TỔNG QUAN
Đặt vấn đề
Cần trục 2D được sử dụng rộng rãi trong vận chuyển hàng hóa tại các bến cảng Giải thuật mờ (FLC) và vi tích phân tỉ lệ (PID) là những phương pháp phổ biến trong ngành công nghiệp, đặc biệt trong điều khiển tự động, và đã chứng minh hiệu quả trong việc điều khiển hệ cần trục 2D Bên cạnh đó, còn nhiều phương pháp điều khiển khác cũng được áp dụng cho hệ GCS.
Cần trục, một thiết bị quan trọng trong cả ngành công nghiệp và phòng thí nghiệm, được chia thành hai loại chính: 2D-crane và 3D-crane Trong nghiên cứu này, nhóm chúng tôi sẽ tập trung vào 2D-crane, hay còn gọi là "Gantry Crane", vì thiết kế cấu trúc cơ học của nó đơn giản hơn so với 3D-crane Mục tiêu chính của cần trục 2D là giảm thiểu sự rung động của hàng hóa sau khi di chuyển đến vị trí mong muốn, đây là một yếu tố quan trọng trong điều khiển tự động Tài liệu [2] và [7] đã áp dụng phương pháp điều khiển PID và PD cho hệ thống GCS, trong đó tài liệu [2] cho thấy phương pháp PID ổn định nhưng chưa tối ưu, trong khi tài liệu [7] chứng minh rằng phương pháp PD giúp hạn chế dao động tốt hơn so với PID.
Trong nghiên cứu [4] và [6], các tác giả đã sử dụng hai bộ điều khiển fuzzy độc lập cho góc và vị trí, với 25 luật cho mỗi bộ Mặc dù phương pháp này đã đạt được thành công trong cả mô phỏng [6] và ứng dụng thực tế [4], nhưng thời gian ổn định vẫn còn kéo dài.
Nhận thấy những hạn chế trong việc điều khiển hiện tại, nhóm chúng em quyết định xây dựng bộ điều khiển PID với thời gian ổn định ngắn và bộ điều khiển Fuzzy gồm hai bộ điều khiển mờ riêng biệt, mỗi bộ có hai đầu vào và một đầu ra Đồng thời, chúng em sẽ khảo sát kiến thức đã học và tìm hiểu các ứng dụng cũng như hướng phát triển của những mô hình lớn hơn, nhằm hỗ trợ cho nghiên cứu và điều khiển các hệ thống trong tương lai Do đó, nhóm em đã chọn đề tài này.
“Điều khiển ổn định PID và Fuzzy hệ cần trục”.
Mục tiêu
Để hoàn thành đề tài này, nhóm sinh viên thực hiện những mục tiêu cụ thể như sau:
Xây dựng mô hình toán cho hệ cần trục
Thiết kế các bộ điều khiển PD và Fuzzy
Mô phỏng điều khiển hệ cần trục 2D bằng công cụ MATLAB Simulink
Lập trình cho vi điều khiển n
Mục tiêu của nghiên cứu là giảm dao động cho mô hình thực tế của hệ cần trục Nhóm sinh viên đã áp dụng các lý thuyết đã được chứng minh để so sánh các phương thức điều khiển khác nhau cho hệ cần trục và từ đó rút ra những kết luận quan trọng.
Nội dung nghiên cứu
Đồ án bao gồm các nội dung chính sau:
Chương 1: Tổng quan: Cung cấp một cái nhìn tổng quan về đề tài, mục tiêu đề tài, nội dung nghiên cứu và giới hạn đề tài
Chương 2: Cơ sở lý thuyết: Trình bày kiến thức cơ bản về cách nhóm xây dựng mô hình toán học của hệ thống qua các tham số của hệ thống, lý thuyết về phương trình Euler-Lagrange, phương trình trạng thái của hệ thống …
Chương 3: Thiết kế bộ điều khiển: Giới thiệu về bộ điều khiển PD và Fuzzy, dựa trên các tham số của hệ thống và mô hình toán học của nó tạo ra bộ điều khiển PD và Fuzzy với tín hiệu đầu ra mong muốn
Chương 4: Thiết kế chương trình mô phỏng: Giới thiệu phần mềm và công cụ mô phỏng Matlab Simulink Mô phỏng các bộ điều khiển PD và Fuzzy và sau đó đưa ra kết quả
Chương 5: Thực nghiệm và kết quả: Giới thiệu phần cứng, mô hình điều khiển thực tế, hiển thị kết quả của cả mô phỏng và thực nghiệm, so sánh giữa hai phương pháp điểu khiển cái nào ổn định hơn
Chương 6: Kết luận và hướng phát triển: Tổng kết lại những gì đã làm được và các hạn chế khi thực hiện đề tài, đồng thời đưa ra hướng phát triển cho hệ thống.
Giới hạn
Trong luận văn này, sinh viên chỉ tập trung vào:
Phát triển một mô hình toán học phù hợp cho hệ thống cần trục 2D chưa làm được trên hệ cần trục 3D
Điều khiển hệ cần trục ổn định cân bằng hiện tại chỉ áp dụng hiệu quả với hai bộ điều khiển PD và Fuzzy, trong khi các bộ điều khiển khác như LQR và SMC vẫn chưa được áp dụng.
Thu thập số liệu thông qua mô phỏng và thực nghiệm Từ đó, sinh viên đưa ra kết luận và hướng phát triển cho luận văn này n
PHƯƠNG TRÌNH TOÁN HỆ THỐNG
Giới thiệu một số hệ thống cân bằng
Ý tưởng điều khiển sử dụng giải thuật toàn phương tuyến tính kết hợp với logic mờ và bộ điều khiển vi tích phân tỉ lệ PID nhằm đạt được yêu cầu cân bằng tại vị trí TOP cho hai thanh của mô hình Pendubot.
Hình 2-1 : Hình ảnh hệ Pendubot trong thực tế [9]
Ý tưởng điều khiển tập trung vào việc thiết kế các bộ điều khiển PID với các thông số khác nhau, kết hợp với việc ứng dụng thuật toán di truyền để tìm kiếm và tối ưu hóa các bộ điều khiển này Sau khi hoàn thiện, bộ điều khiển PID tối ưu nhất sẽ được áp dụng để kiểm chứng hiệu quả của thuật toán di truyền GA trên mô hình thực tế.
Chương 2 PHƯƠNG TRÌNH TOÁN HỆ THỐNG
Hình 2-2 : Hình ảnh hệ Ball and Beam trong thực tế [10]
Giới thiệu về hệ Gantry Crane 2D
Cần trục gantry 2D, hay còn gọi là hệ cần trục 2D, thường được sử dụng để chuyển các thùng hàng hóa Tuy nhiên, khi di chuyển nhanh đột ngột, hệ thống có thể gây ra dao động ở phần tải Để khắc phục hiện tượng này, chúng tôi đã áp dụng mô hình của hệ và sử dụng hai phương pháp điều khiển là PD và Fuzzy nhằm hạn chế sự dao động của dây móc với hàng hóa, giúp hệ thống đạt được vị trí một cách nhanh chóng và ổn định nhất.
Hình 2-3 : Hình ảnh hệ Gantry Crane 2D trong thực tế n
Phương trình toán của hệ Gantry Crane 2D
Hình 2-4: Mô hình toán học của hệ gantry crane 2D
Trong mô hình toán học, chúng ta có các biến x, θ và Q, trong đó x đại diện cho vị trí của xe, θ là góc của vật so với trục y, và Q là lực tác động để kéo xe di chuyển, có dạng [F - B𝑥̇ ; 0].
Do nhóm chưa nhận dạng được các thông số động cơ nên nhóm sử dụng lại các thông số của tài liệu [8]
Bảng 2-1 : Thông số hệ thống
Kí hiệu Giá trị Mô tả m1 1 Khối lượng của xe kg m2 0.2 Khối lượng tải kg l 0.2 Chiều dài đoạn nối từ xe đến vật m
I 0.00072 Moment quán tính kg.m 2 g 9.81 Gia tốc trọng trường m/s 2
B 0.63 Hệ số ma sát xe N/m/s
Ki 0.031 Hằng số moment động cơ Nm
Kb 0.031 Hằng số phản điện động cơ V
Cm 0.000048 Hệ số ma sát trục động cơ Nm s 0.006 Bán kính puly m c 0.15 Tỷ số truyền n
Chương 2 PHƯƠNG TRÌNH TOÁN HỆ THỐNG
Ta có phương trình Euler – Lagrange như sau :
Trong đó hàm Lagrange được định nghĩa là:
Với T và U lần lượt là động năng và thế năng của hệ thống
𝑟 𝑦 = −𝐿𝑐𝑜𝑠(𝜃) (2.9) Đạo hàm vị trí tải:
Thay (2.13) vào (2.5) và thay (2.4), (2.5) vào (2.3) ta được:
Thay (2.14) và (2.6) vào (2.2) ta được hàm Larange:
Hàm Euler – Larange theo 2 biến là :
Chúng ta có thể sử dụng lực tác động để điều khiển tín hiệu, nhưng để phản ánh chính xác thực tế, chúng tôi sẽ mô hình hóa động cơ DC Việc cấp điện cho động cơ sẽ tạo ra mô men lực tác động lên hệ thống.
Hình 2-5 : Cấu trúc động cơ DC
Động cơ DC bao gồm hai phần chính: phần điện và phần cơ, như thể hiện trong Hình 2-5 Áp dụng định luật Kirchhoff 2 cho phần điện của động cơ, chúng ta có thể phân tích cấu trúc và hoạt động của nó một cách hiệu quả.
𝑑𝑡𝐿 𝑚 + 𝐸 𝑏 (2.20) Áp dụng định luật Newton cho phần cơ ta được:
Chương 2 PHƯƠNG TRÌNH TOÁN HỆ THỐNG
𝑑𝑡 rất nhỏ nên ta xem như 𝑑𝑖
Chuyển đổi giữa góc quay động cơ và vị trí xe: x = 𝑐
Mối liên hệ giữa lực tác động và điện áp động cơ :
Biến đổi (2.18) và (2.19) ta được:
THIẾT KẾ PHẦN CỨNG
Mô hình
3.1.1 Tổng quan về mô hình
Mô hình hệ GCS được thể hiện qua Hình 3-1, Hình 3-2 và Hình 3-3 với chú thích như sau
1 Thành phần xe của hệ
2 Thành phần tải của hệ và rotary encoder 2
Hình 3-1: Hình ảnh phần cứng theo chiều ngang của hệ GCS n
Chương 3 THIẾT KẾ PHẦN CỨNG
Hình 3-2 : Hình ảnh phần cứng theo chiều dọc của hệ GCS
Hình 3-3 : Hình ảnh phần điện của hệ GCS n
Sơ đồ kết nối phần điện của hệ Gantry Crane:
Hình 3-4 : Sơ đồ kết nối phần điện của hệ GCS n
Chương 3 THIẾT KẾ PHẦN CỨNG
Vi điều khiển STM32F4 nhận dữ liệu từ hai encoder, sau đó thực hiện tính toán và xuất tín hiệu điều khiển cầu H để điều chỉnh hoạt động của động cơ theo yêu cầu Đồng thời, STM32F4 thiết lập kết nối với máy tính thông qua module chuyển đổi USB – UART.
Sơ đồ đấu dây chi tiết được trình bày như hình 5.4 Nhóm sinh viên sử dụng nguồn tổ ong cấp nguồn cho cầu H để điều khiển động cơ
3.1.2 Các thiết bị thành phần
Hình 3-5 : Board vi xử lý STM32F4
Vi điều khiển STM32F4 Discovery là một công cụ lý tưởng cho việc phát triển ứng dụng, được sử dụng rộng rãi trong các trường đại học để giảng dạy vi điều khiển ARM Bộ kit này cung cấp đầy đủ các thành phần cần thiết, giúp cả người mới bắt đầu và những người có kinh nghiệm dễ dàng học lập trình và làm quen với vi điều khiển.
Vi điều khiển STM32F4 Discovery có lõi 32-bit ARM Cortex – M4F, có thể chứa tới 1 Mbyte Flash Memory và 192Kbyte RAM Memory n
Mạch nạp và Debug ST-LINK/V2 được tích hợp sẵn với chế độ lựa chọn, cho phép người dùng chuyển sang sử dụng bộ kit ST-Link/V2 độc lập thông qua đầu nối SWD để lập trình và gỡ lỗi hiệu quả.
Nguồn cấp từ cổng Mini USB qua các IC nguồn chuyển thành 3.3V để cấp cho MCU
Có các chân nguồn trên vi điều khiển: 3V và 5V
Có tích hợp cảm biến gia tốc: ST MEMS motion sensor, 3 -axis
Có bộ xử lý âm thanh: MP45DT02
- Led 1 (đỏ,xanh lá cây) cho giao tiếp bằng USB
- Led 2 (đỏ) báo hiệu vi điều khiển đã được cấp nguồn
- Bốn led dùng led 3(cam), led 4(xanh lá cây), led 5(đỏ) và led 6(xanh dương)
- 2 led cho USB OTG, led 7 (xanh lá cây) VBUS và led 8 (đỏ) quá dòng
Có nút nhấn kèm nút Reset tích hợp
Chương 3 THIẾT KẾ PHẦN CỨNG
Động cơ OMRON ENCODER E6B2 - CWZ6C, được sản xuất bởi hãng Omron, nổi bật với độ ổn định, độ bền và độ chính xác cao, rất quan trọng trong các ngành công nghiệp yêu cầu độ chính xác như bao bì và in ấn Thiết bị này được sử dụng để kết nối với các động cơ khác hoặc các cơ cấu cần xác định vị trí và tọa độ, với độ chính xác 1000 xung/1 vòng và 3 kênh xung đầu ra riêng biệt A, B, Z.
Thông số kỹ thuật của động cơ:
Điện áp sử dụng : 5~24VDC
Dòng tiêu thụ : max 80mA
Số kênh xung : 3 kênh riêng biệt A,B, Z
Tần số đáp ứng tối đa : 100KHz
Dạng ngõ ra xung : NPN có cực thu hở (mắc trở treo lên VCC để có mức HIGH) n
Nguồn tổ ong 12V - 5A là thiết bị chuyển đổi điện áp từ xoay chiều 180V - 240V thành nguồn một chiều 12V DC, được sử dụng phổ biến trong các thiết bị công nghiệp và dân dụng Trong ngành công nghiệp, nguồn tổ ong cung cấp điện cho nhiều trang thiết bị trong tủ điện, đảm bảo hoạt động ổn định và hiệu quả.
Có tích hợp chức năng bảo vệ, ngắn mạch tự động
Chương 3 THIẾT KẾ PHẦN CỨNG
3.1.2.4 Động cơ Minertia Motor UGFMED-03SRI21
Hình 3-9 : Hình ảnh động cơ MINERTIA MOTOR Động cơ MINERTIA MOTOR UGFMED-03SRI21 là động cơ có tích hợp sẵn encoder đọc xung tốc độ cao
Điện áp động cơ làm việc 12-27VDC
Tốc độ không tải 4000 [RPM]
Tốc độ xung 5.000.000 xung/phút
Cầu H là thiết bị điều khiển tốc độ và chiều quay của động cơ thông qua tín hiệu vào chân điều khiển, giúp đơn giản hóa quá trình mà không cần thay đổi kết nối chân output của động cơ.
Hình 3-11 : Cầu H điều khiển động cơ DC IBT-2
Các chân điều khiển ngõ vào :
1 RPWM : điều khiển chiều thuận hoặc nhận PWM, tích cực mức cao
2 LPWM : điều khiển chiều nghịch hoặc nhận PWM, tích cực mức cao
3 R_EN : tín hiệu cho phép quay thuận
4 L_EN : tín hiệu cho phép quay nghịch
5 R_IS : tín hiệu cảnh báo cho thuận
6 L_IS : tín hiệu cảnh báo cho nghịch
7 VCC : nguồn điện 5V cung cấp nuôi mạch
Điện áp cấp cho cầu H : 6-27V
Tín hiệu điều khiển với điện áp : 3.3-5V
Tần số đóng cắt : 25kHz n
Chương 3 THIẾT KẾ PHẦN CỨNG
Để điều khiển quay thuận hoặc nghịch, bạn cần kết nối chân VCC với 5V và chân GND với 0V Đồng thời, R_EN và L_EN cũng phải nối chung và cấp điện áp 5V Cuối cùng, chân RPWM và LPWM sẽ nhận tín hiệu PWM để thực hiện điều khiển.
Để điều khiển quay thuận hoặc nghịch, kết nối chân VCC với 5V và chân GND với 0V Chân R_EN và L_EN sẽ nhận xung PWM, trong khi chân RPWM và LPWM nhận tín hiệu điều khiển 5V để thực hiện quá trình điều khiển.
3.1.2.7 Mạch chuyển đổi UART CP 2102
Hình 3-12 :Mạch chuyển đổi UART CP2102
Mạch chuyển đổi UART sử dụng IC CP2102 cho phép giao tiếp giữa USB và UART TTL với độ ổn định và tốc độ cao Driver của mạch tương thích với nhiều hệ điều hành như Android, Mac, Windows và Linux.
Mạch chuyển đổi UART CP2102 tích hợp chân tín hiệu DTR, giúp kích hoạt tín hiệu Reset, là giải pháp lý tưởng cho việc nạp chương trình vào Arduino Mini Pro Việc sử dụng mạch nạp với chân tín hiệu DTR đảm bảo quá trình nạp diễn ra suôn sẻ và hiệu quả.
Mô tả các chân của mạch chuyển đổi:
TXD : chân truyền dữ liệu UART TTL ( 3.3VDC ), dùng để kết nối với chân nhận RX của module dùng mức tín hiệu TTL 3.3 ~ 5VDC
RXD : chân nhận dữ liệu UART TTL ( 3.3VDC ), dùng để kết nối với chân nhận TX của module dùng mức tín hiệu TTL 3.3 ~ 5VDC
5V : chân cấp nguồn 5vdc từ cổng USB
DTR : chân tín hiệu DTR cấp tín hiệu Reset để nạp chương trình cho mạch Arduino
3.3V : chân nguồn 3.3vdc ( dòng cấp rất nhỏ tối đa 100mA), không dùng để cấp nguồn, chỉ để thiết đặt mức tin hiệu logic. n
PHƯƠNG PHÁP ĐIỀU KHIỂN
Phương pháp điều khiển PID
Bộ điều khiển PID là một thiết bị vi tích phân tỉ lệ phổ biến trong công nghiệp, đặc biệt trong các hệ thống vòng kín có tín hiệu phản hồi Bộ điều khiển này hoạt động bằng cách tính toán sai số giữa giá trị đặt mong muốn và thực tế, từ đó điều chỉnh các giá trị đầu vào để giảm thiểu sai số Để đạt được hiệu quả tối ưu, các thông số của bộ điều khiển PID cần được tinh chỉnh phù hợp với đặc điểm của từng hệ thống cụ thể.
Hình 4-1: Sơ đồ cấu trúc bộ điều khiển PID
Cấu trúc của một bộ điều khiển PID gồm có ba khâu thành phần:
Phương pháp điều chỉnh tỉ lệ là cách thay đổi giá trị đầu ra tỷ lệ với sai số hiện tại theo thời gian lấy mẫu Đáp ứng của khâu tỉ lệ được điều chỉnh bằng cách nhân sai số với hệ số tỉ lệ Kp.
Phương pháp điều khiển tích phân dựa trên việc tích phân độ sai lệch theo thời gian lấy mẫu, nhằm tạo ra các tín hiệu thay đổi giúp giảm độ sai lệch về không Khi thời gian lấy mẫu càng nhỏ, mức độ điều chỉnh của tác động tích phân sẽ mạnh hơn, tương ứng với độ lệch nhỏ.
Chương 4.PHƯƠNG PHÁP ĐIỀU KHIỂN
Điều khiển vi phân, là vi phân của sai lệch, tạo ra tín hiệu điều chỉnh dựa trên tốc độ thay đổi của sai lệch đầu vào Khâu vi phân giúp làm chậm tốc độ thay đổi đầu ra của bộ điều khiển; thời gian lớn sẽ dẫn đến giới hạn điều chỉnh vi phân càng lớn.
Bộ điều khiển PID nhằm đáp ứng các yêu cầu của hệ thống về sai số xác lập, thời gian xác lập, thời gian lên và độ vọt lố Để đạt được hiệu suất mong muốn, cần điều chỉnh các thông số Kp, Ki.
Để điều chỉnh các thông số của bộ điều khiển PID một cách hợp lý, có nhiều phương pháp phổ biến như điều chỉnh thủ công, phương pháp Ziegler-Nichols, và sử dụng công cụ phần mềm PID Tuner trong Matlab.
Khi sử dụng các phương pháp trên thay đổi điều chỉnh các thông số làm ảnh hưởng đến tín hiệu đầu ra của hệ thống cụ thể là:
Để giảm sai lệch trong điều khiển tỷ lệ, người ta thường tăng độ lợi Kp Tuy nhiên, nếu tăng Kp quá lớn, sẽ dẫn đến độ vọt lố cao và hệ thống bắt đầu mất ổn định.
Để nâng cao độ chính xác trong hệ thống điều khiển, việc điều chỉnh giá trị Ki là cần thiết Tuy nhiên, nếu giá trị Ki quá lớn, sai số ổn định của hệ thống sẽ bị khử nhanh chóng, dẫn đến hiện tượng vọt lố tăng cao.
Thay đổi Kd: làm giảm độ vọt lố nhưng thời gian trễ sẽ dài hơn khiến cho thời gian đáp ứng quá độ lâu n
Phương pháp điều khiển Fuzzy
Lý thuyết logic mờ, được giới thiệu lần đầu bởi giáo sư Lotfi Zadeh từ Trường Đại học California vào năm 1965, đã cung cấp giải pháp cho các bài toán tương tự như cách tư duy của con người Hiện nay, lý thuyết này đã phát triển mạnh mẽ và được ứng dụng rộng rãi trong nhiều lĩnh vực của đời sống.
Theo logic truyền thống, một biểu thức chỉ có thể nhận giá trị True (đúng) hoặc False (sai), tương ứng với mức logic 1 và 0 Ngược lại, logic mờ cung cấp nhiều giá trị thực trong khoảng từ 0 đến 1, cho phép biểu thức có kết quả lưng chừng, phản ánh mức độ của các điều kiện đầu vào.
Giá trị của các biến trong logic mờ không phải là các con số cụ thể mà là những khái niệm đơn giản như “nóng”, “lạnh”, “nhanh” hay “chậm” Điều này cho thấy rằng phương pháp tính toán của logic mờ phản ánh cách tư duy tự nhiên của con người.
Các phép toán trên tập mờ:
Giao của hai tập mờ 𝐴̃ và 𝐵̃ có cùng cơ sở X là một tập mờ xác định trên cơ sở X có hàm liên thuộc xác định bằng biểu thức :
Hình 4-2 : Phép giao của hai tập hợp
Hợp của hai tập mờ 𝐴̃ và 𝐵̃ có cùng cơ sở X là một tập mờ xác định trên cơ sở X có hàm liên thuộc :
Chương 4.PHƯƠNG PHÁP ĐIỀU KHIỂN
Hình 4-3 : Phép hợp của hai tập hợp
Bù của hai tập mờ 𝐴̃ định nghĩa trên tập X là một tập mờ được xác định trên cơ sở X có hàm liên thuộc được xác định bởi biểu thức:
Hình 4-4 : Phép bù của hai tập hợp
Hệ thống điều khiển mờ bao gồm các khối đầu vào, đầu ra và quy tắc xử lý giữa chúng Bộ điều khiển trung tâm thực hiện quá trình "mờ hoá" để đánh giá tín hiệu đầu vào theo các biến đã có trước Sau khi "mờ hoá", giá trị đầu vào chuyển thành các khái niệm thay vì các con số cụ thể Cuối cùng, các giá trị khái niệm được xử lý theo quy tắc đã thiết lập, tạo ra miền giá trị từ các biến đầu ra.
Từ các giá trị này, khâu giải mờ sẽ biến đổi các khái niệm thành một giá trị cụ thể đầu ra
Theo, một bộ điều khiển mờ hoàn chỉnh bao gồm:
Khâu mờ hoá và các khâu tiền xử lý để hiệu chỉnh các giá trị đầu vào như tỉ lệ, tích phân, vi phân
Bộ xử lý bao gồm các dữ liệu đã được tính toán và các luật mờ được đưa ra qua quá trình thực nghiệm n
Khâu giải mờ và khâu hậu xử lý trực tiếp để phù hợp với đối tượng được điều khiển
Hình 4-5 : Sơ đồ nguyên lý hệ thống được điều khiển bởi Bộ điều khiển Fuzzy
Tuy Fuzzy đã phát triển lâu dài, nhưng các vấn đề như nguyên tắc, tính ổn định, chất lượng đáp ứng và ảnh hưởng của nhiễu vẫn còn là thách thức lớn cho giới khoa học Thiết kế bộ điều khiển Fuzzy chủ yếu dựa vào kinh nghiệm và việc tinh chỉnh giá trị trong quá trình thực nghiệm Đặc biệt, độ phi tuyến của hệ thống có thể dẫn đến sự bất ổn định trong tín hiệu điều khiển.
4.2.2 Xây dựng bộ điều khiển Fuzzy cho hệ GCS
Chúng tôi đã thiết lập hai khối điều khiển fuzzy riêng biệt cho góc và vị trí dựa vào điều khiển thực Các ngõ vào và ngõ ra của hai khối fuzzy này được trình bày từ Hình 4-6 đến Hình 4-11.
Các khối fuzzy có đầu vào và đầu ra trong khoảng từ -1 đến 1, và trước khi đưa vào hệ thống, chúng sẽ được nhân với hệ số tiền và trải qua quá trình hậu xử lý nhằm đảm bảo sự ổn định cho hệ thống.
Bảng 4-1 Chú thích kí hiệu trong khối fuzzy
Chương 4.PHƯƠNG PHÁP ĐIỀU KHIỂN
Hình 4-6 : Hàm liên thuộc ngõ vào góc
Hình 4-7 : Hàm liên thuộc ngõ vào vận tốc góc
Hình 4-8 : Hàm liên thuộc ngõ ra fuzzy góc n
Hình 4-9 : Hàm liên thuộc ngõ vào Vị trí
Hình 4-10 : Hàm liên thuộc ngõ vào vận tốc
Hình 4-11 : Hàm liên thuộc ngõ ra fuzzy vị trí n
Chương 4.PHƯƠNG PHÁP ĐIỀU KHIỂN
Bảng 4-2 : Bảng luật mờ cho góc
Bảng 4-3 : Bảng luật mờ cho vị trí n
MÔ PHỎNG VÀ THỰC NGHIỆM
Chương trình điều khiển
Waijung blockset là một thư viện được thiết kế để nhúng chương trình cho vi điều khiển STM32F4 thông qua phần mềm MATLAB/SIMULINK Thư viện này được phát triển bởi công ty Aimagin, có trụ sở tại Thái Lan.
Hiện tại Waijung chỉ hỗ trợ được cho các phầm mềm MATLAB 2018a và 2019a
Thư viện hỗ trợ kết nối board STM32F4,truyền dữ liệu UART, xuất xung PWM hay digital, đọc encoder…
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Hyper Terminal là phần mềm thông dụng trong việc giao tiếp giữa máy tính với vi điều khiển thông qua cổng COM
Hình 5-2 :Giao diện chính của phần mềm Hyper Terminal Các bước cài đặt cho phần mềm Hyper Terminal:
Bước 1: Chọn cổng kết nối với module UART ở ô COM port
Để tiếp tục, ở bước 2, bạn cần chọn tốc độ truyền/nhận dữ liệu tại ô Baud rate Lưu ý rằng giá trị này phải giống với thiết lập đã được cài đặt ở ô Baud rate trong khối UART Setup của công cụ MATLAB/Simulink.
Bước 3: Chọn số bit dữ liệu ở ô Data bits
Sau khi hoàn thiện xong bước cài đặt, chọn Connect để tiến hành giao tiếp giữa máy tính với vi điều khiển n
5.1.3 Viết chương trình điều khiển cho hệ GCS
Hình 5-3 : Chương trình điều khiển hệ gantry crane 2D
Trong khối SETUP có hai khối chính: Target Setup và UART Setup
Khối Target setup : khối này được đưa vào mỗi chương trình
MATLABSimulink để thiết lập các thông tin cài đặt cho vi điều khiển
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Hình 5-5 : Cài đặt cho khối Target Setup Ở target setup ta chọn :
Dòng vi điều khiển STM32F407VG
Khối UART Setup: cài đặt UART cho vi điều khiển
Hình 5-7 : Cài đặt cho khối UART Setup Ở khối UART setup ta chọn:
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Khối ENCODER READ chia làm hai khối chính: khối encoder vị trí (encoder read position) và khối encoder góc (encoder read angle)
Hình 5-8 : Bên trong khối encoder read
Hình 5-9 : Khối encoder read position n
Hình 5-10 : Khối encoder read angle
Hình 5-11 : Cài đặt cho khối encoder read angle n
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Hình 5-12 : Cài đặt cho khối encoder read position.
Định chân kết nỗi với 2 kênh A B của encoder
Số xung encoder quay 1 vòng
Sample time lấy theo hệ thống 0.01s n
Hình 5-13 : Khối chuyển đổi tín hiệu xung sang vị trí
Hình 5-14 : Bên trong khối chuyển đổi xung sang vị trí
Encoder 1 (vị trí) đọc 200 xung/vòng nhóm tăng giới hạn và kiểm tra thì đi hết hành trình 85cm thì đọc được 6700 xung nên với mỗi 1 xung thì đi được 0.0127cm Nhóm đặt xe ở giữa mô hình thì nửa bên trái là phần âm và nửa bên phải là phần dương có giá trị từ -42.5 đến 42.5cm
Hình 5-15 : Khối chuyển đổi tính hiệu xung sang góc n
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Hình 5-16 : Bên trong khối chuyển đổi xung sang góc
Encoder 2 có khả năng đọc 1000 xung/vòng, trong khi khối encoder trong thư viện waijung hỗ trợ đọc hơn 4 lần ở cả 2 kênh A và B Do đó, mỗi vòng của encoder có thể đọc tới 4000 xung Từ đó, ta có thể tính toán góc bằng cách nhân số xung đọc được với tỷ số xung trên góc.
Hình 5-17 : Bên trong khối UART
Khối UART Tx: cài đặt cho quá trình thu thập dữ liệu trong khi vi điều khiển giao tiếp với các thiết bị qua giao thức UART
Module: chọn module UART, phải chọn module giống với khối UART Setup
Transfer: chọn phương thức truyền
Packet: chọn dạng dữ liệu truyền đi, ASCII hoặc Binary (mã nhị phân)
Hình 5-19 : Cài đặt cho khối UART Tx
Hình 5-20 : Bên trong khối PWM Khối Basic PWM dùng để cài đặt thông số băm xung cho bộ xử lý n
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Timer: chọn timer hoạt động cho khối PWM
PWM Period: thời gian của một chu kì băm xung
Channel 1 – 4: chọn chân nhận tín hiệu PWM từ vi điều khiển
Hình 5-22 : Cài đặt cho khối Basic PWM n
Hệ GCS sử dụng thanh ngang để quy định quãng đường di chuyển của xe, với việc áp dụng một khối lệnh Matlab function nhằm thiết lập vị trí chính xác của xe trong nhóm.
Hình 5-23 : Khối Matlab Function Lim
Hình 5-24 : Chương trình của khối Lim Để tránh ảnh hưởng đến mô hình nhóm sẽ giới hạn vị trí của xe trên mô hình trong khoảng -40 đến 40cm
Hệ Gantry Crane 2D có cấu trúc nhóm với thành phần xe được điều khiển theo hai chiều Để thiết lập chiều chạy của xe nhóm, một khối chức năng Matlab khác được sử dụng để thực hiện.
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Hình 5-25 : Khối Matlab Function Dir
Hình 5-26 : Chương trình của khối Dir
Để điều khiển động cơ, cần xác định chiều quay dựa trên giá trị ngõ vào Nếu giá trị ngõ vào là dương, động cơ sẽ xoay phải với tín hiệu PWM xuất ra chân A9 Ngược lại, nếu giá trị ngõ vào là âm, động cơ sẽ xoay trái với tín hiệu PWM xuất ra chân A10.
KHỐI CONTROLLER: Điều khiển hệ GCS bằng phương pháp điều khiển PD với khối Controller
Hình 5-27 : Khối CONTROLLER với phương pháp điều khiển PD
Hình 5-28 : Bên trong khối Controller với phương pháp điều khiển PD n
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Khối Angle Error: kiểm tra sai số góc của hệ GCS
Hình 5-29 : Khối Matlab Function Angle Error
Hình 5-30 : Bên trong khối Angle Error
Góc quay của encoder sẽ tăng theo chiều kim đồng hồ, bắt đầu từ góc 0 hướng xuống đất Khi góc nhỏ hơn 180 độ (bên trái), sai số sẽ được tính bằng góc mà encoder đọc được Đối với góc từ 180 đến 360 độ (bên phải), sai số sẽ được tính là -360 cộng với góc đo được Khi encoder xoay trái, sai số góc sẽ có giá trị dương tăng từ 0, trong khi khi xoay phải, sai số góc sẽ có giá trị âm tăng dần từ 0 Hệ GCS được điều khiển bằng phương pháp điều khiển Fuzzy thông qua khối Controller.
Hình 5-31 : Khối CONTROLLER với phương pháp điều khiển Fuzzy
Hình 5-32 : Bên trong khối Controller với phương pháp điều khiển Fuzzy n
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Chương trình mô phỏng
Hình 5-33 : Chương trình mô phỏng phương pháp điều khiển PD cho hệ GCS
Bảng 5-1 : Thông số PD của hệ GCS
Với cái biến trạng thái ban đầu [x, ẋ, θ, θ̇] = [0, 0, 0, 0] , vị trí điều khiển mong muốn là 0.3m thì kết quả mô phỏng của 2 phương pháp điều khiển được thể hiện ở Hình 5-34 n
Hình 5-34 : Kết quả điều khiển PD với các biến bằng 0
Ta thấy phương pháp điều khiển PD giúp hệ ổn định tốt
Vị trí (x) ổn định với giá trị mong muốn sau 3.5s
Góc (θ) hạn chế được giao động sau 3.5s
Hình 5-35 : Chương trình mô phỏng phương pháp điều khiển Fuzzy cho hệ GCS n
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Hình 5-36 : Kết quả mô phỏng điều khiển fuzzy với các biến bằng 0
Phương pháp điều khiển Fuzzy ổn định hệ tương đối tốt xe không có vọt lố nhưng thời gian xác lập tương đối chậm
Vị trí (x) xác lập với giá trị mong muốn sau 10s
Góc (θ) giảm được giao động không mong muốn sau 10s
Nhận xét
Cả 2 phương pháp đều giải quyết được yêu cầu đề tài hạn chế dao động tải nhanh chóng tuy nhiên:
Phương pháp điều khiển PD giúp hệ thống duy trì ổn định nhanh chóng và giảm thiểu dao động của tải, nhưng vẫn gặp phải hiện tượng độ vọt lố.
Còn với phương pháp Fuzzy thì dù đáp ứng được hạn chế dao động tải và ổnđịnh vị trí nhưng thời gian xác lập vẫn chậm hơn bộ PD n
Kết quả điều khiển
Kết quả mô phỏng cho thấy cả hai phương pháp đều đáp ứng yêu cầu điều khiển vị trí xe theo vị trí mong muốn và hạn chế dao động của tải Chúng tôi đã phát triển chương trình điều khiển cho hệ GCS bằng phần mềm MATLAB và thu được kết quả khả quan.
Phương pháp điều khiển PD cho phép tìm được các thông số PD ổn định Chúng tôi sẽ nghiên cứu ảnh hưởng của việc thay đổi các giá trị PD của xe và PD của tải đến hệ thống.
Bảng 5-2 : Thông số PD ban đầu
Hình 5-37 : Kết quả PD ban đầu
Hệ thống ổn định nhanh chóng với thông số PD như Bảng 5-2, với thời gian xác lập cho xe là khoảng 2.5 giây và 3 giây cho tải Tuy nhiên, xe có độ vọt lố khá cao, đạt 37.7 cm, tương ứng với POT khoảng 25.7%.
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Bảng 5-3 : Thông số PD sau khi tăng Kp1 10%
Hình 5-38 : Kết quả PD sau khi tăng KP1 10%
Sau khi tăng Kp1, hệ thống sẽ ổn định trong vòng 2,5 giây Đối với xe có thời gian tăng tốc nhanh, POT đã tăng lên 26,7% Góc tải dao động trong khoảng từ 21 độ đến -14 độ.
Bảng 5-4 Thông số PD sau khi giảm Kp1 10%
Hình 5-39 : Kết quả PD sau khi giảm Kp1 10%
Sau khi giảm Kp1, hệ thống sẽ ổn định sau 2,5 giây Thời gian tăng tốc của xe giảm 23,3%, trong khi góc tải dao động từ 18 độ đến -11 độ.
Khi tăng giá trị Kp1 trong quá trình tinh chỉnh, hệ thống sẽ dần ổn định, tuy nhiên, điều này cũng dẫn đến hiện tượng vọt lố cao và biên dao động của tải sẽ gia tăng.
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Bảng 5-5 : Thông số PD sau khi tăng Kd1 40%
Hình 5-40 : Kết quả PD sau khi tăng KD1 40%
Sau khi tăng Kd1, hệ thống sẽ ổn định trong vòng 2,5 giây Đối với xe có thời gian lên, tỷ lệ POT giảm 19,3% Góc tải có góc dao động nằm trong khoảng nhất định.
Bảng 5-6 : Thông số PD sau khi giảm Kd1 40%
Hình 5-41 : Kết quả PD sau khi giảm Kd1 40%
Sau khi giảm Kd1, hệ thống sẽ ổn định trong vòng 2,5 giây Đối với xe có thời gian lên và POT cao, tỷ lệ này đạt 33,3% Góc tải có dao động trong khoảng từ 22 đến -14 độ.
Khi tăng giá trị Kd1 trong quá trình tinh chỉnh, hệ thống sẽ trở nên ổn định hơn, giúp giảm độ vọt lố của xe và biên dao động của tải.
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Bảng 5-7: Thông số PD sau khi tăng Kp2 40%
Hình 5-42 : Kết quả PD sau khi tăng Kp2 40%
Sau khi tăng Kp2, hệ thống sẽ đạt trạng thái ổn định sau 2,5 giây Đối với xe có thời gian lên và POT cao đạt 29,3%, góc tải dao động trong khoảng từ 17,8 đến -10 độ giúp giảm số lần dao động trước khi ổn định.
Bảng 5-8 : Thông số PD sau khi giảm Kp2 40%
Hình 5-43 : Kết quả PD sau khi giảm Kp2 40%
Sau khi giảm Kp2, hệ thống sẽ ổn định sau 4,5 giây Đối với xe có thời gian lên và POT giảm 20%, góc tải dao động trong khoảng từ 23,5 đến -18 độ sẽ làm tăng số lần dao động trước khi ổn định và kéo dài thời gian xác lập.
Khi tinh chỉnh giá trị Kp2, hệ thống sẽ ngày càng ổn định hơn, giúp cải thiện khả năng ổn định của xe và giảm độ vọt lố Đồng thời, biên dao động của tải cũng được giảm thiểu, rút ngắn thời gian xác lập cho cả hai yếu tố.
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
Bảng 5-9 : Thông số PD sau khi tăng Kd2
Hình 5-44 : Kết quả PD sau khi tăng Kd2
Sau khi tăng Kd2 lên 0.1, hệ thống điều khiển cho thấy ít bị ảnh hưởng bởi các giá trị POT của xe, với biên độ dao động và thời gian xác lập không thay đổi đáng kể Tuy nhiên, nếu tiếp tục tăng Kd2, hệ thống sẽ mất ổn định.
Bảng 5-10 : Thông số PD sau khi giảm Kd2
Hình 5-45: Kết quả PD sau khi giảm Kd2
Sau khi giảm Kd2 xuống 0.01, kết quả điều khiển cho thấy hệ thống bị ảnh hưởng bởi các giá trị POT của xe, với biên độ dao động và thời gian xác lập tăng lên, dẫn đến sự ổn định chậm hơn so với ban đầu.
Khi tinh chỉnh giá trị Kd2, hệ thống sẽ trở nên ổn định hơn, giúp giảm độ vọt lố của xe và biên dao động của tải Việc tăng giá trị Kd2 góp phần cải thiện sự ổn định của hệ thống.
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
5.4.2 Nhận xét bộ điều khiển PD
So sánh hai phương pháp điều khiển PD và Fuzzy
Để đánh giá hiệu quả của nhóm điều khiển mô hình, chúng ta sẽ sử dụng cả hai phương pháp điều khiển PD và Fuzzy cho thành phần xe trong hệ thống GCS, với khoảng độ dài giới hạn từ [0;30] và [-39;30].
So sánh về góc trong khoảng độ dài giới hạn [0;30]
Hình 5-59 : So sánh góc trong khoảng [0;30]
Phương pháp điều khiển PD cho thấy độ vọt lố cao ban đầu, nhưng hệ thống nhanh chóng ổn định với thời gian khoảng 2.9 giây Ngược lại, phương pháp điều khiển Fuzzy có góc giao động nhiều hơn, với độ vọt lố cao và thời gian ổn định bắt đầu từ 1.7 giây, nhưng cần tới 7.8 giây để đạt được sự ổn định.
Chương 5.MÔ PHỎNG VÀ THỰC NGHIỆM
So sánh về vị trí trong khoảng độ dài giới hạn [0;30]
Hình 5-60 : So sánh vị trí trong khoảng [0;30]
Phương pháp điều khiển PD cho thấy độ vọt lố thấp, với hệ thống nhanh chóng ổn định sau khoảng 1.6 giây Trong khi đó, phương pháp điều khiển Fuzzy có độ vọt lố khoảng 7%, và hệ thống bắt đầu ổn định dần sau 3 giây.
So sánh về góc trong khoảng độ dài giới hạn [-39;30]
Hình 5-61 : So sánh góc trong khoảng [-39;30]
Phương pháp điều khiển PD cho thấy độ vọt lố cao ban đầu, với góc dao động nhiều và thời gian ổn định lâu khoảng 8 giây Trong khi đó, phương pháp điều khiển Fuzzy có hệ giao động nhiều hơn, nhưng tại thời điểm 2.6 giây, độ vọt lố cao thấp hơn so với phương pháp PID, và hệ bắt đầu ổn định sau 7.4 giây.
So sánh về vị trí trong khoảng độ dài giới hạn [-39;30]
Hình 5-62 : So sánh vị trí trong khoảng [-39;30]
Nhận xét: Với phương pháp điều khiển PD thì độ vọt lố cao khoảng
17%, thành phần xe của hệ có chút dao động ổn định lâu khoảng 7s, còn phương pháp điều khiển Fuzzy độ vọt lố thấp khoảng 7% hệ ổn định nhanh sau 4.6s.
Phương pháp điều khiển PD với tín hiệu đặt là sóng sin trên Matlab Gui
Phương pháp điều khiển PID giúp giảm độ vọt lố nhỏ và duy trì sự ổn định cho xe trong quá trình hoạt động Hệ thống có một chút dao động nhưng nhanh chóng ổn định khi di chuyển về hai biên.