▪ Mobile Manipulator có thể di chuyển và thực hiện các tác vụ với các đối tượng khác nhau thông qua các cánh tay robot, nên được ứng dụng nhiều trong các ứng dụng công nghiệp, y tế cà gi
TỔNG QUÁT
Khảo sát về mobile robot đa hướng
Mobile robot là loại robot có khả năng tự di chuyển trên một bề mặt phẳng hoặc không phẳng, bằng cách sử dụng các bánh xe, chân hoặc các phương tiện di chuyển khác Ngày nay, nó đang được phát triển mạnh mẽ và được ứng dụng ở tất cả các lĩnh vực của đời sống kinh tế, xã hội và quốc phòng Các loại mobile robot phổ biến như:
▪ AGV1 là loại robot tự động di chuyển trên các hành lang cố định hoặc trên các đường ray được xây dựng trước đó AVG thường được sử dụng trong các nhà máy để vận chuyển vật liệu và sản phẩm
▪ Loại UGV2 là loại robot di chuyển trên bề mặt đất không có đường ray hay hành lang cố định Nó thường được sử dụng trong các nhiệm vụ quân sự, cứu hộ, khai thác mỏ và công nghiệp
▪ Mobile Manipulator có thể di chuyển và thực hiện các tác vụ với các đối tượng khác nhau thông qua các cánh tay robot, nên được ứng dụng nhiều trong các ứng dụng công nghiệp, y tế cà giải trí
▪ Swarm Robotics là một mạng lưới robot nhỏ, độc lập với nhau nhưng có thể hoạt động chung để thực hiện các tác vụ phức tạp như trong các nhiệm vụ quân sự, nông nghiệp và khám phá không gian
▪ Aerial Robotics là loại robot di chuyển trên không trung, thông qua các cánh quạt hoặc động cơ phản lực và được ứng dụng giám sát, vận chuyển hàng hóa và giải trí
Robot tự hành là một dạng của mobile robot, được thiết kế để tự động hoặc tự điều khiển mà không cần sự can thiệp của con người Nó chiếm một vị trí quan trọng và được ứng dụng trong nhiều lĩnh vực của đời sống Ví dụ:
▪ Trong công nghiệp, nó được sử dụng trong nhiều công việc như sản xuất, đóng gói, kiểm tra chất lượng và vận chuyển hàng hóa
▪ Nó cũng được sử dụng trong các hoạt động y tế như phẫu thuật và kiểm tra bệnh tật
▪ Bên cạnh đó, robot tự hành còn được sử dụng giám sát, kiểm soát và điều hướng giao thông
▪ Nó cũng được sử dụng trong các lĩnh vực dịch vụ như khách sạn , nhà hàng, quầy thu ngân tự động và bảo vệ an ninh
▪ Trong nông nghiệp, robot tự hành được ứng dụng một cách hiệu quả trong việc thu hoạch, làm vườn và kiểm tra chất lượng đất
▪ Không chỉ vậy, nó còn được sử dụng để thăm dò và khai thác mỏ, rồi, khám phá không gian và nghiên cứu về vũ trụ
▪ Hay đơn giản nó sinh ra để giúp con người trong các hoạt động gia đình hằng ngày như lau dọn nhà cửa, nấu ăn, rửa bát,…
Những ứng dụng của robot tự hành đã đem lại nhiều lợi ích cho con người Nó giúp tiết kiệm thời gian, năng lượng và tăng hiệu suất sản xuất, đồng thời giảm thiểu tai nạn giao nạn lao động và tăng cường an toàn cho con người
Hình 1.1: Xe tự hành được ứng dụng trong nhà kho Vinamilk
Trong số các robot tự hành, robot tự hành đa hướng (OMR[1]) là một dạng được thiết kế để có khả năng di chuyển và điều khiển ở nhiều hướng khác nhau một cách linh hoạt và hiệu quả Nó là dạng robot holonomic, có thể sử dụng bánh xe Omni, hoặc Mecanum để đạt được khả năng di chuyển đa hướng Nhờ có khả năng đó, robot tự hành đa hướng đang trở thành một trong những lựa chọn phổ biến trong các ứng dụng về mobile robot Các ứng dụng của robot tự hành đa hướng rất đa dạng, từ vận chuyển hàng hóa trong kho hàng, dịch vụ giao hàng, vận hành trong các nhà máy sản xuất đến khả năng hỗ trợ trong việc điều tra, khảo sát hoặc cứu hộ trong các khu vực khó tiếp cận Đề tài sử dụng OMR dạng Mecanum 4 bánh có khả năng di chuyển theo bất kỳ hướng nào mà không cần phải thay đổi vị trí và góc quay Với cấu trúc bánh xe, cách bố trí bánh xe khác biệt tạo ra ưu điểm về khả năng di chuyển trên nhiều địa hình khác nhau bao gồm cả địa hình khó khăn như đồi núi, đá, cát và nước Từ đó giúp robot có thể tiếp cận được những vị trí và môi trường khó khăn mà con người không thể hay khó thể tiếp cận được Chính vì vậy mà OMR đang được sử dụng, phát triển rộng rãi không chỉ trong nghiên cứu mà đã nhanh chóng được sử dụng nhiều trong các lĩnh vực sản xuất và đời sống Tuy nhiên, OMR hiện vẫn đang đối mặt với một số thách thức, bao gồm khả năng phát hiện vật cản và định vị trên địa hình khó khăn Nó phát huy khả năng phát hiện vật cản để tránh va chạm với các vật cản xung quanh, nhưng việc phát hiện vật cản trong một số môi trường như đồi núi, rừng rậm hoặc các khu bị che khuất vẫn là một thách thức đối với các hệ thống phát hiện hiện có OMR thường sử dụng các định vị GPS để xác định vị trí của mình trên địa hình
Tóm lại, đối tượng cần nghiên cứu ở đề tài này chính là mobile robot đa hướng dạng Mecanum 4 bánh Đặc điểm chung của nó với các loại mobile robot khác là tính di động và khả năng di chuyển trên các bề mặt khác nhau, được trang bị các cảm biến để thu thập thông tin môi trường xung quanh và hệ thống điều khiển hành trình di chuyển Tuy nhiên, nó còn có đặc tính riêng như tránh vật cản; có thể di chuyển không chỉ theo các hướng truyền thống, mà còn theo các hướng xoắn, chéo hoặc quay tròn một cách linh hoạt và hiệu quả trong các môi trường đa dạng và phức tạp
1.1.2 Xu hướng phát triển của mobile robot đa hướng
Mobile robot đa hướng đã có mầm mống phát triển kể từ khi các robot đầu tiên được thiết kế để thực hiện các công việc như hàn, cắt và mài mòn trong môi trường công nghiệp Tuy nhiên, với sự phát triển vượt bậc của công nghệ và những tiến bộ đáng kể trong các lĩnh vực như điện tử, cơ khí, điều khiển và trí tuệ nhân tạo, mobile robot đã có sự trở mình rất nhanh trong mọi lĩnh vực Ngược dòng thời gian trở về những năm của thế kỉ XX:
Năm 1925, hãng phát minh Pháp có tên là “Rouletabille” giới thiệu một hệ thống xe tự hành đầu tiên của thế giới Xe được trang bị các cảm biến và bộ điều khiển tự động để duy trì tốc độ và hướng đi
Năm 1958, một nhóm nghiên cứu của Viện Công nghệ Massachusetts (MT) phát triển một hệ thống xe tự hành đầu tiên gọi là “The Running Robot” Xe được trang bị cảm biến và hệ thống điều khiển tự động để di chuyển và tránh vật cản
Năm 1984, Mercedes-Benz phát triển một hệ thống điều khiển tự động gọi là
“Prometheus” Hệ thống này cho phép xe tự động lái trên đường cao tốc và có thể thay đổi tốc độ và làn đường
Năm 2004, Cục Nghiên cứu các Dự án Tiên tiến của Bộ quốc phòng Hoa Kỳ (DARPA) tổ chức cuộc thi Grand Challenge đầu tiên để khuyến khích các nhà khoa học và kỹ sư phát triển công nghệ xe tự hành Cuộc thi này đã thu hút được nhiều sự quan tâm của các công ty công nghệ lớn như Google và Uber
Năm 2009, Google bắt đầu phát triển công nghệ xe tự hành đầu tiên của mình
Năm 2015, Tesla phát hành một bản cập nhật phần mềm cho Model S của họ, cho phép xe tự động lái trên đường cao tốc
Sau năm 2004, các công ty như Google, Uber hay là Tesla cũng đã đầu tư mạnh vào nghiên cứu và phát triển công nghệ xe tự hành đa hướng Năm 2010, Google đã bắt đầu thử nghiệm xe tự hành đa hướng đầu tiên của mình trên đường phố ở California Năm 2016, Uber thử nghiệm dịch vụ taxi tự động đầu tiên tại Pittsburgh, Mỹ
Công nghệ áp dụng phổ biến trong điều khiển Robot
Công nghệ tránh vật cản bằng cách sử dụng LIDAR (Light Detection and Ranging) là một phương pháp phổ biến để hỗ trợ Robot thông minh trong việc di chuyển và tránh vật cản LIDAR sử dụng tia laser để phát ra và đo khoảng cách đến các vật cản, sau đó xử lý dữ liệu để tạo ra bản đồ chi tiết về môi trường xung quanh Các bước chính trong quá trình tránh vật cản bằng LIDAR bao gồm:
▪ Phát tín hiệu laser: Robot sử dụng LIDAR để phát tín hiệu laser ở nhiều góc độ khác nhau, tạo ra một loạt các điểm dữ liệu
▪ Thu thập dữ liệu: Máy tính sẽ thu thập dữ liệu về khoảng cách và độ phản xạ của các điểm được phát tán trở lại từ các vật cản trong phạm vi của LIDAR
▪ Xử lý dữ liệu: Sau khi thu thập dữ liệu, Robot sẽ sử dụng các thuật toán xử lý dữ liệu để tạo ra bản đồ chi tiết về môi trường xung quanh, bao gồm vị trí và hình dạng của các vật cản
▪ Tránh vật cản: Dựa trên bản đồ được tạo ra, Robot sẽ tính toán và lập kế hoạch di chuyển để tránh các vật cản, bằng cách điều chỉnh hướng đi hoặc tốc độ di chuyển Một số ưu điểm của sử dụng Lidar cho Robot thông minh bao gồm:
▪ Độ chính xác cao: Lidar có thể đo khoảng cách và tạo bản đồ môi trường với độ chính xác cao, giúp Robot có thể chính xác xác định vị trí của các vật cản và tránh chúng
▪ Khả năng hoạt động trong môi trường khó khăn: Lidar có thể hoạt động trong nhiều loại môi trường khác nhau, bao gồm cả trong bóng tối hoặc trong môi trường có nhiều bụi, khói, mưa, tuyết, động vật hoặc người đi lại
▪ Tốc độ xử lý nhanh: Lidar có tốc độ xử lý nhanh, cho phép Robot đưa ra quyết định tránh vật cản một cách nhanh chóng và chính xác
▪ Tầm nhìn rộng: Lidar có thể quét toàn bộ không gian xung quanh, giúp Robot có thể phát hiện các vật cản và tránh chúng một cách hiệu quả
▪ Khả năng tích hợp với các công nghệ khác:Lidar có thể kết hợp với các công nghệ khác như camera và cảm biến siêu âm để tăng cường khả năng tránh vật cản của Robot
Tóm lại, việc ứng dụng Lidar cho quá trình tránh vật cản của Robot thông minh có nhiều ưu điểm về độ chính xác, khả năng hoạt động trong môi trường khó khăn, tốc độ xử lý nhanh, tầm nhìn rộng và khả năng tích hợp với các công nghệ khác
Mặc dù lidar là một công nghệ tiên tiến và đang được sử dụng rộng rãi để phát hiện vật cản trên Robot thông minh, tuy nhiên nó vẫn tồn tại một số nhược điểm sau:
▪ Khả năng phát hiện bị giới hạn: Lidar chỉ có thể phát hiện các vật cản trong phạm vi của nó Những vật cản nằm ngoài phạm vi của lidar sẽ không được phát hiện và có thể gây nguy hiểm cho Robot
▪ Chi phí đắt đỏ: Lidar là một công nghệ phức tạp, đòi hỏi chi phí đầu tư cao cho việc sản xuất, lắp đặt và bảo trì
▪ Ảnh hưởng bởi môi trường: Môi trường xung quanh có thể ảnh hưởng đến hiệu suất của lidar Ví dụ, ánh sáng mạnh hoặc bụi có thể làm giảm độ chính xác và độ phân giải của lidar
▪ Độ tin cậy không hoàn hảo: Mặc dù lidar là một công nghệ tiên tiến, nhưng độ tin cậy của nó không hoàn hảo Có thể xảy ra các lỗi hoặc sai sót trong quá trình phát hiện vật cản, gây ra những tai nạn không mong muốn
▪ Tốc độ phản hồi chậm: Lidar cần một khoảng thời gian để thực hiện quét và phân tích dữ liệu Điều này làm cho tốc độ phản hồi của lidar chậm hơn so với những cảm biến khác như camera
Tóm lại, mặc dù lidar là một công nghệ tiên tiến và đang được sử dụng rộng rãi trong việc phát hiện vật cản trên Robot thông minh, tuy nhiên nó vẫn tồn tại một số nhược điểm như đã nêu trên Các nhà sản xuất và người sử dụng cần cân nhắc kỹ lưỡng để đảm bảo rằng lidar là phù hợp với nhu cầu và ứng dụng của họ.
1.2.2 Phương pháp tầm nhìn (Vision-based navigation)
Phương pháp tầm nhìn là một trong những phương pháp được sử dụng để điều khiển Robot tránh vật cản Phương pháp này sử dụng camera hoặc cảm biến hình ảnh để thu thập thông tin về môi trường xung quanh Robot Sau đó, các thuật toán xử lý hình ảnh được sử dụng để phân tích và định vị vật cản trên đường đi của Robot Các bước cơ bản trong phương pháp tầm nhìn cho Robot tránh vật cản là:
▪ Thu thập dữ liệu: Robot sử dụng camera hoặc cảm biến hình ảnh để thu thập dữ liệu về môi trường xung quanh nó
Các thuật toán điều khiển Robot thông minh
1.3.1 PID (Proportional-Integral-Derivative) Control
PID là viết tắt của Proportional-Integral-Derivative, là một thuật toán điều khiển phản hồi được sử dụng rộng rãi trong điều khiển tự động và Robot Thuật toán PID cố gắng đưa ra tín hiệu điều khiển phù hợp để đưa hệ thống về một giá trị mục tiêu (setpoint) Tín hiệu điều khiển này được tính toán dựa trên sự khác biệt giữa giá trị hiện tại của hệ thống và giá trị mục tiêu, cùng với sự tích lũy của sự khác biệt này theo thời gian và sự thay đổi của sự khác biệt này
Các thành phần của thuật toán PID bao gồm:
Proportional (P): đo lường sự khác biệt giữa giá trị hiện tại của hệ thống và giá trị mục tiêu và sử dụng nó để tính toán tín hiệu điều khiển tỷ lệ với sự khác biệt này
Integral (I): tính toán tích lũy của sự khác biệt giữa giá trị hiện tại và giá trị mục tiêu theo thời gian và sử dụng nó để tính toán tín hiệu điều khiển tỷ lệ với tích lũy này
Derivative (D): tính toán sự thay đổi của sự khác biệt giữa giá trị hiện tại và giá trị mục tiêu theo thời gian và sử dụng nó để tính toán tín hiệu điều khiển tỷ lệ với sự thay đổi này Công thức tổng quát của thuật toán PID là: output = Kp * error + Ki * integral(error) + Kd * derivative(error)
Trong đó, error là sự khác biệt giữa giá trị hiện tại và giá trị mục tiêu, Kp, Ki và Kd là các hệ số được lựa chọn phù hợp để đạt được sự ổn định và hiệu suất tốt nhất cho hệ thống
Thuật toán Kalman Filter là một phương pháp điều khiển Robot được sử dụng để ước lượng trạng thái của một hệ thống động cơ, ví dụ như vị trí và tốc độ của Robot, dựa trên các đo lường không chắc chắn Thuật toán này sử dụng mô hình toán học của hệ thống và đo lường để dự đoán trạng thái tốt nhất của hệ thống
Thuật toán Kalman Filter thực hiện hai bước chính để ước lượng trạng thái của hệ thống: thống để dự đoán trạng thái tiếp theo của hệ thống Trong bước cập nhật, thuật toán sử dụng đo lường để điều chỉnh dự đoán của mình và cập nhật ước lượng trạng thái của hệ thống Thuật toán Kalman Filter có thể được sử dụng để điều khiển Robot trong nhiều ứng dụng khác nhau, chẳng hạn như Robot di động, Robot vệ tinh, Robot hút bụi, và Robot công nghiệp Thuật toán này cho phép Robot ước lượng trạng thái của nó một cách chính xác hơn và điều khiển chuyển động của mình một cách hiệu quả hơn
Thuật toán điều khiển Robot Reinforcement Learning (RL) là một phương pháp học tăng cường cho phép Robot học từ kinh nghiệm và cải thiện hiệu suất điều khiển của nó thông qua tương tác với môi trường
Thuật toán RL bao gồm ba thành phần chính: tín hiệu đầu vào, hành động và phần thưởng Tín hiệu đầu vào bao gồm các dữ liệu về trạng thái của Robot và môi trường xung quanh nó Hành động là hành động được Robot thực hiện dựa trên tín hiệu đầu vào Phần thưởng được sử dụng để đánh giá hiệu quả của hành động và cung cấp phản hồi cho Robot về việc nên hoặc không nên thực hiện hành động đó trong tương lai
Thuật toán RL hoạt động bằng cách học từ kinh nghiệm thông qua quá trình thử và sai Robot sẽ thử nhiều hành động khác nhau và nhận được phần thưởng tương ứng cho mỗi hành động Dựa trên các phần thưởng đó, thuật toán sẽ cố gắng tìm ra một chiến lược tối ưu để Robot có thể đạt được mục tiêu của nó trong môi trường.
Thuật toán RL có thể được áp dụng trong nhiều ứng dụng điều khiển Robot khác nhau, chẳng hạn như điều khiển Robot di động, Robot công nghiệp, Robot y tế và Robot hút bụi Thuật toán này có thể giúp Robot tự học và cải thiện hiệu suất điều khiển của nó trong các tình huống khác nhau mà không cần phải được lập trình một cách tường minh
1.3.4 Thuật toán Artificial Potential Fields
Thuật toán điều khiển Robot Artificial Potential Fields (APF) là một phương pháp điều khiển Robot dựa trên mô phỏng các lực hấp dẫn và lực đẩy giữa Robot và các trở ngại trong môi trường
Thuật toán APF sử dụng hai loại lực để điều khiển Robot: lực hấp dẫn và lực đẩy Lực hấp dẫn được tạo ra từ mục tiêu của Robot và tác động để đưa Robot đến mục tiêu đó Lực đẩy được tạo ra từ các trởngại trong môi trường và tác động để đẩy Robot tránh xa các trở ngại đó Lực hấp dẫn và lực đẩy được kết hợp để tạo thành một trường lực giả định, trong đó Robot sẽ di chuyển theo đường đi có năng lượng thấp nhất
Thuật toán APF có thể được sử dụng trong nhiều ứng dụng điều khiển Robot khác nhau, chẳng hạn như điều khiển Robot di động, Robot công nghiệp, Robot y tế và Robot hút bụi Thuật toán này cho phép Robot tự động tránh các trở ngại trong môi trường và đưa Robot đến mục tiêu của nó một cách an toàn và hiệu quả Tuy nhiên, thuật toán APF có một số hạn chế như khả năng bị mắc kẹt trong một vùng cục bộ của trường lực hoặc không thể tìm được đường đi tối ưu trong môi trường phức tạp
1.3.5 Thuật toán Monte Carlo Localization
Carlo Localization (hay còn gọi là Monte Carlo Localization) là một thuật toán được sử dụng trong lĩnh vực điều khiển Robot để xác định vị trí của Robot trong môi trường không gian 2 chiều hoặc 3 chiều
THIẾT KẾ
Đề xuất cấu hình về các thiết bị sử dụng trong đề tài
Lựa chọn thiết bị chính Để đảm bảo thực hiện đúng mục tiêu đã đặt ra mà vẫn phù hợp với khả năng tài chính và thời gian, qua quá trình tìm hiểu và tham khảo rất nhiều mô hình thử nghiệm nhóm lựa chọn một số thiết bị như sau:
● Raspberry Pi 4 Model B 8GB RAM
● Vi điều khiển STM32F103RCT6
● Động cơ momen xoắn cao (4 cái)
● Vôn kế kỹ thuật số (led 7 thanh)
● Màn hình cảm ứng 7 inch
● Mạch cảm biến gia tốc GY-85 9 trục (con quay hồi chuyển)
Tìm hiểu về các thiết bị chính:
Lựa chọn và tìm hiểu thiết bị
Vi điều khiển ATmega328 (8bit) Điện áp hoạt động 5V DC (chỉ được cấp qua cổng USB)
Tần số hoạt động 16 MHz
Dòng tiêu thụ khoảng 30mA Điện áp vào khuyên dùng 7-12V DC Điện áp vào giới hạn 6-20V DC
Số chân Digital I/O 14 (có 6 chân PWM)
Số chân Analog 6 (độ phân giải 10bit)
Dòng tối đa trên mỗi chân I/O 30 mA
Dòng ra tối đa (5V) 500 mA
Dòng ra tối đa (3.3V) 50 mA
Bộ nhớ flash 32 KB (ATmega328) với 0.5KB dùng bởi bootloader
Hình 2.2: Vi điều khiển ATmega328 (8bit)
Thông tin chung về vi điều khiển ATmega328:
• GND (Ground): cực âm của nguồn điện cấp cho Arduino UNO
• 5V: cấp điện áp 5V đầu ra Dòng tối đa cho phép ở chân này là 500mA
• 3.3V: cấp điện áp 3.3V đầu ra Dòng tối đa cho phép ở chân này là 50mA
• Vin (Voltage Input): để cấp nguồn ngoài cho Arduino UNO
• IOREF: điện áp hoạt động của vi điều khiển trên Arduino UNO có thể được đo ở chân này
• RESET: việc nhấn nút Reset trên board để reset vi điều khiển tương đương với việc chân RESET được nối với GND qua 1 điện trở 10KΩ
Bộ nhớ của vi điều khiển Atmega328:
• 2KB cho SRAM (Static Random Access Memory)
Hình 2.3: Các chân vào/ra trên board Arduino
Arduino UNO có 14 chân digital dùng để đọc hoặc xuất tín hiệu Chúng chỉ có 2 mức điện áp là 0V và 5V với dòng vào/ra tối đa trên mỗi chân là 40mA Ở mỗi chân đều có các điện trở pull-up từ được cài đặt ngay trong vi điều khiển ATmega328 (mặc định thì các điện trở này không được kết nối) Một số chân digital có các chức năng đặc biệt như sau:
• 2 chân Serial: 0 (RX) và 1 (TX)
• Chân giao tiếp SPI: 10 (SS), 11 (MOSI), 12 (MISO), 13 (SCK)
2.2.1.1: Mạch Motor Shield L293D (Arduino Compatible)
Hình 2.4: Mạch Motor Shield L293D Thông số kỹ thuật:
• Nguồn hoạt động: 5VDC từ Arduino
• Nguồn cấp cho động cơ: 4.8~35VDC
• Có Jumper để thiết lập nguồn cấp cho động cơ nối với chân Vin để cấp nguồn cho Arduino
• Điều khiển được 4 động cơ DC hoặc 2 động cơ bước công suất nhỏ ( < 600mA, 4.5~36VDC)
• Điều khiển được 2 động cơ RC Servo
• Tích hợp ngõ ra cho các chân Analog của Arduino
• Tích hợp nút nhấn Reset
Mạch truyền nhận Bluetooth HC05 (master/slave) dùng để thiết lập kết nối Serial giữa
2 thiết bị bằng sóng bluetooth
Sơ đồ chân HC-05 gồm có:
• KEY Chân này để chọn chế độ hoạt động AT Mode hoặc Data Mode
• VCC chân này có thể cấp nguồn từ 3.6V đến 6V bên trong module đã có một IC nguồn chuyển về điện áp 3.3V và cấp cho IC BC417
• GND nối với chân nguồn GND
• TXD, RND đây là hai chân UART để giao tiếp module hoạt động ở mức logic 3.3V
2.2.3 Cảm biến siêu âm SRF05
Hình 2.6: Cảm biến siêu âm SFR05
- Điện áp hoạt động: 5VDC
- Phát hiện vật cản trong khoảng: 2-300cm
- Kích thước: 43mm x 20mm x 17mm
Bánh xe mecanum là loại bánh xe được thiết kế đặc biệt để cho phép robot di chuyển trong tất cả các hướng Đây là loại bánh xe được sử dụng rộng rãi trong các ứng dụng robot, đặc biệt là trong các ứng dụng nhà máy tự động hóa và vận chuyển hàng hóa
Chức năng: Bánh xe mecanum cho phép robot di chuyển theo bất kỳ hướng nào một cách dễ dàng và linh hoạt, bao gồm di chuyển ngang, xoay tròn, di chuyển chéo, di chuyển thẳng và điều khiển góc Điều này làm cho bánh xe mecanum trở thành lựa chọn phổ biến cho các ứng dụng robot đòi hỏi khả năng di chuyển đa hướng, chẳng hạn như robot giao hàng, robot dịch vụ, robot kiểm tra và robot giám sát
- Số lượng con lăn: 6 đến 12 con
- Bánh xe mecanum có thể có đường kính khác nhau, từ 4 đến 10 inch (khoảng 10 đến
- Khả năng tải trọng: thường từ 30 đến 200 kg
- Vật liệu: thường được làm từ vật liệu như cao su, nhựa hoặc kim loại
- Tốc độ: tốc độ di chuyển của robot sử dụng bánh xe mecanum có thể đạt đến 2-3m/s
- Độ chính xác: Bánh xe mecanum được thiết kế để đạt độ chính xác cao trong quá trình di chuyển và quay đầu
- Độ bền: bánh xe mecanum có độ bền cao, có khả năng chịu va đập, mài mòn và chống thấm nước
2.2.5 Động cơ DC servo giảm tốc ga37 v1
Hình 2.8: Động cơ DC servo giảm tốc ga37 v1
- Điện áp định mức: 12VDC
- Tốc độ động cơ trước hộp số giảm tốc: 10.000RPM
- Tốc độ sau hộp số giảm tốc (trục chính): 10.000 / 33 = 303RPM
- Encoder: Đĩa từ 11 xung, 2 kênh xung AB
- Số xung Encoder sau giảm tốc: 11x33 = 363 xung / 1 vòng
- M1: chân cấp nguồn cho động cơ, tối đa 12VDC
- GND: Chân Mass 0v của Encoder
- C1: Kênh A của Encoder, xuất xung mức tín hiệu 3.3VDC
- C2: Kênh B của Encoder, xuất xung mức tín hiệu 3.3VDC
- M2: chân cấp nguồn cho động cơ, tối đa 12VDC
Chức năng: Động cơ DC servo giảm tốc GA37 V1 là một loại động cơ chuyên dụng được thiết kế để cung cấp độ chính xác và khả năng điều khiển vị trí chính xác Các chức năng chính của động cơ DC servo giảm tốc GA37 V1 bao gồm:
● Tích hợp bộ giảm tốc: giúp giảm tốc độ quay và tăng lực xoắn đầu ra của động cơ
● Điều khiển vị trí: khả năng điều khiển vị trí chính xác trong khoảng giới hạn cho phép bởi giải pháp bộ mã hóa và hệ thống điều khiển
● Điều khiển tốc độ: có khả năng điều khiển tốc độ quay với độ chính xác cao và tính ổn định tốt
● Tích hợp bộ mã hóa: được tích hợp bộ mã hóa để giúp đo và điều khiển vị trí của động cơ với độ chính xác cao
● Tích hợp bộ điều khiển: để điều chỉnh và điều khiển tốc độ, vị trí và gia tốc của động cơ Bộ điều khiển này cung cấp các tín hiệu điện để kiểm soát động cơ và giảm tốc độ quay của nó để đáp ứng các yêu cầu của hệ thống
● Đáp ứng nhanh và độ chính xác cao: đặc biệt là khi được sử dụng kết hợp với các cảm biến vị trí Điều này giúp giảm thiểu sai số và đảm bảo hoạt động chính xác của hệ thống
● Tính năng tiết kiệm năng lượng và tuổi thọ cao: giúp tăng hiệu suất và giảm chi phí vận hành của hệ thống
2.2.6 Vôn kếkĩ thuật số (led 7 thanh 3 số)
● Led 7 thanh 3 số là một thiết bị hiển thị số được sử dụng trong các ứng dụng điện tử như đồng hồ kỹ thuật số, bộ đếm, máy tính, mạch điện tử, v.v
● Chức năng của led 7 thanh 3 số là hiển thị các số từ 0 đến 9 và các ký hiệu đặc biệt như dấu chấm, dấu gạch ngang Led 7 thanh bao gồm 7 đoạn thanh được nối tiếp nhau để tạo nên một số hoặc một ký hiệu Mỗi đoạn thanh Led thể hiện một phần của số hoặc ký hiệu Có thể điều chỉnh độ sáng của LED theo sở thích hoặc theo nhu cầu ứng dụng bằng cách thay đổi dòng điện đi qua LED.
● Vì vậy, các ứng dụng mà Led 7 thanh 3 số được sử dụng thường có tính chất hiển thị thông tin liên tục, cần điều khiển độ sáng, và có yêu cầu độ chính xác cao về số liệu hiển thị
Thông số kỹ thuật: Thông số kỹ thuật cơ bản cho một chiếc LED 7 thanh 3 số thông
● Điện áp hoạt động: khoảng 1.8-2.1V
● Dòng điện hoạt động: từ 5 đến 20mA cho mỗi thanh LED
● Kích thước của mỗi thanh LED thường là 0.3 inch (khoảng 7.62mm)
● Số lượng chân kết nối: 10 (8 chân điều khiển 7 thanh LED và 2 chân dành cho điều khiển dấu chấm và chấm phẩy)
● Các màu sắc thường sử dụng: đỏ (Red), xanh lá cây (Green), xanh dương (Blue), vàng (Yellow)
Lưu ý rằng đây là một số thông số tính chung cho LED 7 thanh 3 số, mỗi loại LED có thể có những thông số kỹ thuật khác nhau tùy thuộc vào nhà sản xuất
2.2.7 Mạch cảm biến gia tốc GY-85 9 trục (con quay hồi chuyển)
● Mạch cảm biến gia tốc GY-85 9 trục được sử dụng để đo gia tốc, quay trở và trường hợp địa hình của một vật thể di chuyển Nó bao gồm 3 cảm biến gia tốc ADXL345 và bộ cảm biến trường từ HMC5883L kết hợp với bộ điều khiển đo lường quay trở ITG3205
● Với 3 cảm biến gia tốc ADXL345, GY-85 có thể đo các phương x, y, z của gia tốc, phục vụ cho việc đo độ rung hoặc đo chuyển động của vật thể di chuyển
● Bộ điều khiển đo lường quay trở ITG3205 cho phép GY-85 đo tốc độ quay của vật thể
● Bộ cảm biến trường từ HMC5883L cho phép GY-85 đo hướng và độ mạnh của trường từ, giúp xác định hướng di chuyển của vật thể di chuyển
● Tóm lại, chức năng của mạch cảm biến gia tốc GY-85 9 trục là đo gia tốc, tốc độ quay và hướng di chuyển của vật thể
Thông số kỹ thuật: Dưới đây là các thông số kỹ thuật của module GY-85: o Cảm biến gia tốc ADXL345:
● 3 trục đo lường gia tốc
● Tín hiệu ra số độ phân giải 10 bit
● Thang đo lường: +/- 2g / +/- 4g / +/- 8g / +/- 16g o Cảm biến con quay hồi chuyển ITG3205:
● 3 trục đo lường tốc độ góc
● Tín hiệu ra số độ phân giải 16 bit
Hình 2.10: Mạch cảm biến gia tốc GY-85 9 trục (con quay hồi chuyển)
● Thang đo lường: +/-2000 °/s o Cảm biến la bàn HMC5883L:
● Đo lường hướng của mặt đất trong không gian
● Tín hiệu ra số độ phân giải 1,3 mG (milli-Gauss)
Module cảm biến GY-85 hoạt động với điện áp 3.3V, nhưng có thể được điều chỉnh để sử dụng với điện áp 5V bằng cách thay đổi giá trị điện trở trong mạch với tín hiệu được đọc thông qua giao tiếp I2C
Mục đích : xây dựng một hệ thống tự động có khả năng di chuyển linh hoạt và tránh vật cản trong môi trường đa dạng.
Hình 2.1: Thẻ nhớ Hình 2.2: Pin sạc Hình 2.3: Củ sạc
• Sử dụng cảm biến siêu âm để đo khoảng cách từ xe đến các vật thể xung quanh
• Sử dụng một vi xử lý mạnh mẽ để xử lý thông tin từ các cảm biến và đưa ra quyết định lái xe Ở đây chúng em sử dụng Arduino uno R3 để đưa code vào
• Bộ xử lý này có khả năng xử lý thông tin theo thời gian thực và tính toán các đường đi an toàn
• Sử dụng hệ thống lái tự động để điều khiển chuyển động và tránh vật thể
• Hệ thống này bao gồm bánh răng, trục, bánh lái và servo để thực hiện các phép đo và phản ứng nhanh chóng trong việc tránh vật cản
• Sử dụng một hệ thống điện mạnh mẽ để cung cấp năng lượng cho các thành phần điện tử và động cơ
• Hệ thống này bao gồm pin hoặc nguồn điện khác, hệ thống sạc và các đơn vị điều khiển điện để đảm bảo hoạt động liên tục và ổn định của xe.
• Thiết kế khung xe sao cho cứng nhẹ và đủ mạnh để chịu được các điều kiện vận hành khác nhau
MÔ PHỎNG KIÊM CHỨNG THUẬT TOÁN
Mô hình mô phỏng
Hình 3.1: hình ảnh mô phỏng trên máy tính
Thiết kế phần mềm
Dưới đây là lưu đồ thuật toán:
Bắt đầu tín hiệu từ Remote Đọc tín hiệu motor1.run, motor2.run, motor3.run, motor4.run từ 4 motor motor1.run (FORWARD) motor2.run (FORWARD) motor3.run (FORWARD) motor4.run (FORWARD)
Xe tiến lên phía trước đúng motor1.run (BACKWARD) motor2.run (BACKWARD) motor3.run (BACKWARD) motor4.run (BACKWARD)
Xe lùi về phía sau đúng sai motor1.run (FORWARD) motor2.run (BACKWARD) motor3.run (BACKWARD) motor4.run (FORWARD)
Di chuyển sang phải đúng motor1.run (BACKWARD) motor2.run (FORWARD) motor3.run (FORWARD) motor4.run (BACKWARD)
Di chuyển sang trái đúng sai sai motor1.run (RELEASE) motor2.run (FORWARD) motor3.run (FORWARD) motor4.run (RELEASE) Di chuyển phía trước trái đúng sai motor1.run (FORWARD) motor2.run (RELEASE) motor3.run (RELEASE) motor4.run (FORWARD)
Di chuyển phía trước phải đúng sai motor1.run (RELEASE) motor2.run (RELEASE) motor3.run (RELEASE) motor4.run (RELEASE)
Dừng đúng sai motor1.run (BACKWARD) motor2.run (BACKWARD) motor3.run (FORWARD) motor4.run (FORWARD)
Xoay trái đúng sai motor1.run (BACKWARD) motor2.run (RELEASE) motor3.run (RELEASE) motor4.run (BACKWARD) Di chuyển phía sau trái đúng sai
Kết thúc sai motor1.run (FORWARD) motor2.run (FORWARD) motor3.run (BACKWARD) motor4.run (BACKWARD)
Xoay phải đúng sai motor1.run (RELEASE) motor2.run (BACKWARD) motor3.run (BACKWARD) motor4.run (RELEASE)
Di chuyển phía sau phải đúng sai
K Ế T LU ẬN VÀ HƯỚ NG PHÁT TRI Ể N
Mobile robots nói chung và mobile robots bám vạch nói riêng ngày càng phổ biến và có vai trò quan trọng trong cuộc sống Do đó, những nghiên cứu thuộc lĩnh vực này rất thiết thực và có tính ứng dụng cao Trong quá trình thực hiện đề tài nhóm đã gặp rất nhiều khó khăn vì chúng em đang là sinh viên năm thứ 2 và các thử thách về cả lý thuyết và thiết bị, nhưng nhóm cũng đã hoàn thành được và bước đầu đạt được một số kết quả nhất định
Các công việc đã thực hiện được:
- Hoàn thành khảo sát và đề xuất cấu hình cho Mobile robots
- Mô phỏng và kiểm chứng thuật toán tránh vật cản
Các công việc chưa hoàn thiện
- Chưa thực hiện trên cấu hình Mobile robots đề xuất
- Do điều kiện về cơ sở vật chất chưa hoàn thiện thử nghiệm được mô hình Mobile robots
Xây dựng mô hình Mobile robots dạng thực nghiệm
- Xây đựng các thuật toán phát triển trên mô hình thực nghiệm.