Ở nghiên cứu giới thiệu bộ điều khiển tuyến tính hóa vào ra đầu tiên cho hệ con lắc ngược nhưng có điều chưa tối ưu bởi bộ điều khiển này được xây dựng trên hệ phương trình trạng thái ph
NỘI DỤNG Error! Bookmark not defined CHƯƠNG 1: TỔNG QUAN
Đặt vấn đề
Trong bối cảnh đất nước đang tiến vào thời kỳ cách mạng công nghiệp tự động hóa 4.0 thì việc nghiên cứu và phát triển công nghệ, máy móc luôn giành được sự quan tâm ưu đãi lớn từ nhà nước Đi cùng với cách mạng 4.0 đó là sự phát triển của các ngành kỹ thuật điện tử, công nghệ thông tin và đặc biệt nhất chính là ngành kỹ thuật điều khiển và tự động hóa Tự động hóa là quá trình nghiên cứu, thiết kế giải thuật và áp dụng bộ điều khiển lên các hệ mô hình đa bậc, phi tuyến tính như thiết bị vận chuyển máy bay không người lái, hệ thống điều khiển hành trình cho oto, cánh tay robot, hệ thống tự động cân bằng BKM8 (Automatic balance machine), hệ thống ổn định trước khi đáp cánh của tên lửa vũ trụ Ngày nay, chúng ta không những đòi hỏi máy móc vận hành một cách tự động (không có sự can thiệp của con người) mà còn phải tối ưu hóa quá trình làm việc, nâng cao hiệu suất, giảm thiểu sai sót, và để làm được vậy cần đến các kỹ sư tự động hóa Nhưng trước khi một người kỹ sư có thể thiết kế cho những hệ thống quá đỗi phức tạp và khó khăn thì anh ta cần phải có sự tiếp cận thích hợp, các thuật toán điều khiển, đặc biệt là giải thuật cân bằng luôn được giới kỹ sư quan tâm bởi sự quan trọng để xây dựng nền tảng và ứng dụng rộng rãi của nó
Hệ con lắc ngược quay (Rotary Inverted Pendulum) là một hệ phi tuyến, đa bậc,
“underactuated” điển hình, một tín hiệu ngõ vào – bốn tín hiệu ngõ ra (Single Input – Multi Output), hệ thống gồm một thanh con lắc rơi tự do theo phương thẳng đứng quanh trục của mình được kết nối với một thanh cánh tay hoặc xe chuyển động theo phương ngang Hệ thống có độ ổn định thấp, và phải hoạt động liên tục nhằm cân bằng con lắc ngược ở trạng thái thẳng đứng hướng lên Hệ RIP luôn là một đối tượng thử nghiệm hấp dẫn để kiểm tra các định luật điều khiển tuyến tính và phi tuyến, nhằm đánh giá chất lượng cho các giải thuật điều khiển từ cơ bản đến phức tạp Dựa trên nền tảng hệ RIP, các kỹ sư từ đó đã phát triển các mô hình đại diện cho hệ như chuyển động cánh tay người, hệ thống ổn định cho tàu thuyền, vệ tinh vũ trụ,…
Các kết quả nghiên cứu ngoài nước
Các nhà kỹ sư của viện tiêu chuẩn toàn cầu về thiết bị phòng thí nghiệm kỹ thuật phục vụ cho việc giảng dạy và nghiên cứu chuyên về điều khiển, robot, và cơ điện tử Quanser đã nghiên cứu về đối tượng này, đồng thời họ cũng thiết kế và sản xuất hệ RIP, phân phối sản phẩm đến khắp các trường đại học trên thế giới với mục đích nghiên cứu và dạy học dành cho các sinh viên, kỹ sư tự động hóa, đối tượng mà sản phẩm của Quanser nhắm đến là các sinh viên cho nên bộ điều khiển họ thiết kế tương đối đơn giản và dễ nắm bắt, đó là bộ điều khiển phản hồi trạng thái (state feedback controller) và bộ
2 điều khiển swing-up bằng phương pháp năng lượng [1] Vào năm 2005, Nhóm tác giả Yung-Chih Fu và Jung-Shan Lin đã thành công phát triển bộ điều khiển phi tuyến backstepping nhằm cân bằng hệ con lắc ngược Furuta, mục tiêu của bài nghiên cứu không những swing-up con lắc từ vị trí thẳng đứng hướng xuống thành thẳng đứng hướng lên mà cánh tay còn phải đáp ứng yêu cầu quay trở về vị trí ban đầu [2] Vào năm 2007, nhóm các tác giả Mojtaba Ahmadieh Khanesar, Mohammad Teshnehlab, Mahdi Aliyari Shoorehdeli đã cùng nhau thực hiện nghiên cứu thiết kế bộ điều khiển trượt (SMC) cho hệ RIP, bộ điều khiển trượt đã thành công cân bằng và duy trì con lắc ở vị trí bất ổn định thẳng đứng hướng lên nhưng nhóm tác giả nhận xét việc tính toán mặt trượt cho của hệ thống khá khó khăn, vì hệ thống là hệ 2 bậc tự do tương đương với 2 mặt trượt, mặt trượt được định nghĩa bằng hàm Lyapunov [3] Vào năm 2010, hai tác giả Md Akhtaruzzaman và A.A Shafie đã thực hiện nghiên cứu con lắc ngược quay, trong bài nghiên cứu này, họ xây dựng mô hình hóa, thiết kế và áp dụng nhiều bộ điều khiển khác nhau lên hệ thống RIP nhằm so sánh và phân tích độ hiệu quả của từng giải thuật điều khiển, họ xây dựng 3 bộ giải thuật đó là PID, FSF dựa trên công thức Ackerman, cuối cùng là giải thuật LQR, kết quả họ thu được là tuy bộ điều khiển PID ổn định đối tượng ở vị trí thẳng đứng hướng lên nhưng có biểu hiện đáp ứng kém khi có nhiễu đến từ môi trường, trong khi đó giải thuật LQR và FSF có thể khắc phục sự ảnh hưởng của nhiễu và nhóm tác giả đánh giá giải thuật LQR có độ tin cậy và đáp ứng tốt hơn so với FSF [4] Vào năm 2013, tác giả Rahul Agrawal và R.Mitra đã thiết kế thành công bộ điều khiển lai mạng thần kinh mờ (neuron - fuzzy) cho hệ RIP, nhóm nghiên cứu xây dựng hai bộ điều khiển PID và mạng thần kinh mờ để so sánh ưu điểm, và kết quả thực nghiệm cho thấy bộ điều khiển lai đã thành công cân bằng con lắc, bộ điều khiển mạng thần kinh được huấn luyện nhờ vào công cụ ANFIS trên MATLAB, sau đó lai với luật mờ mà tác giả tìm được, nhóm tác giả nhận xét rằng bộ điều khiển lai có vài ưu điểm vượt trội so với bộ điều khiển PID
[5] Cũng trong năm 2013, tác giả Jen-Hsing Li đã nghiên cứu hệ cân bằng bất ổn định RIP, ông đề xuất thiết kế bộ điều khiển dựa theo phương pháp lai giữa hai bộ điều khiển mờ (fuzzy) mamdani và PD, dựa theo kết quả khảo sát ông đánh giá rằng bộ điều khiển lai fuzzy PD mang lại kết quả tương tự như bộ điều khiển hồi tiếp [6] Vào năm 2016, tác giả Arya Sunil và Manju G đã thiết kế thành công bộ điều khiển ứng dụng luật mờ (fuzzy) cho hệ thống RIP, nhóm tác giả xây dựng phương trình động học và thiết kế luật mờ sao cho con lắc ổn định ở vị trí cân bằng [7] Vào năm 2017, nhóm tác giả S Balamurugan, P Venkatesh, M Varatharajan của trường đại học kỹ thuật K.L.N ở Ấn Độ đã phát triển thành công bộ điều khiển lai trượt mờ (fuzzy – sliding mode) với bộ lọc thống thấp để giảm thiểu ảnh hưởng dao động tần số cao, thực nghiệm thành trên mô hình con lắc ngược của Quanser, bộ điều khiển trượt có nhiều ưu điểm nhưng đi cùng với đó là hiện tượng nhiễu dao động ở ngõ vào, vì thế nhóm tác giả nghĩ ra phương án
3 áp dụng luật mờ để phân tích và triệt tiêu tín hiệu không mong muốn, tuy nhiên nhiễu dao động vẫn chưa được triệt tiêu hết, nhóm tác giả liền thiết kế một bộ lọc thông thấp để lọc các thành phần tín hiệu nhiễu ngõ vào ở tần số cao, kết quả đánh giá cho thấy bộ điều khiển trượt mờ có bộ lọc thông thấp đã thành công loại bỏ tối đa nhiễu dao động và thành cụng cõn bằng con lắc [8] Vào năm 2018, nhúm cỏc tỏc giả Mehmet ệKSĩZ, Mehmet Burak ệNAL, Recep HALICIOĞLU, Lale Canan DĩLGER đó nghiờn cứu và xây dựng bộ điều khiển hồi tiếp trạng thái dùng phương pháp đặt cực lên đối tượng RIP và khảo sát hệ số giảm chấn tác động lên sự ổn định hệ thống, trong bài báo này, nhóm tác giả thực hiện mô phỏng và thực nghiệm trên hệ thống để khả sát tính bền vững của bộ điều khiển và độ hiệu quả của giải thuật [9] Năm 2021, tác giả Belgacem Bekkar và Khale Ferkous đã phát triển một giải thuật lai giữa bộ điều khiển toàn phương tuyến tính LQR và mờ để con lắc ngược ổn định tại vị trí cân bằng và bám quỹ đạo cho cánh tay, giải thuật này thay vì chọn ma trận Q và R bằng tay sau nhiều lần thử nghiệm kiểm tra đúng sai mà sẽ sử dụng luật điều khiển mờ để chọn dựa vào kết quả đáp ứng mong muốn và trạng thái của hệ thống, kết quả cho thấy bộ điều khiển lai cho đáp ứng nhanh hơn, ổn định tốt, và khắc phục nhiễu tốt hơn trong môi trường thực nghiệm [10] Vào năm
2022, tác giả Fatma Nur Sen1 and Ulas Beldek đã phát triển thành công bộ điều khiển hồi tiếp trạng thái sử dụng giải thuật di truyền (GA) để tìm thông số tối ưu, bài nghiên cứu trình bày hai phương pháp, một là thiết kế tiêu chuẩn cho bộ điều khiển hồi tiếp dựa trên phương trình động học hệ thống, hai là sử dụng giải thuật di truyền để tìm thông số tối ưu K cho bộ điều khiển hồi tiếp, sau đó tác giả tiến hành thực nghiệm và so sánh kết quả giữa hai bộ điều khiển, cho thấy bộ điều khiển hồi tiếp sử dụng GA đáp ứng tốt hơn
[11] Và cũng trong năm 2022, nhóm tác giả Anthony Gutarra, Styven Palomino, Elvis
J Alegria, Jose Cisneros đã thiết kế thành công bộ điều khiển lai mờ tối ưu bằng giải thuật di truyền, nhằm nâng cao đáp ứng so với một bộ điều khiển mờ thông thường, trong bài báo thì một bộ điều khiển LQR được thiết kế dùng để so sánh hiệu suất, kết quả cho thấy, bộ điều khiển mờ - di truyền có thể hoạt động trong một phạm vi lớn hơn so với bộ điều khiển LQR [12]
Các kết quả nghiên cứu trong nước
Vào năm 2011, tác giả Nguyễn Văn Đông Hải của trường đại học sư phạm kỹ thuật đã giới thiệu thành công giải thuật tuyến tính hóa vào-ra (input-output linearization) cho hệ phi tuyến xe-con lắc ngược, mục tiêu là biến đổi hệ thống từ dạng phi tuyến sang tuyến tính, đặt biến ngõ ra để hệ thống có dạng tuyến tính những vẫn giữ được đặc trưng của hệ phi tuyến [13] Vào năm 2012, tác giả Nguyễn Đức Quyên và Ngô Văn Thuyên của trường đại học sư phạm kỹ thuật cùng các cộng sự đã thành công xây dựng bộ điều khiển mạng neuron nhân tạo (ANN) để điều khiển cân bằng con lắc ngược RIP, khả năng
4 học hỏi, tiếp thu qua quá trình thử nghiệm đúng sai và tự động thích nghi, điều chỉnh các thông số của bộ điều khiển dựa vào thay đổi ở ngõ vào [14] Cũng trong năm 2012, nhóm tác giả Nguyễn Văn Đông Hải và Ngô Văn Thuyên của trường đại học sư phạm kỹ thuật đã thành công xây dựng bộ điều khiển lai PID kết hợp mạng thần kinh neruon để điều khiển ổn định hệ thống con lắc ngược, bài báo trình bày kết quả đáp ứng của hệ thống trong mô phỏng và thực nghiệm [15] Vào năm 2014, tác giả Nguyễn Văn Khanh và các cộng sự của trường đại học Cần Thơ thực hiện bài nghiên cứu xây dựng bộ điều khiển ổn định thời gian thực sử dụng phương pháp cuốn chiếu (backstepping), nhóm tác giả nhúng giải thuật điều khiển trên vi điều khiển DSP STM32, bộ điều khiển sau đó được so sánh với giải thuật LQR và thực nghiệm cho thấy bộ điều khiển cuốn chiếu cho ra kết quả đáp ứng khả quan hơn so với bộ điều khiển LQR ngay cả khí tác động nhiễu từ bên ngoài thay đổi khối lượng con lắc [16] Vào năm 2017, tác giả Trần Văn Hào của trường đại học HUTECH công bố nghiên cứu xây dựng bộ điều khiển trượt (SMC) cho hệ thống con lắc ngược RIP, trong bài nghiên cứu, tác giả đã xây dựng thành công bộ điều khiển dựa trên hàm Lyapunov, ngoài ra tác giả còn thiết kế bộ điều khiển swing-up dựa trên cơ sở phân tích quỹ đạo chuyển động của con lắc trong miền không gian trạng thái [17] Vào năm 2018, tác giả Lê Thị Thanh Hoàng của trường đại học sư phạm kỹ thuật và các cộng sự đã xây dựng thành công bộ điều khiển mờ (FLC) và áp dụng thành công lên mô hình, con lắc được cân bằng tại ví trí bất ổn định, luật mờ trong bài nghiên cứu được lựa chọn theo tiêu chuẩn của các chuyên gia theo phương pháp Takegi-Sugeno gồm 81 luật, các tham số bộ điều khiển được tính toán dựa trên thử nghiệm và kiểm tra lỗi thông qua quan sát đáp ứng của hệ thống, bài báo trình bày kết quả mô phỏng và thực nghiệm cho thấy hệ thống hoạt động ổn định [18] Vào năm 2019, tác giả Hồng Gia Bảo của trường đại học sư phạm kỹ thuật và các cộng sự đã thành công xây dựng bộ điều khiển trượt bám quỹ đạo (trajectory tracking sliding mode control) cho hệ thống xe-con lắc, bài báo đề xuất một giải thuật xuất tín hiệu điều khiển động cơ chiếc xe sao cho bám theo một quỹ đạo xác định trong khi vừa đảm bảo cân bằng con lắc ổn định, tác giả so sánh đối chiếu bộ điều khiển trượt so với bộ điều khiển LQR trong thực nghiệm và kết luận rằng điều khiển trượt có đáp ứng tốt hơn so với LQR [19] Vào năm 2022, tác giả Võ Minh Tài và các cộng sự của trường đại học sư phạm kỹ thuật đã công bố trình bày nghiên cứu của mình về xây dựng giải thuật điều khiển hồi tiếp tuyến tính hóa vào ra cho hệ con lắc ngược RIP, nhóm tác giả đã duy trì thanh con lắc của hệ thống quanh vùng cân bằng ở vị trí thẳng đứng hướng lên [20]
Trong các nghiên cứu được liệt kê ở trên thì tác giả nhận ra giải thuật tuyến tính hóa là một giải thuật độc đáo nhưng đáng tiếc là ít được các nhà kỹ sư nghiên cứu và áp dụng vào hệ thống Ngoài ra ở nghiên cứu [20] của tác giả Võ Minh Tài, tác giả đề tài
5 nhận thấy tuy hệ thống đã được ổn định nhưng vẫn còn thiếu sót và bộ giải thuật có thể được cải thiện hơn nữa.
Lý do chọn đề tài
Như đã được đề cập ở trên, ngành điều khiển tự động đang trở thành một trong những ngành quan trọng trong bối cảnh cuộc cách mạng công nghiệp 4.0 đang đến rất gần Các giải pháp điều khiển thông minh, điều khiển hiện đại ngày càng được quan tâm nghiên cứu để thực hiện các ứng dụng mà các giải pháp điều khiển thông thường không thực hiện được Đề tài “THIẾT KẾ BỘ ĐIỀU KHIỂN TUYẾN TÍNH HÓA VÀO RA CHO HỆ CON LẮC NGƯỢC QUAY” sẽ là bước đệm để nghiên cứu các hệ phi tuyến phức tạp áp dụng giải thuật điều khiển cao cấp hơn.
Đối tượng nghiên cứu
Trong giới hạn của đề tài, người thực hiện chọn hệ con lắc ngược quay – Rotart Inverted Pendulum (RIP) là một hệ phi tuyến bậc cao Sau đó áp dụng giải thuật tuyến tính hóa vào ra để điều khiển mô hình Để xây dựng và vận hành hệ thống, đề tài sử dụng vi xử lý Arduino Mega 2560 và mạch công suất L298N, Encoder Xây dựng phương trình động lực học và mô phỏng đáp ứng của hệ thống trong phần mềm Matlab/Simulink Lập trình giải thuật điều khiển ngôn ngữ C bằng phần mềm Arduino IDE và nhúng giải thuật trên vi điều khiển
Do sự hạn chế về thời gian cũng như đặc tính làm việc của các linh kiện, chi tiết cơ học chưa thực sự tốt cho nên chưa thể hoàn chỉnh đề tài một cách hoàn hảo, tuy nhiên, đề tài đã cố gắng hoàn thành được những mục tiêu đặt ra.
Giới hạn đề tài
Đề tài chỉ giải quyết đến các vấn đề động học của con lắc ngược
Thuật toán áp dụng lên hệ thống chỉ có tác dụng ổn định con lắc
Mô hình con lắc ngược được xây dựng tương đối đơn giản
Chương trình điều khiển tuyến tính hóa vào ra được xây dựng bằng ngôn ngữ C và nhúng vào vi điều khiển Arduino
Mục tiêu nghiên cứu
Thiết kế mô hình con lắc ngược quay
Nhận dạng và tính toán thành công phương trình động lực học của con lắc ngược quay áp dụng cơ học Lagrange
Xây dựng được bộ điều khiển tuyến tính hóa vào ra, mô phỏng trên Matlab
Xây dựng được giải thuật bằng ngôn ngữ C và nhúng trên Arduino
So sánh kết quả giữa mô phỏng và thực tế
Phương pháp nghiên cứu
Để thực hiện việc nghiên cứu đề tài này, tác giả tuân theo các quá trình sau:
Phân tích toán học (dựa vào các công thức toán học và phần mềm hỗ trợ)
Các tiêu chí đánh giá hiệu quả của phương pháp: độ chính xác và tính ổn định của hệ thống
Giới thiệu nội dung
Chương 1 sẽ trình bày lý do vì sao tác giả thực hiện đề tài, mục tiêu, giới hạn đề tài, phương pháp nghiên cứu sử dụng trong đề tài
Chương 2: Cơ sở lý thuyết
Chương 2 sẽ giới thiệu tổng quan về hệ thống con lắc ngược, mô tả các lý thuyết liên quan sẽ được áp dụng trpng đề tài tác giả tiêu biểu như: đạo hàm Lie, bậc tương đối hệ thống, giải thuật tuyến tính hóa vào ra
Chương 3: Mô tả toán học hệ con lắc ngược quay
Chương 3 sẽ trình bày cơ sở khoa học, thành lập phương trình động học cho con lắc ngược quay và cuối cùng là xây dựng hệ phương trình trạng thái phi tuyến của hệ thống
Chương 4: Thiết kế bộ điều khiển tuyến tính hóa vào ra
Chương 4 sẽ trình bày tường tận các bước phương pháp xây dựng bộ điều khiển tuyến tính hóa vào ra và đề cập đến việc áp dụng giải thuật LQR vào giải thuật tuyến tính hóa vào ra
Chương 5: Thi công hệ thống
Chương 5 sẽ giới thiệu về phần cứng và phần mềm của mô hình bao gồm các linh kiện điện tử và phần đế hệ thống, phần mềm để lập trình C và thu thập dữ liệu, lưu đồ giải thuật
Chương 6: Kết quả thực hiện
Chương 6 sẽ trình bày các kết quả đáp ứng mô phỏng, thực nghiệm của hệ thống và nhận xét của tác giả
Chương 7: Kết luận và hướng phát triển
CƠ SỞ LÝ THUYẾT
2.1 Giới thiệu về hệ con lắc ngược quay
Hệ xe-con lắc ngược (Cart and pole)
Hệ con lắc ngược quay là hệ thống mà trong đó vị trí của điểm trọng tâm khối lượng thanh con lắc nằm ở trên trục quay của nó Là một hệ thống phi tuyến kinh điển bất ổn định, có một ngõ vào – nhiều ngõ ra (SIMO), là nền tảng thử nghiệm nổi tiếng để đánh giá các giải thuật điều khiển khác nhau, từ hệ con lắc ngược nhiều nhà khoa học đã phát triển lên thành nhiều ứng dụng trong cuộc sống như lĩnh vực hàng không, người máy, máy bay không người lái,… Hệ thống này có đặc điểm nếu không có lực hỗ trợ tác động từ bên ngoài vào hệ thống thì ngay lập tức con lắc sẽ ngã xuống Trong hình 2.1, thanh con lắc chỉ có thể được ổn định ở vị trí thẳng đứng hướng lên hoặc còn gọi là vị trí bất ổn định với sự hỗ trợ từ hệ thống điều khiển tự động, hệ thống sẽ giám sát sự biến thiên của góc quay thanh con lắc và gửi tín hiệu điều khiển xuống động cơ để để chiêc xe di chuyển theo phương ngang, tác động của ngoại lực này khiến cho thanh con lắc tự động di chuyển, hoặc có thể nói là dưới tác động có tính toán ta sẽ khiến con lắc luôn dao động quanh vị trí cân bằng, từ đó con lắc luôn ổn đinh tại vị trí mong muốn theo lực quán tính, bộ điều khiển ở đây sẽ tính toán giải thuật sao cho con lắc luôn cân bằng Trong các phòng thí nghiệm, ta thường xuyên nhìn thấy hệ con lắc ngược được gắn trên một chiếc xe di chuyển theo phương ngang dưới sự điều khiển của động cơ servo, hệ này được gọi là hệ xe-con lắc ngược
Hình 2.1 Mô hình hệ xe-con lắc ngược
Hệ con lắc ngược quay (Rotary Inverted Pendulum)
Hệ con lắc ngược quay còn được gọi là Rotary Inverted Pendulum hay Furuta Pendulum, là một hệ under-actuated có ngõ vào điều khiển ít hơn số bậc tự do và rất khó để điều khiển, đồng thời cũng là một hệ SIMO, hệ bao gồm một thanh cánh tay và một thanh con lắc, trục quay của thanh cánh tay được gắn với động cơ quay theo phương ngang, và thanh con lắc được gắn vào thanh cánh tay quay tự do trong mặt phẳng thẳng đứng Hệ thống này được phát minh bởi kỹ sư Katsuhisa Furuta và các đồng nghiệp của ông, công bố lần đầu tiên vào năm 1992 tại học viện công nghệ Tokyo, một trường hợp về bộ dao động phi tuyến phức tạp được quan tâm trong lý thuyết hệ thống điều khiển Bản thân hệ thống hoạt động kém hiệu quả và mang đặc tính cực kỳ phi tuyến do lực hấp dẫn và ngẫu lực sinh ra từ hiệu ứng Coriolis và lực hướng tâm Kể từ đó, đã có hàng chục, hàng trăm bài báo nghiên cứu khoa học và luận văn đã sử dụng hệ thống này để thiết kế và thử nghiệm các bộ điều khiển tuyến tính và phi tuyến
Mô hình con lắc ngược quay được ứng dụng trong rất nhiều phòng thí nghiệm nhằm nghiên cứu các giải thuật điều khiển thông minh, điều khiển hiện đại, điều khiển tối ưu Hệ con lắc ngược Furuta sẽ là hệ thống mà bài luận văn này tập trung nghiên cứu gồm 3 thành phần chính như sau
Phần cơ khí: gồm 1 cây kim loại (thanh con lắc) quay quanh 1 trục thẳng đứng
Thanh con lắc được gắn gián tiếp vào thanh cánh tay thông qua một encoder để đo góc con lắc Một encoder được gắn lên trục động cơ để đo góc cánh tay Do trong quá trình vận hành thanh cánh tay phải quay với tốc độ cao để lấy mẫu nên phần cơ khí cần phải được tính toán thiết kế chính xác, chắc chắn nhằm tránh gây nhiễu và hư hỏng trong quá trình vận hành Điện tử: gồm cảm biến encoder đo góc cánh tay và góc con lắc, mạch khuếch đại công suất (cầu H) L298N và mạch điều khiển trung tâm Arduino Cảm biến đƣợc sử dụng trong đề tài là encoder quay có độ phân giải cao Tín hiệu từ encoder sẽ đượcc truyền về bộ điều khiển Tùy thuộc vào tín hiệu đọc được từ các encoder mà Arduino được lập trình để xuất tín hiệu ngõ ra điều khiển động cơ DC qua một mạch khuếch đại công suất (mạch cầu H)
Chương trình: Chương trình được viết trên môi trường phát triển tích hợp
Arduino bằng ngôn ngữ C và nhúng vào vi điều khiển Tốc độ điều khiển hệ thống thực phụ thuộc rất nhiều vào tốc độ xử lí và tần số lấy mẫu của bộ điều khiển trung tâm
Hình 2.2 Mô hình hệ con lắc ngược quay Furuta, chế tạo bởi hãng Quanser
Một số hệ thống phức tạp tiêu biểu được dựa trên hệ con lắc ngược
Hệ con lắc ngược quay kép
Hệ con lắc ngược quay song song
Hệ bánh xe con lắc ngược quay
Hình 2.3 Hệ con lắc ngược quay kép
Hình 2.4 Hệ con lắc ngược quay song song
Hình 2.5 Hệ bánh xe con lắc ngược
2.2 Giới thiệu về đạo hàm Lie
Giả sử hệ phương trình trạng thái của một hệ thống phi tuyến bất kì có dạng như sau:
(2.1) Trong đó: f(x), g(x): các hàm phi tuyến
11 x: các biến trạng thái của hệ thống u: tín hiệu điều khiển y, h(x): tín hiệu ngõ ra Định nghĩa: Đạo hàm Lie theo phương f(x) của hàm vô hướng g(x) là một vô hướng, kí hiệu là L h x f được trình bày dưới dạng công thức như sau:
(2.2) Đạo hàm Lie bậc n có thể được định nghĩa một cách đệ quy như sau:
Ta còn có thể mở rộng định nghĩa đạo hàm Lie như sau:
2.3 Giới thiệu về bậc tương đối của hệ thống Điều khiển hồi tiếp tuyến tính là một phương pháp thông dụng được áp dụng để điều khiển hệ phi tuyến, nếu ta có một hệ thống phi tuyến được diễn tả bởi hệ phương trình sau:
Bậc tương đối của hệ thống là 1 n nếu thỏa điều kiện tín hiệu điều khiển u không tồn tại trong các phương trình y y , , , & K y 1 và y , với n là số biến trạng thái của hệ thống
Ta có thể diễn tả toán học lại như sau:
f g y L h x& L h x u, nếu L h x g 0thì y L h x& f → hệ thống có bậc tương đối lớn hơn 1
&& , nếu L L h x g f 0thì y L h x&& f 2 → hệ thống có bậc tương đối lớn hơn 2
1 f 1 g f 2 y L h x L L h x u, nếu L L g f 2 h x 0thì y 1 L f 1 h x → hệ thống có bậc tương đối lớn hơn 1
f g f 1 y L h x L L h x u (2.9) nếu L L g f 1 h x 0 thìy L f h x L L g f 1 h x u → hệ thống có bậc tương đối là Định nghĩa: Hệ thống H có bậc tương đối là nếu và chỉ nếu 2 điều kiện sau được thỏa mãn:
2.4 Giới thiệu về giải thuật tuyến tính hóa vào ra
Xét đối tượng điều khiển H có phương trình trạng thái phi tuyến như sau:
Trong đó: x : các biến trạng thái của hệ thống
, f x g x : các hàm phi tuyến của hệ thống u : tín hiệu điều khiển hệ thống
, y h x : tín hiệu, hàm ngõ ra hệ thống Nếu hệ thống có bậc tương đối n thì nhiệm vụ của ta là đặt biến trạng thái lại dưới dạng đạo hàm Lie như sau:
Phương trình trạng thái của đối tượng điều khiển H được viết lại dưới dạng:
(2.13) Luật điều khiển được xác định u x x 1 v , sao cho hệ thống mới H’ tuyến tính:
Hệ thống có bậc tương đối n khi và chỉ khi thỏa 2 điều kiện sau:
Theo (2.12) thì hệ phương trình trạng thái của H’ được diễn giải như sau:
Từ (2.16), ta biểu diễn dưới dạng ma trận như sau:
Từ (2.17), ta rút gọn lại thành:
Luật điều khiển được xác định u x x 1 v , suy ra:
Ta xem v như một tín hiệu điều khiển giả định, dùng luật LQR để tính toán tín hiệu Q, ta được v Kz
MÔ TẢ TOÁN HỌC HỆ CON LẮC NGƯỢC QUAY
Tất cả hệ thống điều khiển tự động đều được mô tả bằng một phương trình toán học dạng vi phân Hệ con lắc ngược quay cũng vậy, để điều khiển được hệ con lắc ngược quay, việc đầu tiên là phải nắm rõ được đối tượng, từ đó mới đưa ra phương pháp điều khiển Đối với hệ con lắc ngược quay, để mô tả được hệ dưới dạng một phương trình toán học thì đó là sự kết hợp giữa vật lý và toán học với định luật cổ điển Lagrange (dựa trên tổng năng lượng của hệ và lực tổng quát trong một hệ trục tọa độ Descarts )
Trong đó: r k là vị trí của chất điểm thứ i trong hệ
C là số lượng liên kết trong hệ λ i là nhân tử Lagrange thứ i f i là phương trình liên kết thứ i
L là hàm Lagrange của một hệ các hạt (chất điểm):
Toán tử Lagrange được tính như sau:
T là tổng động năng của các chất điểm có trong hệ
V là tổng thế năng của các chất điểm có trong hệ
3.2 Thành lập phương trình động học cho hệ con lắc ngược quay
Mô hình hệ RIP bao gồm 2 thanh (con lắc, cánh tay) và 1 động cơ Thanh thứ nhất được gọi là thanh cánh tay được gắn với trục động cơ theo phương nằm ngang, thanh thứ hai được gọi là thanh con lắc được được dựng theo phương thẳng đứng nối với thanh cánh tay Góc quay của thanh cánh tay, thanh con lắc được ký hiệu lần lượt là, rad
Mục đích của chúng ta là thiết kế bộ điều khiển cân bằng sao cho thanh con lắc cân bằng ở vị trí thẳng đứng hướng lên
Trong đó, M Kg r là khối lượng thanh cánh tay, M Kg p là khối lượng thanh con lắc, M en Kg là khối lượng của encoder, L m r là chiều dài thanh cách tay, L m p là chiều dài thanh con lắc J Kgm r 2 là mô-men quán tính của thanh cánh tay, J p Kgm 2 là mô-men quán tính của thanh con lắc, g m s / 2 là gia tốc trọng trường,là mô-men lực điều khiển của động cơ, K N M A t / là hằng số mô-men, K V s b là hằng số suất phản điện động,R m là điện trở động cơC N m s m hệ số ma sát nhớt động cơ, e V là điện áp điều khiển động cơ Xét ma sát thanh cánh tay và thanh con lắc 1,2 C r C p 0 NA
Hình 3.1 Mô hình toán học của hệ con lắc ngược quay Điểm B là điểm trọng tâm của thanh con lắc:
Giả sử A là giao điểm của tọa độ xyz được đặt trên cách tay, trọng lực của con lắc đặt tại điểm giữa B, như vậy B sẽ có tọa độ,vận tốc so với A là:
17 Đồng thời với chuyển động quay quanh điểm A thì con lắc còn thực hiện chuyển động quay quanh điểm O với vận tốc L r & Do vậy, vận tốc của điểm A so với điểm O cố định có thể được mô tả bởi phương trình :
Từ hai phương trình (2.3) và (2.4), vận tốc của điểm B, trọng tâm của con lắc được mô tả theo hai phương x,y như sau:
Xét điểm O là gốc thế năng, vậy tổng thế năng của hệ thống là:
Tổng động năng của hệ thống:T system T pendulum T arm
(3.8) Momen quán tính của thanh cánh tay là:
Momen quán tính của thanh con lắc về trọng tâm khối lượng là :
Vậy tổng động năng của hệ thống là: T system T pendulum T arm
Từ phương trình Lagrange Loại 1:
, ta áp dụng cho hệ con lắc ngược quay như sau:
Từ (3.13) và (3.14), ta tìm được phương trình động lực học của hệ con lắc ngược quay:
Giải hệ phương trình (3.15) ta được:
L L M Cos Sin Cos L M gSin L M gSin L M gSin
Từ (3.15), ta viết lại dưới dạng ma trận, phương trình động học của hệ con lắc ngược quay với ngõ vào là momen động cơ , ngõ ra là góc α,β
Kí hiệu Mô tả Đơn vị Giá trị
Góc của thanh con lắc so với phương thẳng đứng rad Đại lượng tính toán
Góc của thanh cánh tay so với vị trí mốc rad Đại lượng tính toán
& Vận tốc góc của thanh con lắc rad/s Đại lượng tính toán
& Vận tóc góc của thanh cánh tay rad/s Đại lượng tính toán
&& Gia tốc góc của thanh con lắc rad/s 2 Đại lượng tính toán
&& Gia tốc góc của thanh cánh tay rad/s 2 Đại lượng tính toán
M en Khối lượng của encoder kg 0.2
M p Khối lượng của thanh con lắc kg 0.01392
L p Chiều dài của thanh con lắc m 0.2
J p Momen quán tính của thanh con lắc kgm 2 0.0001856
M r Khối lượng của thanh cánh tay kg 0.04872
L r Chiều dài của thanh cánh tay m 0.2
J r Momen quán tính của thanh cánh tay kgm 2 0.0006496 e Điện áp động cơ V Đại lượng tính toán g Gia tốc trọng trường m/s 2 9.81
Khoảng cách từ vị trí B so với vị trí A m Đại lượng tính toán
Vận tốc từ vị trí B so với vị trí A m/s Đại lượng tính toán
Vận tốc từ vị trí A so với vị trí O m/s Đại lượng tính toán
Vận tốc từ vị trí B so với vị trí O m/s Đại lượng tính toán
Bảng 3.1 Ký hiệu mô hình con lắc ngược quay
Tuy nhiên, ở hai công thức (3.15) và (3.16) mô tả phương trình động học của hệ con lắc với ngõ vào là momen , để thuận tiện cho việc điều khiển hệ, cần phải biến đổi phương trình động học của hệ thống về dạng ngõ vào là điện áp, phù hợp cho việc sử dụng động cơ Như vậy, việc điều khiển của chúng ta sẽ đơn giản hơn Đồng thời, ta có thể thấy rằng, bản thân động cơ cũng là một hệ phi tuyến và điện áp mới là thành phần điều khiển mà người điều khiển sử dụng cho hệ thống Moment động cơ chỉ là thành phần được tạo ra do quá trình sử dụng điện áp Do đó việc chuyển đổi phương trình toán học về dạng ngõ vào điện áp (thay vì moment) là cần thiết
Hình 3.2 Cấu trúc động cơ DC
Kí hiệu Mô tả Đơn vị Giá trị
R m Điện trở động cơ (ohm) Ω 11.944421124154792
L m Cuộn cảm động cơ (H) H NSX cung cấp
K b Hằng số suất phản điện động V/rad/sec 0.086164500636167
K t Hằng số moment (Nm/A) Nm/A 0.086164500636167
J m Moment quán tính của rotor động cơ DC kgm 2 0.000059833861116
C m Hệ số ma sát nhớt Nm/rad/sec 0.000067435629646
f Moment ma sát Nm NSX cung cấp
m Moment xoắn cản Nm Đại lượng tính toán
Vận tốc động cơ DC rad/s Đại lượng tính toán
i Moment xoắn nội Nm Đại lượng tính toán
m Góc xoay trục động cơ rad Đại lượng tính toán
Bảng 3.2 Ký hiệu và thông số động cơ DC Nisca
Thông số của động cơ Nisca được cung cấp bởi bài báo nghiên cứu
Cấu trúc của động cơ được chia ra thành 2 phần: Phần điện và Phần cơ
Phân tích phần điện: m m b e L di R i E
Mà E b K b , thế vào (3.22) ta được m m b e L di R i K dt
Mà i K i t , thế vào (3.24), ta được m t m m
P W (3.27) Áp dụng định luật bảo toàn năng lượng: e m b i b t b t
Trong trường hợp và dùng đơn vị MKS (Kb có đơn vị V/rad/s) và Kt có đơn vị Nm/A Lúc này, Kb = Kt
Vì tốc độ điện nhanh hơn tốc so với tốc độ cơ khí >> nên có thể bỏ qua yếu tố điện cảm trong công thức
Ta có: m & m , thay vào (3.30) ta được: t t i b m m
Ta kết hợp các phương trình sau (3.15) và (3.34), suy ra được ma trận phương trình động học của hệ con lắc ngược quay với ngõ vào là điện áp e , ngõ ra là góc ,
Mô tả toán học hệ con lắc ngược quay dưới dạng phương trình vi phân Từ công thức (3.35), đưa vào matlab tính toán, ta xác định được:
3.3 Hệ phương trình trạng thái phi tuyến của mô hình Đặt biến trạng thái của hệ thống như sau:
Từ (2.11), hệ phương trình biến trạng thái phi tuyến của hệ có dạng như sau:
K gSin x K L x Cos x L M gSin x L M gSin x L M gSin x L L M x os x Sin x
(3.44) và (3.45) góp phần tạo nên hệ phương trình trạng thái hệ thống:
THIẾT KẾ BỘ ĐIỀU KHIỂN TUYẾN TÍNH HÓA VÀO RA
4.1 Thiết kế bộ điều khiển tuyến tính hóa vào ra trên mô hình con lắc ngược
Hệ con lắc ngược quay là hệ phi tuyến SIMO(Single Input Multi Output) phức tạp với độ khó điều khiển cao Ở bài toán này, u(t) chính là tín hiệu điều khiển điện áp e và c(t) là tín hiệu ngõ ra góc lệch thanh con lắc và góc lệch cánh tay con lắc
Với một ngõ vào điện áp cấp cho động cơ DC, và hai ngõ ra là góc lệch của thanh cánh tay và góc lệch thanh con lắc Vấn đề đặt ra là phải điều khiển cân bằng cho hệ ở vị trí cân bằng thẳng đứng hướng lên trên
Việc thiết kế bộ điều khiển tuyến tính hóa vào ra và mô phỏng được thực hiện trên phần mềm Matlab/Simulink
So với bài báo nghiên cứu khoa học của tác giả Võ Minh Tài đã thực hiện xây dựng bộ điều khiển dựa trên hệ phương trình trạng thái phi tuyến thì đề tài này sẽ tiếp thu hướng nghiên cứu của tác giả Tài và xây dựng bộ điều khiển dựa trên hệ phương trình trạng thái phi tuyến, nghĩa là sẽ thực hiện việc biến đổi hệ phương trình trạng thái phi tuyến thành hệ tuyến tính
Các biến trạng thái được đặt như sau:
Diễn tả hệ phương trình vi phân dưới dạng
Trong các hàm từ t 1 đến t 4 vẫn còn tồn tại các hàm lượng giác vì thế công việc của chúng ta là triệt tiêu các hàm đấy đi hay còn gọi là tuyến tính hóa bằng cách khảo sát phương trình quanh điểm làm việc cân bằng của chúng
Phương trình tuyến tính hóa của hệ khi làm việc quanh điểm cân bằng có dạng:
Xét tại các điểm làm việc xác lập của hệ con lắc ngược quay
0 0, 0, 0, 0 x & & ,u e 0 0 dựa vào phần mềm Matlab/Simulink tính toán ta tìm được các ma trận Avà B:
12 12 3 4 0 0 12 12 3 4 r en r p r r r p r en r p r r p r en r p r r r p r en r p r r r en r p r r
Thay (4.4) vào (4.3) ta có được phương trình tuyến tính hóa quanh điểm cân bằng:
12 12 3 4 0 0 12 12 3 4 r en r p r r r p r en r p r r p r en r p r r r p r en r p r r r en r p
Xét tính ổn định ở vị trí thẳng đứng hướng lên:
Với các thông số mô hình ta có được ở chương 3, ta xác định được ma trận A,B là:
Ma trận điều khiển có dạng:
C B A B A B LA B , với n là số nghiệm của phương trình trạng thái
4 rank C n Vậy hệ thống có thể điều khiển cân bằng ổn định
Từ (4.5), ta một lần nữa biến đổi hệ phương trình trạng thái tuyến tính về dạng như sau:
Để xây dựng bộ điều khiển tuyến tính hóa vào ra, ngoài xây dựng và tính toán các hàm F x G x , , ta cần phải xác định biến ngõ ra cần điều khiển, đó là hàm h x , trong đề tài này thì tác giả quan tâm đến 2 biến là x 1 và x 3 RIP là hệ SIMO (một ngõ vào và
29 nhiều ngõ ra), mặt khác thì giải thuật tuyến tính hóa vào ra được xây dựng để áp dụng lên các hệ có số ngõ vào bằng số ngõ ra Chính vì vậy chúng ta cần lựa chọn hàm h x sao cho vừa là hàm bao gồm các biến ngõ ra vừa thỏa mãn yêu cầu về mặt toán học của giải thuật theo phương trình (2.15)
Tác giả chọn hàm h x mx nx 1 3 để thỏa mãn yêu cầu trên, ta sẽ xem như hệ phương trình của hệ con lắc ngược hệ thống có bậc tương đường bằng 4 và cả 4 biến quan sát được thỏa L h x g L L h x g f L L g f 2 h x 0và L L g f 3 h x 0
Từ hệ phương trình trạng thái tuyến tính
Ta đặt các biến trạng thái theo phương pháp tuyến tính hóa vào ra như sau
Thỏa mãn điều kiện (2.15), các biến trạng thái mới sẽ tiếp tục tương đương với hệ:
Hệ phương trình trạng thái mới của hệ thống có dạng:
(4.9) Tiếp tục biễu diễn hệ phương trình trạng thái của hệ thống:
Kết hợp (4.9) vào (4.10) ta được hệ thống mới H’ tuyến tính:
Luật điều khiển được xác định:
Thay (4.12) vào (4.11), ta rút ra được hệ phương trình trạng thái với tín hiệu điều khiển giả v
4.2 Áp dụng giải thuật LQR rời rạc dựa trên phương pháp tuyến tính hóa vào ra
LQR là thuật toán điều khiển được xây dựng dựa trên cơ sở nguyên lý phản hồi trạng thái, còn gọi là phương pháp tuyến tính hóa dạng toàn phương Bộ điều khiển
LQR thường được áp dụng trên các hệ phi tuyến với nhiều ngõ vào ra Bộ điều khiển nhận tín hiệu vào là trạng thái của hệ thống và tín hiệu mẫu sau đó tính toán và chuyển thành tín hiệu điều khiển cho hệ thống
Một hệ điều khiển được thiết kế ở chế độ làm việc tốt nhất là hệ luôn ở trạng thái tối ưu theo một tiêu chuẩn chất lượng nào đó (đạt giá trị cực trị) Trạng thái tối ưu có đạt được hay không tùy thuộc vào yêu cầu chất lượng đặt ra, sự hiểu biết về đối tượng và các tác động lên đối tượng, điều kiện làm việc của hệ,… u x Ax Bu y Cx D
Hình 4.1 Sơ đồ khối giải thuật LQR
Xét hệ thống có tác động bên ngoài với tín hiệu u khác 0, đối tượng tuyến tính được mô tả bởi phương trình trạng thái như sau, hệ thống chúng ta không tồn tại ma trận D:
Chúng ta cần tìm ma trận K của vector điều khiển tối ưu: u(t) = -Kx(t) thỏa mãn chỉ tiêu chất lượng dạng toàn phương trong đó thời điểm cuối tf = ∞
J u 2 xT t Qx t uT t Ru t dt
Trong đó Q là ma trận xác định dương(hoặc bán xác định dương), R là ma trận xác định dương
Ma trận K tối ưu được xác định từ phương trình Ricatti có dạng:
Và P là nghiệm bán xác định dương cảu phương trình đại số Ricatti:
và hệ phương trình trạng thái với tín hiệu điều khiển giả định v , ' C C
32 Ở đây, tác giả ý định sử dụng trận tối ưu Kcủa giải thuật LQR lên hệ thống H’ có tín hiệu giả định v vừa tìm được Lúc này tín hiệu điều khiển giải định:
Ma trận tối ưu K K K K K 1 2 3 4 được xác định dùng giải thuật LQR rời rạc (thời gian lấy mẫu là 0.01 giây) với các ma trận sau khi rời rạc hóa với thời gian lấy mẫu là 0.001s thì ta có:
và ma trận Q R , hiệu chỉnh
Lúc này, ta có thể viết hệ phương trình trạng thái về dạng:
Hình 4.2 Sơ đồ bộ điều khiển tuyến tính hóa vào ra có kết hợp giải thuật LQR
THI CÔNG HỆ THỐNG
5.1 Giới thiệu hệ thống phần cứng
5.1.1 Giới thiệu hệ thống cơ khí
Hình 5.1 Mô hình con lắc ngược thực tế
Hình 5.2 Mô hình bộ điều khiển
5.1.2 Thiết kế hệ thống điện tử
Hệ thống điện tử sẽ có vai trò đảm nhận việc thu thập dữ liệu ghi nhận được của các encoder, vi điều khiển sẽ tiếp nhận các dữ liệu này và thực hiện tính toán giải thuật và xuất ra tín hiệu điều khiển để điều khiển động cơ thông qua driver công suất, sơ đồ kết nối hệ thống điện tử được trình bày như sau:
5.1.2.1 Lựa chọn vi điều khiển
Mạch Arduino Mega 2560 là một board vi điều khiển sử dụng vi xử lý ATmega2560 Board này có 54 chân I/O (14 chân PWM ), 16 analog đầu hàng vào, 4 UARTs,sử dụng thạch anh 16 MHz, kết nối cổng USB, một Jack cắm điện, chân ICSP Board có tất cả mọi thứ cần thiết để hỗ trợ vi điều khiển
Hình 5.3 Vi mạch điều khiển Arduino Mega 2560
Lý do dùng Arduino Mega là vài đây phiên bản cao cấp của Arduino Uno R3 và Arduino Nano với số chân giao tiếp, ngoại vi và bộ nhớ nhiều hơn, mạch được thiết kế và sử dụng trên IDE Arduino.Phù hợp cho các ứng dụng trong việc học tập Arduino có cộng đồng hỗ trợ lớn giúp sinh viên thận tiện cho việc tìm hiểu ngoài ra arduino còn hỗ trợ nhúng matlab vào bô vi điều khiển giúp cho việc lập trình dễ dàng hơn
Arduino Mega2560 khác với tất cả các vi xử lý trước giờ vì không sử dụng FTDI chip điều khiển chuyển tín hiệu từ USB để xử lý Thay vào đó, nó sử dụng ATmega16U2 lập trình như là một công cụ chuyển đổi tín hiệu từ USB Ngoài ra, Arduino Mega2560 cơ bản vẫn giống Arduino Uno R3, chỉ khác số lượng chân và nhiều tính năng mạnh mẽ hơn, nên các bạn vẫn có thể lập trình cho con vi điều khiển này bằng chương trình lập trình cho Arduino Uno R3
Arduino Mega2560 Thông số Điện áp hoạt động 5V
Tần số hoạt động 16 MHz
Số chân ngõ vào Analog (ADC) 16 kênh
Số chân ngõ ra (Digital) 54 (15 chân có thể được dùng làm PWM)
Cổng nối tiếp phần cứng
Bảng 5.1 Thông số cơ bản của Arduino Mega2560
Hình 5.4 Sơ lược các chân tín hiệu của Arduino Mega2560
5.1.3 Lựa chọn động cơ điều khiển Động cơ là cơ cấu chấp hành chính trong hệ thống, để giữ cho hệ con lắc được cân bằng, động cơ sẽ được gắn trực tiếp vào thanh cánh tay theo phương thẳng đứng Một encoder sẽ có nhiệm vụ đọc xung trả về bộ điều khiển giúp động cơ làm việc đúng theo yêu cầu
Yêu cầu lựa chọn động cơ:
Momen lực động cơ phải đủ mạnh để tải thanh cánh tay và thanh con lắc
Điều khiển ở chế độ xung PWM
Động cơ có tích hợp với encoder
Làm việc với điện áp tối thiểu là 5V
Với các tiêu chí trên, tác giả làm luận văn đã lựa chọn động cơ Nisca NF5475E Đậy là loại động cơ phổ biến, giá thành rẻ và bán tại khu vực Động cơ có dãy điện áp làm viễc lớn , momen xoắn lớn Do là động cơ DC nên việc điều khiển điện áp của động cơ cũng rất dễ dàng Trên hết là thời gian đáp ứng của động cơ rất nhanh, tốt hơn so với động cơ có bô giảm tốc cùng loại
Hình 5.5 Động cơ DC kèm Encoder Nisca NF5475E
Trên hệ thống thực của tác giả, vì Encoder của động cơ bị hư nên sinh viên thực hiện thay thế bằng một Encoder khác có số xung là 200 pulse/cycle Các thông số kĩ thuật của cảm biến Encoder được đồng trục với động cơ Servo:
Model VCC GND KÊNH A KÊNH B ĐỘ PHÂN
Ecoder 5v-Đỏ Xanh Nâu Vàng 200
Bảng 5.2 Chân của encoder trong động cơ
Model VCC Momen lực Tốc độ Dòng điện Công suất Động cơ 5v – Đỏ 74.8 mN*m 4162 rpm 1.256 A 32 W
Bảng 5.3 Các thông số cơ bản của động cơ do NSX quy định
Mạch điều khiển động cơ DC L298N có khả năng điều khiển 2 động cơ DC, dòng tối đa 2A mỗi động cơ, mạch tích hợp diod bảo vệ và IC nguồn 7805 giúp cấp nguồn 5VDC cho các module khác (chỉ sử dụng 5V này nếu nguồn cấp