Robot định vị điểm hàn trên board mạch điện tử kết hợp xử lý ảnh

Người thực hiện đề tài Sinh viên 1 Sinh viên 2 Sinh viên 3 Trang 11 LỜI CẢM ƠN Sau quá trình học tập suốt 4 năm tại trường, cùng với kiến thức và sự giảng dạy, quan tâm tận tình từ thầ

CƠ SỞ LÝ THUY T

Giới thiệu khái quát về cánh tay robot

Cánh tay robot là một hệ thống cơ khí thông minh có thể được lập trình để thực hiện các chuyển động linh hoạt tương tự như cánh tay của con người Với khả năng tổng hợp từ các cơ chế riêng lẻ hoặc là một phần của robot phức tạp hơn, cánh tay robot được thiết kế để đáp ứng nhu cầu đa dạng trong sản xuất và tự động hóa Các liên kết của cánh tay robot được kết nối thông qua các khớp, cho phép thực hiện chuyển động quay và chuyển động tịnh tiến một cách chính xác Nhờ hệ thống khớp và liên kết này, cánh tay robot có thể di chuyển và thực hiện các tác vụ cụ thể một cách hiệu quả.

Cấu tạo về cánh tay robot

Một khâu robot là đơn vị cơ bản hình thành nên robot, có thể là cứng hoặc mềm và có khả năng di chuyển tương đối đối với các khâu khác Từ quan điểm động học, khi hai hoặc nhiều khối rắn kết nối với nhau mà không có chuyển động tương đối giữa chúng, chúng được coi là một khâu đơn Mỗi khâu robot riêng lẻ kết hợp với nhau tạo nên robot hoàn chỉnh, với khả năng di chuyển và hoạt động linh hoạt.

Bảng 2 1:Các loại khớp thường được sử dụng trong cánh tay robot

Kiểu khớp Số bậc tự do Ký hiệu Chuyển động Sơ đồ động học

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG 8

Hình 2 1:Khớp quay và tịnh tiến được sử dụng trong robot

Các mắt xích của rô-bốt được nối với nhau bằng các khớp, cho phép chúng biểu diễn bằng một hệ trục Hai loại khớp chính được sử dụng là khớp quay và khớp tịnh tiến, với khớp quay hoạt động như một bản lề, cho phép xoay giữa hai liên kết, và khớp tịnh tiến cho phép chuyển động tịnh tiến qua lại giữa hai mắt xích Các khớp này thường được trang bị các cơ cấu truyền động và được điều khiển bằng động cơ, trong khi các liên kết thụ động không được kết nối với bất kỳ bộ truyền động hoặc động cơ nào Có sáu loại mối ghép tối thiểu, bao gồm khớp xoay, khớp tịnh tiến, khớp dọc trục, khớp ren, khớp cầu và khớp phẳng, với khớp xoay và khớp tịnh tiến là hai loại khớp được sử dụng phổ biến nhất trong các ứng dụng rô-bốt.

2.2.3 Các cơ cấu trong robot

Robot công nghiệp và dịch vụ thường có nhiều bậc tự do hoạt động trong không gian đa chiều, cho phép chúng thực hiện các chuyển động phức tạp Chúng có thể được thiết kế dưới dạng chuỗi động học kín hoặc hở, chuỗi động học nối tiếp hoặc song song, tùy thuộc vào yêu cầu của hệ thống Trong một hệ thống với nhiều bậc tự do, các giá trị thay đổi độc lập để xác định các tham số của hệ thống, cho phép robot thực hiện các nhiệm vụ phức tạp và linh hoạt.

Robot là sự kết hợp của nhiều cơ cấu phức tạp, trong đó mỗi cơ cấu cần xác định giá trị của các khớp để xác định chính xác vị trí của mình Khi hoạt động trong không gian ba chiều, robot có khả năng di chuyển linh hoạt và thực hiện các nhiệm vụ phức tạp.

Bộ môn điều khiển tự động nghiên cứu về không gian hoạt động của robot Các robot thường có hai loại cấu trúc chuỗi động học là kín và hở Đối với chuỗi động học hở, việc thay đổi giá trị của các khớp không ảnh hưởng đến vị trí của khâu cuối cùng, trong khi chuỗi động học kín, biến dạng sẽ ảnh hưởng đến vị trí các khâu kế tiếp mà không thay đổi vị trí khâu trước đó Để kiểm soát vị trí động học của khâu cuối cùng trong chuỗi động học hở, tất cả các tham số của khớp và khâu phải được liên tục và vị trí của khâu cuối cùng phải được kiểm soát chặt chẽ.

Sự khác biệt giữa các cơ cấu có thể được thể hiện rõ ràng thông qua việc so sánh các phương trình vector mô tả mối quan hệ giữa các khâu và các cơ cấu khác nhau trong hệ thống Đối với hệ thống kín, mối quan hệ giữa các khâu được biểu diễn bằng phương trình O A 1  AB O O 1 2 O B 2 Trong khi đó, đối với hệ thống hở, mối quan hệ này được thể hiện qua phương trình O A 1  ABBCO C 1, cho thấy sự khác biệt cơ bản giữa hai loại hệ thống này.

Hình 2 2:Cơ cấu chuỗi động học kín và động học hở a Bậc tự do:

Bậc tự do (Degree of Freedom - DoF) của kết cấu là một thước đo quan trọng, thể hiện số tham số bậc tự do hoặc khả năng di chuyển của kết cấu trong không gian Trong lĩnh vực robot, số bậc tự do của robot được xác định bởi khả năng di chuyển của nó trong một hệ tọa độ cố định gắn với một điểm quy chiếu cụ thể Các chuyển động này thường bao gồm chuyển động quay và chuyển động tịnh tiến, giúp robot thực hiện các nhiệm vụ phức tạp trong môi trường thực tế.

Hình 2 3:Số bậc tự do của robot với các khớp quay và bệ di chuyển b Cấu trúc động học

Cấu trúc của robot có thể được chia thành hai loại chính dựa trên cấu trúc động học: robot nối tiếp và robot song song Robot nối tiếp là loại robot có các thành phần kết nối thành một chuỗi mở, còn robot song song có các khớp hình thành một chuỗi động học kín Ngoài ra, còn có robot động học hỗn hợp kết hợp cả chuỗi động học kín và hở Mỗi loại cấu trúc đều có ưu và nhược điểm riêng, do đó việc lựa chọn cấu trúc phù hợp khi thiết kế robot cần được cân nhắc kỹ lưỡng.

Các robot nối tiếp hoặc robot vòng hở có cấu trúc động học không tạo thành một vòng kín, trong khi đó robot vòng kín hoặc robot song song lại có cấu trúc động học tạo thành một vòng kín Ngoài ra, robot hỗn hợp (hybrid) kết hợp cả chuỗi động học kín và hở, tạo nên sự đa dạng trong thiết kế robot Về cơ bản, một robot là một tập hợp các thành phần kết nối với nhau thông qua các khớp, tương tự như một hệ thống cơ khí.

Không gian làm việc của robot

Không gian làm việc của robot là khu vực vật lý mà robot có thể di chuyển và thực hiện nhiệm vụ của mình Phạm vi hoạt động của robot được xác định bởi tập hợp các vị trí xa nhất mà cơ cấu chấp hành có thể di chuyển tới, phụ thuộc vào các giới hạn về vị trí và hướng của các bộ phận cơ khí cấu hình thành robot Kích thước và hình dạng của không gian làm việc robot sẽ khác nhau tùy thuộc vào từng loại robot và ứng dụng cụ thể.

Không gian làm việc của robot sẽ được xác định bởi giới hạn góc quay của các khớp, nhưng cũng phụ thuộc vào ứng dụng và nhiều yếu tố khác nhau ảnh hưởng đến khả năng di chuyển và hoạt động của robot trong môi trường thực tế.

Hình 2 4: Không gian làm việc robot

Để xác định không gian làm việc của robot, cần xác định thông số cụ thể về hình dạng, kích thước và đặc tính của robot cũng như các giới hạn vận hành của nó Việc xác định hệ tọa độ và gốc tọa độ của robot cùng với các trục tọa độ tương ứng là bước quan trọng tiếp theo, giúp có thể xác định rõ ràng không gian làm việc của robot.

Bộ môn điều khiển tự động mô hình hóa không gian làm việc của robot, sau đó kiểm tra và đánh giá tính hợp lệ của không gian này bằng cách đặt các điểm kiểm tra để xác định xem robot có thể đạt được các vị trí đó hay không Quá trình này giúp nắm rõ không gian làm việc của robot, từ đó có thể thực thi tác vụ một cách hiệu quả và kết hợp với các robot khác hoặc thậm chí là làm việc chung với con người.

Tổng quan về xử lý ảnh kỹ thuật số

Xử lý ảnh kỹ thuật số là một lĩnh vực đa dạng và rộng lớn, bao gồm nhiều kỹ thuật và ứng dụng khác nhau Quá trình này liên quan đến việc áp dụng các thuật toán tính toán trên dữ liệu ảnh để xử lý và biến đổi hình ảnh kỹ thuật số Với khả năng ứng dụng rộng rãi, xử lý ảnh kỹ thuật số có thể được triển khai trong nhiều lĩnh vực như y tế, viễn thông, địa chất, công nghệ sản xuất và nhiều lĩnh vực khác, mang lại những lợi ích và kết quả đáng kể.

Xử lý ảnh kỹ thuật số là một lĩnh vực quan trọng trong khoa học máy tính và điện tử, tập trung vào việc xử lý, phân tích và trích xuất thông tin từ các hình ảnh số Quá trình này áp dụng các phương pháp toán học và thuật toán máy tính để xử lý dữ liệu ảnh số, giúp khai thác và phân tích thông tin có giá trị từ các hình ảnh.

Có nhiều kỹ thuật xử lý ảnh khác nhau có thể được áp dụng, ví dụ như:

- Định dạng ảnh: Xác định cách mà dữ liệu ảnh được mã hóa và lưu trữ, ví dụ như JPEG, PNG, BMP, TIFF, GIF

Độ phân giải của hình ảnh là yếu tố quan trọng xác định số điểm ảnh (pixel) theo chiều rộng và chiều cao, quyết định mức độ chi tiết của hình ảnh Khi độ phân giải càng cao, hình ảnh sẽ càng rõ ràng và chi tiết, tuy nhiên điều này cũng đồng nghĩa với việc kích thước tệp sẽ tăng lên đáng kể.

Hình 2 6: Độ phân giải pixel

Kích thước ảnh là yếu tố quan trọng ảnh hưởng đến chất lượng hình ảnh, và nó được tính bằng đơn vị byte Kích thước hình ảnh phụ thuộc vào hai yếu tố chính là định dạng hình ảnh và độ phân giải, quyết định đến dung lượng của tệp hình ảnh.

Màu sắc ảnh được thể hiện thông qua các không gian màu như RGB, HSL, HSV và CMYK, giúp mã hóa từng pixel trong hình ảnh bằng một giá trị màu cụ thể.

Hình 2 7: Không gian màu RGB Hình 2 8: Không gian màu HSL

Hình 2 9: Không gian màu HSV Hình 2 10: Không gian màu

Biến đổi ảnh là quá trình thay đổi hình dạng và kích thước của hình ảnh, giúp người dùng có thể tùy chỉnh hình ảnh theo ý muốn Quá trình này bao gồm các thao tác như xoay hình ảnh, chia tỷ lệ hình ảnh và cắt xén hình ảnh để tạo ra hình ảnh mới với kích thước và hình dạng mong muốn.

Hình 2 11: Biến đổi ảnh màu thành ảnh xám và cắt ảnh

2.4.1 Các phương pháp tiền xử lý ảnh

Tiền xử lý ảnh là giai đoạn quan trọng trước khi áp dụng các phương pháp xử lý ảnh chính, giúp cải thiện chất lượng hình ảnh Quá trình này bao gồm các phương pháp như tăng độ phân giải, giảm nhiễu, cải thiện độ bão hòa và tách phân đoạn ảnh, nhằm nâng cao hiệu quả xử lý ảnh sau này.

Làm trơn ảnh là kỹ thuật giảm nhiễu và làm mượt ảnh hiệu quả, thường được thực hiện bằng cách sử dụng các bộ lọc như Gaussian, Median và Bilateral Những bộ lọc này giúp loại bỏ nhiễu li ti và giảm thiểu nhiễu lớn trong ảnh, mang lại hình ảnh rõ ràng và mượt mà hơn.

Bộ lọc Median là một công cụ quan trọng trong xử lý ảnh, giúp làm mờ ảnh và loại bỏ nhiễu ảnh hiệu quả Nguyên tắc hoạt động của bộ lọc này dựa trên việc thay thế giá trị pixel bằng giá trị trung vị của các điểm ảnh lân cận xung quanh, từ đó mang lại hình ảnh rõ ràng và mượt mà hơn.

Công thức của bộ lọc Median:

Giả sử ta có một kernel với kích thước là (2K+1) x (2K+1) với K=1 ta được kernel 3x3 Tại pixel có vị trí (x, y) trong ảnh gốc, vùng lân cận với kích thước 3x3 sẽ bao gồm các vị trí (x-1, y-1), (x, y-1), (x+1, y-1), (x-1, y), (x+1, y), (x-1, y+1), (x, y+1), (x+1, y+1).

Sau khi xác định các giá trị của điểm ảnh trong vùng lân cận (x, y), (x, y+1), (x+1, y) và (x+1, y+1), các giá trị này sẽ được sắp xếp theo giá trị tăng dần Giá trị trung vị của dãy số sẽ được chọn làm giá trị mới cho điểm ảnh tại (x, y) trong ảnh kết quả.

Hình 2 12: Các giá trị điểm ảnh

Bộ lọc Bilateral là một bộ lọc tuyến tính có chức năng giữ lại các đường biên quan trọng đồng thời làm mờ hình ảnh Bộ lọc này kết hợp hai yếu tố chính: giá trị điểm ảnh gần và sự tương đồng về màu sắc giữa các điểm ảnh Kết quả của điểm ảnh sau khi qua bộ lọc được xác định bởi sự kết hợp của hai yếu tố này, giúp giữ lại các chi tiết quan trọng và làm mờ các phần không cần thiết của hình ảnh.

Trong đó W P được xác định bởi:

Dưới đây là kết quả khi áp dụng bộ lọc Bilateral lên ảnh gốc:

Hình 2 13: Ảnh gốc Hình 2 14: Ảnh qua bộ lọc Bilateral

Bộ lọc Gaussian là một kỹ thuật xử lý ảnh quan trọng, giúp làm mờ và lọc nhiễu hiệu quả Quá trình này được thực hiện bằng cách tính toán giá trị trọng số của các điểm ảnh lân cận, từ đó tạo ra hình ảnh mượt mà và giảm thiểu nhiễu.

Giá trị bộ lọc Gauss được diễn tả theo công thức sau:

Bộ lọc Gauss sử dụng hằng số chuẩn hóa 2^2 để đảm bảo trọng số bằng 1, đồng thời giá trị  đóng vai trò quyết định mức độ làm mờ của bộ lọc Khi giá trị  tăng, độ rộng của hàm Gauss cũng tăng theo, dẫn đến mức độ làm mờ của hình ảnh cũng tăng lên.

Giá trị trọng số của điểm ảnh tại vị trí ( , )x y

Trong đó: V x y( , )là giá trị mới của điểm ảnh tại vị trí ( , )x y , Wlà tổng các trọng số trong kernel, G i j( , , ) là hàm Gauss được tính toán theo công thức (2.1),

F x i y  j là giá trị điểm ảnh tại vị trí (x i y ,  j) trong ảnh gốc

Bộ lọc Gaussian là một giải pháp hiệu quả trong việc xử lý ảnh, giúp giữ lại thông tin cấu trúc của ảnh đồng thời làm mờ các điểm lân cận một cách mượt mà Ưu điểm của bộ lọc này là không làm thay đổi quá nhiều giá trị điểm ảnh gốc, đảm bảo chất lượng hình ảnh được giữ nguyên Đặc biệt, bộ lọc Gaussian cho phép điều chỉnh độ mờ thông qua tham số độ lệch chuẩn (), giúp người dùng tùy chỉnh thông số phù hợp với yêu cầu của từng ứng dụng cụ thể Nhờ đó, bộ lọc này xử lý tốt độ nhiễu của ảnh và cải thiện đáng kể chất lượng hình ảnh.

Chuyển đổi không gian làm việc

2.5.1 Phương pháp Hand Eye Calibration

Phương pháp hiệu chuẩn Hand-eye là quá trình điều chỉnh và hiệu chuẩn không gian giữa camera và cánh tay robot, đảm bảo thu thập và phân tích dữ liệu không gian chính xác Quá trình này đóng vai trò quan trọng trong các ứng dụng liên quan đến theo dõi không gian robot, nhận dạng khoảng cách và thị giác máy tính.

Dưới đây là một phương pháp phổ biến được sử dụng trong “Eye calibration”:

Việc sử dụng điểm calibrate là bước quan trọng trong quá trình hiệu chuẩn camera, đảm bảo độ chính xác cao cho các ứng dụng khác nhau Trong quá trình này, các điểm calibrate được hiển thị trên màn hình, thường ở vị trí trung tâm, để theo dõi và hiệu chỉnh toàn diện camera Hiệu chuẩn camera chính xác là yếu tố then chốt để thiết lập nhiều camera, loại bỏ biến dạng hình học do sai lệch ống kính, hoặc đo lường chính xác các thuộc tính hình học trong thực tế.

Hình 2 20: Một tập hợp các hình ảnh lưới để hiệu chỉnh cơ bản

- Mặt phẳng thực tế - Đo lường và hiệu chỉnh

Để đảm bảo khả năng tương thích giữa vị trí đối tượng được phát hiện trên hình ảnh và hoạt động của robot trong thực tế, cần thiết lập một hệ tọa độ chung được xác định bởi một mặt phẳng thực tế Việc hiệu chỉnh hình ảnh lên mặt phẳng thực tế cho phép chuyển đổi kết quả phân tích sang tọa độ thực tế, giúp robot hoạt động chính xác và hiệu quả hơn.

Hình 2 21: Đối tượng quan tâm được chụp bởi một máy ảnh có vị trí không hoàn hảo

Một trường hợp sử dụng khác của hệ thống đa camera là hiệu chỉnh hình ảnh từ tất cả các camera lên mặt phẳng thực tế chung, tạo ra mối quan hệ đơn giản và xác định rõ ràng giữa những hình ảnh đã được hiệu chỉnh Điều này cho phép dễ dàng chồng chéo hoặc ghép hình ảnh, đồng thời đảm bảo tất cả các điểm ảnh đều có tọa độ không âm.

Hình 2 22: Hệ tọa độ mặt phẳng thực tế chồng lên hình ảnh gốc

- Trích xuất lưới hiệu chuẩn

Adaptive Vision Studio cung cấp bộ lọc trích xuất cho một số định dạng lưới hiệu chuẩn tiêu chuẩn, giúp người dùng dễ dàng xử lý dữ liệu Tuy nhiên, nếu lưới tùy chỉnh được sử dụng, một giải pháp tùy chỉnh sẽ được yêu cầu để trích xuất mảng điểm hình ảnh Trong trường hợp lưới tùy chỉnh là lưới hình chữ nhật, bộ lọc AnnotateGridPoints có thể được áp dụng để tính toán chú thích cho các điểm hình ảnh một cách chính xác.

Hình 2 23: Lưới hình tròn đối xứng là lưới được khuyến nghị sử dụng trong Adaptive

Các lưới hiệu chuẩn nên được thiết kế càng phẳng và cứng càng tốt để đảm bảo độ chính xác cao Khi sử dụng lưới hiệu chuẩn tùy chỉnh, điều quan trọng là phải đảm bảo rằng bộ trích xuất điểm có thể đạt được độ chính xác dưới mức yêu cầu, giúp cải thiện hiệu suất tổng thể của hệ thống.

Để đảm bảo độ chính xác của các đo lường tọa độ lưới tại mặt phẳng thực tế, cần phải xác minh rằng lưới hiệu chuẩn hình bàn cờ được hiển thị rõ ràng trên hình ảnh Điều này giúp đảm bảo rằng toàn bộ lưới hiệu chuẩn được sử dụng để tính toán các thông số cần thiết, từ đó mang lại kết quả đo lường chính xác ở dạng pixel.

Hình 2 24: Lưới hình tròn không đối xứng không được hỗ trợ

Lưới hiệu chuẩn được khuyến nghị sử dụng trong Adaptive Vision Studio là lưới hình tròn (DetectCalibrationGrid_Circles), giúp giảm số lượng điểm hiệu chuẩn tổng thể và hạn chế các sai số hình học Điều này đặc biệt quan trọng khi có méo hình ống kính và/hoặc góc nhìn đáng kể, đảm bảo độ chính xác cao trong quá trình hiệu chuẩn.

Quá trình ghép ảnh mượt mà trong cài đặt với nhiều camera đòi hỏi hiệu chuẩn ảnh trên mặt phẳng thực tế Mỗi camera đều có sai biến ống kính và sai biến góc nhìn do không được đặt hoàn hảo vuông góc với bề mặt phân tích Điều này đòi hỏi phải điều chỉnh và hiệu chỉnh để đảm bảo chất lượng hình ảnh tốt nhất.

Hình 2 25: Đã phát hiện lưới bàn cờ, với mảng điểm hình ảnh được đánh dấu

Quá trình hiệu chuẩn mắt có thể được thực hiện thông qua nhiều thiết bị và công nghệ khác nhau, từ hệ thống theo dõi mắt đơn giản dựa trên camera hoặc cảm biến đến các hệ thống phức tạp sử dụng công nghệ eye tracker Để đảm bảo độ chính xác và tin cậy của kết quả, quá trình này thường được thực hiện trong môi trường được kiểm soát chặt chẽ.

Hình 2 26: Một thiết lập nhiều camera để kiểm tra một vật thể phẳng

Hình 2 27: Mối quan hệ giữa các khung thành phần cho robot được hướng dẫn bằng tầm nhìn

Dựa trên công trình của Shiu và Ahmad, phép biến đổi tay-mắt có thể được thu thập bằng cách giải phương trình biến đổi đồng nhất Phương trình này cung cấp một cách thức toán học để mô tả mối quan hệ giữa chuyển động của tay và mắt, cho phép tính toán chính xác vị trí và hướng của chúng Bằng cách giải phương trình này, có thể thu được phép biến đổi tay-mắt, cung cấp thông tin quan trọng cho việc xây dựng và điều khiển các hệ thống robot và máy tính.

Ma trận biến đổi đồng nhất Bh biểu diễn sự di chuyển tương đối của camera gắn kết và tay robot giữa hai điểm tương ứng, trong khi Xch là biến đổi được yêu cầu giữa tay robot và camera, như được hiển thị trong Hình 2.28, với Ac1 và Ac2 là các thông số quan trọng cần được tính toán.

B h có thể được biểu diễn như tích của hai biến đổi cơ thể cứng như sau:

Các vị trí của camera AWC1, AWC2 và các vị trí của tay robot BBH1, BBH2 được xác định liên quan đến khung thực tế hoặc đối tượng hiệu chuẩn và cơ sở của robot, giúp thiết lập mối quan hệ không gian chính xác giữa camera và tay robot.

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG 23 tương ứng, cho các vị trí robot khác nhau Phương trình (2.6) có thể được biểu diễn dưới dạng ma trận như sau

Quá trình hiệu chuẩn liên quan đến việc thu thập các bộ vị trí của tay robot và máy ảnh, trong đó ma trận xoay R kích thước 3×3 và vector dịch chuyển t kích thước 3×1 đóng vai trò quan trọng Việc này đòi hỏi phải xác định chính xác các thông số của ma trận xoay và vector dịch chuyển để đảm bảo độ chính xác cao trong quá trình hiệu chuẩn.

Hình 2 28: Thiết lập hiệu chỉnh tay-mắt

Truyền nhận dữ liệu

Dữ liệu trong đề tài này được biểu diễn dưới dạng chuỗi kí tự bao gồm các chữ cái và các số tự nhiên Quá trình truyền nhận dữ liệu diễn ra qua lại giữa vi điều khiển và phần mềm điều khiển Để thực hiện việc truyền nhận dữ liệu này, có nhiều phương thức giao tiếp khác nhau có thể được áp dụng, bao gồm USB, Ethernet và Serial.

2.6.1 Phương thức USB Ưu điểm của phương này là người sử dụng có thể dễ dàng giao tiếp với phần cứng thông qua chuẩn USB, có thể giao tiếp với nhiều thiết bị và được phát hiện tự động khi kết nối với máy tính Nổi bật của USB khi sử dụng phương thức giao tiếp USB là chúng hỗ trợ nhiều tốc độ khác nhau phù hợp cho nhiều loại vi điều khiển USB hỗ trợ bốn tốc độ: SuperSpeed là 5 Gbps, high speed là 480 Mbs, full speed là 12 Mbps và low speed là 1,5 Mbps SuperSpeed yêu cầu một bộ điều khiển máy chủ USB 3.0 trên máy tính chủ Các bộ điều khiển máy chủ USB 2.0 hỗ trợ các tốc độ thấp, đầy đủ và cao Không những thế, giao thức USB còn có chế độ kết nối không dây dành cho các thiết bị có hỗ trợ và không cần phải cài đặt người dùng Điều này giúp cho giao thức USB được sử dụng rộng rãi, rẻ và còn tiết kiệm năng lượng Dưới đây là máy chủ USB 3.0 và các hub hỗ trợ bốn tốc độ cho giao tiếp xuống hạ tầng

USB 3.0 HOST AND ROOT HUB

LOW-SPEED DEVICE USB 3.0 HUB USB 2.0 HUB

Hình 2 30: Máy chủ USB 3.0 và các hub hỗ trợ

Phương thức Serial, còn được biết đến với tên gọi phương thức giao tiếp tuần tự, là phương thức truyền dữ liệu thông qua một đường truyền duy nhất, trong đó dữ liệu được gửi đi lần lượt từng bit một Với ứng dụng rộng rãi trong việc giao tiếp giữa các thiết bị điện tử, vi điều khiển và các thiết bị ngoại vi, phương thức Serial đóng vai trò quan trọng trong việc truyền dữ liệu hiệu quả và ổn định.

Trong giao tiếp Serial, dữ liệu được truyền theo chuỗi các bit tuần tự, bắt đầu từ bit thấp nhất đến bit cao nhất hoặc ngược lại Giao tiếp Serial chủ yếu sử dụng hai đường truyền chính, đảm bảo việc truyền dữ liệu một cách tuần tự và hiệu quả.

Tx (Transmit): Đường truyền dữ liệu từ nguồn gốc đến đích Đây là đường truyền gửi dữ liệu từ một thiết bị đến một thiết bị khác

Rx (Receive): Đường truyền dữ liệu từ đích đến nguồn gốc Đây là đường truyền nhận dữ liệu từ một thiết bị khác

Máy tính Vi điều khiển

Hình 2 31: Truyền nhận giữa máy tính và vi điều khiển

Các bit dữ liệu được truyền qua đường truyền Serial theo thứ tự tuần tự, thông thường bao gồm một bit bắt đầu, các bit dữ liệu, một hoặc nhiều bit kiểm tra và một bit kết thúc Bit kiểm tra đóng vai trò quan trọng trong việc kiểm tra lỗi truyền dữ liệu, giúp đảm bảo tính toàn vẹn của dữ liệu trong quá trình truyền.

Có nhiều chuẩn giao tiếp Serial khác nhau, bao gồm RS-232, UART, SPI, I2C và CAN, mỗi chuẩn có đặc điểm và ứng dụng riêng phù hợp với các loại thiết bị và mục đích sử dụng khác nhau Giao tiếp Serial là một phương pháp truyền dữ liệu tuần tự được sử dụng rộng rãi trong các ứng dụng nhúng, điện tử và viễn thông, nơi việc truyền dữ liệu theo trình tự là cần thiết.

Việc truyền dữ liệu giữa nhiều thiết bị trên cùng một đường truyền được thực hiện thông qua Ethernet, một loại kết nối mạng cục bộ dựa trên giao thức CSMA/CD, cho phép kiểm tra trạng thái sử dụng của đường dây Mạng Ethernet hỗ trợ nhiều tốc độ truyền dữ liệu khác nhau, bao gồm 10 Mbps Ethernet, Fast Ethernet (100 Mbps) và 10 Gigabit Ethernet Các giao thức mạng phổ biến như TCP/IP được sử dụng rộng rãi trên mạng Ethernet, cung cấp các quy tắc và giao thức cần thiết để truyền, liên lạc và định tuyến dữ liệu đáng tin cậy giữa các thiết bị trên mạng.

2.7 Các phương pháp hàn mạch

Trong ngành công nghiệp hàn, có rất nhiều kỹ thuật để thực hiện quá trình hàn Một số phương pháp thường được sử dụng bao gồm:

Hàn bằng tay là phương pháp truyền thống mà thợ hàn sử dụng tay và thiết bị hàn để thực hiện quá trình hàn Kỹ năng và kinh nghiệm của thợ hàn đóng vai trò quan trọng trong việc đảm bảo chất lượng và độ tin cậy của quy trình hàn này.

Hình 2 32: Hàn mạch bằng tay

Hàn sóng là phương pháp hàn mạch điện tử hiện đại sử dụng sóng nhiệt để kết nối các bộ phận Quá trình này liên quan đến việc áp sóng hợp kim thiếc nóng chảy lên các thành phần, giúp chúng liên kết chặt chẽ với nhau khi hợp kim tan chảy dưới tác động của sóng nhiệt.

Hàn bằng hồ quang là phương pháp tạo ra nhiệt độ cao để hàn các mạch điện với nhau bằng nhiệt sinh ra từ mỏ hàn hồ quang Quá trình này sử dụng điện hoặc gas làm nguồn nhiệt cho đầu hàn hồ quang, tạo ra một vùng nóng chảy hiệu quả để hàn các bộ phận mạch điện lại với nhau.

Hình 2 34: Hàn bằng hồ quang

3 Que (đũa) hàn gắn vào kìm hàn

4 Nơi gắn que hàn vào kìm hàn

5 Vị trí đặt kìm hàn (cách đặt kìm hàn)

6 Chiều dài hồ quang: là khoảng cách từ que hàn đến vật hàn

Phương pháp hàn nóng chảy chất lỏng là kỹ thuật tạo liên kết giữa các thành phần mạch bằng cách sử dụng chất lỏng nóng chảy như chất hàn Khi chất lỏng này được bôi vào các bộ phận cần hàn, nó sẽ nguội đi và tạo thành một liên kết cứng, đảm bảo sự gắn kết chắc chắn giữa các thành phần.

Hình 2 35: Hàn nóng chảy chất lỏng

Hàn không chì đã trở thành phương pháp phổ biến trong ngành công nghiệp hiện nay do những lợi ích đáng kể về môi trường mà nó mang lại Thay vì sử dụng chất hàn chì truyền thống, phương pháp này áp dụng các hợp chất thay thế như hợp kim thiếc-bạc hoặc thiếc-bạc-đồng để tạo ra các kết nối mạch an toàn và hiệu quả.

Trong lĩnh vực hàn mạch điện tử và hàn bề mặt, kỹ thuật hàn nóng chảy đóng vai trò quan trọng Kỹ thuật này liên quan đến việc sử dụng chất lỏng nóng chảy để tạo ra liên kết mạnh mẽ và bền vững giữa các thành phần mạch điện tử khác nhau, giúp đảm bảo sự ổn định và hiệu suất của mạch.

Quá trình hàn bắt đầu bằng việc đun nóng chất lỏng hàn, thường là hợp kim thiếc như thiếc hàn Khi đạt đủ nhiệt độ nóng chảy, chất lỏng hàn được áp dụng lên các bộ phận cần hàn, chẳng hạn như chân IC, điện trở, tụ điện hoặc các thành phần khác trên mạch in, giúp kết nối và tạo mối liên kết chắc chắn giữa chúng.

Khi chất lỏng hàn tiếp xúc với các bộ phận, nó sẽ nhanh chóng truyền nhiệt và hình thành liên kết mạnh mẽ Quá trình này cho phép hàn nhanh và hiệu quả, vì chất lỏng hàn nguội lại và trở thành một liên kết cứng giữa các thành phần mạch chỉ trong thời gian ngắn Ưu điểm của hàn bằng chất liệu nhiệt nóng chảy bao gồm tốc độ hàn nhanh, hiệu quả cao và khả năng tạo ra liên kết chắc chắn giữa các thành phần.

- Tốc độ hàn nhanh: Quá trình hàn diễn ra nhanh chóng, giúp tăng tốc độ sản xuất

- Không yêu cầu áp lực cao: Hàn không yêu cầu áp lực cao như hàn sóng, giúp tránh biến dạng không mong muốn của các thành phần mạch

THI T K PHẦN CỨNG

Thiết kế phần cứng

3.1.1 Thiết kế cánh tay robot trên phần mềm Solidwork

Khung robot SCARA là lựa chọn lý tưởng cho các ứng dụng công nghiệp liên quan đến lắp ráp, hàn, đóng gói và thao tác Với khả năng di chuyển linh hoạt trên một mặt phẳng và độ chính xác cao, SCARA đã trở thành một công cụ quan trọng trong ngành công nghiệp sản xuất hiện đại Sự kết hợp của khung robot SCARA với các cơ cấu đẩy chì, hàn, khung bảo vệ và mạch xử lý được thiết kế phù hợp giúp tăng cường hiệu suất và độ chính xác trong các quy trình sản xuất.

Hình 3 1: Tổng quan thiết kế khung robot scara

Quá trình thiết kế robot bắt đầu từ việc xác định yêu cầu và mục tiêu thiết kế, bao gồm khả năng vận hành, chức năng, kích thước và trọng lượng Đây là bước đầu tiên quan trọng trong thiết kế robot, giúp xác định hướng đi và phạm vi của dự án.

1 đảm nhận vị trí trụ cột cho mô hình chứa động cơ và các khâu còn lại

Khâu 1 là khâu trung tâm được kéo bởi 1 động cơ bước thông qua dây đai nằm trên cùng mặt phẳng đế Khâu 1 sẽ chứa 2 động cơ bước, động cơ thứ nhất giúp quay toàn bộ robot, động cơ còn lại giúp xoay trục vitme thay đổi vị trí cao hoặc thấp cho khâu 2

Khâu 2 được cố định vào 3 trục của khâu 1 di chuyển lên cao hoặc xuống thấp nhờ vào trục vitme thông qua ổ bi trượt và trên thân khâu 2 có chứa động cơ để kéo khâu 3

Khâu 3 là khâu cuối cùng được thiết kế để liên kết với mỏ hàn gắn trực tiếp thông qua trục ở đầu khâu và động cơ đẩy chì được gắn trên thân của khâu 3 Cánh tay robot sau khi thiết kế dựa trên khung scara được gắn vật liệu in 3D kết hợp với cơ cấu đẩy chì, mỏ hàn và khung bảo vệ

Hình 3 5: Tổng quan cánh tay robot hàn

3.1.2 Sơ đồ khối hệ thống điều khiển Robot

Hình 3 6: Sơ đồ khối của hệ thống

Khối nguồn đóng vai trò quan trọng trong việc cung cấp năng lượng cho các thiết bị trong hệ thống Cụ thể, các khối Camera, Vi điều khiển và Khối cảm biến sẽ được cấp nguồn 5V, trong khi đó Băng tải và khối Động cơ sẽ được cấp nguồn 24V để đảm bảo hoạt động ổn định và hiệu quả.

Cảm biến NPN đóng vai trò quan trọng trong việc nhận diện board mạch trên băng tải Khi board mạch di chuyển vào vùng nhận diện của cảm biến, nó sẽ gửi tín hiệu đến vi điều khiển Sau khi tín hiệu được xử lý, hệ thống sẽ tự động dừng băng tải và kích hoạt robot thực hiện tác vụ hàn mạch chính xác và hiệu quả.

Camera thu hình ảnh board mạch và gửi lên máy tính để xử lý và nhận diện các vị trí cần hàn Sau đó, tín hiệu vị trí sẽ được gửi vào cho Vi điều khiển để tính toán và điều khiển động cơ thông qua khối Driver, đảm bảo quá trình hàn chính xác và hiệu quả.

Các driver A4988 và DRV8825 được ứng dụng để điều khiển vi bước động cơ step, mang lại khả năng kiểm soát chính xác và linh hoạt Trong đó, hai loại động cơ step phổ biến được sử dụng là động cơ step 42 và step 57, mỗi loại có đặc điểm và ứng dụng riêng biệt.

Hình 3 7: Sơ đồ nối dây

Để đáp ứng yêu cầu từ hệ thống điều khiển 5 động cơ, nhóm đã lựa chọn sử dụng vi xử lí Arduino Uno kết hợp với Shield CNC V3 Hệ thống này cho phép điều khiển tín hiệu thông qua Driver step DRV8825 và Driver step A4988 từ các chân PWM, đồng thời đọc cảm biến vật cản sau khi xử lý tín hiệu từ camera Với khả năng giao tiếp qua dây Ethernet, hệ thống có thể kết nối với máy tính để điều khiển và giám sát quá trình hoạt động của 5 động cơ, bao gồm 3 động cơ bước kéo tải cho cánh tay, 1 động cơ bước xoay băng tải và 1 động cơ servo có nhiệm vụ đẩy chì.

Hình 3 9: Arduino UNO và Shield CNC V3 liên kết với driver step

3.1.3 Thiết kế động cơ đẩy chì Động cơ đẩy chì được thiết kế với kích thước nhỏ gọn trên không gian hạn chế của khâu 3 đảm bảo không ảnh hưởng đến khớp xoay Động cơ chính được dùng là MG90s có kích thước phù hợp với hệ thống, động cơ xoay tạo ma sát với cơ cấu được thiết kế giúp sợi chì từ cuộn di chuyển trong ống kim loại đến mỏ hàn phía đầu cơ cấu khâu cuối

Thiết kế động cơ đẩy chì được tối ưu hóa để kết hợp hoàn hảo với khâu cuối, giúp duy trì khoảng không vận hành của cánh tay Động cơ được đặt ở trọng tâm của khâu cuối, đảm bảo không làm ảnh hưởng đến khớp xoay của khâu nhờ khối lượng không đáng kể.

Thiết kế khung bảo vệ và tản nhiệt cho bộ điều khiển

Khi mô hình hoạt động, các Driver có thể nóng lên nhanh chóng, điều này có thể dẫn đến hỏng hóc nếu không được kiểm soát Việc sử dụng quạt tản nhiệt là điều cần thiết để làm mát cho 4 step driver, bao gồm cả việc lắp đặt khung bảo vệ cho mạch để đảm bảo hoạt động ổn định và an toàn.

Sự kết hợp giữa CNC Shield V3 và Arduino UNO cùng với quạt phía trên mang lại nhiều lợi ích cho robot, bao gồm việc cố định dây, đảm bảo an toàn cho phần dây điện khi vận hành và tối ưu hóa diện tích đế.

Hình 3 11: Thiết kế khung bảo vệ kết hợp quạt tản nhiệt

Hình 3 12: Sơ đồ nối dây của toàn bộ hệ thống

Trung tâm điều khiển của mô hình được xây dựng xung quanh vi điều khiển Arduino Uno, cho phép điều khiển động cơ một cách chính xác thông qua các driver A4988 và DRV8825 Các driver này được gắn vào các kênh X, Y, tạo điều kiện cho việc điều khiển và vận hành mô hình một cách mượt mà và hiệu quả.

Tính toán động học

3.2.1 Giới thiệu Để biểu diễn toán học cho một robot, ta cần gắn hệ trục tham chiếu tại một điểm để xác định quan hệ với robot Mỗi khâu của robot cần được gắn với hệ trục tham chiếu để mô hình hóa toàn bộ hệ thống robot và bám theo vị trí và hướng của khâu Trong phần này, chúng ta sẽ tập trung vào nghiên cứu di chuyển của robot, bỏ qua tác động của lực và kết quả di chuyển Để robot di chuyển, các bộ phận hoặc cơ cấu chấp hành cuối cần được kích hoạt thông qua việc chuyển động các khớp Các cảm biến khớp đo góc quay và khoảng cách trượt của khớp tịnh tiến để cho phép bộ điều khiển điều khiển các cơ cấu chấp hành Trong chương này, bài toán động học thuận và động học nghịch sẽ được giải quyết, bao gồm tính toán ma trận vị trí và hướng từ các cảm biến khớp và mối quan hệ ngược lại

3.2.2 Xây dựng bảng Denavit – Hartenberg (bảng D-H) cho bài toán

Mô hình hóa Denavit-Hartenberg là một phương pháp biểu diễn đơn giản và linh hoạt cho mô hình các khâu và khớp của robot, có thể áp dụng cho bất kỳ cấu hình robot nào, từ đơn giản đến phức tạp Với giả định rằng robot được hình thành từ một chuỗi các khâu và khớp nối tiếp, mô hình này có thể mô tả các khớp trượt, khớp trụ và các khâu có chiều dài, dạng xoắn hoặc cong khác nhau Bằng cách sắp xếp các khớp và khâu theo thứ tự và mặt phẳng tùy ý, mô hình Denavit-Hartenberg cung cấp một công cụ mạnh mẽ để giải quyết các vấn đề liên quan đến cấu hình robot.

Để biểu diễn mô hình hóa robot với sự biểu diễn D – H, bước đầu tiên cần thực hiện là gắn hệ trục tham chiếu lên mỗi khớp, bao gồm cả trục z và trục x Trục y không cần thiết phải gắn vì có thể xác định thông qua tam diện thuận của hệ trục tham chiếu Tất cả các khớp đều được biểu diễn theo trục z, trong đó khớp quay có trục z xác định theo hướng di chuyển tạo ra sự quay bằng quy tắc bàn tay phải, còn khớp tịnh tiến có trục z dọc theo hướng di chuyển.

Các ký hiệu quan trọng khác bao gồm θ biểu diễn sự quay xung quanh trục z, d biểu diễn khoảng cách trên trục z giữa hai đường vuông góc chung, a biểu diễn chiều dài của đoạn vuông góc chung còn gọi là đoạn dịch chuyển của khớp (joint offset), và α biểu diễn góc giữa hai trục z kế tiếp nhau (góc xoắn) Trong đó, d và θ là biến khớp Để di chuyển hệ trục tọa độ địa phương từ xn-zn đến xn+1-zn+1, chúng ta thực hiện bốn di chuyển tiêu chuẩn, bao gồm:

Khi quay quanh trục z n một góc  n  1, các trục x n và x n +1 sẽ trở thành song song với nhau Điều này là do a n và a n  1 đều vuông góc với z n, và việc quay quanh trục z n một góc  n  1 sẽ làm cho chúng trở thành song song.

Khi thực hiện tịnh tiến dọc trục z n một đoạn d n  1, x n và x n  1 sẽ trùng nhau Điều này rõ ràng xảy ra khi hai đoạn thẳng x n và x n  1 song song và vuông góc với trục z n, do đó khi di chuyển dọc theo z n, chúng sẽ trùng nhau.

- Di chuyển dọc theo trục x n một khoảng a n  1 sẽ mang gốc tọa độ khâu n và

1 n trùng với nhau Ở điểm này, hai gốc tọa độ của hai hệ trục tham chiếu sẽ ở cùng một điểm

- Quay trục z n xung quanh trục x n  1 một góc  n  1 để trục z n nằm thẳng với trục

1 z n  Ở điểm này, hệ trục n và hệ trục n1 sẽ hoàn toàn trùng nhau Và chúng ta sẽ tiếp tục di chuyển từ hệ trục này tới hệ trục kế tiếp

Tương tự như bốn chuyển động giữa hệ trục n+1 và n+2, chúng sẽ tạo nên chuyển vị tiếp theo Bắt đầu từ hệ trục tham chiếu, quá trình này sẽ tạo ra chuyển vị tới bệ robot, sau đó tới khớp thứ nhất, thứ hai và cuối cùng là tay gắp hay cơ cấu chấp hành cuối cùng.

- Ma trận A biểu diễn bốn di chuyển bằng cách nhân bốn ma trận biểu diễn từng chuyển động, kết quả như sau:

Hệ Robot có thể bắt đầu tính toán từ khớp thứ nhất và chuyển dần về khớp thứ hai, sau đó đến khớp thứ ba cho đến đế của Robot hoặc cơ cấu khâu cuối Mỗi bước tính toán này sẽ tạo ra một ma trận chuyển vị riêng biệt, giúp xác định vị trí và hướng của Robot trong không gian.

A n  Như vậy, ma trận chuyển vị tổng giữa nền Robot và cánh tay là:

3.2.3 Giải thuật gắn với hệ trục robot

Bắt đầu đánh số từ số 0 đến số 2 (với n là số khâu của Robot) và bệ Robot sẽ được đánh số 0

Mỗi hệ trục gắn ở mỗi khâu và phải luôn tuân theo quy tắc bàn tay phải

Hệ trục tọa độ của bệ được gắn song song với hệ trục tham chiếu, tạo điều kiện thuận lợi cho việc tính toán và phân tích Gốc của hệ tọa độ này được gắn trùng với gốc của khớp 1, giúp đơn giản hóa quá trình xác định vị trí và phương hướng Ngoài ra, giả thiết trục khớp 1 vuông góc với mặt phẳng xy cũng giúp đảm bảo độ chính xác và tính nhất quán trong quá trình tính toán.

Hệ trục tọa độ gắn trên khâu của Robot thường được đặt tại khớp xa hơn so với hệ của mỗi khâu Điều này có nghĩa là hệ trục tọa độ số 1 sẽ được gắn với khớp số 2, khớp này là nơi nối giữa khâu 1 và khâu 2.

Gốc của hệ trục tọa độ thường được đặt tại giao điểm của đường vuông góc chung của các trục khớp với nhau Trong trường hợp các trục khớp song song, vị trí gốc của hệ tọa độ sẽ được chọn sao cho khoảng cách giữa các khâu là nhỏ nhất, lý tưởng là bằng 0 Ngược lại, nếu các trục khớp giao nhau, gốc tọa độ sẽ được đặt tại điểm giao nhau của các trục này.

Trục z trong hệ tọa độ của khâu thường trùng với trục khớp, xác định hướng di chuyển hoặc quay của khâu Đối với khớp tịnh tiến, hướng trục z là hướng di chuyển đi xa từ khớp, còn đối với khớp trụ, hướng trục z được xác định là hướng dương theo hướng quay trục z hoặc theo hướng lựa chọn sao cho góc xoắn nhỏ nhất Trục x thường song song với đường vuông góc chung giữa các trục khớp của khâu, hoặc trùng với đường tâm của khâu nếu các trục khớp song song với nhau Trong trường hợp các trục giao nhau, trục x sẽ là tích vector của hai vector z n  1 và z n, và thường có hướng như trục x của khâu trước.

Bảng 3 1: Tham số Denavit - Hartenberg

Trong hệ thống tọa độ, các tham số quan trọng cần lưu ý bao gồm khoảng cách d i từ gốc tọa độ thứ i-1 tới giao điểm của trục z n  1 và x i dọc theo trụcz n  1, khoảng cách l i giữa giao điểm trục z n  1 và x i với gốc tọa độ hệ trục thứ i dọc trụcx i, góc quay  i từ trục x i  1 tới x i xung quanh trục z n  1 và góc quay  i của trục z n  1 tới z i  1 xung quanh trục x i.

Động học thuận

Động học thuận là quá trình tính toán vị trí và hướng của cơ cấu chấp hành cuối dựa trên các giá trị biến khớp hay góc quay của khớp Để xác định chính xác vị trí và hướng của cơ cấu chấp hành, cần phải biết các giá trị và tham số của các biến khớp được tập hợp trong bảng Denavit-Hartenberg (DH) Mỗi khâu được biểu diễn dưới dạng ma trận, mô tả vị trí và hướng hệ trục hiện tại so với hệ trục của khâu trước thông qua sự kết hợp của các chuyển vị thuần nhất Tính toán động học thuận cho cánh tay robot chính là tính ma trận vị trí và hướng của cơ cấu chấp hành cuối dựa trên sự tham chiếu của các hệ trục của robot.

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG 47 z 0 x 0 y 0 z 1 x 1 y 1 z 2 x 2 y 2

Hình 3 15:Đặt trục và kích thước cánh tay robot Áp dụng vào đề tài ta được bảng DH như Bảng 3.2 sau đây:

Bảng 3 2: Bảng Denavit - Hartenberg áp dụng mô hình i a i  1  i  1 d i  i

Hệ trục thứ i sẽ được biểu diễn dưới dạng ma trận vị trí và hướng so với hệ trục thứ i-1 Ma trận chuyển đổi này cho phép chúng ta mô tả vị trí và hướng của hệ trục thứ i một cách chính xác so với hệ trục trước đó.

Trong đó: c  i  cos( ),   i s i  sin( ),   i c i  1  cos(  i  1 ), s  i  1  sin(  i  1 ) Ma trận chuyển đổi trên, ta có thể viết dưới dạng ma trận thuần nhất như sau:

Với R i là ma trận biểu diễn trình tự xoay của hệ trục i so với hệ trục tham chiếu i-

Vecto vị trí từ gốc hệ trục từ i-1 đến i là:

Dựa vào công thức chuyển đổi (0.10) và bảng thông số D-H, với i1 ma trận chuyển đổi từ hệ trục thứ 0 sang hệ trục tọa độ thứ 1 được tính như sau:

Với i 2 ma trận chuyển đổi từ hệ trục thứ 1 sang hệ trục tọa độ thứ 2 được tính như sau:

Với i 3 hệ trục thứ 3 sẽ mô tả ma trận vị trí và hướng so với hệ trục thứ 2 như sau:

Vậy cấu hình của cơ cấu chấp hành cuối trong hệ trục tham chiếu là:

Thay bộ thông số của cánh tay Robot 3 bậc tự do và các kết quả tính từ (0.14), (0.15), (0.16), (0.17), ta được:

Từ (0.18) ta suy ra được vị trí của điểm cuối cơ cấu chấp hành của cánh tay Robot:

Từ (0.19) với các giá trị kích thước khâu lần lượt là: L 0 100;L 1 400; L 2 150;

Vị trí ban đầu của robot với   ¡  2  3 0,d 50 là:

Động học nghịch

Bài toán động học nghịch đóng vai trò quan trọng trong việc điều khiển robot, vì vậy nó đã được nghiên cứu từ những năm 1960 Sự phức tạp của vấn đề này phụ thuộc vào nhiều yếu tố, bao gồm số lượng bậc tự do, hình dạng và kích thước của robot, cũng như yêu cầu về độ chính xác và tốc độ của hệ thống.

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG 50 cấu trúc của robot Ở đây số bậc của robot đóng vai trò quan trọng trong bài toán này

Sự phức tạp của bài toán động học nghịch tăng lên đáng kể khi số lượng bậc tự do tăng Ngoài ra, sắp xếp của các trục khớp cũng đóng vai trò quan trọng trong việc ảnh hưởng đến độ phức tạp của bài toán này Đối với một số robot có cấu trúc đặc biệt, các phương trình động học thuận đơn giản có thể được sử dụng để giải bài toán động học nghịch thông qua phương pháp đại số.

Hầu hết robot công nghiệp có cấu trúc đơn giản hóa, chẳng hạn như khớp cổ tay robot với ba trục giao nhau hoặc ba trục song song, cho phép giải bài toán động học ngược dạng kín Tuy nhiên, các phương pháp số thường yêu cầu tính toán trong thời gian dài và thậm chí nhiều bài toán không hội tụ được nghiệm, trong khi các robot có đặc tính hình học không phải dạng kín vẫn có thể giải được bằng phương pháp rời rạc.

Vị trí, hướng yêu cầu

Cấu hình yêu cầu Robot

Hình 3 16:Điều khiển vị trí theo động học của cánh tay robot

Bài toán động học thuận và nghịch là hai vấn đề quan trọng trong điều khiển tay máy robot Bài toán động học thuận liên quan đến việc xác định vị trí và hướng của tay gắp khi biết tất cả các biến khớp, trong khi bài toán động học nghịch yêu cầu tìm tập giá trị khớp khi biết vị trí và hướng tay gắp Tập giá trị khớp này được gọi là cầu hình robot trong không gian khớp và được biểu diễn dưới dạng ma trận n x 1 đối với tay máy n khớp Động học nghịch vị trí là trọng tâm của vấn đề điều khiển tay máy, và quá trình tính toán động học nghịch trong điều khiển cánh tay robot liên quan đến sự chuyển đổi giữa không gian Descartes và không gian khớp.

Bộ môn điều khiển tự động 51 chỉ ra rằng bài toán động học nghịch phụ thuộc vào cấu trúc robot và số lượng khớp của nó, trong đó độ phức tạp của bài toán sẽ tăng lên khi số lượng khớp tăng Một vật không ràng buộc có thể di chuyển trong không gian với sáu bậc tự do, và robot có thể có nhiều hơn sáu bậc tự do, được gọi là bậc tự do thừa Ngoài ra, sự sắp xếp của các trục khớp cũng đóng vai trò quan trọng trong việc ảnh hưởng đến sự phức tạp của bài toán động học nghịch.

Với Ai = Ai(qi) là hàm của biến qi là ma trận chuyển từ hệ trục i – 1 tới i và P là

Quá trình giải bài toán động học nghịch

Khi phân tích động học của robot, bước đầu tiên luôn là giải bài toán động học thuận, liên hệ với vị trí và hướng của cơ cấu chấp hành cuối như là giá trị đã biết với các biến khớp Đối với robot có n khớp, phương trình động học thuận được xây dựng dựa trên các biến khớp, bao gồm cả khớp quay q i  i và khớp tịnh tiến q i  d i.

Các phương trình động học thuận sau khi tính toán sẽ được xem xét cẩn thận để xác định xem có biến nào có thể tính toán từ các phương trình này không Tuy nhiên, do tính chất phi tuyến của các phương trình động học, việc giải chúng không phải lúc nào cũng dễ dàng Vì vậy, thường sẽ sử dụng một vài phương trình để giải bằng phương pháp đại số, với mục đích là đưa ra các phương trình để giải các biến khớp một cách đơn giản và hiệu quả nhất.

Nhiều phương trình của bài toán động học có dạng:

Với a, b, d là giá trị đã biết hoặc hằng số và s i , c i là giá trị sin, cos của biến khớp θi Ngoài ra, chúng ta thường chuyển qua đơn biến như sau:

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG 52 tan 1 u  2

Thay phương trình và nhân với 1  u 2 , ta có:

Sắp xếp theo bậc của biến u:

Giải phương trình bậc 2 ta có:

Khi a 2  b 2  d 2 thì phương trình (0.30) có hai lời giải như sau:

Trong trường hợp chúng ta xác định theo định lý Pythagore:

Chúng ta có thể giải theo lượng giác Với a=0 thì

  (0.34) Áp dụng vào mô hình đề tài:

2 cos (cos( ) sin (sin 2 cos x y n n L L

2 tan( ) sin tan 2(sin ; cos ) cos a

(cos cos sin sin ) cos (cos sin sin cos ) sin x y n L L n L L

1 3 2 2 3 1 2 cos ( cos ) sin cos sin ( cos ) cos sin x y n L L L n L L L

3 2 2 sin sin cos cos cos sin sin cos x y n L

3 2 2 cos sin sin cos cos cos y x n L n L

( cos ) sin ( cos sin ) cos x y n L L L n L

( cos ) sin cos (sin ) cos x y n L L L n

Tính tương tự cho sin 2 , ta được:

( cos ) sin sin cos (sin ) y x n L L L n

( cos ) sin tan sin cos ( cos ) sin y x x y n L L L n n L L L n

Xác định không gian làm việc của robot

Không gian làm việc của robot được mô hình hóa dựa trên các giới hạn góc quay của các khớp để xác định tập hợp các vị trí mà robot có thể di chuyển đến Việc xác định không gian làm việc này giúp tránh quỹ đạo đi qua những điểm không phù hợp, đảm bảo robot hoạt động an toàn và hiệu quả.

    , độ dài các thanh liên kết là l 0  100 mm , l 1  400 mm ,

2 150 l  mm , l 3  150 mm , l 4  100 mm Nhóm sử dụng phần mềm Matlab vẽ được không gian làm việc của Robot với góc định hướng 

Vẽ không gian làm việc của Robot khi ở bộ nghiệm thứ nhất:

Hình 3 17: Không gian làm việc của Robot khi ở bộ nghiệm thứ nhất

Vẽ không gian làm việc của Robot khi ở bộ nghiệm thứ hai:

Hình 3 18: Không gian làm việc của Robot khi ở bộ nghiệm thứ hai

Kết hợp 2 bộ nghiệm của  2 cho ra không gian làm việc đầy đủ của robot

Hình 3 19: Không gian làm việc đầy đủ của robot

Không gian làm việc của robot thay đổi tùy thuộc vào từng trường hợp cụ thể Người dùng có thể lựa chọn một trong hai bộ nghiệm phù hợp để đảm bảo robot hoạt động đúng mục đích và vùng hoạt động mong muốn.

THI T K PHẦN MỀM

Thiết kế phần mềm điều khiển

4.1.1 Giới thiệu về phần mềm

Phần mềm được thiết kế dựa trên nền tảng Visual Studio ver 2019:

Hình 4 1: Phần mềm Visual Studio 2019

Phần mềm điều khiển bao gồm: Các màn hình điều khiển Home, Dashboard, Information, Schedule

Màn hình ứng dụng được thiết kế bao gồm các trang chính như Home, Dashboard, Information và Schedule Trang Home cung cấp thông tin tổng quan về đề tài và nhóm sinh viên thực hiện dự án Trang Dashboard là trung tâm điều khiển, hiển thị hình ảnh từ camera, đồ thị vị trí (x,y,z) của robot và các thông số điều khiển như theta1, z, theta2, vận tốc và gia tốc Ngoài ra, trang này cũng cho phép người dùng kết nối phần mềm điều khiển với vi điều khiển Arduino thông qua các nút nhấn Connect và Scan Port Trang Information cung cấp tài liệu kỹ thuật về các bộ phận của robot, trong khi trang Schedule giúp người dùng lên kế hoạch bảo dưỡng và thực hiện các công việc liên quan.

Việc thiết kế giao diện có những công đoạn và thành phần sau:

Để tạo User Control, bạn hãy nhấn chuột phải vào thanh WindowsFormsApp, sau đó chọn Add và chọn User Control (Windows Forms) Tiếp theo, bạn có thể thay đổi tên User Control theo mong muốn và nhấn chọn Add để tạo mới Khi đó, các User Control sẽ được hiển thị bên tab WindowsFormsApp.

Hình 4 3: Các User Control được hiển thị

 Gán ảnh vào các PictureBox:

PictureBox được lấy ra từ trong thanh công cụ Toolbox, sau đó ta thực hiện kéo thả chuột để tạo ra một PictureBox với kích thước mong muốn

Hình 4 4: PictureBox sau khi được lấy ra từ Toolbox

Ta có thể thay đổi các tùy chọn của PictureBox bằng cách nhấn vào PictureBox và điều chỉnh các thông số ở tab Properties hiện lên:

Để thay đổi thông số của PictureBox, người dùng có thể sử dụng các tùy chọn có sẵn Cụ thể, hình ảnh có thể được gán vào PictureBox thông qua thanh "Image", tên PictureBox có thể được đặt trong thanh "Name" để dễ dàng quản lý code, và tọa độ cũng như kích thước có thể được cài đặt và thay đổi trong thanh "Location" và "Size" tương ứng.

Lable là nhãn, nơi ta có thể gõ văn bản, các tiêu đề Để tạo được các Label, ta chọn vào “Label” trong thanh công cụ Toolbox

Hình 4 6: Label sau khi được lấy ra từ Toolbox

Khi nhấn vào hộp "Label1", bạn có thể tùy chỉnh các giá trị khác nhau như nội dung trong phần "Text", kích thước "Size", kiểu phông chữ "Font" và tọa độ.

“Location” của label thông qua tab Properties, ngoài ra ta có thể đặt tên cho box Lable trong phần “Name” để dễ dàng trong việc quản lý code

Hình 4 7: Các tùy chọn để thay đổi thông số của Label

 Ngoài ra, còn một số công và thành phần như sau:

Bảng 4 1: Các công cụ khác để tạo giao diện trong Visual Studio

Chức năng Công cụ trong ToolBox Hiển thị

Chọn “Button” để tạo các nút nhấn

Chọn “ComboBox” để có thể hiển thị danh sách các lựa chọn sau khi được sổ ra

Hiển thị thời gian, ngày tháng năm

“TrackBar” để thay đổi giá trị dữ liệu theo mong muốn Đồ thị

Những công cụ kể trên là cần thiết cho phần giao diện điều khiển của đề tài, cho phép người thiết kế thay đổi các thông số hoặc cài đặt theo ý muốn trong tab "Properties".

Xử lý hình ảnh

Xử lý ảnh số trong robot hàn mạch đóng vai trò quan trọng trong sản xuất mạch điện tử, giúp tăng độ chính xác và tốc độ của quá trình hàn Trong đó, việc định vị chính xác vị trí và hướng của linh kiện là yếu tố then chốt Sự kết hợp giữa robot hàn mạch và khả năng xử lý ảnh số cho phép tối ưu hóa quy trình hàn, nâng cao hiệu suất và giảm thiểu sai sót.

Xử lý ảnh số trong hàn mạch (PCB) là một lĩnh vực quan trọng của xử lý ảnh số, tập trung vào việc phân tích, xử lý và trích xuất thông tin từ ảnh về các thành phần của mạch điện tử, bao gồm cả linh kiện, đường dẫn, mạch in và vi mạch, giúp tự động hóa và nâng cao hiệu suất trong sản xuất và kiểm tra mạch điện tử.

Robot hàn chân linh kiện sử dụng xử lý ảnh mang lại nhiều ưu điểm vượt trội, giúp tăng độ chính xác và tốc độ sản xuất Công nghệ này cho phép robot phát hiện, định vị và xác định hướng của các linh kiện trên mạch điện tử một cách chính xác, giảm thiểu sai sót và thời gian dừng sản xuất Việc áp dụng xử lý ảnh trong robot hàn mạch cũng giúp loại bỏ sai sót trong định vị và hướng linh kiện, từ đó giảm thiểu lỗi và sự cố trong quá trình sản xuất, đảm bảo chất lượng sản phẩm cao hơn.

Bộ môn Điều khiển tự động 63 đã phát triển robot hàn mạch với khả năng xử lý ảnh, giúp cải thiện tính tự động hóa trong quá trình sản xuất Điều này không chỉ giảm sự phụ thuộc vào con người mà còn giảm thiểu sự cố do sai sót của con người, mang lại hiệu quả và độ chính xác cao hơn trong sản xuất.

Các bước chính trong quá trình xử lý ảnh trong robot hàn mạch bao gồm:

 Tiền xử lý: Bao gồm các bước chuẩn bị cho quá trình xử lý chính như làm trơn, phân ngưỡng, tách nền, giảm nhiễu, cân bằng màu sắc

Xử lý chính là bước quan trọng trong quy trình phân tích hình ảnh, bao gồm các phương pháp như phát hiện và phân tích linh kiện, định vị chính xác vị trí và hướng của linh kiện, cũng như tạo bản đồ 3D chi tiết của mạch điện tử để cung cấp thông tin toàn diện và chính xác.

Điều khiển robot là một quá trình quan trọng dựa trên kết quả xử lý ảnh, giúp robot định vị chính xác vị trí và hướng của các linh kiện và thực hiện quá trình hàn mạch Để thực hiện công việc này, cánh tay robot cần nhận được các vị trí các chân linh kiện cần hàn từ camera Vì vậy, ảnh từ camera phải được xử lý bằng các kỹ thuật xử lý ảnh để nhận diện và xác định các chân linh kiện.

Lấy ảnh trực tiếp từ camera

Chuyển đổi sang ảnh xám

Hình 4 8:Quy trình xử lý ảnh nhận diện từ camera cho cánh tay robot

Quy trình bắt đầu bằng cách lấy ảnh trực tiếp từ camera, thu lại hình ảnh thực tế của mạch điện tử Ảnh được chụp sẽ được đưa vào công đoạn tiền xử lý, tạo nền tảng cho các bước tiếp theo.

Hình 4 9: Ảnh lấy trực tiếp từ camera

Quá trình chuyển đổi sang ảnh xám là bước đầu tiên quan trọng trong việc xử lý ảnh từ camera Ảnh được chuyển đổi sang ảnh xám bằng phương pháp trọng số theo độ nhạy sáng của mỗi màu, giúp loại bỏ thông tin về màu sắc và chỉ giữ lại thông tin về mức độ sáng tối của các điểm ảnh Điều này cho phép việc tính toán và phân tích ảnh trở nên đơn giản và nhanh chóng hơn, giúp tăng tốc độ xử lý và giảm thiểu sự phức tạp trong phân tích ảnh.

Làm mịn ảnh là quá trình thay đổi các pixel trong ảnh bằng cách áp dụng kernel lên ảnh Quá trình này tính tổng trọng số của các pixel trong kernel nhân với kernel tương ứng và đặt giá trị này cho pixel tại vị trí tương ứng trong ảnh đầu ra.

Hình 4 10: Ảnh xám Hình 4 11: Ảnh làm mịn từ ảnh xám

Tách nền ảnh là quá trình phân biệt hình dạng được xác định và lớp nền dựa trên giá trị ngưỡng đặt trước Các pixel trong ảnh sẽ được so sánh với giá trị ngưỡng này để xác định hình dạng cần xác định và lớp nền Nếu giá trị pixel cao hơn hoặc bằng giá trị ngưỡng, nó sẽ được coi là hình dạng cần xác định, ngược lại sẽ là lớp nền.

Hình 4 12: Ảnh mịn Hình 4 13: Ảnh sau khi tách nền

Nhận dạng đường biên là bước quan trọng sau khi tách nền ảnh, giúp phân biệt giữa các điểm ảnh thuộc đối tượng và nền dựa trên sự khác biệt về độ sáng Quá trình này xác định đường giới hạn giữa các điểm ảnh thuộc đối tượng và nền, tạo nên đường biên của đối tượng.

Vẽ khung chân hàn là bước quan trọng trong quá trình hàn linh kiện Sau khi nhận dạng được đường biên các chân linh kiện, các đường biên này sẽ được vẽ khung tròn hoặc hình chữ nhật bao quanh để xác định khu vực chứa điểm cần hàn, giúp đảm bảo độ chính xác và an toàn trong quá trình hàn.

Hình 4 14: Ảnh được chụp từ camera Hình 4 15: Ảnh sau khi xác định tâm

Xác định tâm: vị trí hàn sẽ là tâm của các khung đã được xác định trước đó

Chuyển đổi vị trí: vị trí từ ảnh 2D sẽ được chuyển đổi sang vị trí tương ứng trong không gian làm việc của robot

Hình 4 16: Ảnh xác định tâm Hình 4 17:Vị trí của các chân linh kiện

Chuyển đổi không gian camera sang không gian làm việc robot

4.3.1 Phương pháp Hand Eye Calibration

Thực hiện chuyển đổi Hand Eye Calibration là bước quan trọng để chuyển đổi tọa độ của đối tượng từ không gian ảnh sang tọa độ của robot Để thực hiện điều này, cần xác định ma trận chuyển đổi tọa độ 4x4, là yếu tố quan trọng phụ thuộc vào vị trí lắp đặt camera, có thể là cố định hoặc trên cánh tay robot.

Trong đề tài này, camera được lắp đặt cố định, cho phép thực hiện hiệu chuẩn dựa trên vị trí không đổi của April Tag so với cơ cấu chấp hành của robot Để xác định ma trận chuyển đổi của robot, công thức (0.48) được áp dụng, thể hiện mối quan hệ giữa hệ thống camera và cơ cấu chấp hành của robot, thường được gọi là "hand-eye calibration" trong lĩnh vực robot.

Các công thức liên quan đến quá trình hiệu chỉnh như sau:

[ ] [ ] tool tool base cam cal base cam cal tool base cam base cam cal

[ ] [ ] [ ] ( [ ]) tool tool base base cam cam base base cam cam cal cal

[ ] ( [ ]) tool tool base base cam cam object object base cam

Phương trình (0.50) có dạng AX = BX, trong đó việc tính toán đòi hỏi độ chính xác cao và số lượng mẫu lớn Để đạt được kết quả chính xác nhất, nhóm nghiên cứu đã ứng dụng thư viện VISP vào quá trình tính toán.

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG 67 cam

Hình 4 18: Đặt tọa độ cho camera và robot

4.3.2 Trích xuất Blob Đối với mạch PCB dành cho linh kiện điện tử cắm, lỗ linh kiện có dạng hình tròn nên các đối tượng trong ảnh có chung hình dạng và các kích thước cũng gần giống nhau Dựa trên mạch thực tế, nhóm thực hiện đã ước lượng giá trị diện tích của chân linh kiện trong ảnh nằm trong khoảng giá trị từ 2.5 đến 4 mm 2 với giá trị ngưỡng là

Để trích xuất các Blobs có cùng thuộc tính nhằm phát hiện các chân linh kiện điện tử, chúng tôi sử dụng phương pháp trích xuất đối tượng Kết quả thu được sau khi áp dụng phương pháp này cho phép chúng tôi xác định rõ ràng các chân linh kiện điện tử, như minh họa trong hình ảnh dưới đây.

Hình 4 19: Mạch mẫu PCB Hình 4 20: Các Blobs được trích xuất

Xử lý dữ liệu

Trong đề tài này, việc truyền dữ liệu qua lại giữa phần mềm và vi điều khiển đòi hỏi xử lý phân tách dữ liệu để lấy được giá trị mong muốn Dữ liệu được gửi đi dưới dạng chuỗi ký tự với nhiều giá trị khác nhau cho các thông số như góc, tốc độ, gia tốc và vị trí Việc phân tách dữ liệu này là cần thiết để đảm bảo rằng các giá trị được lấy đúng và chính xác.

Trong đề tài này, dữ liệu được truyền nhận theo chuỗi dữ liệu có dạng như sau:

KH Giá trị 1 Kí tự kết thúc

Hình 4 21: Chuỗi dữ liệu truyền nhận

Ký hiệu ở đầu chuỗi dữ liệu đóng vai trò quan trọng trong việc xác định giá trị tương ứng sẽ được gán vào biến Giá trị này thường là một số được gán vào chuỗi ngay sau ký hiệu Bên cạnh đó, ký tự kết thúc nằm ở cuối chuỗi dữ liệu giúp quá trình đọc chuỗi được thực hiện chính xác, khi gặp ký tự này, hệ thống sẽ hiểu rằng chuỗi dữ liệu đã kết thúc và hoàn thành một lần đọc.

Lưu đồ đọc dữ liệu được gửi đến:

Inputstring = Inchar = String complete = 0; Đọc kí tự Inchar = Serial.read();

Hình 4 22: Lưu đồ đọc dữ liệu

Khi bắt đầu chương trình đọc dữ liệu, việc khởi tạo các biến ký tự đầu vào là khoảng trắng và đặt trạng thái biến "String complete" về 0 là bước đầu tiên quan trọng Tiếp theo, chương trình sẽ đọc chuỗi ký tự bằng hàm "Serial.read()" và gán vào biến "inchar", sau đó thực hiện kiểm tra biến này để xác định trạng thái của chuỗi ký tự đầu vào.

Quá trình đọc chuỗi dữ liệu diễn ra theo từng ký tự nhận được, cho đến khi gặp ký tự "*" thì giá trị biến "String complete" sẽ được nâng lên 1, báo hiệu kết thúc đọc một chuỗi dữ liệu.

Theta1, theta2, z = giá trị tương ưng

Hình 4 23: Lưu đồ nhận diện ký hiệu đầu

Khi biến "String complete" đạt giá trị 1, hệ thống sẽ tự động reset về 0 để tiếp tục quá trình đọc chuỗi dữ liệu như mô tả trong lưu đồ Hình 4.22 Sau đó, chương trình sẽ thực hiện tách chuỗi ký hiệu như được giải thích trong lưu đồ Hình 4.24 Tiếp theo, hệ thống sẽ kiểm tra ký hiệu đầu tiên trong chuỗi ký tự, nếu là "run1", dữ liệu góc quay sẽ được gửi từ giao diện và điều khiển từng motor quay theo giá trị tương ứng Ngược lại, nếu ký hiệu đầu tiên là "the1", hệ thống sẽ chạy chương trình với các giá trị góc được gửi sau khi xử lý ảnh board mạch.

Kiểm tra kí tự tại vị trí i = “:”

Hình 4 24: Lưu đồ đọc chuỗi kí tự

Khi bắt đầu chương trình tách chuỗi ký hiệu, khởi tạo biến “i” bằng 0 và biến

Quá trình kiểm tra ký tự tại vị trí "i" trong chuỗi được thực hiện cho đến khi gặp dấu ":" Nếu ký tự tại vị trí "i" không phải là dấu ":", thì giá trị của ký tự đó sẽ được gán cho biến "commandstring" và biến "i" sẽ tăng lên 1 đơn vị Quá trình này lặp lại cho đến khi ký tự là dấu ":" Khi đó, chuỗi ký hiệu nhận được sẽ có giá trị là "run1" hoặc "the1", và chương trình sẽ thực hiện tương ứng theo lưu đồ đã định nghĩa.

K T QU THỰC HIỆN

Kết quả phần cứng

Việc lựa chọn in 3D để chế tạo các khâu của cánh tay robot giúp đảm bảo việc liên kết thuận lợi các chi tiết có độ phức tạp và kết cấu khác nhau, đồng thời cho phép dễ dàng thay đổi thiết kế để tạo ra các phiên bản thử nghiệm một cách nhanh chóng và hiệu quả.

Khung robot scara sau khi in 3D và các trục trước khi tiến hành lắp ráp

Hình 5 1: Các phần của cánh tay robot trước khi lắp ráp

Khung robot sau khi lắp ráp hoàn chỉnh sẽ được cố định trên mặt phẳng gỗ và kết hợp với băng tải phía trước Toàn bộ khung robot này sẽ được kéo tải bởi động cơ bước đặt phía sau thông qua hệ thống dây đai, tạo nên một hệ thống vận hành trơn tru và hiệu quả.

Hình 5 2: Khung robot sau khi được lắp ráp Động cơ đẩy chì được gắn trên khâu cuối

Hình 5 3: Lắp ráp động cơ đẩy chì

Vi điều khiển của robot bao gồm shield CNC V3 kết hợp với Arduino Uno, 4 driver step và các dây nối, chịu trách nhiệm điều khiển các động cơ bước để kéo tải cho các khâu của robot và băng tải, đồng thời điều khiển động cơ servo để thực hiện nhiệm vụ đẩy chì và xử lý các tín hiệu ảnh.

Hình 5 4: Shield cnc v3 sau khi lắp step driver và mạch điều khiển arduino uno

Vi điều khiển sau một thời gian hoạt động sẽ sinh ra nhiệt, điều này đòi hỏi một giải pháp tản nhiệt hiệu quả để đảm bảo hoạt động ổn định của hệ thống điều khiển Khung bảo vệ được gắn quạt tản nhiệt phía trên là một giải pháp thiết yếu giúp giải quyết vấn đề này, góp phần duy trì nhiệt độ ổn định và kéo dài tuổi thọ của hệ thống.

Hình 5 5: Khung bảo vệ kết hợp quạt tản nhiệt cho bộ điều khiển

Sau khi hoàn thiện thiết kế và thi công mô hình robot, chúng tôi xin giới thiệu hình ảnh thực tế của các mô hình này, bao gồm các linh kiện và hệ thống robot tích hợp camera xử lý ảnh trên băng tải và vi điều khiển, thể hiện sự hoàn hảo trong thiết kế và thi công.

Kiểm chứng góc quay của Robot

Khâu 1 của robot có thể quay 1 góc 360 và chỉ bị giới hạn bởi limit switch tại điểm Home Khi khởi động, khâu 1 sẽ quay dần về điểm Home, khâu 1 sẽ ngừng quay khi chạm công tắc hành trình

Hình 5 6: Robot ở vị trí cao nhất

Hình 5 7: Robot ở vị trí thấp nhất

Quãng đường di chuyển được của khâu 2 và khâu 3 của robot tại trục vitme là 285mm

Vị trí Home và góc quay tối đa của khâu 3:

Hình 5 8: Vị trí home của khâu 3

Hình 5 9: Góc quay tối đa của khâu 3

Góc quay lớn nhất của khâu 3 là 160 , góc quay nhỏ nhất của khâu 3 là 0 , đồng thời, tại 0 cũng là điểm Home của khâu 3.

Kết quả vận hành xử lý ảnh

Với cường độ ánh sáng và giới hạn diện tích lỗ hàn được xác định, hệ thống xử lý ảnh đã đạt được kết quả khả quan khi nhận diện được 68/70 điểm cần hàn, chỉ có 2 điểm bị sai số trong quá trình xử lý.

5.2.1 Kết quả chọn giới hạn diện tích lỗ hàn

Bảng 5 1: Kết quả xử lý ảnh

Giới hạn diện tích Số điểm nhận diện được Nhận xét

Với diện tích nằm trong khoảng từ 0 đến 4 mm2, hệ thống xử lý ảnh thu được rất nhiều điểm do xét cả những điểm nhỏ gây ra bởi nhiễu ánh sáng, dẫn đến số lượng điểm ảnh lớn và có thể chứa nhiều thông tin không cần thiết.

Với diện tích nằm trong khoảng từ 2.54 đến 4 mm 2 , số điểm xử lý ảnh thu được là 68/70 điểm, sai số nhỏ nhất

Diện tích lớn hơn 2,54 mm2 có thể làm tăng số điểm nhận diện, do việc nhận diện cả phần diện ở bên ngoài của điểm hàn Điều này có thể ảnh hưởng đến tốc độ hàn của robot, khiến quá trình hàn chậm hơn.

Bảng 5 2: Kết quả nhận diện đối tượng theo các ngưỡng giá trị

Ngưỡng Số điểm nhận diện được Nhận xét

Khi ngưỡng là 80, hầu hết các điểm cần hàn không được nhận diện, ngoài ra, các còn có các điểm hàn bị nhiễu

Khi ngưỡng là 110, số điểm xử lý ảnh thu được là 69/70 điểm, sai số nhỏ nhất

Khi ngưỡng là 150, số lượng điểm nhiễu đã giảm đáng kể, tuy nhiên, số điểm cần hàn vẫn chưa được đáp ứng

Thông qua việc lựa chọn cường độ ánh sáng, chọn giới hạn diện tích và phân ngưỡng cho ảnh, nhóm nghiên cứu đã xác định được các thông số tối ưu Cụ thể, cường độ sáng phù hợp nhất là 8V, trong khi giới hạn diện tích được xác định từ 2,5 đến 4 mm2 Đồng thời, ngưỡng được chọn là 110, giúp đảm bảo độ chính xác và hiệu quả cho kết quả.

5.2.3 Ảnh hưởng của ánh sáng đến xử lý ảnh

Thiết bị chiếu sáng đóng vai trò quan trọng trong hệ thống xử lý ảnh, ảnh hưởng trực tiếp đến độ chính xác khi nhận diện Việc lựa chọn cường độ ánh sáng phù hợp là yếu tố quyết định hiệu quả hoạt động của hệ thống, chiếm đến 60% kết quả trong thực tế Do đó, điều chỉnh cường độ ánh sáng phù hợp với từng loại vật thể riêng biệt là bước quan trọng để đảm bảo độ chính xác và hiệu quả của hệ thống xử lý ảnh.

Nhóm nghiên cứu đã thực hiện kiểm chứng cường độ ánh sáng cho quá trình xử lý ảnh bằng phương pháp thử sai, trong đó điện áp cấp cho LED được điều chỉnh trong dải từ 7,5V đến 11,5V Kết quả thu được đã được tổng hợp và liệt kê trong bảng dưới đây, cung cấp thông tin chi tiết về cường độ ánh sáng trong từng trường hợp.

Bảng 6 1: Bảng kiểm chứng cường độ ánh sáng bằng phương pháp thử sai Điện áp Ánh sáng thu được Hình ảnh sau khi xử lý

Khi quan sát ảnh chụp board mạch, có thể thấy rằng điện áp cấp cho LED dưới 7,5V dẫn đến ánh sáng không đủ mạnh, khiến camera khó nhận diện rõ ràng mức độ tương phản giữa board mạch và điểm ảnh xung quanh Ngược lại, điện áp từ 9V đến 11,5V tạo ra ánh sáng mạnh, gây hiện tượng hắt sáng và nhiễu ảnh, ảnh hưởng đến độ chính xác của kết quả đầu ra Điều này cho thấy tầm quan trọng của việc điều chỉnh điện áp cấp cho LED để đảm bảo chất lượng ảnh chụp và độ chính xác của quá trình nhận diện.

Bộ môn Điều khiển Tự động 80 đã thực hiện thí nghiệm để tìm ra mức điện áp phù hợp cho việc nhận diện điểm cần hàn Sau quá trình thử sai, nhóm đã chọn được mức điện áp 8V là phù hợp nhất Ở cường độ ánh sáng này, việc nhận diện điểm cần hàn trở nên chính xác hơn, sai số được giảm thiểu và số điểm cần hàn được nhận diện nhiều nhất, đặc biệt là ở các khu vực bị hắt sáng mạnh.

Phần mềm điều khiển

Tạo giao diện giám sát cho người sử dụng là một bước quan trọng trong quá trình phát triển robot Giao diện này cần bao gồm các thành phần như đồ thị vị trí các điểm mà robot đi qua, giúp người dùng theo dõi lộ trình của robot Ngoài ra, khung hiển thị hình ảnh trực tiếp từ camera cũng cần được tích hợp, cho phép người dùng quan sát môi trường xung quanh của robot Bên cạnh đó, màn hình hiển thị ảnh chụp được và ảnh sau khi qua xử lý cũng cần được hiển thị, giúp người dùng so sánh và đánh giá hiệu suất của robot.

Hình 5 10: Màn hình điều khiển Home

Giao diện Information cung cấp và hiển thị được ra màn hình các tài liệu liên quan đến các bộ phận của robot, driver

Màn hình Schedule hiện thị được lịch thực tế, lịch làm việc hằng ngày, màn hình hiển thị đầy đủ chức năng thêm, sửa, xóa công việc

Hình 5 14: Màn hình Daily Plan

K T LU N VÀ HƯỚNG PHÁT TRIỂN

Kết luận

Qua thời gian nghiên cứu và thực hiện đề tài, nhóm nghiên cứu đã đạt được một số kết quả như sau:

 Thiết kế được cánh tay robot, cơ cấu tiếp chì cho mối hàn, lắp đặt camera và hiệu chỉnh để xử lý ảnh

 nh được xử lý tốt, được hiển thị rõ ràng, chân linh kiện được phát hiện đầy đủ, rõ ràng

 Dữ liệu được gửi từ phần mềm điều khiển xuống vi điều khiển ổn định, không mất mát dữ liệu

 Xây dựng được giao diện điều khiển cho người sử dụng Màn hình điều khiển đầy đủ chức năng như mục tiêu đã đề ra

Tuy nhiên, bên cạnh những kết quả đạt được, đề tài vẫn còn một số hạn chế như:

 Cánh tay robot vẫn còn rung lắc khi di chuyển, động cơ phát ra tiếng động do ma sát cơ khí

 Hình ảnh vẫn còn có độ nhiễu nhỏ ảnh hưởng đến kết quả nhận diện

 Hệ thống chỉ hoạt động tốt trong điều kiện ánh sáng tốt, phù hợp với loại camera được sử dụng.

Hướng phát triển

Đề tài đã chạy được những bước cơ bản, tuy nhiên vẫn còn có một số hạn chế cần phát triển, hoàn thiện trong tương lai:

Về phần xử lý ảnh:

 Sử dụng camera có độ phân giải cao hơn để tăng độ chính xác cho việc xử lý ảnh

 Ứng dụng các thuật toán cao cấp như machine learning để trích xuất được vị trí tốt hơn

Về hệ thống hàn linh kiện

Thay đổi cơ cấu mũi hàn và bộ phận đẩy chì giúp tăng độ chính xác và chắc chắn, đồng thời ứng dụng thuật toán điều khiển tiên tiến để quản lý quá trình tắt mở của mũi hàn một cách hiệu quả.

Bộ môn điều khiển tự động đóng vai trò quan trọng trong việc tiết kiệm điện năng hiệu quả Một trong những giải pháp được áp dụng là sử dụng các driver chất lượng cao, đảm bảo tính ổn định và chịu được thời gian làm việc trong khoảng thời gian dài, giúp tối ưu hóa quá trình điều khiển tự động.

 Cải tiến chất liệu, thay vì sử dụng nhựa in 3d sẽ chuyển sang kim loại để chắc chắn hơn

 Có thêm bộ hiệu chỉnh nhiệt độ phù hợp cho nhiều loại hàn và hệ thống vệ sinh đầu hàn để đảm bảo chất lượng mối hàn

 Tăng tính thẩm mỹ của giao diện và màu sắc phù hợp với môi trường trong công nghiệp

 Tối ưu code và đóng gói chương trình để có thể chạy trên nhiều máy tính cấu hình thấp

[1] "Robotic Welding Market," Fortune Business Insights, [Online] Available: https://www.fortunebusinessinsights.com/robotic-welding-market-104288

Một nghiên cứu về thiết kế, chế tạo và điều khiển vị trí cho đồ gá khung sắt phục vụ cho robot hàn tự động đã được thực hiện bởi N V Minh và T H Sơn tại Trường đại học Sư phạm Kỹ thuật Nghiên cứu này tập trung vào việc tạo ra một hệ thống đồ gá khung sắt có thể điều khiển vị trí chính xác, phục vụ cho quá trình hàn tự động trong sản xuất công nghiệp.

Một nghiên cứu gần đây của L N Minh, N G Thịnh và T M Vương tại Trường đại học Sư phạm Kỹ thuật, Tp Hồ Chí Minh đã tập trung vào thiết kế và chế tạo hệ thống nhận diện mối hàn cho robot hàn tự động Nghiên cứu này đã được thực hiện vào năm 2022 và có thể mang lại những đóng góp quan trọng cho lĩnh vực tự động hóa và công nghệ hàn Hệ thống nhận diện mối hàn tự động này có thể giúp tăng cường độ chính xác và hiệu suất trong quá trình hàn, đồng thời giảm thiểu sai sót và tăng cường an toàn cho người lao động.

[4] P V Hoàn and N T Phương, "Robot hand tự động," Trường đại học Sư phạm

Kỹ thuật, Tp Hồ Chí Minh, 2021

[5] S Paris, P Kornprobst, J Tumblin and F Durand, "A Gentle Introduction to Bilateral Filtering and its Application"

[6] O Patel, Y P, S Maravi and S Sharma, "A comparative study of histogram equalization based image enhancement techniques for brightness preservation and contrast enhancement," Signal and Image Processing, vol 4, 2023

[7] Z.Roth, B.Mooring and B.Ravani, An overview of robot calibration, 1987

[8] "Camera Calibration and World Coordinates," Adaptive Vision, [Online]

Available: https://docs.adaptive- vision.com/5.1/studio/machine_vision_guide/CameraCalibrationAndWorldCoor dinates.html [Accessed 20 06 2023]

[9] Y S a S Ahmad, Calibration of wrist-mounted robotic sensors by solving homogeneous transform equathadions of the form AX=XB, 1989

[10] J J Craig, Introduction to Robotic: Mechanics and Control, 2005

[11] N T Thịnh, Giáo trình kỹ thuật Robot, Tp HCM: Nhà xuất bản đại học quốc gia

[12] "Tutorial: Camera intrinsic calibration," Visual Servoing Platform, [Online] Available: https://visp-doc.inria.fr/doxygen/visp-daily/tutorial-calibration- intrinsic.html [Accessed 20 03 2023]

Tiêu đề	Robot Định Vị Điểm Hàn Trên Board Mạch Điện Tử Kết Hợp Xử Lý Ảnh
Tác giả	Cao Ngọc Duy, Trần Xuân Hiển, Nguyễn Thành Tiến
Người hướng dẫn	TS. Trần Vi Đô
Trường học	Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
Chuyên ngành	Công Nghệ Kỹ Thuật Điều Khiển Và Tự Động Hóa
Thể loại	Đồ Án Tốt Nghiệp
Năm xuất bản	2023
Thành phố	Tp. Hồ Chí Minh

Định dạng
Số trang	147
Dung lượng	12,54 MB