Đồ án thiết kế và thi công robot tự hành vận chuyển thuốc trong phòng khám

TỔNG QUAN

ĐẶT VẤN ĐỀ

Vào năm 2019, đại dịch Covid-19 (một loại virus truyền bệnh giữa người và người khi có tiếp xúc gần) bùng phát tại Vũ Hán – Trung Quốc và lan rộng ra các quốc gia trên thế giới trong đó có Việt Nam Theo thống kê từ cổng thông tin của bộ

Y tế từ năm 2019 đến ngày 26/12/2022, số ca nhiễm đạt 11,524,202 ca và số ca tử vong lên đến 43,184 ca Có nhiều nguyên nhân dẫn đến bùng phát đại dịch và một trong số chúng là việc tiếp xúc gần trong các khu cách ly [1] Bên cạnh đó, việc thiếu nhân sự trong việc vừa chăm sóc cho các bệnh nhân vừa phải thực hiện công tác cung cấp nhu yếu phẩm, thuốc men và thực phẩm cũng là một vấn đề đáng lưu tâm.

Trên thực tế, Robot tự hành đang đóng vai trò quan trọng trong nhiều lĩnh vực như công nghiệp, y tế, logistics và các lĩnh vực ứng dụng khác Hiện nay, có rất nhiều đề tài đã nghiên cứu về Robot tự hành chẳng hạn như đề tài “A novel mobile robot navigation method based on deep reinforcement” [2] của tác giả Hao Quan và các cộng sự được nghiên cứu vào năm 2020, đề tài sử dụng kết hợp giữa học sâu-tăng cường (DRL) kết hợp với định vị và xây dựng bản đồ một cách đồng thời (SLAM) Các kết quả đạt được cho thấy mô hình thuật toán Deep Q-learning đạt hiệu suất cao trong việc lập kế hoạch đường đi và giảm được 3-8% thời gian trong việc tìm tuyến đường đi của Robot Thêm vào đó, có thể kể đến đề tài “Experimental Research on Deep

Reinforcement Learning in Autonomous navigation of Mobile Robot” [3] của tác giả

Pengyu Yue và các công sự thực hiện vào năm 2019, đề tài sử dụng DRL cùng với xử lý ảnh để đưa ra dự đoán hướng đi cho Robot Kết quả từ các thí nghiệm của đề tài đã chứng minh được tính khả thi trong việc tự điều hướng một cách độc lập của Robot bằng các thuật toán trí tuệ nhân tạo dựa trên DRL Cùng với đó, đề tài nghiên cứu về Robot tự hành “Implementation of Q-Learning Algorithm on Arduino: Application to

Autonomous Mobile Robot Navigation in COVID-19 Field Hospitals” [4] của tác giả

Abdelhakim Latoui và Mohamed Daachi sử dụng thuật toán Q-learning để vận hành, kết quả từ mô phỏng và thí nghiệm của đề tài cho thấy Robot tự hành

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 17

CHƯƠNG 1 TỔNG QUAN đơn giản với chi phí thấp có thể di chuyển đến các mục tiêu được định sẵn bằng thuật toán Q-learning.

Tại Việt Nam cũng đạt được những thành tựu trong việc tạo ra các sản phẩm về Robot tự hành Điển hình là giai đoạn 2 của đề tài “Nghiên cứu, thiết kế chế tạo Hệ thống robot y tế vận chuyển trong khu cách ly bệnh truyền nhiễm có nguy cơ cao” do

Bộ Khoa học và Công nghệ giao cho Học viện Kỹ thuật quân sự thực hiện vào năm

2021 trong tình hình dịch bệnh Covid-19 tại bệnh viện Bắc Thăng Long, bệnh viện Hà Nội, bệnh viện Bạch Mai cơ sở 2 và bệnh viện dã chiến số 7 đang có những diễn biến phức tạp [5] Đề tài đã thành công triển khai được hệ thống Robot bao gồm 1 trung tâm giám sát và 5 robot VIBOT thực hiện các nhiệm vụ vận chuyển nhu yếu phẩm cho các bệnh nhân trong bệnh viện giúp đội ngũ nhân viên tiết kiệm được công sức và thời gian, đồng thời hạn chế được nguy cơ lây lan dịch bệnh Công ty Changshin Việt Nam cũng thành công trong việc thực hiện đề tài “Nghiên cứu, chế tạo xe tự hành vận chuyển hàng hóa” [6] với tổng tải trọng vận chuyển lên đến 70 kg, hoạt động trong 8 tiếng và khoảng cách di chuyển đạt khoảng 188m Cùng với đó, tập đoàn Kỹ thuật và Công nghiệp Việt Nam (Intech Group) đã sản xuất và phát triển các dòng sản phẩm Robot tự hành như dòng Robot AGV ITA-02 với tải trọng vận chuyển đạt 1000 kg, vận tốc di chuyển đạt 10 m/phút, thời gian hoạt động tối đa

10 tiếng và được tích hợp công nghệ dò đường bằng Laser [7] Bên cạnh đó, ở cấp độ đề tài sinh viên cũng đã có những đề tài nghiên cứu về Robot tự hành như đề tài

“Nghiên cứu, thiết kế và chế tạo Robot di động giao thực phẩm tự động theo sơ đồ” được thầy ThS Nguyễn Minh Triết hướng dẫn cho đề tài này sinh viên thuộc ngành Công nghệ kỹ thuật Cơ điện tử, khoa Cơ khí chế tạo máy của trường Đại Học Sư Phạm

Kỹ Thuật Tp.HCM (SPKT) thực hiện vào năm 2022, đề tài đã thành công trong việc: phân tích được mối liên hệ giữa vận tốc bánh xe và vận tốc robot, thiết kế được webserver điều khiển robot thông qua website và chế tạo được Robot tự hành bằng phương pháp dò line để vận chuyển thực phẩm đến các vị trí định sẵn Hay đề tài

“Thiết kế và thi công Robot diệt khuẩn bề mặt bằng tia cực tím” được thầy PGS.TS

Nguyễn Thanh Hải hướng dẫn và đề tài này sinh viên thuộc ngành Kỹ Thuật Y Sinh, khoa Điện – Điện tử, trường Đại Học SPKT thực hiện vào năm 2021 đã thành công

CHƯƠNG 1 TỔNG QUAN trong việc chế tạo ra Robot khử khuẩn với hai chế độ điều khiển là điều khiển tự động và điều khiển thủ công cùng với khả năng di chuyển theo đường zizac.

Từ những khảo sát trên, sinh viên thực hiện quyết định lựa chọn đề tài: “Thiết kế và thi công Robot tự hành vận chuyển thuốc trong phòng khám”, với mong muốn góp phần cải thiện về khả năng lựa chọn điểm đến, xử lý khi gặp vật cản trong việc tự hành.

MỤC TIÊU

Mục tiêu của đề tài là thiết kế và thi công Robot tự hành vận chuyển thuốc trong phòng khám, có khối lượng Robot khoảng 15 kg và tải trọng vận chuyển khoảng 5 kg.

Có khả năng di chuyển đến phòng đã được thiết lập, dừng lại khi phát hiện vật cản ở phía trước và tiếp tục đi đến đích khi không còn vật cản phía trước Sau khi đến phòng đã chọn, có thể đi tiếp đến phòng kế tiếp nếu người sử dụng mong muốn.

NỘI DUNG NGHIÊN CỨU

Trong quá trình thực hiện Đồ án tốt nghiệp với đề tài “Thiết kế và thi công Robot tự hành vận chuyển thuốc trong phòng khám”, báo cáo này đã tập trung giải quyết và hoàn thành được những nội dung sau:

NỘI DUNG 1: Tìm hiểu các loại Robot vận chuyển thuốc đang có trên thị trường cũng như các dòng Robot tự hành hiện nay.

NỘI DUNG 2: Tìm hiểu các mô hình thuật toán được sử dụng trong các đề tài nghiên cứu trong việc tìm đường cho Robot NỘI DUNG 3: Lựa chọn mô hình thuật toán.

NỘI DUNG 4: Lập trình, điều khiển Robot thông qua Bluetooth.

NỘI DUNG 5: Thiết kế mô hình Robot.

NỘI DUNG 6: Thi công phần cứng, chạy thử nghiệm và hiệu chỉnh hệ thống. NỘI DUNG 7: Viết báo cáo thực hiện.

NỘI DUNG 8: Bảo vệ luận văn

GIỚI HẠN

Các thông số giới hạn của đề tài bao gồm:

-Giao tiếp với hệ thống máy tính chỉ thông qua Bluetooth.

-Diện tích sàn di chuyển: 4 x2.5 (m).

-Kích thước Robot (DxRxC): 50 x 45 x 24 (cm).

-Thời gian làm việc 1 ngày: 8 tiếng và thời gian nạp pin Robot: 10-12 tiếng Khối lượng Robot là 15 kg, tải trọng là 5 kg và tốc độ tối đa Robot đạt 15 cm/s.

-Phương di chuyển: Song song với mặt sàn

-Thí nghiệm trong môi trường tĩnh với số đích di chuyển giới hạn: 3.

-Không di chuyển khứ hồi.

BỐ CỤC

Chương này đưa ra vấn đề, lý do chọn đề tài, mục tiêu đề tài hướng đến, nội dung thực hiện và giới hạn của đề tài.

CƠ SỞ LÝ THUYẾT

MỘT SỐ LOẠI ROBOT TỰ HÀNH PHỔ BIẾN HIỆN NAY

2.1.1 Robot tự hành trong môi trường công nghiệp a) Robot tự hành không người lái (AGV)

AGV là loại Robot vận hành tự động theo tuyến đường đã được chỉ định sẵn và cần có sự giám sát của người vận hành Robot AGV thường được sử dụng để vận chuyển hàng hóa và vật liệu trong các môi trường cần có sự kiểm soát như nhà kho và nhà máy công nghiệp Đặc điểm nổi bật của robot AGV là tải trọng có thể vận chuyển lên đến hàng nghìn kg Điển hình như Robot M10K-T Tugger được thể hiện như hình 2.1 đến từ công ty Daifuku với tải trọng vận chuyển lên đến 4500 kg và vận tốc di chuyển tối đa đạt 110 m/phút [8].

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT b) Robot tự hành (AMR)

Khác với AGV, robot AMR có các tính năng nổi bật hơn như tự vận hành trong hầu hết các môi trường mà không cần được định sẵn tuyến đường vận chuyển, tích hợp nhiều cảm biến giúp robot có thể hiểu và di chuyển trong môi trường một cách độc lập, khả năng xử lý thông tin và đưa ra các quyết định trong khi vận chuyển một cách chính xác Tuy nhiên, tải trọng vận chuyển của AMR không lớn như AGV, thường chỉ đạt đến vài trăm kg Ví dụ như Robot LD-250 ESD được thể hiện như hình 2.2 từ công ty OMRON có tải trọng đạt 250 kg, vận tốc tối đa đạt 1.2 m/s, tích hợp hệ thống tự xác định vị trí và định vị độ cao [9].

Hình 2.2 Robot LD-250 ESD 2.1.2 Robot tự hành trong môi trường bệnh viện a) Robot y tế vận chuyển VIBOT

Hệ thống ROBOT Y tế vận chuyển VIBOT-2 là sản phẩm được thiết kế và chế tạo bởi học viện Kỹ Thuật Quân Sự trong bối cảnh dịch bệnh COVID-19 tại thành phố Hồ Chí Minh đang có diễn biến phức tạp Hệ thống Robot bao gồm một trung tâm giám sát vận hành và 5 Robot VIBOT Thông số của Robot VIBOT bao gồm: tốc độ di chuyển tối đa đạt 30 m/s, tải trọng có thể vận chuyển đạt 60 kg, thời gian hoạt động tối đa 12 tiếng Bên cạnh đó, VIBOT còn có những tính năng hữu ích như

Tự xây dựng tuyến đường vận chuyển, tự nạp pin, né tránh vật cản đứng yên hoặc di chuyển bao gồm con người [10] Robot VIBOT được thể hiện như hình 2.3.

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT

Hình 2.3 VIBOT b) Robot vận chuyển TUG – Aethon

Robot TUG-Aethon được phát triển bởi công ty Aethon Sở hữu các tính năng phù hợp để có thể sử dụng trong môi trường bệnh viện và công nghiệp như Tự lập kế hoạch đường đi vận chuyển, tự điều hướng, phát hiện vật cản, tự nạp pin, tự động lấy và giao hàng đúng vị trí Robot TUG – Aethon có tải trọng vận chuyển đạt tới

635 kg, tốc độ di chuyển đạt 76 cm/s, khả năng tự xử lý vật liệu, được tích hợp các thiết bị hiện đại bao gồm Real-time multi-LIDAR, Sonar và cảm biến hồng ngoại [11] Robot Tug-Aethon được thể hiện như hình 2.4.

PHƯƠNG PHÁP ĐIỀU CHẾ ĐỘ RỘNG XUNG PWM

Nguyên lý điều chế: Bằng cách thay đổi hệ số công tác (Duty Cycle) trong mạch tạo xung vuông, vì thế tạo ra điện áp hoặc dòng điện trung bình từ nguồn cung cấp trong khoảng thời gian nhất định cung cấp cho động cơ tiêu thụ [12] Hay nói cách khác, xung PWM là số lần thay đổi trạng thái giữa bật (On) và tắt (Off) trong một chu kỳ (Period) được mô tả trong hình 2.5

PHƯƠNG PHÁP DÒ LINE

Hình 2.6 Robot AGV sử dụng cảm biến từ 2.3.2 Cảm biến hồng ngoại

Là phương pháp phổ biến nhờ vào việc phát và nhận lại tín hiệu ánh sáng hồng ngoại không bị vật cản hấp thụ qua hai mắt của cảm biến được mô tả như hình 2.7.Bằng cách ghi nhận và xác định trạng thái từ tất cả tín hiệu của các cảm biến, xác định hướng lệch của Robot [14].

PHƯƠNG PHÁP PHÁT HIỆN VẬT CẢN

2.4.1 Phương pháp phát hiện vật cản bằng sóng siêu âm

Phương pháp phát hiện vật cản bằng sóng siêu âm hoạt động bằng cách phát ra các sóng siêu âm liên tục, khi gặp bề mặt vật cản sóng siêu âm sẽ bị phản xạ lại và bộ thu sẽ thu nhận các sóng siêu âm này Từ đó có thể xác định được khoảng cách từ cảm biến đến vật cản dựa vào phương trình [15]

Với: D là khoảng cách giữa vật cản và cảm biến, t là khoảng thời gian tại thời điểm sóng siêu âm từ bộ phát được phản xạ về bộ thu, v là vận tốc của sóng siêu âm đạt 343 m/s.

2.4.2 Phương pháp phát hiện vật cản bằng laser

Phương pháp đo khoảng cách và nhận biết vật cản bằng tia Laser hoạt động dựa trên nguyên tắc ToF (Time of Flight) như hình 2.8 Cảm biến phát ra các chùm tia Laser, khi gặp vật cản các chùm tia Laser này sẽ bị phản xạ trở lại cảm biến. Khoảng thời gian trong quá trình chùm tia Laser được phát đi và bị phản xạ trở lại cảm biến được dùng để xác định khoảng cách giữa cảm biến và vật cản theo phương trình sau [16]

Trong đó: D là khoảng cách từ cảm biến đến vật cản, t là khoảng thời gian tại thời điểm sóng siêu âm từ bộ phát được phản xạ về bộ thu, c là vận tốc của áng sáng truyền trong không khí và c = 300 000 km/s.

THUẬT TOÁN HỌC TĂNG CƯỜNG

2.5.1 Sơ lược về học tăng cường (Reinforcement learning)

Trong lĩnh vực học máy, mô hình học tăng cường là một phương pháp tập trung vào việc giải quyết các vấn đề mà không cần dữ liệu đầu vào đã được gán nhãn như mô hình học có giám sát hoặc không có giám sát Cốt lõi của RL là tối ưu hóa quá

CHƯƠNG 2 CƠ SỞ LÝ THUYẾT trình xây dựng một chuỗi hành động cho việc giải quyết vấn đề dựa trên việc huấn luyện tác nhân (Agent) với môi trường (Enviroment) Các thành tựu của RL có thể kể đến như AlphaGo Zero của DeepMind đã chiến thắng kỳ thủ cờ vây Lee Sedol vào năm 2017 [17], trong việc giải các mê cung tĩnh, bằng cách lặp lại việc thử nghiệm và đánh giá các hành động (Action), Agent có thể tìm ra được đường đi đến đích [18] Bên cạnh đó, ứng dụng mô hình RL trong điều hướng Robot đang nhận được nhiều sự quan tâm vì đối mặt với nhiều thách thức và vấn đề phức tạp bao gồm: Không thể kiểm soát chính xác các hành động của Robot và vấn đề về chiến lược tối ưu [19].

Sơ đồ mô tả cách thức hoạt động của RL đối với trường hợp của đề tài được trình bày trong hình 2.9

Hình 2.9 Mô tả cách thức hoạt động Reinforcement Learning

Agent (tác nhân): Đại diện cho Robot.

Environment (môi trường): Bản đồ 2D của phòng khám bao gồm các ô chứa vật cản và các ô trống.

Action (hành động): Hành động của Robot để tương tác với môi trường.

State (trạng thái): Vị trí của Robot sau khi thực hiện 1 action.

Reward (phần thưởng): Điểm thưởng khi Robot thực hiện 1 action.

Thuật toán Q-learning là một trong số những phương pháp thuộc mô hình RL, sử dụng một bảng lưu giá trị ước tính cho từng hành động tại một trạng thái nhất định được gọi là Q-table có kích thước × Trong đó, m là tập hợp số trạng thái của Agent, ∈ × với a, b là kích thước bản đồ 2D và n là số các hành động mà Agent có thể thực hiện Cụ thể là,giá trị Q(s, a) được tính dựa trên điểm thưởng và giá trị Q tối đa khi thực hiện một hành động tại trạng thái tại thời điểm đó Quá trình này lặp lại cho đến khi cập nhật toàn bộ giá trị trong bảng Q-table [20].

CÁC GIAO THỨC TRUYỀN TÍN HIỆU

2.6.1 Giao thức truyền tín hiệu Uart

Giao thức truyền tín hiệu UART (Universal Asynchronous Receiver- Transmitter) như hình 2.10 hoạt động dựa trên nguyên lý truyền tín hiệu không đồng bộ UART sử dụng hai đường dây bao gồm Transmitter (TX) và Receiver (RX) để truyền dữ liệu trong quá trình kết nối với các thiết bị [21].

Hình 2.10 Mô tả cách hoạt động giao thức UART 2.6.2 Giao thức truyền tín hiệu I2C

I2C (Inter-Intergrated Circuit) hay giao thức truyền dữ liệu đồng bộ như hình 2.11sử dụng hai dây gồm SDA (Serial Data) và SCL (Serial Clock) để giúp MCU có thể giao tiếp cùng lúc một hoặc nhiều thiết bị Slave giúp tiết kiệm số đường dây kết nối mà vẫn đem lại hiệu quả.

PHẦN MỀM VÀ NGÔN NGỮ LẬP TRÌNH PHÁT TRIỂN ROBOT

Pycharm là một IDE được phát triển chủ yếu cho ngôn ngữ lập trình Python hiện nay Giao diện của phần mềm Pycharm được thể hiện như hình 2.12 Các ứng dụng của ngôn ngữ Python trong nội dung đề tài bao gồm giao tiếp không dây với mục đích gửi tín hiệu từ Laptop đến Arduino thông qua Bluetooth Quản lý hệ thống, lưu lại thông tin vị trí Robot vào Database.

Là một IDE dành cho việc nạp chương trình cho các board mạch Arduino với giao diện được thiết kế đơn giản Các thư viện chính được sử dụng trong đề tài bao gồm FreeRTOS giúp quản lý và xử lý (task scheduling) Tiếp theo, SoftwareSerial/ ArduinoJson là hai thư viện dùng để truyền và nhận dữ liệu không dây (Bluetooth). Cuối cùng, thư viện Wire sử dụng cho việc giao tiếp I2C Giao diện phần mềm Arduino IDE được thể hiện như hình 2.13.

Hình 2.13 Giao diện Arduino IDE 2.7.3 Easyeda

EasyEda là một nền tảng thiết kế trực tuyến, hỗ trợ nhiều tính năng cho việc thiết kế mạch điện tử như sơ đồ nguyên lý, sơ đồ PCB, mô phỏng mạch thiết kế dưới dạng 2D và 3D Giao diện được thể hiện trong hình 2.14.

Solidworks là phần mềm góp phần quan trọng trong quy trình thiết kế và phát triển các sản phẩm cơ khí Phần mềm sở hữu nhiều tính năng giúp người sử dụng có thể tạo ra hình dạng 3D và mô phỏng chuyển động của sản phẩm một cách chi tiết và chính xác Giao diện phần mềm Solidworks được thể hiện trong hình 2.15.

Hình 2.15 Giao diện thiết kế của phần mềm Solidworks

TÍNH TOÁN VÀ THIẾT KẾ

TÍNH TOÁN VÀ THIẾT KẾ HỆ THỐNG

3.1.1 Thiết kế sơ đồ khối hệ thống

Hình 3.1 Sơ đồ khối hệ thống

Hình 3.1 mô tả chức năng từng khối như sau.

Khối nguồn: Từ nguồn 12V cấp cho khối động cơ di chuyển hoạt động và ổn áp thành nguồn 5V cấp cho các khối cảm biến, khối điều khiển ngoại vi và khối hiển thị.

Khối xử lý trung tâm: Gửi các hành động cần thực hiện cho Robot, đồng thời lưu trữ dữ liệu vào Database.

Khối điều khiển ngoại vi: Thu thập thông tin từ cảm biến, điều khiển động cơ và hiển thị giao diện.

Khối cảm biến: Ghi nhận sự thay đổi của môi trường xung quanh và gửi về khối điều khiển ngoại vi.

Khối động cơ: Có chức năng di chuyển Robot.

Khối hiển thị: Hiển thị thông tin phòng được chọn lên LCD.

CHƯƠNG 3 TÍNH TOÁN VÀ THIẾT KẾ

3.1.2 Lựa chọn, tính toán và thiết kế sơ đồ mạch a) Khối cảm biến

Lựa chọn module cảm biến dò line TCRT5000 Điểm nổi bật của module so với các loại cảm biến hồng ngoại khác trong phạm vi đề tài: Tích hợp 5 cảm biến hồng ngoại (IR sensor) với khoảng cách giữa các cảm biến khoảng 2-2.5cm [22] giúp Robot nhận ra việc lệch khỏi quỹ đạo nhanh hơn Sơ đồ chân kết nối module cảm biến dò line TCRT5000 được thể hiện như hình 3.2.

Hình 3.2 Sơ đồ chân kết nối của module cảm biến dò line TCRT5000

Lựa chọn module cảm biến Laser VL53L0X V2 Đề tài này khảo sát các loại cảm biến khoảng cách trên thị trường với các tiêu chí lựa chọn được thể hiện trong bảng 3.1.

Bảng 3.1 Bảng khảo sát các loại cảm biến khoảng cách phổ biến trên thị trường

Cảm biến Laser Siêu âm Hồng ngoại khoảng cách

Khoảng cách nhận biết (cm) (200)  (450) X (40)

Thời gian phản hồi (ms) (20) X (66) X (66) Độ chính xác (cm) (±5) X (±30)  (±2)

Với tiêu chí về thời gian phản hồi cần thiết cho hệ thống, đề tài dựa trên mục tiêu thiết kế Robot có vận tốc di chuyển (v Robot ) là 15 cm/s, và thời gian phản hồi của hệ thống (t hệ thống ) là 0.3 s để tính toán khoảng cách dừng lại trước vật cản dựa vào phương trình 3.1 và đánh giá dựa trên khoảng cách Robot dừng lại trước vật cản lớn hơn 950 mm (an toàn) với ngưỡng thiết lập khi phát hiện vật cản là 1000 mm.

Thay thời gian phản hồi của cảm biến Laser (t laser = 0.02) và thời gian phản hồi của cảm biến siêu âm (t siêu âm = 0.66) từ bảng 3.1 vào phương trình 3.1, đề tài này tính toán được quãng đường dừng lại trước vật cản của lần lượt các loại cảm biến Laser là 952 mm (thỏa) và cảm biến siêu âm là 945.1 mm (không thỏa).

Do đó, đề tài này chọn sử dụng cảm biến Laser VL53L0X V2 để nâng cao hiệu suất xác định vật cản phía trước Sơ đồ chân kết nối với vi điều khiển được thể hiện như hình 3.3.

Hình 3.3 Sơ đồ chân kết nối của cảm biến Laser VL53L0X V2

Sơ đồ chân kết nối encoder

Hiện nay, có nhiều phương pháp xác định số vòng quay động cơ trong khoảng thời gian nhất định, một phương pháp phổ biến trong số đó là bộ mã hóa quay (encoder) sử dụng ngắt quãng ánh sáng chiếu xuyên qua các khe trên đĩa quay vào cảm biến được gắn trên trục của động cơ [23] Sơ đồ chân kết nối giữa vi điều khiển và encoder được tích hợp trong động cơ được mô tả như hình 3.4.

Hình 3.4 Sơ đồ chân kết nối của Encoder b) Khối động cơ di chuyển Động cơ JGB37-520 178RPM

Việc lựa chọn động cơ phụ thuộc rất nhiều yếu tố trong đó bánh xe là một trong những yếu tố chính Để đơn giản hóa quy trình lựa chọn động cơ, đề tài này ưu tiên lựa chọn trước bánh xe nhôm V5 có đường kính 95 mm như hình 3.5.

Với yêu cầu về trọng lượng toàn bộ Robot khoảng từ 15 đến 20 kg tùy thuộc vào tải trọng và tốc độ tối đa đạt 15 cm/s Đề tài này tính toán và lựa chọn động cơ JGB37-520 178 RPM vì đáp ứng đủ các yêu cầu trên ở bảng 3.2.

Bảng 3.2 Bảng thông số kỹ thuật động cơ JGB37-520 178RPM

STT Các thông số Giá trị

3 Tốc độ hộp sau giảm tốc 178 RPM

5 Bộ truyền đai bánh răng 2

Xét mối liên hệ giữa tốc độ quay động cơ và tốc độ góc

: Tốc độ góc (rad/s) v: vận tốc (m/s) r: bán kính bánh xe (m)

Từ phương trình 3.2 kết hợp việc chuyển đổi giữa 2 đại lượng rad/s sang RPM, phương trình thể hiện sự tương quan giữa RPM và vận tốc tối đa [24] của động cơ ở phương trình 3.3. ố đ =

Thay RPM = 178 vào phương trình 3.3, đề tài này tính được v tối đa mà động cơ có thể đạt được khoảng 0.45m/s.

Tính toán công suất tối đa của động cơ

Từ các thông số momen xoắn (M) và số vòng quay động cơ/phút (RPM) [25] được trình bày như phương trình 3.4.

Thay T=0.63, N8 vào phương trình 3.4, suy ra

Trong phạm vi đề tài, việc tính toán các lực tác động lên Robot khi di chuyển chỉ xét theo phương song song với mặt sàn theo mô hình sau đây:

Hình 3.6 Mô hình phân tích lực tác động lên Robot Áp dụng định luật II Niu-tơn ở hình 3.6

: Trọng lực tác động lên Robot

: Lực nâng của mặt sàn

: Tổng lực kéo của 2 động cơ m: Khối lượng Robot

: Gia tốc của Robot g: gia tốc trọng trường, g m/s 2

Từ phương trình 3.5, chiếu lên hệ trục tọa độ O(x, y), hệ phương trình có được

, = μN và N = mg ⇒N và N = mg ⇒ = + Đối với trạng thái ban đầu khi Robot đứng yên, để đạt vận tốc tối đa trong 2 giây, gia tốc a cần đạt được với μN và N = mg ⇒ = 0.16 [26].

Thay a = 0.25 vào phương trình 3.6, tính được F k = 36.5 N.

Từ đó, công suất yêu cầu: ả = ∗ ố đ = 18.25 ( )

Kết luận: So sánh kết quả giữa tốc độ yêu cầu v yêu cầu < v tối đa của động cơ từ phương trình 3.3 và P tải < P định mức Do đó, động cơ JGB37-520 178 RPM đáp ứng đủ yêu cầu về vận tốc và tải trọng của đề tài.

IC L298N Đề tài này sử dụng hai động cơ JGB37-520 178 RPM có tổng dòng tiêu thụ khi không tải là 400 mA và khi có tải lên tối đa đến 4 A Dựa vào thông số dòng tiêu thụ của động cơ, đề tài này lựa chọn hai IC L298N có dòng chịu tải ở mỗi kênh của mỗi IC lên đến 2 A để thiết kế cho khối điều khiển động cơ Sơ đồ chân kết nối của IC L298N được mô tả ở hình 3.7.

Thêm vào đó, khi ngắt nguồn sẽ sinh ra dòng ngược gây hư hại đến các linh kiện khác trong board mạch Dựa vào thông số của động cơ, đề tài này lựa chọn tám diode HER208 được thể hiện ở hình 3.8 có dòng chuyển tiếp 2 A kết nối song song với các ngõ ra của IC L298N giúp bảo vệ khối điều khiển động cơ và các linh kiện khác trong mạch.

Hình 3.8 Diode HER208 c) Khối xử lý trung tâm

PHƯƠNG PHÁP XÁC ĐỊNH ĐƯỜNG ĐI ỨNG DỤNG Q-LEARNING

Một bảng giá trị để lưu trữ các giá trị Q (quanlity) cho từng hành động được gọi là Q-table Bằng lựa chọn hành động các điểm Q tốt nhất, Robot có thể tìm đường đi tối ưu đến đích Để áp dụng thuật toán Q-learning cần thực hiện các bước sau. Đầu tiên, chuyển đổi bản đồ di chuyển của hệ thống này (4 x 2.5 m) thành bản đồ lưới 2D có kích thước 8x5 được đánh số thứ tự từ 0 đến 7 là số thứ tự các hàng và các số từ 0 đến 4 là số thứ tự các cột như trong hình 3.23.a với các ô trống (màu xanh lá), các chướng ngại vật (màu đỏ) , đích đến (X) có tọa độ (3, 3) và vị trí ban đầu (O) có tọa độ (0, 2) Sau đó chuyển bản đồ lưới 2D thành ma trận 2D ở hình 3.23.b với “1” là các ô trống và “0” là các ô vật cản. a Bản đồ lưới 2D b Ma trận 2D

Bước 2: Khởi tạo bảng giá trị Q-table chứa toàn bộ các giá trị cho trạng thái (state) và các hành động (action) được thể hiện trong bảng 3.5.

Bảng 3.5 Bảng giá trị Q-table cho hệ thống Robot

Với bảng 3.5, các giá trị S 0 , S 1 đến S 40 trong hệ thống này là các vị trí Robot trong bản đồ chẳng hạn như khi ở vị trí ban đầu S 0 có giá trị là (0, 2) Các giá trị a 0 , a 1 đến a 3 là các hành động bao gồm lên xuống, trái, phải Các giá trị Q(S 0 , a 0 ) đến Q(S 40, a 3 ) là các giá trị ước lượng cho các hành động tại trạng thái đó.

Bước 3: Chọn hành động ngẫu nhiên hoặc có giá trị Q lớn nhất trong Q-table. Việc làm này được thực hiện như sau Đầu tiên, hệ thống này khởi tạo một giá trị ngẫu nhiên trong khoảng từ 0 đến 1 Sau đó, so sánh với ngưỡng epsilon, nếu giá trị này nhỏ hơn epsilon thì chọn ngẫu nhiên một trong các hành động, ngược lại chọn hành động có giá trị Q lớn nhất.

Bước 4: Tính toán và cập nhật các giá trị trong bảng Q-table ( , ) theo phương trình 3.16.

: tốc độ học (learning rate)

: hệ số chiết khấu (discount factor).

R: điểm thưởng tương ứng cho các trường hợp Robot di chuyển đến vị trí kế tiếp Cụ thể là, R = - 0.04 khi Robot di chuyển vào 1 ô trống liền kề, R= - 0.25 khi Robot di chuyển vào ô trống nhưng đã di chuyển trước đó, R = - 0.75 khi Robot di chuyển vào ô bẫy và ngưỡng R đặt là -20 Do đó, việc xác định điểm thưởng R tương ứng giúp Robot có thể tối ưu hóa đường đi bằng cách tránh các ô bẫy và các ô đã được di chuyển trước đó, đồng thời tìm ra đường đi có giá trị hao phí thấp nhất để đến đích Việc đặt ngưỡng R giúp tránh vòng lặp vô tận khi Robot không thể tìm được đường đi sau một số bước di chuyển.

Bước 5: Lựa chọn hành động sẽ được dựa trên giá trị Q lớn nhất

Bước 6: Chuyển đổi các hành động từ ngõ ra Q-table thành các hành động thực tế cho Robot Vì hệ thống này khi thực hiện một hành động thì cần phải xác định lại phương hướng.

THI CÔNG HỆ THỐNG

Dựa vào các linh kiện đã lựa chọn và sơ đồ nguyên lý thiết kế ở Chương 3, liệt kê danh sách linh kiện sử dụng cho mạch toàn hệ thống, thiết kế sơ đồ PCB sắp xếp linh kiện và tiến hành thi công Danh sách linh kiện được liệt kê ở bảng 4.1.

Bảng 4.1 Danh sách linh kiện sử dụng cho mạch toàn hệ thống

STT Tên linh kiện Số lượng

14 Đế chân dây Bus 6 port 2

15 Đế chân dây Bus 4 port 3 Đề tài này thiết kế mạch PCB hai lớp với kích thước 160x158 mm, các đường dây màu xanh là lớp mặt dưới và các đường dây màu đỏ là lớp mặt trên, kích thước

CHƯƠNG 4 THI CÔNG HỆ THỐNG các linh kiện được thể hiện bằng các lớp màu vàng Vị trí các linh kiện được sắp xếp theo từng khối để đảm bảo hiệu quả hoạt động Sơ đồ sắp xếp linh kiện được mô tả ở hình 4.1.

Hình 4.1 Thi công mạch PCB hai lớp 4.1.2 Lắp ráp và kiểm tra a) Lắp ráp mạch nguồn

Hình 4.2 Mô tả chi tiết khối nguồn

Dựa vào sơ đồ nguyên lý, sơ đồ PCB và các linh kiện đã lựa chọn, đề tài này tiến hành lắp ráp khối nguồn Ở nguồn đầu vào đề tài này sử dụng Domino để kết nối với pin acquy 12V - 7.5Ah Các linh kiện của khối nguồn được đặt ở gần IC

CHƯƠNG 4 THI CÔNG HỆ THỐNG

LM2596T-5V để giúp cho bộ chuyển đổi điện áp hoạt động ổn định Chi tiết lắp ráp khối nguồn được mô tả ở hình 4.2. b) Lắp ráp mạch điều khiển động cơ

Sau khi lắp ráp xong khối nguồn đề tài này tiền hành lắp ráp khối điều khiển động cơ Các diode HER208 của khối điều khiển động cơ được đặt song song với nhau và hai IC L298N được đặt ở giữa để đảm bảo hiệu suất hoạt động của khối động cơ luôn ở mức tốt nhất và sử dụng thêm tản nhiệt cho IC L298N để làm mát cho IC Khối động cơ sau khi lắp ráp được mô tả ở hình 4.3.

Hình 4.4 Mô tả chi tiết board mạch toàn hệ thống d) Kiểm tra board mạch

Sau khi bật công tắc cấp nguồn, đèn led báo hiệu sáng chứng tỏ mạch đã được cấp đủ nguồn Cầu chì tại khối nguồn không bị cháy chứng tỏ dòng diện cấp cho board mạch không vượt quá giới hạn Thông số nguồn ra đề tài này đo được thể hiện ởhình 4.5.

Hình 4.5 Kiểm tra nguồn ra của bộ ổn áp

THI CÔNG MÔ HÌNH

4.2.1 Thi công khung robot a) Khung gầm của Robot Đề tài này sử dụng mô hình ba bánh xe, bao gồm hai bánh nhôm được gắn với động cơ điều khiển đặt ở hướng di chuyển thẳng của Robot cùng với cảm biến dò line TCRT5000 và một bánh tự do được đặt ở chính giữa phần sau của bộ khung gầm Robot Các miếng pad lót được dùng để gia cố và giúp cân bằng các bánh xe. Hai vòng cố định có tác dụng tăng khả năng chịu tải cho bánh xe Khung gầm được mô tả chi tiết trong hình 4.6.

Hình 4.6 Mô tả chi tiết bộ khung gầm Robot b) Khung chứa của Robot Đề tài này sử dụng chất liệu Mica trắng có độ dày 8 mm để thi công mô hình Robot vì chất liệu Mica có giá thành rẻ và thời gian gia công không tốn quá nhiều thời gian Các ke góc vuông được dùng để cố định các chi tiết khi lắp ráp và gia cố thêm sự chắc chắn cho bộ khung của Robot Bộ khung của Robot sau khi hoàn thiện lắp ráp được mô tả ở hình 4.7.

Hình 4.7 Mô tả chi tiết khung chứa

Robot c) Mặt trước của Robot

Mặt trước của Robot là nơi để tương tác với người sử dụng thông qua các nút nhấn và màn hình LCD Mô tả chi tiết mặt trước của Robot được thể hiện ở hình 4.8.

Hình 4.8 Mô tả chi tiết mặt trước của Robot d) Mô hình hộp thuốc Đề tài này lựa chọn mô hình khung thuốc đang có trên thị trường với 30 ngăn và có kết cấu hình hộp chữ nhật với kích thước là 370x152 mm Mô hình hộp thuốc được thể hiện ở hình 4.9.

Hình 4.9 Mô hình hộp thuốc 4.2.2 Hoàn thiện sản phẩm

Sau khi hoàn thiện bộ khung Robot và board mạch toàn hệ thống đề tài này tiến hành lắp ráp toàn bộ mô hình Robot như hình 4.10 và kiểm tra hệ thống Đề tài này sử dụng ba nút nhấn có ba màu khác nhau (đỏ, xanh lá, vàng) loại nhấn giữ có hai cặp tiếp điểm để phân biệt các lựa chọn vị trí đích đến của Robot Các dây kết nối của hệ thống đã được đề tài này thu gọn.

Hình 4.10 Mô hình Robot sau khi lắp ráp

LẬP TRÌNH HỆ THỐNG

4.3.1 Lưu đồ giải thuật chương trình chính

Hình 4.11 Lưu đồ giải thuật chương trình chính của hệ thống

Lưu đồ giải thuật chương trình chính được thực hiện sau khi hoàn tất việc kết nối hệ thống giữa Robot và khối xử lý trung tâm từ xa thông qua Bluetooth Đề tài này sẽ thực hiện chương trình chính với các bước chính sau Đầu tiên, kiểm tra thông tin về đích đến từ người sử dụng kèm với truyền dữ liệu từ các cảm biến về cho khối xử lý trung tâm Sau đó, khối xử lý trung tâm xác định chuỗi hành động đến đích và gửi cho Robot Trong quá trình di chuyển, nếu phát hiện vật cản trong phạm vi 1000 mm sẽ gửi hành động “dừng lại” Cuối cùng, sử dụng thông tin từ các cảm biến phù hợp để điều chỉnh tốc độ của hai động cơ dựa trên lệnh được gửi Lưu đồ giải thuật chương trình chính được trình bày trong hình 4.11.

4.3.2 Lưu đồ giải thuật các chương trình con a) Lưu đồ giải thuật chương trình chọn phòng

Hình 4.12 Lưu đồ giải thuật chương trình chọn phòng

Lưu đồ giải thuật ở hình 4.12 thể hiện rằng sau khi người dùng nhấn nút để chọn phòng, giá trị của biến “room”sẽ được gán bằng giá trị tương ứng với phòng đã chọn thông qua việc gọi hàm xử lý nút nhấn Tiếp theo, kiểm tra xem giá trị của biến “room” có khác biến “room_old” hay không Hành động này được thực hiện để đảm bảo rằng nếu Robot đã di chuyển đến một phòng đã chọn trước đó và muốn chuyển đến phòng kế tiếp thì phải nhấn chọn một phòng khác Nếu người dùng nhấn chọn lại phòng đã đi, lệnh sẽ không được thực thi Cuối cùng, thông tin về phòng được hiển thị trên màn hình LCD để người sử dụng có thể dễ dàng quan sát.

Hàm xử lý nút nhấn

Hình 4.13 Hàm xử lý nút nhấn

Với lưu đồ giải thuật được trình bày ở hình 4.13, đề tài này sử dụng các biến

“buttonState1”, “buttonState2” và“buttonState3” để đọc tín hiệu từ các chân Digital tương ứng trên vi điều khiển Biến “selected” được sử dụng để xác định trạng thái hiển thị phòng lên LCD thông qua biến “room”, với giá trị 0 đại diện cho phòng chưa được chọn và giá trị 1 đại diện cho trạng thái phòng đã được chọn Để đặt lại giá trị của biến “selected”, cần đưa các biến “buttonState” lên mức HIGH bằng cách nhấn nhả nút Đồng thời, việc xóa LCD để không hiển thị lại thông tin trước đó và cập nhật lại các biến “room” và “selected” trở lại bằng 0.

CHƯƠNG 4 THI CÔNG HỆ THỐNG b) Lưu đồ giải thuật chương trình gửi và nhận thông tin của Robot

Hình 4.14 Lưu đồ giải thuật chương trình gửi và nhận thông tin của Robot

Lưu đồ giải thuật trong hình 4.14 được giải thích như sau Báo cáo này sử dụng kiểu dữ liệu JSON nhằm đồng bộ hóa các dạng dữ liệu được gửi đồng thời qua Bluetooth giúp thuận tiện trong việc truyền dữ liệu Đồng thời, các giá trị của các biến “dir” là hành động được gửi, “num_step” là tổng số bước trong một quá trình di chuyển và “key_last” được sử dụng để báo hiệu Robot có hoàn thành một quá trình di chuyển hay chưa Thêm vào đó, sử dụng các biến “error” để phát hiện có xảy ra lỗi trong quá trình gửi và nhận dữ liệu, nếu có xảy ra lỗi thì biến “pass” giúp Robot thông báo với khối xử lý trung tâm rằng là có nhận được lệnh điều khiển hay chưa bằng việc cập nhật biến “pass” để gửi về bộ xử lý trung tâm.

CHƯƠNG 4 THI CÔNG HỆ THỐNG c) Lưu đồ giải thuật chương trình xử lý và gửi lệnh của khối xử lý trung tâm

Hình 4.15 Lưu đồ giải thuật chương trình xử lý và gửi lệnh của khối xử lý trung tâm

Lưu đồ giải thuật toán chương trình xử lý và gửi lệnh của khối xử lý trung tâm được trình bày trong hình 4.15 được mô tả như sau Khối xử lý trung tâm có nhiệm vụ tìm ra đường đi tối ưu cho Robot để đến đích dựa trên các tệp model đã được huấn luyện sẵn Đồng thời, lưu lại các dữ liệu này vào một tệp Excel (Database) Ở trạng thái ban đầu của hệ thống, khi giá trị của biến “first” là 0, khi Robot đang ở trạng thái đứng yên thì kiểm tra lần lượt các nút nhấn, nếu người dùng nhấn nút sẽ gán biến “goal” tương ứng với phòng tương ứng, sau đó, thực hiện bước A để tìm tập hành động phù hợp cho từng phòng muốn đến dựa trên thuật toán Q-learning. Khi biến “first” được gán giá trị bằng 1 thì thực thi lưu đồ giải thuật bước B để gửi lệnh thực hiện về Robot.

Hình 4.16 Lưu đồ giải thuật bước A

Lưu đồ bước A trong hình 4.16 được thực thi khi người dùng nhấn nút chọn phòng, biến “goal” sẽ được gán giá trị tương ứng với phòng muốn đến Thông qua việc kiểm tra biến “train” để thực hiện việc xuất ra mảng “step” chứa các hành động từ ngõ ra Q-table bằng hàm “run_model” Sau đó, chuyển các hành động trong mảng “step” thành tập lệnh hành động thực tế của Robot “robot_route” bằng hàm

“get_robot_route Kế đến, chuyển đổi các lệnh trong mảng “robot_route” thành các chữ số trong bảng mã ASCII bằng hàm “convert_to_arduino” để đơn giản hóa lệnh gửi về Arduino Khi kết thúc quá trình này các biến “train”, “first” được gán lên 1 để tránh việc lặp lại Sau đó, in ra màn hình câu “đã tìm được đường đi tối ưu” để báo hiệu đã hoàn tất quá trình.

Lưu đồ bước B ở hình 4.17 được thực thi sau khi đã có chuỗi lệnh thực hiện cho Robot Việc sử dụng biến “prev_step” giúp đánh dấu mỗi lần Robot thực hiện một lệnh trong chuỗi hành động đã được lập kế hoạch Do đó, khối xử lý trung tâm có thể nhận biết số lượng lệnh đã được thực hiện bởi Robot và gửi hành động phù hợp thông qua biến “dir_old” Các biến “value_2”, “value_3”, value_4 và “value_6” đại diện lần lượt cho các giá trị “spin”, “mode”, “pass” và “giá trị cảm biến khoảng cách” được gửi từ Arduino Sau đó lần lượt gửi từng lệnh cho bước đó thông qua biến “dir_old” và gửi về Arduino ở bước C Cuối cùng, đặt lại trạng thái ban đầu cho quá trình di chuyển bằng với tọa độ đích mà Robot di chuyển đến thông qua việc gán biến “rat_cell” bằng “goal” và tất cả các biến còn lại sẽ được trả về trạng thái ban đầu như hình 4.17 khi người sử dụng nhấn thả nút đã chọn để chuẩn bị cho việc di chuyển đến phòng kế tiếp.

Lưu đồ giải thuật bước C trong hình 4.18 có nhiệm vụ kiểm tra vật cản có nằm trong ngưỡng được thiết lập là 1000 mm hay không Nếu có thì biến “dir_old” sẽ bằng

0, ngược lại thực hiện các lệnh kế tiếp Sau đó, việc kiểm tra và giá trị biến “dir” bằng

“dir_old” chỉ một lần để tối ưu việc gửi dữ liệu trong quá trình Robot đang thực hiện di chuyển Đồng thời, kiểm tra dữ liệu có được gửi hay không bằng biến “pass”, nếu giá trị là 0 sẽ thực hiện gửi lại lệnh cho đến khi có giá trị bằng 1 hoặc đối với trường hợp khi hoàn tất việc di chuyển đến đích và người sử dụng muốn đi đến phòng khác (biến

“key_last” được gán bằng 1) thì dữ liệu vẫn sẽ được gửi đi.

Hình 4.18 Lưu đồ giải thuật bước C

Tóm lại, bộ xử lý trung tâm sau khi kết nối với Robot thông qua Bluetooth sẽ bắt đầu quá trình thu thập dữ liệu và lưu vào Database Sau khi nhận được thông tin từ người dùng từ các nút nhấn sẽ tìm ra đường đi tối ưu cho Robot ở bước A thông qua thuật toán Q-learning, sau đó thực hiện bước B để thay đổi hành động gửi về và cuối cùng kiểm tra lại và so sánh với ngưỡng cách rồi gửi gửi Arduino.

Lưu đồ giải thuật hàm run_model

Hình 4.19 Lưu đồ giải thuật hàm run_model

Trong đề tài này, khi nhận được tín hiệu của người dùng về vị trí phòng muốn đi đến, tiến hành tìm đường đi tối ưu cho Robot để đi đến đích bằng hàm run_model ở hình 4.19 Hàm này được sử dụng với mục đích thêm hành động vào một chuỗi

“step” bằng cách lặp lại việc kiểm tra biến “reward” nhỏ hơn 1 hay không Cụ thể là, khi đến đích biến “reward” sẽ được gán bằng giá trị 1 sẽ kết thúc vòng lặp Sau khi kết thúc hàm run_model sẽ xuất ra mảng “Step” chứa các hành động ngõ ra từ Q-table chính là đường đi tối ưu cho Robot trong mô phỏng

Lưu đồ giải thuật hàm get_robot_route

Lưu đồ giải thuật ở hình 4.20 được mô tả việc tìm ra các hành động trong thực tế cho Robot từ các hành động ngõ ra Q-table như sau Ban đầu, khởi tạo mảng trống

“robot route” để lưu trữ các lệnh ngõ ra Sau đó, kiểm tra biến “optimal_route” được gán bằng giá trị tham số “self” chính là mảng “step” Nhằm mục đích kiểm tra rằng có tồn tại một chuỗi hành động cần chuyển đổi hay không Nếu việc tồn tại là đúng, trả về tập lệnh phù hợp được gọi là “robot_route” dựa vào việc kiểm tra từng phần tử bên trong nó lần lượt thông qua các bước D, E, F, G Ngược lại, in ra màn hình câu “Can not find route state invalid” và không trả về bất kỳ gì cả.

Hình 4.20 Lưu đồ giải thuật hàm get_robot_route

VIẾT TÀI LIỆU HƯỚNG DẪN SỬ DỤNG, THAO TÁC

4.4.1 Viết tài liệu hướng dẫn sử dụng

Bước 1: Khởi động và kết nối Robot với Khối xử lý trung tâm thông qua Bluetooth bằng các bước sau.

Kiểm tra cổng kết nối Bluetooth bằng cách chọn “Setting”, kế tiếp chọn

“Bluetooth & Services”, sau đó chọn “View more devices” và tiếp theo chọn “More Bluetooth Settings” Cuối cùng chọn mục COM ports được mô tả như hình 4.34. Nhập địa chỉ cổng COM (outgoing) vào Khối xử lý trung tâm như hình 4.35.

Hình 4.34 Địa chỉ COM kết nối Bluetooth

Hình 4.35 Nhập địa chỉ COM kết nối Bluetooth

Bước 2: Nhập đường dẫn file muốn lưu dữ liệu của Robot vào Khối xử lý trung tâm như hình 4.36 Các dữ liệu của Robot trong quá trình hoạt động sẽ được lưu trữ thành file Excel.

Hình 4.36 Nhập đường dẫn file lưu trữ

Bước 3: Sau khi kết nối Bluetooth thành công, Khối xử lý trung tâm hiển thị

“Chưa có phòng được chọn” như hình 4.37 Robot sau khi kết nối với Khối xử lý trung tâm thành công sẽ ở trạng thái sẵn sàng và chờ chọn phòng như hình 4.38.

Hình 4.37 Kết nối Bluetooth thành công

Hình 4.38 Robot ở trạng thái sẵn sàng

Bước 4: Tiến hành chọn phòng:

Nhấn nút màu xanh để chọn phòng 3.

Nhấn nút màu vàng để chọn phòng 2.

Nhấn nút màu đỏ để chọn phòng 1.

Sau khi nhấn nút chọn phòng, Robot sẽ hiển thị phòng đã chọn lên LCD Khối xử lý trung tâm sẽ hiển thị hành động của Robot, thông báo đường đi phòng chọn và các giá trị của cảm biến Nếu gặp vật cản Robot sẽ dừng lại và chờ đến khi không còn vật cản mới tiếp tục di chuyển đến phòng đã chọn Thông tin hiển thị lên LCD của Robot và thông tin hiển thị của Khối xử lý trung tâm được mô tả ở hình 4.39 và hình 4.40.

Hình 4.39 Hiển thị khi đã chọn phòng

Hình 4.40 Thông tin hiển thị trên Khối xử lý trung tâm

Bước 5: Sau khi Robot đến phòng đã chọn Nếu muốn tiếp tục di chuyển đến phòng tiếp theo cần nhấn nhả nút của phòng đã chọn để trở lại giao diện chọn phòng và nhấn chọn phòng tiếp theo muốn đến.

Toàn bộ các thao tác sử dụng Robot được đề tài này tóm tắt lại dưới dạng lưu đồ giải thuật ở hình 4.41 Người sử dụng cần phải thực hiện đúng các trình tự thao tác và hướng dẫn sử dụng để Robot có thể di chuyển đến đúng vị trí phòng đã chọn.

DỰ TOÁN CỦA MÔ HÌNH ROBOT VẬN CHUYỂN

Bảng 4.2 Bảng dự toán đề tài Đơn giá Tính năng

Danh mục Giá linh kiện cho quá Giá linh kiện cho

STT và thông số một linh kiện linh kiện trình thi công kỹ thuật (Giá x Số lượng =

3 IC điều khiển L298N 2x115.000= 230.000 1x115.000= 115.000 động cơ

4 Cảm biến TCRT5000 1x45.000= 45.000 1x45.000= 45.000 hồng ngoại

17 Khung Robot Mica trắng, 7x100.000= 700.000 1x100.000= 100.000 dày 8mm

19 Bánh xe Đường kính 2x215.000= 430.000 1x215.000= 215.000 nhôm V5 95mm

20 Bánh xe tự Đường kính 1x75.000= 75.000 1x75.000= 75.000 do 60mm

KẾT QUẢ - NHẬN XÉT -ĐÁNH GIÁ

KẾT QUẢ THI CÔNG MÔ HÌNH

Robot sử dụng một board mạch chính được đề tài này thiết kế bao gồm khối điều khiển ngoại vi sử dụng vi điều khiển Arduino Mega 2560 R3, khối nguồn ổn áp sử dụng IC LM2596T-5V cung cấp điện áp và dòng điện cần thiết cho toàn bộ hệ thống bao gồm các khối điều khiển động cơ sử dụng hai IC L298N dùng để điều khiển

2 động cơ JGB37-520 178RPM và khối cảm biến bao gồm VL53L0X, Encoder và TCRT500 Board mạch sau khi thi công và hoàn thiện được thể hiện ở hình 5.1.

CHƯƠNG 5 KẾT QUẢ - NHẬN XÉT – ĐÁNH GIÁ

Mặt trước của Robot bao gồm các nút chọn phòng và giao diện chọn phòng thông qua LCD Đề tài sử dụng ba nút nhấn cùng loại với ba màu khác nhau để phân biệt các lựa chọn phòng muốn đến của người sử dụng Robot sau khi được khởi động sẽ hiển thị giao diện chọn phòng lên LCD Hai mặt bên và mặt trước của Robot sau khi thi công được thể hiện ở hình 5.2 và 5.3.

Hình 5.2 Hai mặt bên của Robot

Hình 5.3 Mặt trước của Robot 5.1.3 Hoàn thiện sản phẩm

Mô hình Robot bao gồm hai phần là phần chứa hộp thuốc và phần trung tâm chứa các bộ phận quan trọng như Board mạch, bộ sạc và pin acquy Phần khung gầm với mô hình ba bánh xe luôn hoạt động tốt với khả năng chịu tải lên đến 5 Kg Hình 5.4 mô tả phần trung tâm của Robot sau khi đã hoàn thiện thi công Đối với phần

CHƯƠNG 5 KẾT QUẢ - NHẬN XÉT – ĐÁNH GIÁ chứa hộp thuốc của Robot, đề tài đã hoàn thiện thiết kế và thi công với không gian có kích thước phù hợp để đặt hộp thuốc và cố định bằng các ke góc vuông sử dụng ốc M4 Hộp thuốc có các ngăn kéo để chứa các loại sản phẩm y tế như thuốc chữa bệnh dạng uống, thuốc dạng bôi, băng gạc y tế và các loại thực phẩm chức năng khác Phần hộp thuốc chứa các nhu yếu phẩm khi di chuyển được mô tả ở hình 5.5.

Hình 5.4 Phần trung tâm sau khi hoàn thiện thi công

Hình 5.5 Phần hộp thuốc chứa các nhu yếu phẩm khi di chuyển

KẾT QUẢ THÍ NGHIỆM

Đề tài đánh giá độ hiệu quả trong việc bám line của Robot bằng cách tính sai số tuyệt đối của Robot khi di chuyển so với đường tham chiếu Khi Robot lệch khỏi quỹ đạo chuẩn, sai số tuyệt đối sẽ tính bằng cách lấy đường di chuyển thí nghiệm trừ cho đường tham chiếu Thêm vào đó, báo cáo này đánh giá độ bám line của Robot sau khi gặp vật cản và độ hiệu quả khi gặp vật cản trên đường di chuyển. Báo cáo này sử dụng bản đồ môi trường 2D được thiết kế với kích thước 3500x2500 mm, được chia làm ma trận 8x5 có kích thước mỗi ô là 500x500 mm Các ômàu xanh biểu thị cho các ô trống, các ô màu đỏ đại diện cho vật cản, màu vàng biểu diễn cho các đích đến và màu xanh dương đại diện cho Robot ở vị trí ban đầu. Bản đồ 2D này được mô tả trong hình 5.6.

Hình 5.6 Bản đồ môi trường 2D

Trong hình 5.5, các số 0 đến 7 ở cột dọc bên tay phải là số thứ tự các hàng và các số từ 0 đến 4 ở hàng ngang là số thứ tự các cột trong bản đồ môi trường 2D Các ô màu xanh lá là các ô trống mà Robot có thể tự do di chuyển Các ô màu đỏ là các ô có chướng ngại vật Các ô màu vàng được đánh số “1”, “2” và “3” biểu thị cho các đích đến tương ứng mà người sử dụng muốn đi đến Cuối cùng, ô màu xanh dương được ký hiệu “O” chính là Robot tại thời điểm ban đầu Do đó, tọa độ trên bản đồ của Robot là O(0, 2), tọa độ đích đến số “1” là (3, 3), tọa độ đích đến số “2” là (7, 2), tọa độ đích đến số “3” là (5, 1) và tọa độ các ô trống và ô chướng ngại vật được xác định theo cách tương tự.

5.2.1 Đánh giá độ bám line a) Mô tả thí nghiệm

Báo cáo thực hiện quy trình sau để đánh giá độ bám line của Robot Đầu tiên, Robot sẽ di chuyển đến một trong ba đích được thể hiện trong bản đồ 2D Sau đó, vẽ đường tham chiếu trong hệ tọa độ Descartes giúp tính toán sai số dựa trên sai số tuyệt đối giữa đường thực tế và đường tham chiếu.

Trường hợp Robot cần di chuyển đến phòng số 1 Trong trường hợp này, Robot cần thực hiện các hành động bao gồm “Xoay trái” sau đó “Xoay phải” rồi “Đi thẳng”

2 lần để đến đích Mô tả các hành động Robot trong thí nghiệm này được thể hiện trong hình 5.7.

Hình 5.7 Các hành động của Robot để di chuyển đến phòng 1

Trường hợp Robot di chuyển đến phòng số 2 Đối trường hợp này, Robot sẽ thực hiện hành động “Đi thẳng” 7 lần với các mũi tên màu trắng và được thể hiện trong hình 5.8.

Hình 5.8 Các hành động của Robot để di chuyển đến phòng 2

Trường hợp Robot cần di chuyển đến phòng số 3 Ở trường hợp này, Robot cần thực hiện các hành động bao gồm “Xoay trái” sau đó “Xoay phải” với các mũi tên màu xám và “Đi thẳng” 4 lần để đến đích với mũi tên màu trắng Mô tả các hành động Robot trong thí nghiệm này được thể hiện trong hình 5.9.

Hình 5.10 Kết quả đường đi thực tế của Robot đến phòng số 1 Với đường chấm xanh là đường đi thực tế của Robot, đường màu đỏ là đường tham chiếu

Bảng 5.1 Liệt kê 5 lần thí nghiệm cho trường hợp phòng số 1

Số lần Quãng đường đi Sai số tuyệt đối so với Đến phòng thí nghiệm được (mm) đường tham chiếu (mm)

Lần 1 Xoay phải 500 mm 21–25 Có Đi thẳng 500 mm 7–12

Lần 2 Xoay phải 500 mm 24–27 Có Đi thẳng 500 mm 0 – 6

Lần 5 Xoay phải 500 mm 45–57 Không Đi thẳng 500 mm Lệch line

Trường hợp Robot di chuyển đến phòng số 2 Ở đồ thị ở hình 5.11, có thể thấy khi di chuyển được quãng đường 500 mm Robot có sai số tuyệt đối so với đường tham chiếu khoảng 0 - 5 mm, lúc này Robot đang bị lệch phải Tiếp theo, khi di chuyển được quãng đường 1000 mm Robot có sai số tuyệt đối là 20 mm so với đường tham chiếu Khi Robot di chuyển quãng đường từ 1500 mm đến 3000 mm không lệch quá 20 mm Cuối cùng khi di chuyển quãng đường còn lại để tới vị trí đích, sai số tuyệt đối so với đường tham chiếu là 30 mm nhưng vẫn không lệch hoàn toàn khỏi đường quỹ đạo chuẩn Đề tài tiếp tục thí nghiệm và ghi nhận kết quả vào bảng 5.2.

Hình 5.11 Kết quả đường đi thực tế của Robot đến phòng số 2 Với đường chấm xanh là đường đi thực tế của Robot, đường màu đỏ là đường tham chiếu Ởbảng 5.2, đề tài này nhận thấy Robot có thể dễ dàng thực hiện các hành động nên cho sai số tuyệt đối trong quá trình di chuyển nằm trong khoảng 3.4 - 8.9 mm với khoảng cách từ 500 - 1500 mm Tuy nhiên, đề tài nhận thấy càng di chuyển quãng đường càng lớn thì sai số tuyệt đối so với đường tham chiếu có xu hướng tăng, với sai số tuyệt đối trong khoảng 18.6 - 24.4 mm đối với khoảng cách xa nhất là 3500 mm Nhưng Robot vẫn có thể di chuyển đến đích thành công trong cả 5/5 lần thí nghiệm khi di chuyển đến phòng số 2.

Số lần Quãng đường đi Sai số tuyệt đối so với đường tham chiếu Đến phòng thí nghiệm được (mm)

Trường hợp Robot di chuyển đến phòng số 3

Kết quả từ đồ thị hình 5.12, cho thấy, đường đi thực tế của Robot khi di chuyển đến vị trí đường số 3 có sai số tuyệt đối tương đối lớn so với đường tham chiếu, khoảng 14 -30 mm khi phải thực hiện các hành động phức tạp như “xoay trái” và “xoay phải” Tuy nhiên khi đến đường line để thực hiện hành động “đi thẳng” để đến đích thì sai số tuyệt đối của đường thực tế so với đường tham chiếu là

10 mm và Robot vẫn có thể tới đích Tương tự với các trường hợp của vị trí phòng 1 và phòng 2, đề tài cũng thực hiện 5 lần thí nghiệm đối với trường hợp vị trí phòng 3 và kết quả thí nghiệm được liệt kê ở bảng 5.3.

Hình 5.12 Kết quả đường đi thực tế của Robot đến phòng số 3 Với đường chấm xanh là đường đi thực tế của Robot, đường màu đỏ là đường tham chiếu

Số lần Quãng đường đi Sai số tuyệt đối so với đường tham chiếu Đến phòng thí nghiệm được (mm)

Lần 1 Xoay trái 500 mm 20 – 24 Có Đi thẳng 2000 mm 10 – 15

Lần 2 Xoay trái 500 mm 90 – 126 Không Đi thẳng 2000 mm Lệch line

Lần 3 Xoay trái 500 mm 22 – 30 Có Đi thẳng 2000 mm 5–10

Lần 4 Xoay trái 500 mm 20 – 24 Có Đi thẳng 2000 mm 2 – 4

Lần 5 Xoay trái 500 mm 14 – 15 Có Đi thẳng 2000 mm 5–12

Từ bảng 5.3, đề tài đưa ra đánh giá về đường đi thực tế của Robot khi di chuyển đến vị trí phòng số 3 như sau Robot có thể di chuyển đến vị trí phòng 3 trong 4/5 lần thí nghiệm Khi Robot thực hiện hành động “xoay phải”, sai số tuyệt đối không thay đổi nằm trong khoảng 6.6 - 9 mm Tuy nhiên, khi thực hiện “xoay trái” thì sai số tuyệt đối nằm trong khoảng19 -23.25 mm Cuối cùng, khi Robot bám được line và thực hiện “đi thẳng” đến vị trí phòng số 3 thì sai số tuyệt đối của đường thực tế so với đường tham chiếu của Robot nằm trong khoảng 5.5 - 10.3 mm.

5.2.2 Đánh giá độ hiệu quả xử lý khi gặp vật cản chuyển động a) Mô tả thí nghiệm Đầu tiên, Robot di chuyển đến đích (vị trí phòng số 2), đồng thời vật cản sẽ di chuyển ngược chiều Robot trên đường đi Sau khi phát hiện vật cản, Robot sẽ dừng lại Cuối cùng, bằng việc thực hiện ghi lại khoảng cách tại vị trí Robot dừng lại so với vật cản, đề tài này đánh giá khoảng cách an toàn thực tế so sánh với khoảng an toàn lý tưởng là 950 mm với ngưỡng thiết lập phát hiện vật cản là 1000 mm Thí nghiệm được mô tả ở hình 5.13.

CHƯƠNG 5 KẾT QUẢ - NHẬN XÉT – ĐÁNH GIÁ b) Kết quả thí nghiệm Đề tài này thực hiện 10 lần thí nghiệm và ghi nhận các kết quả vào bảng 5.4.

Từ đó, báo cáo này sẽ đưa ra nhận xét về khả năng nhận biết vật cản của Robot trong quá trình di chuyển khi gặp vật cản chuyển động trên đường di chuyển có đạt độ hiệu quả tốt hay không. Ởbảng 5.4, đề tài này đưa ra nhận xét rằng là khi Robot gặp vật cản di chuyển trên đường thì Robot sẽ dừng lại với độ hiệu quả xử lý phát hiện vật cản đạt hiệu quả cao Cụ thể, Robot đạt 9/10 lần dừng lại trong khoảng cách an toàn với khoảng cách dừng lại trung bình là 967.1 mm Trong đó, sai số tuyệt đối về khoảng cách dừng lại so với vị trí của vật cản chuyển động là khoảng 958 – 985 mm Với trường hợp chưa đạt yêu cầu, Robot đã vượt quá khoảng cách an toàn khoảng 18 mm so với khoảng cách an toàn mà đề tài mong muốn.

Bảng 5.4 Kết quả 10 lần thực nghiệm độ hiệu khi gặp vật cản chuyển động

Số lần thực Khoảng cách dừng Khoảng cách dừng nghiệm lại (mm) lớn hơn 950 mm

5.2.3 Đánh giá độ bám line sau khi gặp vật cản tĩnh a) Mô tả thí nghiệm

Hình 5.14 Mô tả thí nghiệm đánh giá độ hiệu quả bám line của Robot sau khi gặp vật cản đứng yên

Định dạng
Số trang	171
Dung lượng	8,19 MB