựa trên màu sắc Hệ màu này cũng giúp loại bỏ ảnh hưởng của ánh sáng và cân bằng màu sắc hiệu quả.
Hình 6.5 Hình sau khi chuyển sang không gian màu HSV
Sau khi chuyển đổi sang không gian màu HSV, việc xác định ngưỡng màu trở nên dễ dàng hơn Chúng ta có thể thiết lập ngưỡng dưới và ngưỡng trên cho từng kênh Hue, Saturation và Value, từ đó chỉ định phạm vi màu mà chúng ta quan tâm.
Hình 6.6 Hình sau khi đã xác định được ngưỡng màu cần phân loại
Các ngưỡng màu được thiết lập nhằm tạo ra mặt nạ chỉ chứa các pixel nằm trong phạm vi màu sắc nhất định Việc này hỗ trợ trong việc phân tách các đối tượng dựa trên màu sắc của chúng.
Erosion (Làm mờ) và Dilation (Làm nổi) là hai phép biến đổi quan trọng trong xử lý ảnh, giúp cải thiện đặc trưng và cạnh của các vùng trắng Erosion thay thế mỗi pixel trong ảnh bằng giá trị pixel nhỏ nhất trong vùng tương ứng với kernel, trong khi Dilation thay thế bằng giá trị pixel lớn nhất Phép biến đổi MORPH_OPEN kết hợp cả hai thao tác này, thực hiện erosion trước rồi tiếp theo là dilation, giúp làm sạch mặt nạ và loại bỏ các đối tượng nhiễu không mong muốn trong ảnh.
Sau khi thực hiện biến đổi hình thái học, nhóm tiến hành xác định đường viền trong các vùng màu đã được chỉ định Đường viền này đại diện cho sản phẩm cần phân loại trong khung hình Để tìm đường viền, nhóm sử dụng hàm findContours, áp dụng thuật toán suy luận cạnh để phát hiện các đường viền trong ảnh.
Hình 6.8 Vị trí của sản phẩm so với gốc tọa độ của camera
Thuật toán Chain Approximation là một phương pháp tiêu chuẩn trong findContours, giúp lưu trữ các điểm cuối cùng trên đường viền, từ đó giảm thiểu kích thước bộ nhớ cần thiết Nhóm nghiên cứu sử dụng RETR_EXTERNAL để xác định các đường viền ngoại vi và loại bỏ các đường viền con, điều này đặc biệt hữu ích khi chỉ quan tâm đến các đối tượng bên ngoài như sản phẩm màu Sau khi xác định được đường viền, nhóm tiến hành vẽ hình xung quanh chúng và xuất ra vị trí cùng kích thước tương ứng.
KẾT QUẢ VÀ THỰC NGHIỆM
Cấu trúc cơ khí của Robot
Sau khi thiết kế cơ khí nhóm thực hiện gia công và lắp ráp robot:
Hình 7.1 Hình ảnh Robot Delta sau khi đã được lắp đặt hoàn chỉnh Robot Delta sau khi hoàn thành lắp ráp có các thông số kỹ thuật sau:
Bảng 7.1 Thông số kỹ thuật của Robot Delta
STT Thông số kỹ thuật Đơn vị Giá trị
2 Trọng lượng tĩnh của máy Kg 15
4 Chiều dài tay máy mm 700
Giao diện điều khiển
Nhóm đã sử dụng ngôn ngữ lập trình Python để phát triển giao diện điều khiển cho hệ thống Robot Delta, chuyên phân loại sản phẩm thông qua xử lý ảnh Giao diện bao gồm ba trang: trang đầu hiển thị thông tin về các thành viên và tên đề tài, trang thứ hai là giao diện chế độ Auto cho hệ thống, và trang cuối cùng là giao diện chế độ Manual của hệ thống.
Để bắt đầu quá trình làm việc với hệ thống, người dùng cần nhấn nút “Next” trên trang đầu tiên của giao diện điều khiển.
Hình 7.3 Giao diện chạy chế độ Auto của hệ thống
Sau khi nhấn "Next", giao diện điều khiển Robot sẽ hiển thị ở chế độ Auto Trong chế độ này, người dùng cần chọn cổng COM đã kết nối với Arduino và nhấn nút "KN" để thiết lập kết nối giữa hệ thống và máy tính Hệ thống điều khiển bao gồm 4 nút: "Kết nối camera" và "Ngắt kết nối camera".
Khi sử dụng hệ thống, nhấn "Kết nối camera" để kết nối camera, và "Ngắt kết nối camera" để dừng khung hình Nhấn "Chạy" để hệ thống tự động phân loại sản phẩm, trong khi "Dừng" sẽ tạm dừng hoạt động Số lượng sản phẩm phân loại theo màu sắc sẽ được hiển thị ở phía dưới, và có thể nhấn "Reset" để đặt lại số lượng về 0 Khi robot hoạt động ở chế độ Auto, vị trí đầu công tác và các góc quay của động cơ sẽ được cập nhật liên tục Để điều khiển robot bằng tay, người dùng chỉ cần nhấn vào biểu tượng hình bánh răng để chuyển sang chế độ Manual.
Trong chế độ Manual, người dùng có thể điều khiển vị trí của đầu công tác theo các trục x, y và z thông qua các nút mũi tên cùng với nút “UP” và “DOWN” Ngoài ra, người dùng cũng có thể nhanh chóng di chuyển đầu công tác đến bất kỳ vị trí nào bằng cách nhập tọa độ ba trục x, y và z, sau đó nhấn nút “Return”.
Khi thay đổi vị trí đầu công tác trong chế độ “RUN”, vị trí đó sẽ được cập nhật liên tục và hiển thị rõ ràng Người dùng có thể dễ dàng thiết lập vị trí thả sản phẩm bằng cách chọn điểm gốc phôi Bên cạnh đó, chúng ta cũng có thể điều chỉnh chiều cao sản phẩm và chiều cao hạ sản phẩm, cũng như kích hoạt và nhả van chân không trong chế độ Manual.
Hình 7.4 Giao diện chạy chế độ Manual của hệ thống
Hệ thống Robot Delta phân loại sản phẩm
Hình dáng và kích thước của Robot Delta sau khi được lắp đặt hoàn chỉnh:
Hình 7.5 Hệ thống Robot Delta phân loại sản phẩm Không gian hoạt động mô phỏng bằng MATLAB
Hình 7.6 Không gian hoạt động của Robot
52 Ở thí nghiệm đầu tiên nhóm tiến hành kiểm tra khả năng hoạt động của Robot ở chế độ xác định vị trí
Tính tốc độ của điểm làm việc:
➢ Tốc độ = khoảng cách / thời gian
Khi thực hiện chạy thực tế, để di chuyển điểm làm việc trên trục X 5 cm, cần tạo ra 1691 xung, với chu kỳ 1 xung là 0.5ms cho điểm hoạt động và 0.7ms cho việc vẽ nội suy đường thẳng và đường tròn Thời gian cần thiết để tạo ra 1691 xung cho điểm hoạt động là khoảng 846ms, tuy nhiên, tốc độ thực tế có thể thay đổi, có thể thấp hơn hoặc cao hơn tốc độ trung bình.
➢ Tốc độ điểm làm việc : 0.59 m/s
Tốc độ này được tính dựa trên tốc độ trung bình, tốc độ thực tế có thể dao động
Sau đó thực hiện một số thử nghiệm đơn giản để xác định độ chính xác của Robot Delta Chúng ta chuẩn bị bút như hình bên dưới
Để kiểm tra độ chính xác của robot, chúng ta sẽ di chuyển robot từ 0 đến 5 dọc theo trục Y Trong quá trình này, hãy di chuyển bút qua lại 10 lần và sử dụng thước để đo dung sai mỗi lần.
Bảng 7.2 Dữ liệu khảo sát động cơ
Số lần thực hiện Độ lệch X (mm) Độ lệch Y (mm)
Robot hoạt động chính xác với độ sai lệch thấp, cho thấy khả năng đáp ứng yêu cầu công việc Trong thực nghiệm thứ hai, nhóm tiến hành chạy thực tế hệ thống robot Delta để phân loại sản phẩm thông qua xử lý ảnh, nhằm đánh giá hiệu suất hoạt động của hệ thống.
Trong thực nghiệm phân loại sản phẩm, nhóm sẽ thực hiện 5 lần kiểm tra cho mỗi sản phẩm, với tổng cộng 20 lần thử nghiệm cho từng sản phẩm.
Bảng 7.3 Đánh giá khả năng hoạt động của hệ thống
Số sản phẩm thực hiện
Số sản phẩm phân loại được Tỉ lệ thành công
Sau khi thực nghiệm, hệ thống cho thấy hoạt động ổn định, tuy nhiên vẫn còn một số lỗi trong quá trình phân loại Nguyên nhân chủ yếu là do cấu trúc cơ khí chưa được thiết kế chính xác và việc tính toán vị trí chưa được tối ưu, dẫn đến sai lệch khi vận hành.