Xe đạp tự cân bằng đóng vai trò quan trọng trong cuộc sống ngày nay bằng khả năng tự điều chỉnh và duy trì sự cân bằng, tạo cảm giác ổn định và an toàn cho người sử dụng.Xe đạp tự cân bằ
TỔNG QUAN
Tầm quan trọng của đề tài
Xe đạp tự cân bằng (self-balancing bicycle) đã trở thành một phần quan trọng trong cuộc sống hiện đại, được trang bị công nghệ tiên tiến và hệ thống cân bằng thông minh, mang lại nhiều lợi ích đáng kể Xe đạp tự cân bằng đóng vai trò quan trọng trong cuộc sống ngày nay bằng khả năng tự điều chỉnh và duy trì sự cân bằng, tạo cảm giác ổn định và an toàn cho người sử dụng.
Xe đạp tự cân bằng không chỉ là một phương tiện di chuyển tiện lợi mà còn có nhiều lợi ích về mặt an toàn, tiện lợi và sức khỏe cho người sử dụng, đặc biệt trong các tình huống và mục đích sử dụng khác nhau Trẻ em hoặc người mới bắt đầu học lái xe đạp, xe đạp tự cân bằng giúp họ thích nghi với việc giữ thăng bằng một cách nhanh chóng và dễ dàng hơn Người dùng có thể di chuyển dễ dàng và nhanh chóng trong các tình huống giao thông đô thị mà không cần phải đối mặt với vấn đề tắc đường và kẹt xe Với khả năng tự cân bằng, người sử dụng không cần phải bám đều đặn vào tay lái hoặc giữ thăng bằng bằng cách đặt chân xuống đất Điều này giúp giảm sự mệt mỏi trong hành trình dài và tạo điều kiện thuận lợi cho việc thư giãn khi đạp xe.
Hình 1.1: Xe đạp cân bằng
- Xe đạp cân bằng điện (Electric Self-Balancing Bikes): Các xe đạp cân bằng điện sử dụng công nghệ điều khiển tự động để duy trì sự cân bằng Các cảm biến đo góc độ và gia tốc để xác định tình trạng của xe đạp và điều chỉnh độ nghiêng của xe để duy trì sự cân bằng.
- Robot Cân Bằng (Balancing Robots): Robot cân bằng là một ứng dụng phổ biến của công nghệ cân bằng.
- Xe ô tô cân bằng (Self-Balancing Cars): Công nghệ cân bằng có thể được áp dụng cho các loại xe ô tô để giúp họ duy trì sự cân bằng và ổn định trong các tình huống cụ thể.
- Xe đạp cân bằng cho người khuyết tật (Balancing Bikes for Disabled Individuals): Công nghệ cân bằng có thể được sử dụng để thiết kế xe đạp cân bằng cho người khuyết tật.
Mô hình toán học của xe cân bằng dùng con quay hồi chuyển đã được nghiên cứu lần đầu tiên trong công trình của Cousins và gần đây hơn Gallaspy sử dụng phép lấy đạo hàm trong phân tích toán học hoặc Karnopp sử dụng các đồ thị quan hệ để lấy đạo hàm Những nghiên cứu sâu về việc giữ cân bằng cho xe hai bánh lại đi theo hướng điều khiển Các kết quả nghiên cứu khai thác ưu điểm ổn định con quay hồi chuyển cho các phương tiện được công bố trong phạm vi rất hẹp, đặc biệt công nghệ này còn rất mới ở Việt Nam Cho đến nay, chưa có công bố khoa học nào ở trong nước nói về ứng dụng nguyên lý con quay hồi chuyển cho xe hai bánh dọc tự cân bằng Đề tài “Thiết kế, chế tạo và thử nghiệm mô hình xe hai bánh tự cân bằng” được thực hiện nhằm xây dựng mô hình thực nghiệm, phân tích các quan hệ lực, momen ảnh hưởng đến khả năng tự cân bằng của xe Kết quả của đề tài có thể được sử dụng làm cơ sở cho các nghiên cứu tiếp theo về bài toán điều khiển, chế tạo thử nghiệm xe.
Mục tiêu của đề tài
Mục tiêu của dự án "Xe đạp tự cân bằng" là phát triển một mô hình xe đạp 2 bánh dựa trên lý thuyết mô hình con lắc ngược và con quay hồi chuyển Trong quá trình thực hiện đề tài, những mục tiêu cụ thể được đặt ra bao gồm:
- Thiết kế và phát triển một hệ thống điều khiển tự động cho xe đạp, cho phép nó tự cân bằng trên bề mặt phẳng Điều này liên quan đến việc duy trì trọng tâm của xe ở vị trí ổn định và ngăn ngừa các biến động không mong muốn.
- Đảm bảo rằng xe có khả năng tự điều chỉnh và duy trì cân bằng mà không cần sự can thiệp của người điều khiển Điều này đòi hỏi hệ thống điều khiển chính xác, ổn định, và phản ứng nhanh.
- Tính toán các thông số động lực học, xây dựng các hàm không gian trạng thái của mô hình, và lựa chọn các thành phần như cảm biến và bộ điều khiển động cơ để đạt được các tiêu chí như cân bằng tự động, độ an toàn, và tích hợp hiệu quả của hệ thống.
- Sử dụng cảm biến MPU 6050 và bộ điều khiển trung tâm Arduino Uno trong quá trình nghiên cứu và phát triển.
Mục tiêu chung của dự án này là tạo ra một mô hình xe đạp tự cân bằng thông qua việc áp dụng lý thuyết mô hình con lắc ngược và con quay hồi chuyển, từ đó giúp cải thiện kiến thức về điều khiển tự động và ứng dụng công nghệ trong lĩnh vực này.
Giới hạn đề tài
Phạm vi đề tài tập trung vào việc xây dựng mô hình phần cứng cho xe tự cân bằng, sử dụng Arduino và các thuật toán điều khiển PID và bộ lọc Kalman để thực hiện nhiệm vụ cân bằng và điều khiển di chuyển của xe
Tuy nhiên, tập trung chủ yếu vào việc phát triển mô hình cơ bản cho xe đạp tự cân bằng trong phạm vi đề tài hiện tại Các ứng dụng cụ thể cho mô hình này vẫn còn hạn chế và có thể được phát triển ở các nghiên cứu sau này Mục tiêu là cung cấp kiến thức thực tiễn về vi điều khiển, sử dụng thuật toán PID và bộ lọc Kalman, cũng như làm quen với việc xử lý tín hiệu từ các cảm biến cho sinh viên và những người quan tâm đến lĩnh vực robot và tự động hóa Ngoài ra, mô hình này cũng có tiềm năng ứng dụng trong các lĩnh vực như giao thông thông minh, robot hội nhập xã hội và nghiên cứu khoa học.
Phương pháp phương tiện nghiên cứu
Dựa vào tài liệu: sách, báo, các nguồn Internet để hiểu về thuật toán PID trong điều khiển các đối tượng phi tuyến đặc biệt là hệ thống xa đạp tự cân bằng Từ đó xây dựng bộ điều khiển dựa trên lí thuyết, tìm các thông số của bộ điều khiển…
Dùng Mathlab/Simulink để mô phỏng bộ điều khiển, các phần mềm có liên quan về con quay hồi chuyển Sau đó, thiết kế cơ khí dựa theo các tính toán lí thuyết và mô phỏng.
Nội dung của đề tài
- Khảo sát, phân tích các nguyên tắc cân bằng nhờ con quay hồi chuyển.
- Tính toán lý thuyết mô phỏng.
- Thiết kế phần cứng, cơ khí cho mô hình xe đạp tự cân bằng.
- Thuật toán PID được sử dụng để điều khiển xe cân bằng và di chuyển.
- MPU6050 nhằm xác định góc lệch của xe.
Các đề tài liên quan
- Xe Máy Tự Cân Bằng (Motorbike Balance).
- Unicycle balancing robot with reaction wheel.
CƠ SỞ LÝ THUYẾT
Cơ học
2.1.1 Động lực học xe đạp Động lực học của xe đạp là mô tả vật lý của các lực tác dụng lên xe đạp trong chuyển động Xe đạp vốn đã không ổn định Đó cũng là một trong những nguyên nhân gây khó khăn chỉ đạo và đi xe đạp Xe đạp có xu hướng rẽ theo hướng nghiêng của người lái, giúp việc quay đầu dễ dàng hơn quay vô lăng theo hướng nghiêng. Đồng thời, điều này khiến việc lái xe theo hướng ngược lại trở nên khó khăn hơn Ở tốc độ thấp, xe đạp kém ổn định hơn và cần nhiều nỗ lực hơn để bảo trì cân bằng và kiểm soát Đây là lý do tại sao các tay đua cần liên tục thực hiện đánh lái nhỏ điều chỉnh để giữ xe đạp thẳng đứng. Ở tốc độ cao, xe đạp trở nên ổn định hơn do hiệu ứng con quay và hình học xây dựng, giúp giữ chúng thẳng đứng Tuy nhiên, họ cũng trở nên nhạy cảm hơn với các thông tin đầu vào từ người lái, chẳng hạn như tay lái, khả năng tăng tốc, và phanh. Điều này có nghĩa là những chuyển động nhỏ hoặc những thay đổi về tốc độ có thể có tác động tác động đáng kể đến độ ổn định và khả năng xử lý của xe đạp.
Khi đứng yên, xe đạp ở trạng thái không ổn định nhất vì không có hiệu ứng con quay hồi chuyển để giúp chúng giữ thẳng.
Tóm lại, động lực học xe đạp là một chủ đề phức tạp liên quan đến nhiều yếu tố khác nhau, bao gồm hình học, phân bổ trọng lượng, biến dạng của lốp và đầu vào của người lái.
Bánh xe phản lực hay còn gọi là bánh đà là một thiết bị được sử dụng phổ biến trong các vệ tinh và tàu vũ trụ nhỏ hơn khác để kiểm soát thái độ Kết cấu khá đơn giản, một đĩa được gắn trên một trục, cấp nguồn bởi động cơ điện Mô-men xoắn đầu ra của bánh xe phản ứng có liên quan đến mô-men xoắn của động cơ và mô men quán tính Nguyên lý của bánh xe phản lực là tác dụng mô-men xoắn theo chiều ngược lại hướng quay mong muốn, vì mô-men xoắn từ bánh xe phản ứng sẽ là nguyên nhân tạo ra mô men phản ứng bằng nhau, có hướng đối kháng với phản lực mô-men xoắn bánh xe Bánh xe phản ứng rất tốt trong trường hợp sử dụng mà bạn muốn quay ổn định và chính xác trên một trục.
Phương trình động học
Sự khảo sát là sự mất ổn định của một chiếc xe đạp Giả sử góc vào lái bằng 0, góc nghiêng là Θ và bỏ qua góc trượt ở bánh xe Sơ đồ vật thể tự do chứng tỏ rằng động lực học của hệ thống đã được đơn giản hóa thành một con lắc ngược có bánh xe phản lực gắn vào nó Từ sơ đồ vật tự do đã đề cập trước đó, Newtons II định luật có thể được sử dụng để mô tả các phương trình của hệ động lực như sau: e Z :I T Θ=m´ T g l C sinΘ−M m
Trong đó IT là mômen quán tính tổng của hệ, mT là tổng khối lượng của hệ thống, và Mm là mô-men xoắn được tạo ra từ động cơ điện gắn vào bánh xe phản ứng Ngoài ra còn có khả năng mô tả mối quan hệ giữa mô men xoắn của máy điện và tốc độ quay của bánh đà bằng nhau tiếp cận. e Z :I S Φ=´ M
Thuật toán điều khiển
2.4.1 Sử dụng bộ điều khiển PID Điều khiển PID là phương pháp điều khiển phổ biến nhất không thể tranh cãi trong ngành công nghiệp Điều khiển PID bắt nguồn từ việc xây dựng một phương pháp điều khiển đơn giản, được gọi là điều khiển tỷ lệ mà bản thân nó có thể làm tăng tốc độ phản hồi hệ thống "PID" là viết tắt của Proportional-Integral- Derivative, là một thuật toán điều khiển phản hồi được sử dụng rộng rãi trong tự động hóa và điều khiển hệ thống Các thành phần chính của thuật toán PID bao gồm:
- Proportional (P): Thành phần tỷ lệ phản ứng với sự chênh lệch giữa giá trị đặt và giá trị thực tế Nó cung cấp một đầu ra tỷ lệ với sự chênh lệch hiện tại.
- Integral (I): Thành phần tích phản ứng với tổng tích lũy của sự chênh lệch giữa giá trị đặt và giá trị thực tế qua thời gian Nó giúp giảm độ chệch dài hạn.
Hình 2.1: Thân xe đạp có bánh phản lực nhìn từ sau
Hình 2.2: Thân xe đạp có bánh phản lực nhìn từ bên cạnh
- Derivative (D): Thành phần đạo hàm giảm độ chệch bằng cách dựa trên tốc độ biến đổi của sự chênh lệch Nó giúp dự đoán và giảm độ chệch trong tương lai.
Cả ba thành phần trên được kết hợp để tạo ra một tín hiệu điều khiển tổng thể để duy trì hoặc đưa hệ thống về giá trị đặt (setpoint)
Phương trình PID (Proportional-Integral-Derivative) mô tả quá trình tính toán tín hiệu điều khiển dựa trên sự chênh lệch giữa giá trị đặt và giá trị thực tế, cũng như sự tích lũy của sự chênh lệch và đạo hàm của sự chênh lệch Dưới đây là biểu diễn toán học của PID:
Biểu Diễn Toán Học của PID:
Cho e(t) là sự chênh lệch giữa giá trị đặt (SP) và giá trị thực tế (PV) tại thời điểm t.
- Đầu ra u(t) của thành phần Proportional được tính theo công thức:
- Sự tích lũy của sự chênh lệch được tính theo công thức:
(2.4) Trong đó Ki là hệ số tích lũy.
- Đạo hàm của sự chênh lệch được tính theo công thức:
D out =K d d dt e(t) (2.5) Trong đó Kd là hệ số đạo hàm.
- Tổng đầu ra của PID được tính theo công thức: u(t)=P(t)+I(t)+D(t)
(2.6)Biểu Diễn Tổng Cộng: u(t)=MV(t)=K p e(t)+K i ∫
- u(t): Đầu ra điều khiển (control output) tại thời điểm t.
- e(t): Sự chênh lệch giữa giá trị đặt và giá trị thực tế tại thời điểm t.
- Kp, Ki, Kd: Hệ số tỷ số của các thành phần Proportional, Integral, và Derivative tương ứng.
Các hệ số Kp, Ki, và Kd được điều chỉnh để đảm bảo hiệu suất ổn định và nhanh chóng của hệ thống điều khiển PID
Phương trình tuyến tính
Bộ điều chỉnh bậc hai tuyến tính, thường được gọi là LQR, là một bộ điều khiển khác phương pháp dựa trên mô hình không gian trạng thái Một mô hình không gian trạng thái chung có thể là được xác định như sau: ´x=Ax+Bu y=Cx
Trong đó A, B, C là ma trận Cùng với nhau, mô hình này mô tả động lực học của hệ thống mà bạn muốn kiểm soát Để điều khiển hệ thống này chúng ta sử dụng tín hiệu đầu vào
Từ đó đưa ra phương trình hệ kín như sau : u=−Lx+ ⃗r
(2.11) Đối với mô hình không gian trạng thái, thường có sự điều chỉnh tham số L, đó là độ lợi cho phản hồi của hệ thống Vectơ r là vectơ tham chiếu cho hệ thống Ý tưởng của bộ điều chỉnh bậc hai tuyến tính là sử dụng mô hình không gian trạng thái và tối ưu hóa giá trị của L bằng cách giảm thiểu phương trình chi phí bậc hai với sự trợ giúp của phương trình Riccati đại số Điều khiển LQR là một công cụ mạnh mẽ nhưng đòi hỏi kiến thức tốt và mô hình hóa hệ thống.
Bộ lọc Kalman
Bộ lọc Kalman là một phương pháp xử lý và dự đoán dữ liệu trong môi trường có nhiễu Được Rudolf E Kálmán phát triển vào những năm 1960, bộ lọc Kalman đã trở thành một công cụ quan trọng trong nhiều lĩnh vực như hệ thống định vị, điều khiển tự động, xử lý tín hiệu và trí tuệ nhân tạo.
Bộ lọc Kalman thực hiện việc dự đoán và cập nhật dữ liệu theo thời gian, tự động điều chỉnh độ chính xác của dự đoán dựa trên dữ liệu mới nhận được và độ tin cậy của các thông số đo lường Bộ lọc này giúp giảm ảnh hưởng của nhiễu và sai số trong dữ liệu đo lường, giúp đạt được ước lượng chính xác hơn về trạng thái thực tế của hệ thống.
Bộ lọc Kalman thường được áp dụng trong các tình huống như theo dõi đối tượng chuyển động, định vị GPS, điều khiển robot, và nhiều ứng dụng khác Cơ sở lý thuyết của bộ lọc Kalman dựa trên đại số tuyến tính và xác suất, kết hợp thông tin từ dự đoán và đo lường để tạo ra ước lượng trạng thái tối ưu.
Bộ lọc Kalman ước lượng tiến trình bằng cách sử dụng dạng điều khiển hồi tiếp: bộ lọc ước lượng các trạng thái của quá trình tại một thời điểm và sau đó chứa tín hiệu hồi tiếp trong các dạng của giá trị đó lường Do đó, phương trình bộ lọc Kalman chia làm hai nhóm: phương trình cập nhật thời gian và phương trình cập nhật giá trị đo lường Phương trình cập nhật thời gian chịu trách nhiệm dự báo trước (về mặt thời gian) của trạng thái hiện tại và ước lượng sai số tương quan để chứa vào bộ ước lượng trước cho bước thời gian tiếp theo Phương trình cập nhật giá trị đo lường chịu trách nhiệm cập nhật cho tín hiệu hồi tiếp, nghĩa là cập nhật giá trị mới vào giá trị ước lượng trước để tạo tín hiệu ước lượng sau tốt hơn.
Sau mỗi chu trình tính toán của bộ lọc Kalman, các giá trị được cập nhật theo cặp, tiến trình được lặp lại vói ước lượng của trạng thái trước dùng để dự đoán ước lượng mới Trạng thái đệ quy tự nhiên là một trong những điểm đặc trưng của bộ lọc Kalman, nó thay thế điều kiện đệ quy ước lượng hiện tại cho giá trị đã qua.
Bộ quan sát góc nghiêng
IMU là một thiết bị không thể thiếu cho dự án này MPU6050 cảm biến gia tốc và con quay hồi chuyển đã được chọn cho dự án này do nó sẵn có và chi phí thấp. Giao tiếp giữa IMU và Arduino được xử lý thông qua I2C Góc nghiêng là được đo để quyết định góc nghiêng của xe đạp. Đơn vị đo lường nội bộ (IMU) là thiết bị kết hợp việc sử dụng gia tốc kế, con quay hồi chuyển và đôi khi là từ kế để cung cấp các chỉ số về gia tốc và tốc độ góc của thiết bị mà nó được gắn vào Trong một phạm vi nhỏ gói có thể cung cấp sự kết hợp giữa gia tốc kế và con quay hồi chuyển theo thứ tự để cung cấp các chỉ số cảm biến cho một hệ thống.
MÔ PHỎNG MATLAB
Thiết kế bộ điều khiển PID
Bộ điều khiển PID điều khiển hệ xe đạp cân bằng có hai ngõ vào :
- Ngoại lực tác động bên ngoài
Bộ điều khiển PID điều khiển hệ xe đạp cân bằng có ba ngõ ra :
- Tốc độ thay đổi góc nghiêng
Chúng ta lựa chọn thủ công bộ PID để ổn định vị trí xe
- Khối ngoại lực tác động
Khối External Torque thiết đặt cho ngoại lực bên ngoài
- Setup tín hiệu ngoại lực tác động
Hình 3.1: Khối ngoại lực bên ngoài
- Hệ xe hai bánh cân bằng
Hình 3.3: Khối hồi tiếp góc nghiêng
Hệ xe đạp cân bằng có hai ngõ vào ngoại lực tác động bên ngoài (External Torque) và moment của bánh đà (Motor Torque) ; có ba ngõ ra là Góc nghiêng so với phương thẳng đứng Theta, đạo hàm góc nghiên Thetadot và tốc độ quay có bánh xe quán tính.
- Khối 3D thiết lập hệ xe
Các khối Rear Wheel, Moto Body, Steer Column, Front Wheel, Inertia Wheel thiết lập mô hình 3d cho xe đạp cân bằng
Hình 3.4: Khối xe hai bánh cân bằng
Hình 3.5: Hệ xe đạp cân bằng mô phỏng Simulink
Hình 3.6: Hệ xe đạp cân bằng mô phỏng Simulink
Tiến hành mô phỏng và kết quả
Mở matlap chạy lệnh “motoSys0_start”
Hình 3.7: Hệ xe đạp cân bằng mô phỏng Simulink
Hình 3.8: Xe 3D đáp ứng khi hệ thống không có moment bánh đà Đồ thị của Theta, Thetadot vị trí đặt là 0 độ và tốc độ bánh xe quán tính (hình 3.9 và hình 3.10).
Hình 3.9: Đồ thị Theta khi moment bánh đà bằng không
Hình 3.10: Đồ thị Thetadot khi moment bánh đà bằng không
Chúng ta nhận thấy rằng khi chưa có moment bánh đà và bộ điều khiển PID xe chưa cân bằng được, hệ dao động rất nhiều và không có dấu hiệu ổn định
- Đồ thị của thetadot và tốc độ của bánh xe ùng tần số và ngược chiều nhau khi chưa có moment bánh đà
- Vọt lố nhiều và chưa xác lập về vị trí đặt
- Sai số xác lập của góc nghiêng là 900 độ
- Thời gian xác lập góc nghiêng là 3s
Do đó, chúng ta sẽ thiết lặp them bộ điều khiển PID và moment bánh đà nhầm đáp ứng ngõ ra về vị trí đặt.
Thiết lập khối PID điều khiển tốc độ bánh
- Tiến hành chọn Kd để giảm biên độ dao động, làm phẳng đồ thị
Hình 3.11: Đồ thị tốc độ của bánh xe quán tính khi moment bánh đà bằng không
Hình 3.12: Xây dựng khối Kp
- Khi giảm Kd thì thời gian đáp ứng góc theta nhanh hơn
- Hệ có hai ngõ vào là góc nghiêng theta và tốc độ thay đổi góc theta là thetadot
- Sau nhiều lần khảo sát chọn KpP, Kd=8 Đáp ứng góc nghiêng theta
Hình 3.13: Bộ Kp Kd được chọn
- Th i gian xác l p là 1.3sời gian xác lập là 1.3s ập là 1.3s
- Đ v t l nhi u h v n ch a n đ nhộ vọt lố nhiều hệ vẫn chưa ổn định ọt lố nhiều hệ vẫn chưa ổn định ố nhiều hệ vẫn chưa ổn định ều hệ vẫn chưa ổn định ệ vẫn chưa ổn định ẫn chưa ổn định ưa ổn định ổn định ịnh
- Sai s xác l p b tri t tiố nhiều hệ vẫn chưa ổn định ập là 1.3s ịnh ệ vẫn chưa ổn định êu
- Th i gian tăng 0.1sời gian xác lập là 1.3s Đáp ng t c đ bánh xe quán tínhứng tốc độ bánh xe quán tính ố nhiều hệ vẫn chưa ổn định ộ vọt lố nhiều hệ vẫn chưa ổn định
- Th i gian tăng là 0sời gian xác lập là 1.3s
- Th i gian xác l p: 0.1sời gian xác lập là 1.3s ập là 1.3s
- H dao đ ng có nhi u v t lệ vẫn chưa ổn định ộ vọt lố nhiều hệ vẫn chưa ổn định ều hệ vẫn chưa ổn định ọt lố nhiều hệ vẫn chưa ổn định ố nhiều hệ vẫn chưa ổn định
- Có sai s xác l pố nhiều hệ vẫn chưa ổn định ập là 1.3s
Nhìn chung k t qu mô ph ng khá thành công, tuy v n còn v t l nhi u ết quả mô phỏng khá thành công, tuy vẫn còn vọt lố nhiều ả mô phỏng khá thành công, tuy vẫn còn vọt lố nhiều ỏng khá thành công, tuy vẫn còn vọt lố nhiều ẫn chưa ổn định ọt lố nhiều hệ vẫn chưa ổn định ố nhiều hệ vẫn chưa ổn định ều hệ vẫn chưa ổn định nh ng h đã đáp ng đưa ổn định ệ vẫn chưa ổn định ứng tốc độ bánh xe quán tính ưa ổn địnhợc sát với vị trí cân bằng, thời gian xác lập khá nhanh c sát v i v trí cân b ng, th i gian xác l p khá nhanh ới vị trí cân bằng, thời gian xác lập khá nhanh ịnh ằng, thời gian xác lập khá nhanh ời gian xác lập là 1.3s ập là 1.3s nên h cũng n đ nh đệ vẫn chưa ổn định ổn định ịnh ưa ổn địnhợc sát với vị trí cân bằng, thời gian xác lập khá nhanh c lâu h nơn
THIẾT KẾ PHẦN CỨNG
Giới thiệu
Chương này trình bày về việc thiết kế, chế tạo mô hình xe hai bánh tự cân bằng dựa trên nguyên lý con quay hồi chuyển Thiết bị và sơ đồ thí nghiệm để khảo sát các đặc tính của hệ thống sẽ được mô tả cụ thể Các thiết bị đo và cách thức tiến hành thí nghiệm khảo sát động lực học của mô hình cũng được trình bày chi tiết.
Hình 3.14: Đáp ứng góc nghiêng
Hình 3.15: Đáp ứng tốc độ bánh xe quán tính
Thiết kế và chế tạo
4.2.1 Lựa chọn linh kiện Để kiểm chứng khả năng giữ cân bằng của bánh đà, cần thiết kế một mô hình xe hai bánh tự cân bằng Mô hình xe hai bánh tự cân bằng được làm từ ý tưởng trên phải đơn giản, dễ chế tạo, thuận tiện khi lắp đặt, vận hành, hoạt động ổn định, chính xác
4.2.1.1 Bộ điều khiển trung tâm Arduino nano
Bộ nhớ Flash 32 KB of which 2 KB used by Bootloader Điện áp ngõ vào (7-12) Volts
Vi điều khiển ATmega328P Điện áp hoạt động 5V
Kích thước bo mạch 18 x 45 mm
B ng 4.ảng 4 1: Thông s c a Aduino Nanoố nhiều hệ vẫn chưa ổn định ủa Aduino Nano
B ng 4.ảng 4 2: Thông s c a c m bi nố nhiều hệ vẫn chưa ổn định ủa Aduino Nano ả mô phỏng khá thành công, tuy vẫn còn vọt lố nhiều ết quả mô phỏng khá thành công, tuy vẫn còn vọt lố nhiều
Absolute Maximum Acceleration Up to 10,000g
MPU6050: tích hợp 2 cảm biến:
- Cảm biến 3 trục accelerometer (gia tốc kế): đo sự thay đổi vận tốc của vật theo thời gian.
- Cảm biến 3 trục gyroscope (con quay hồi chuyển): dùng để đo đạc vận tốc góc hoặc duy trì phương hướng
Cách Tính Góc Nghiêng Từ MPU
- Bước 1: tính theo accelerometer (gia tốc kế):
- Bước 2: Tính theo gyroscope (con quay hồi chuyển):
4.2.1.3 Động cơ giảm tốc GA25 280prm Động cơ DC giảm tốc GA25 Encoder 280rmp thường được sử dụng trong các ứng dụng cần xác định tốc độ, vị trí, chiều quay của động cơ DC: Robot mê cung, robot xe hai bánh tự cân bằng,…
Hình 4.4: Chân kết nối GA25
- Tỉ số xung encode : 11xung
- Tỉ số xung mỗi kênh trên 1 vòng quay : 11x21.3= 234 xung
- Tốc độ không tải : 280rmp
- Tốc độ có tải :215rmp
- Lực kéo định mức : 0.4kg
- Lực kéo tối đa : 2kg Động cơ dẫn động bánh xe phản ứng là một phần không thể thiếu của dự án và cần thiết để đáp ứng một danh sách tiêu chí nhất định: Tỷ lệ mô-men xoắn trên trọng lượng cao, lượng động cơ tốt tốc độ cao trong khi vẫn cung cấp mô-men xoắn cao, không phản ứng ngược, giảm thiểu điện từ sự can thiệp Các thử nghiệm ban đầu được tiến hành với một động cơ DC, tạo ra rất nhiều của nhiễu điện từ, dẫn đến nhiễu loạn của I giao tiếp 2C giữa ESP8266 và IMU Động cơ DC cũng có vấn đề thiếu tốc độ hoặc mô-men xoắn Hộp số được gắn vào động cơ DC bên trong phạm vi giá cho dự án thường đi kèm với nhiều phản ứng dữ dội, điều này không phải mong muốn Động cơ được chọn cho dự án là động cơ giảm tốc GA25 cho phép điều khiển dễ dàng thông qua xung điện từ L298 Động cơ này có tốc độ và mô-men xoắn phù hợp, đồng thời tương đối nhẹ với kích thước nhỏ đóng gói
- Là một thiết bị dùng để xác định vị trí, hay khoảng dịch chuyển của một vật.
- Kết quả trả về là 2 kênh A và B có dạng xung vuông.
4.2.1.4 Mạch khuếch đại mạch cầu H (L298)
L298 là một cầu H tích hợp được sử dụng rộng rãi trong các ứng dụng điều khiển động cơ định hướng, như động cơ DC và bước Nó cung cấp khả năng kiểm soát hướng quay và tốc độ của động cơ.
Dưới đây là một số đặc điểm và thông số quan trọng của vi mạch L298:
- Cấu Trúc Cầu H L298 bao gồm hai cầu H độc lập, mỗi cầu H có khả năng kiểm soát một động cơ Mỗi cầu H có 4 chân (OUT1, OUT2, OUT3, OUT4), giúp kiểm soát hướng quay và tốc độ của động cơ.
- Dòng Điện Tối Đa (Maximum Current): L298 có khả năng chịu dòng lên đến một giá trị cụ thể (thường được đo trong Ampere), điều này quan trọng để đảm bảo động cơ hoạt động mà không bị hỏng.
- Điện Áp Làm Việc (Operating Voltage): L298 thường có thể hoạt động trong một khoảng điện áp cụ thể, chẳng hạn như từ 7V đến 35V Điều này quan trọng để chọn nguồn cung cấp phù hợp.
- Lý do sử dụng: điện áp ngõ ra của chân Arudino là 5V, dòng ra tối đa
40 mA - quá nhỏ, để điều khiển động cơ Do đó ta cần mạch khuếch đại để làm việc này (hay còn gọi là mạch cầu H) Như vậy, từ một tín hiệu nhỏ từ Arduino, qua mạch cầu H, ta được một tín hiệu lớn hơn Đồng thời mạch cầu
H có nhiệm vụ bảo vệ board xử lý (Arduino) trong lúc động cơ làm việc.
- Điện áp đầu vào tại chân VIN: 5 – 46 VDC.
- Khuyên dùng: nên cấp tối đa 30 VDC
- Nếu điện áp cấp tại chân VIN dưới 10 VDC Ta cần cấp thêm nguồn 5 VDC bên ngoài vào chân VCC của mạch cầu.
- Công suất ngõ ra tối đa của một kênh là: 25W
- Dòng ngõ ra tối của một kênh là: 2A
- Tần số PWM tối đa 40 KHz
- Khuyên dùng: cấu hình PWM tại 20 KHz để đạt chất lượng điều khiển tốt Điều Khiển Tốc Độ Động Cơ
- PWM: điều chế độ rộng xung Kỹ thuật này được dùng khi cần điều khiển nguồn điện cung cấp cho các thiết bị điện, ví dụ: động cơ, đèn.
- Đại lượng đặc trưng cho PWM là:
- Chu kỳ làm việc (duty cycle): tỷ lệ thời gian bật so với toàn thời gian trong một chu kỳ.
- Mối quan hệ giữa pwm và điện áp. Điện áp trung bình:
(4.4) Ứng dụng: điều khiển tốc độ động cơ, điều khiển độ sáng của đèn f00Hz Điện áp trung bình: U d =U max ×T ON
LM2596 là một loại mô-đun giảm áp (step-down) DC-DC rất phổ biến trong các ứng dụng điện tử và DIY Nó được sử dụng để giảm áp từ một nguồn điện có giá trị cao xuống một giá trị thấp hơn, thường là ổn định 5V hoặc 3.3V Dưới đây là một số đặc điểm và thông số quan trọng của LM2596:
Nguyên Lý Hoạt Động: LM2596 sử dụng nguyên lý chuyển đổi DC-DC (buck converter) để giảm áp Nó thực hiện điều này bằng cách bật và tắt MOSFET theo các chu kỳ, tạo ra một dạng sóng điều chỉnh (PWM) để kiểm soát đầu ra.
Dải Điện Áp Đầu Vào: LM2596 có thể hoạt động với dải điện áp đầu vào rộng, thường từ khoảng 4.5V đến 40V Tùy thuộc vào phiên bản cụ thể, có những biến thể của LM2596 có thể chịu được điện áp đầu vào thậm chí lên đến 60V. Điện Áp Đầu Ra Điều Chỉnh: LM2596 cho phép điều chỉnh điện áp đầu ra thông qua một trimmer (potentiometer) tích hợp Nó thường được sử dụng để cấp điện cho các dự án cần nguồn ổn định như vi điều khiển Arduino hoặc các linh kiện điện tử khác.
Dòng Điện Tối Đa: Các biến thể của LM2596 có thể hỗ trợ dòng điện đầu ra tối đa khác nhau, thường từ vài trăm mA đến vài A. Ứng Dụng Phổ Biến: LM2596 được sử dụng rộng rãi trong nhiều ứng dụng, bao gồm nguồn cấp cho dự án điện tử, sạc pin, cung cấp nguồn cho vi điều khiển và các ứng dụng khác yêu cầu nguồn điện ổn định.
Lưu ý rằng có nhiều biến thể của LM2596 trên thị trường từ các nhà sản xuất khác nhau, vì vậy khi sử dụng, bạn nên kiểm tra tài liệu của nhà sản xuất cụ thể và thông số kỹ thuật để đảm bảo rằng bạn đang sử dụng đúng phiên bản.
Nguồn 12VDC Arduino nano MPU 6050 L298 Động cơ 1
B ng 4.ảng 4 3: B ng đ u dâyả mô phỏng khá thành công, tuy vẫn còn vọt lố nhiều ấu dây
Thiết kế xe đạp
Cấu trúc của chiếc xe đạp ban đầu được thiết kế bằng phần mềm SOLIDWORD để đảm bảo cả chức năng và sự phù hợp của các thành phần và gói tổng thể Điều này được thực hiện để giảm việc xây dựng lặp đi lặp lại các công trình cơ khí các thành phần và thay vào đó tập trung thử nghiệm vào sự tương tác giữa các phần khác nhau của hệ thống cơ điện tử Chiếc xe đạp được thiết kế tương đối mô-đun, trong trường hợp có bất kỳ thay đổi nào về thiết kế hoặc thành phần dựa trên quan sát trong quá trình thử nghiệm Tất cả các bộ phận của tổ hợp đều được thiết kế với mục đích in 3D, vì thế này là quy trình sản xuất phù hợp nhất cho nguyên mẫu.
4.3.2 Bánh đà Để xe thăng bằng thì bánh xe phản lực phải có đủ mômen quán tính để có thể chống lại mô-men xoắn được tạo ra từ tác động của trọng lực lên chiếc xe đạp, như đã thấy trong phương trình.
Phương trình mômen quán tính của vật nằm trong không gian hai chiều trong mặt phẳng X-Y được biểu diễn như sau:
Vì mômen quán tính của vật tỉ lệ với bình phương bán kính khoảng cách đến khối lượng, bánh xe phản ứng được thiết kế theo cách mà phần lớn khối lượng được đặt lên các đầu của bánh xe để tăng IS Trong để đạt được sự phân bố trọng lượng như vậy và có khả năng thay đổi mô men quán tính dễ dàng, một thiết kế in 3D trong đó phần lớn khối lượng sẽ đến từ sự kết hợp giữa vít và đai ốc M4 đã được chọn.
Con quay được treo trên khung xe Muốn cho con quay bên trong khung xe cần gắn một động cơ cho con quay và lắp bánh xe vào cho xe chuyển động Khi con quay quay với tốc độ rất cao, nếu tác động một lực va chạm sẽ sinh ra một momen lực làm khung bị xiên đi nên cần có một lực tác dụng theo hướng ngược lại để giữ cân bằng cho xe.
ĐIỀU KHIỂN HỆ THỐNG
Điều khiển PID được chọn làm phương pháp điều khiển cho dự án này Phần lớn trước đó công việc tương tự đã được thực hiện với các phương pháp điều khiển dựa trên không gian trạng thái mô hình hóa, sử dụng sự lý tưởng hóa và tuyến tính hóa mà không phải lúc nào cũng liên hệ tốt với thực tế khi hệ thống được lý tưởng hóa rất nhiều
Nhiều hệ thống không có mô hình nào cả, và mô hình hiện tại cho dự án này chưa được biết một phần, vì một mô hình được lý tưởng hóa rộng rãi đã được hình thành ở phía sau Vì những loại hệ thống này có kiến thức hạn chế về mô hình vật lý, Bộ điều khiển PID có thể thích hợp hơn
Bộ điều khiển PID là loại phổ biến nhất đã sử dụng phương pháp kiểm soát ngành, điều này khiến việc nghiên cứu hệ thống trở nên thú vị hành vi dưới sự điều khiển PID Bộ điều khiển PID được triển khai trong mã chạy trên vi điều khiển Arduino
Lưu đồ giải thích logic của bộ điều khiển Đầu vào đã cho là góc nghiêng của xe đạp, tham chiếu điểm ban đầu là 0, nhưng điểm đặt mục tiêu được di chuyển theo thời gian để giữ nguyên xe đạp ổn định hơn Đầu ra của bộ điều khiển PID thiết lập tín hiệu xung điều khiển tốc độ động cơ thông qua điều khiển chu kỳ làm việc của điện áp.
Bộ điều khiển PID được chọn thủ công đến khi đạt kết quả tối ưu nhất.
- Ban đầu hệ sẽ nhận thông tin từ IMU
- Tính toán góc của xe đạp từ dữ liệu IMU
- Nếu góc nghiêng lớn hơn 10 độ thì tốc độ bánh đà bằng 0
- Ngược lại, tính toán sự thay đổi của góc nghiêng và sai số góc nghiêng, sau đố điều khiển bằng PID
- Thiết lập tốc độ và hướng của bánh đà gửi về hệ thống
KẾT QUẢ
Mô hình
Mặc dù có thiết kế nhỏ gọn nhưng một số vấn đề đã xuất hiện trong quá trình thử nghiệm Các vấn đề chính với thiết kế dường như ảnh hưởng trực tiếp đến hoạt động chung của hệ thống.
Trọng tâm được đặt ở vị trí khá cao, trong khi khung xe thực tế có chiều cao xe thấp, phần lớn trọng lượng đến từ động cơ, bánh phản lực, và pin, tất cả đều được
Hình 5.1: Lưu đồ giải thuật
Hình 6.1: Mô hình sau khi hoàn thiện đặt tương đối cao trên xe Điều này làm cho chiếc xe đạp dễ bị tip hơn Khung xe đạp được chứng minh không phải là cấu trúc cứng nhất được chế tạo rõ ràng trong quá trình thử nghiệm khi tốc độ góc của bánh phản lực đạt tới hướng tới tốc độ động cơ cao nhất, điều này dẫn đến tần số cộng hưởng tạo ra toàn bộ chiếc xe đạp lắc lư.
Đáp ứng của hệ thống
Việc triển khai phản ứng tổng hợp cảm biến với bộ lọc bổ sung đã hoạt động tốt theo thứ tự để làm cho IMU trở nên đáng tin cậy trong phần lớn thời gian Các chỉ số của IMU ở trạng thái đứng yên, với chiếc xe đạp được nâng lên bằng khung đặt trên một bề mặt bằng phẳng Hình hiển thị kết quả đọc IMU khi thử cân bằng ở vị trí 0.
Chúng ta muốn xe cân bằng ở 0 độ Khi xe vượt quá 10 độ thì bộ điều khiển sẽ bị mất kiểm soát.
Nhận xét: Tốc độ đáp ứng góc nghiêng của cảm biến rất nhanh và không có nhiễu. Để xe đáp ứng tốt bộ PID được chọn có Kp00, Ki=1, Kd=5 Chu kì lấy mẫu là 5 giây.
Hình 6.2: Đáp ứng góc nghiêng từ cảm biến Đáp ứng góc nghiêng của xe
- Góc nghiêng có nhiều vọt lố và chưa ổn định
- Xe vẫn còn dao động nhiều
- Thời gian xác lập là 5s
- Hệ chỉ ổn định được 5s với sai số xác lập là 0.05 độ
ĐÁNH GIÁ
Quá trình điều khiển khi cân bằng
Bộ điều khiển PID đã cho thấy một số hứa hẹn trong quá trình thử nghiệm như một phương tiện để cân bằng xe đạp Điều này làm cho nó có vẻ giống như một phương pháp kiểm soát có thể đạt được mức chấp nhận được Hiệu suất khi cân bằng một chiếc xe đạp cố định, mặc dù việc điều chỉnh nhiều hơn Bộ điều khiển PID phải được thực hiện để tìm ra các thông số mang lại kết quả tốt kết quả thực hiện.
Một vấn đề phổ biến được phát hiện trong quá trình thử nghiệm là chiếc xe đạp đã tìm thấy một vị trí ổn định, nhưng một sự lệch nhẹ khiến bánh xe phản ứng bắt
Hình 6.3: Đáp ứng góc nghiêng của xe đầu tăng tốc để chống lại mô-men xoắn tác dụng lên xe đạp Điều này dẫn đến động cơ chạy chậm tăng tốc, mô-men xoắn được áp dụng cho xe đạp sẽ ít hơn vì mô-men xoắn tỷ lệ thuận với với tốc độ của bánh xe phản ứng Giải pháp cho vấn đề này có thể là di chuyển thiết lập điểm tích cực hơn Bằng cách này, động cơ sẽ phải tăng tốc độ nhanh hơn, tạo ra nhiều mô-men xoắn hơn từ bánh xe phản ứng.
Thiết kế xe đạp cân bằng
Một yếu tố rất quan trọng để làm cho robot thăng bằng có thể điều chỉnh được là việc xây dựng đối tượng Chiếc xe đạp rất khó điều chỉnh vì nó không thể đi chệch hướng rất nhiều từ vị trí thẳng đứng của nó trước khi rơi xuống Dịch chuyển khối tâm thấp hơn chắc chắn sẽ giúp ích khi điều chỉnh hệ thống để hoạt động tốt hơn, vì nó sẽ có khả năng chống lật tốt hơn, cho phép có phạm vi góc rộng hơn trước mất kiểm soát.
Trong các thử nghiệm khi động cơ đạt tốc độ cao nhất hoặc chuyển hướng ở tốc độ tần số cộng hưởng cao khiến toàn bộ công trình rung chuyển Một kết cấu cứng nhắc hơn có thể ít bị ảnh hưởng bởi những dao động này hơn ảnh hưởng đến hiệu suất của hệ thống bằng cách làm cho lốp xe mất độ bám với mặt đất.
Mở rộng thử nghiệm lên một chiếc xe đạp cỡ lớn có thể mang lại kết quả tốt hơn hiệu suất Một chiếc xe đạp quy mô đầy đủ sẽ được chế tạo với sức bền phù hợp và đặc điểm độ cứng của khung xe đạp cùng với kết cấu xe đạp chính xác hình học Điều này có lẽ sẽ làm giảm độ rung và tăng sự cân bằng của hệ thống tổng thể thông qua việc đặt vị trí chính xác và tập trung hơn của khối tâm và trục bánh xe.
Mở rộng thử nghiệm lên một chiếc xe đạp cỡ lớn có thể mang lại kết quả tốt hơn hiệu suất Một chiếc xe đạp quy mô đầy đủ sẽ được chế tạo với sức bền phù hợp và đặc điểm độ cứng của khung xe đạp cùng với kết cấu xe đạp chính xác hình học Điều này có lẽ sẽ làm giảm độ rung và tăng sự cân bằng của hệ thống tổng thể thông qua việc đặt vị trí chính xác và tập trung hơn của khối tâm và trục bánh xe.
Động lực học hệ thống phi tuyến
Sự cân bằng của một chiếc xe đạp có thể được mô tả như một bài toán con lắc ngược Đối với các góc nhỏ chúng ta có thể giả sử đây là một vấn đề tuyến tính bằng cách xây dựng nó với sự trợ giúp của tuyến tính hóa Tuy nhiên, tại góc lớn hơn, xấp xỉ góc nhỏ không còn giữ được nữa Điều này dẫn đến phép tính gần đúng trở nên kém chính xác hơn ở các góc lớn hơn và khi bộ điều khiển PI là các bộ điều khiển tuyến tính, việc tìm một tập hợp các tham số có thể cực kỳ khó khan ủng hộ một hệ thống ngày càng phi tuyến tính Các phương pháp có tính chất này có thể điều chỉnh hiệu suất của Bộ điều khiển PID phù hợp hơn với các hệ thống phi tuyến tính, cuối cùng dẫn đến kiểm soát tốt hơn.
