NHIỆM VỤ LUẬN VĂN: Tìm hiểu, xây dựng mô hình toán và các phương pháp điều khiển đối tượng xe đạp tự cân bằng trong và ngoài nước.. Thiết kế và mô phỏng bộ điều khiển PID, mờ cho mô
GIỚI THIỆU TỔNG QUAN
Đặt vấn đề
Xe đạp là một trong những phương tiện giao thông xuất hiện rất sớm nhưng cho đến nay phương tiện này vẫn còn được sử dụng rất phổ biến trong cuộc sống hàng Tuy nhiên, việc giữ thăng bằng khi xe đạp đứng yên là điều không phải dễ dàng vì chỉ cần xe đạp bị lệch so với phương thẳng đứng một góc nhỏ thì xe sẽ bị mất thăng bằng và ngã xuống
Ngày nay, cùng với sự phát triển mạnh mẽ của kỹ thuật điện tử và phần mền chuyên dụng đã hổ trợ rất nhiều cho ngành tự động hóa, cho phép con người tạo ra một hệ thống điều khiển giúp xe đạp giữ thăng bằng khi đứng yên Khi xe đạp đứng yên sẽ có xu hướng nghiêng về hai bên nên việc giữ cân bằng cho xe đạp tương tự nhƣ mô hình con lắc ngƣợc Do xe đạp không thể di chuyển sang hai bên (trái, phải) để lấy lại sự cân bằng nên ta sẽ sử dụng một bánh đà quán tính (inertia wheel), tùy vào xu hướng nghiêng của xe mà bánh đà quán tính sẽ xoay về phía xe bị nghiêng để tạo ra một lực quán tính ngƣợc lại giúp xe lấy lại đƣợc sự cân bằng
Vấn đề giử thăng băng cho xe đạp giúp học viên ứng dụng các kiến thức đã học để giải quyết một bài toán thực tế Với lý do này tôi chọn đề tài là “Điều khiển
PID mờ xe đạp tự cân bằng” Vấn đề đƣợc đặt ra là xây dựng hệ thống điều khiển
Các công trình nghiên cứu liên quan
1.2.1 MURATA BOY (năm 2005) ‒ Nhật Bản:
Robot MURATA BOY đƣợc nghiên cứu và phát triển bởi công ty Murata Manufacting Company, Ltd MURATA BOY xuất hiện lần đầu tiên vào năm 2005
Với chiều cao 50cm và cân nặng 5kg, có thể đạt tốc độ 76 cm/giây Giá thành của robot Murata Boy là 43.744 USD robot này có khả năng di chuyển thuần thục và tạo sự cân bằng trên xe đạp không khác gì con người, robot này đã làm nên một bước tiến bộ trong việc xử lý khả năng cân bằng và cả tốc độ di chuyển
Robot MURATA BOY giữ thăng bằng dựa vào cảm biến Gyro để xác định đƣợc góc nghiêng, sau đó dùng bánh đà xoay với một gia tốc để tạo ra lực quán tính, giúp robot lấy lại cân bằng Khi robot bị nghiêng sang bên trái thì bánh đà phải xoay về phía bên trái nhằm tạo một lực quán tính hướng về bên phải Ngoài ra robot còn đƣợc trang bị cảm biến siêu âm để phát hiện vật cản, camera dùng để quan sát trong quá trình điều khiển
Robot MURATA BOY đƣợc kết nối wifi với máy tính để truyền dữ liệu về máy tính, đồng thời nhận lệnh điều khiển từ máy tính
Hình 1.2‒Ảnh trong cuộc thi “BicyRobo Thailand Championship”
Hình 1.3‒Ảnh trong cuộc thi “BicyRobo Thailand Championship” Đây là một bicycle robot có tên Bicyrobo đƣợc phát triển tại Viện Công nghệ Châu Á - AIT Thái Lan Bicyrobo có thể tự cân bằng, chạy tiến-chạy lùi và rẽ trái- rẽ phải
Bicyrobo đƣợc điều khiển cân bằng dựa trên nguyên lý "con quay hồi chuyển - gyroscope", một bánh đà có phương của trục xoay vuông góc với mặt đường, bánh đà đặt trên bánh sau và xoay liên tục với vận tốc cao nhằm tạo một năng lƣợng giử cho xe không bị ngã Trong trường hợp xe mất cân bằng, bị nghiêng sang trái hoặc phải thì bánh đà nghiêng về phía trước hoặc sau để tạo một lực để cân bằng
Nhược điểm lớn nhất của loại robot này chính là bánh đà phải quay liên tục ở tốc độ cao Hệ thống luôn mất đi một phần năng lượng nhất định để duy trì tốc độ cho bánh đà, điều này làm giảm hiệu suất của robot.
1.2.3 Auto-Balanced Robotic Bicycle ( năm 2009) ‒ Hoa Kỳ:
Hình 1.4‒Auto-Balanced Robotic Bicycle (ABRB)
Hình 1.5‒Bốn tác giả tham gia thực hiện dự án từ trái qua: Joel Potter,
Jason Deweese, Linh Duong và Aamer Almụjahed
Robot xe đạp tự cân bằng này là một hệ thống do bốn tác giả tại khoa Điện Tử - Máy Tính của Trường Đại Học George Mason, Hoa Kỳ nghiên cứu phát triển Robot xe đạp tự cân bằng này hoạt động dựa theo nguyên lý lực quán tính của bánh đà, tương tự như robot Murata-Boy.
Robot xe đạp tự giữ thăng bằng này bao gồm hai hệ thống con: thứ nhất là hệ thống giữ thăng bằng cho xe giúp xe đạp không bị ngã và kế đến là hệ thống truyền động làm xe chuyển động về phía trước Robot này không có hệ thống chuyển hướng, bánh trước được gắn cố định nên robot chỉ có thể đi thẳng
Hệ thống giữ thăng bằng cho xe: cảm biến đo góc nghiêng ADIS16209, vi điều khiển M68HC11, động cơ DC 24V và bánh đà có đường kính 8 inch (tương đương 2.32 dm)
Hệ thống truyền động cho xe đạp gồm: ATtiny25 nhận tín hiệu từ remote, Atmega32 điều khiển động cơ truyền động, tỉ số truyền từ động cơ đến bánh xe là 34:1
Robot ‘Primer v2’ được phát triển bởi một nhà chế tạo robot người Nhật tên Masahiko Yamaguchi ( ‘Dr Guero’ ) Robot này đƣợc trình diển tại Triển lãm robot quốc tế iRex Tokyo 2011
Robot được gắn trên người một IMU (AU7428N1) để đo góc nghiêng thân robot, dựa vào góc nghiêng robot sẽ điều chỉnh tay lái để lấy thăng bằng, mô phỏng theo cách lấy thăng bằng của con người Đây có lẽ là robot đầu tiên trên thế giới đi xe đạp dựa trên những động tác của con người một cách chính xác Robot dùng chân để đạp xe, thay đổi tay lái để giữ thăng bằng khi xe bị nghiêng, lúc dừng lại thì robot này dùng mủi chân cày xuống mặt đường để thắng Ƣu điểm robot này có hiệu suất cao do không sử dụng cơ chế cân bằng bánh đà Tuy nhiên robot chỉ giữ thăng bằng tốt khi di chuyển và dễ ngã khi đứng yên một chổ.
Các báo cáo nghiên cứu khoa học có liên quan
-Mô hình toán và giải thuật điều khiển cho xe con lắc và con lắc bánh đà: [1], [2], [3],[4], [5],[6], [7], [8],[9], [10],[11], [12], [13]
-Mô hình toán và sự cân bằng của xe đạp: [14], [15], [16], [17], [18], [19]
-Điều khiển động cơ DC: [20], [21], [22]
1.4 Nhiệm vụ luận văn thạc sĩ
Mục đích chính của luận văn là điều khiển xe đạp tự cân bằng dùng giải thuật PID mờ
Bao gồm các mục tiêu cụ thể sau:
1 Mô hình hóa hệ thống xe đạp bánh đà
2 Khảo sát hệ thống khi không có tín hiệu vào
3 Thiết kế và mô phỏng trên Matlab bộ điều khiển PID mờ
4 Thiết kế phần cơ khí cho mô hình
5 Thiết board: board điều khiển chính (dùng DSP28335), board đo góc nghiêng, board driver cho động cơ DC
6 Hoàn chỉnh mô hình: Lắp bộ điều khiển lên xe đạp, kiểm tra phần cơ khí, kiểm tra các kết nối giữa các board
7 Biên dịch các giải thuật sang mã hex để nạp vào chip DSP
8 Chạy mô hình và tiến hành đo đạt Điều chỉnh giải thuật cho mô hình hoạt động ổn định
9 Tiến hành phân tích, đánh giá kết quả đạt được Đưa ra hướng phát triển.
CƠ SỞ LÝ THUYẾT
Điều khiển mờ
Khái niệm về logic mờ đƣợc giáo sƣ L.A Zadeh công bố lần đầu tiên tại Mỹ vào năm 1965 Đến năm 1975 Mamdani áp dụng thành công lý thuyết mờ để thiết kế và thực thi bộ điều khiển mờ đầu tiên điều khiển động cơ hơi nước Tại Nhật, logic mờ được ứng dụng vào nhà máy xử lý nước của hãng Fuji Electronic vào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987 Điều khiển mờ mô phỏng theo cách xử lý thông tin và điều khiển của con người, không cần các thông tin trạng thái chính xác nhưng vẫn có thể điều khiển được Tuy nhiên để thiết kế được bộ điều khiển mờ thì người thiết kế phải có được kinh nghiệm điều khiển hay luật điều khiển cho đối tượng đó Ví dụ khi một người đi xe đạp, người này không cần biết tốc độ, độ nghiêng (so với phương thẳng đứng) của xe chính xác là bao nhiêu Nhưng người này vẫn điều khiển xe đi được dựa vào kinh nghiệm của mình như khi xe bị nghiêng sang phải thì người điều khiển xe bẻ lái sang phải để lấy lại thăng bằng mà không cần biết là mình cần rẽ sang phải bao nhiêu độ
Sơ đồ điều khiển sử dụng bộ điều khiển mờ:
Hình 2.1‒Sơ đồ khối hệ thống điều khiển sử dụng bộ điều khiển mờ
Một bộ điều khiển mờ gồm ba khâu cơ bản:
Thực hiện luật hợp thành
Mờ hóa Giải mờ Đối tƣợng
Thực hiện luật hơp thành
Cơ chế suy luận Cơ sở luật Tập hợp mờ
Khâu mờ hóa có nhiệm vụ chuyển các dữ liệu rõ ở ngõ vào (thường là sai số giữa tín hiệu tín hiệu đặt ngõ vào và tín hiệu đo đƣợc ở ngõ ra của đối tƣợng điều khiển) thành một vector mô tả mức độ phụ thuộc vào các biến trong tập mờ Để hiểu rõ hơn ta xét một ví dụ về nhiệt độ trong phòng làm việc: Đại lƣợng cần mờ hóa là nhiệt độ Nhiệt độ trong phòng có thể thay đổi từ 16°C đến 34°C
Chọn tập mờ cho ngõ vào gồm 3 biến: Lạnh, Vừa và Nóng Giá trị của các biến đƣợc qui ƣớc nhƣ sau:
Hình 2.2‒Biểu diển tập mờ cho ngõ vào
𝜇: hàm phụ thuộc, thể hiện mức độ phụ thuộc của giá trị biến nhiệt độ 𝑇 vào tập mờ
Giả sử mờ hóa biến 𝑇 = 22℃:
Hình 2.3‒Mờ hóa biến nhiệt độ khi 𝑇 = 22℃
Dựa vào tập mờ thu được, có thể hiểu rằng khi T bằng 22 độ C, biến phụ thuộc chịu ảnh hưởng của ba biến độc lập theo các tỷ lệ sau: biến Lạnh chiếm 60%, biến Mát chiếm 40%, và biến Nóng không có ảnh hưởng.
2.1.2 Khâu thực hiện luật hợp thành:
Khâu thực hiện luật hợp thành thể hiện mối quan hệ giữa các tập mờ ngõ vào với tập mờ ngõ ra theo diễn dịch “ If then…”
Có rất nhiều phương pháp diễn dịch như phương pháp Dienes-Rescher,
Lukasiewicz, Zadeh nhưng được sử dụng phổ biến nhất là phương pháp suy diễn mờ Mandani diễn dịch luật If then… phương pháp này như là giao của hai tập mờ
Gọi A là tập mờ trên cơ sở X với hàm thành viên 𝜇 𝐴 (𝑥),
B là tập mờ trên cơ sở Y với hàm thành viên 𝜇 𝐵 (𝑦), C là tập mờ trên cơ sở Z với hàm thành viên 𝜇 𝐶 (𝑧),
𝐴 ∩ 𝐵 là mệnh đề điều kiện
𝐶 là mệnh đề kết luận có hàm thành viên xác định bởi
Kết hợp các mệnh đề hợp thành:
Cho các mệnh đề hợp thành:
Kết quả của phép kết hợp các mệnh đề hợp thành trên là tập mờ xác định bởi hội của các tập mờ của các mệnh đề hợp thành
𝜇 𝑅 = 𝜇 𝑅 1 ∪𝑅 2 ∪…∪𝑅 𝑛 Dựa vào phép suy diễn (sử dụng phép giao ∩) và phép kết hợp (sử dụng phép
Khâu giải mờ có nhiệm vụ chuyển đổi giá trị tập mờ ngõ ra thành giá trị rõ để điều khiển đối tƣợng a Phương pháp phụ thuộc cực đại:
Trong trường hợp hàm liên hợp chỉ có một đỉnh cực đại
Hình 2.4‒Giải mờ khi hàm liên hợp chỉ có một đỉnh cực đại
Với 𝜇(𝑦) là hàm liên thuộc
𝑦 ∗ là giá trị mà tại đó hàm liên thuộc đạt cực đại
Trong trường hợp hàm liên thuộc có nhiều điểm cực đại, ta có thể lấy giá trị cận trái, cận phải hay giá trị trung bình
Hình 2.5‒Giải mờ khi hàm liên hợp có một vùng cực đại
Giải mờ cực đại lấy cận trái: 𝑦 ∗ = 𝑎 Giải mờ cực đại lấy cận phải: 𝑦 ∗ = 𝑏
Giải mờ cực đại lấy trung bình: 𝑦 ∗ = 𝑎+𝑏
2 b Phương pháp điểm trọng tâm:
Phương pháp này được cho bởi biểu thức đại số:
Về mặt hình học, phương pháp giải mờ trọng tâm xác định 𝑦 ∗ mà tại đó nó chia hàm liên thuộc thành hai phần diện tích bằng nhau
Phương pháp này được cho bởi biểu thức đại số:
Phương pháp giải mờ trung bình chính là một dạng rời rạc của phương pháp trọng tâm Trong khi phương pháp giải mờ trọng tâm chỉ áp dụng được cho hàm liên thuộc liên tục thì phương pháp giải mờ trung bình có thể áp dụng cho hàm liên thuộc liên tục và rời rạc
Các tính chất cần lưu ý khi xây dựng hệ quy tắc mờ:
Tính liên tục trong hệ thống quy tắc mờ đảm bảo sự liền mạch trong quá trình suy diễn Trong hệ thống liên tục, nếu hai mệnh đề điều kiện liền nhau thì hai mệnh đề kết luận tương ứng cũng phải liền nhau Điều này giúp duy trì mối quan hệ logic giữa các mệnh đề và đảm bảo kết quả suy diễn chính xác và hợp lý.
Tính nhất quán: Tính nhất quán của hệ quy tắc mờ thể hiện sự thống nhất của tri thức đƣợc biểu diển bởi quy tắc mờ Nếu mỗi tập mờ chỉ cho một ngõ ra thì hệ quy tắc này đã đảm bảo đƣợc tính nhất quán
Tính hoàn chỉnh: Tính hoàn chỉnh của hệ quy tắc mờ thể hiện sự hoàn chỉnh của tri thức biểu diễn bởi các quy tắc mờ.
Điều khiển PID
Bộ điều khiển PID kinh điển được thiết kế dựa trên các phương pháp đã biết như phương pháp Ziegler‒Nichols, phương pháp Offerein, phương pháp Reinisch
Hệ thống điều khiển sử dụng bộ điều khiển PID:
Hình 2.6‒Sơ đồ khối hệ thống điều khiển sử dụng bộ điều khiển PID Đối tƣợng 𝐾 𝑃 𝑒(𝑡)
Bộ điều khiển PID đƣợc sử dụng rộng rãi trong thực tế, nó đƣợc sử dụng để điều khiển nhiều loại đối tƣợng khác nhau nhƣ nhiệt độ của lò nhiệt, mực chất lỏng trong bồn nước, tốc độ hoặc vị trí của động cơ DC…vì nó có khả năng triệt tiêu đƣợc sai số xác lập, giảm vọt lố, xác lập nhanh khi các thông số của bộ điều khiển đƣợc chọn lựa thích hợp Để lựa chọn được các hệ số 𝐾 𝑃 , 𝐾 𝐼 , 𝐾 𝐷 thích hợp có thể dựa vào phương pháp Zeigler – Nichols, tuy nhiên khi áp dụng vào thực tế thì kết quả sẽ không nhƣ mong muốn Do đó để tìm đƣợc các thông số phù hợp cho bộ điều khiển thực tế đòi hỏi người thiết kế hiểu rõ ý nghĩa các hệ số 𝐾 𝑃 , 𝐾 𝐼 , 𝐾 𝐷 , dựa vào đó ta có thể điều chỉnh các thông số cho phù hợp thực tế
Phương trình toán của bộ điều khiển PID:
Với 𝑒 𝑡 = 𝑟 𝑡 − 𝑦 𝑡 : là sai số giữa tín hiệu đặt và tín hiệu ngõ ra đo đƣợc Áp dụng công thức xấp xỉ tích phân lùi và vi phân lùi ta được phương trình toán của bộ điều khiển PID dưới dạng sai phân:
Thực hiện mô phỏng bộ điều khiển PID trên Simulink
Hình 2.7‒Sơ đồ mô phỏng bộ điều khiển PID trên Simulink
Xét một hệ thống chỉ có khâu khuếch đại, tín hiệu ra của bộ điều khiển có dạng:
Bản chất khâu khuếch đại P là đƣa ra tín hiệu điều khiển 𝑢 𝑘 tỉ lệ với sai số 𝑒 𝑘 theo một hệ số tỉ lệ 𝐾 𝑃
Kết quả mô phỏng bộ điều khiển P:
Hình 2.8‒Đáp ứng của động cơ và tín hiệu điều khiển
Khi chỉ có khâu khuếch đại thì không thể điều khiển động cơ DC đạt đƣợc giá trị xác lập Vì khi giá trị ngõ ra bằng với giá trị đặt thì sai số 𝑒 𝑘 = 0 dẩn đến tín hiệu điều khiển 𝑢 𝑘 = 0, việc mất tín hiệu điều khiển làm tốc độ động cơ sẽ giảm và dừng lại tại một sai lệch mà nó tạo ra một tín hiệu điều khiển 𝑢 𝑘 ≠ 0 giúp duy trì tốc độ động cơ
Vậy đối với bộ điều khiển P luôn tồn tại một sai lệch tĩnh
2.2.2 Xét bộ điều khiển PI, tín hiệu ra của bộ điều khiển có dạng:
Bộ điều khiển P có ƣu điểm là tác động nhanh, nhƣng vẫn tồn tại sai lệch tĩnh Để không còn sai lệch tĩnh ta thêm vào bộ điều khiển khâu tích phân
Bản chất của khâu tích phân I là một phép cộng dồn các tín hiệu điều khiển qua các chu kỳ Tín hiệu điều khiển 𝑢 𝐼 đƣợc tính theo công thức:
Kết quả mô phỏng bộ điều khiển PI:
Bộ điều khiển PI đã làm mất sai lệch tĩnh Nhờ tín hiệu điều khiển tích phân I mà khi sai số 𝑒 𝑘 = 0 thì tín hiệu điều khiển 𝑢 𝑘 = 𝑢 𝐼,𝑘−1
𝑢 𝑘 = 𝑢 𝑃,𝑘 + 𝑢 𝐼,𝐾 = 𝐾 𝑃 𝑒 𝑘 + 𝐾 𝐼 𝑒 𝑘 + 𝑢 𝐼,𝑘−1 Vậy bộ điều khiển PI có khả năng triệt tiêu sai lệch tĩnh
2.2.3 Xét bộ điều khiển PD, tín hiệu ra của bộ điều khiển có dạng:
Bản chất khâu khuếch đại D là đƣa ra tín hiệu điều khiển 𝑢 𝐷,𝑘 tỉ lệ với tốc độ biến đổi sai số theo một hệ số tỉ lệ 𝐾 𝐷 Tốc độ biến đổi của sai số là hiệu của sai số hiện tại 𝑒 𝑘 với sai số của chu kỳ trước đó 𝑒 𝑘−1
Kết quả mô phỏng bộ điều khiển PD:
Hình 2.10‒Đáp ứng của động cơ và tín hiệu điều khiển
Bộ điều khiển PD dựa vào sai số và tốc độ biến đổi của sai số trong mỗi chu kỳ mà không duy trì tín hiệu điều khiển của các chu kỳ trước nên sẽ làm xuất hiện sai lệch tĩnh Tuy nhiên bộ điều khiển này không làm xuất hiện độ vọt lố
2.2.4 Xét bộ điều khiển PID, tín hiệu ra của bộ điều khiển có dạng:
𝑢 𝑘 = 𝐾 𝑃 𝑒 𝑘 + 𝐾 𝐷 𝑒 𝑘 − 𝑒 𝑘−1 + 𝐾 𝐼 𝑒 𝑘 + 𝑢 𝐼,𝑘−1 (2.12) Kết quả mô phỏng bộ điều khiển PID:
Hình 2.11‒Đáp ứng của động cơ và tín hiệu điều khiển
Ta thấy đáp ứng của bộ điều khiển PID đã đạt đƣợc các yêu cầu nhƣ giảm độ vọt lố, triệt tiêu sai lệch tĩnh, thời gian xác lập nhanh Bộ điều khiển PID đã đạt đƣợc các yêu cầu mà bộ điều khiển PI và PD chƣa đáp ứng đƣợc
𝐾 𝑃 : Nếu chọn giá trị càng lớn thì đáp ứng càng nhanh Nhƣng nếu quá lớn sẽ dẩn đến quá tình mất ổn định và dao động
𝐾 𝐼 : Nếu chọn giá trị càng lớn thì sai lệch tĩnh sẽ bị khử càng nhanh Nhƣng bù lại thí nó cũng sẽ tạo ra độ vọt lố lớn
𝐾 𝐷 : Nếu chọn giá trị càng lớn thì nó càng làm giảm độ vọt lố Nhƣng lại làm chậm đáp ứng quá độ Đồng thời có thể dẩn đến mất ổn định do khuếch đại nhiểu tín hiệu trong phép sai phân sai số
Khi kết hợp ba thông số 𝐾 𝑃 , 𝐾 𝐼 , 𝐾 𝐷 một cách thích hợp thì tín hiệu điều khiển sẽ làm đối tƣợng bám nhanh đến giá trị đặt, đồng thới cũng ít vọt lố và không bị sai lệch tĩnh.
Điều khiển PID mờ
2.3.1 Bộ điều khiển PID mờ dùng quy tắc Mamdani:
Bộ điều khiển PID có khả năng điều khiển hệ thống với chất lƣợng quá độ tốt (đáp ứng nhanh, độ vọt lố thấp) và triệt tiêu sai số xác lập Tuy có nhiều ƣu điểm và đƣợc ứng dụng rộng rãi trong các quá trình công nghiệp nhƣng bộ điều khiển PID kinh điển chỉ khống chế tín hiệu ra của đối tƣợng với chất lƣợng tốt nếu hệ thống làm việc trong miền tín hiệu nhỏ Do vậy để điều khiển các đối tƣợng có độ phi tuyến cao ta cần sử dụng bộ điều khiển PID mờ
Trong bộ điều khiển mờ dùng quy tắc Mamdani thì tín hiệu ra của bộ điều khiển tỷ lệ phi tuyến với tín hiệu vào (K P , K I , K D ) theo quy luật xác định bởi hệ quy tắc mờ
Trong thực tế việc xây dựng bộ điều khiển PID mờ dùng quy tắc Mamdani rất khó khăn, nên chỉ dùng bộ PID mờ khi bộ điều khiển PI mờ và PD mờ không thể diều khiển đối tƣợng với chất lƣợng nhƣ mong muốn Để thiết kế bộ điều khiển PID mờ, đầu tiên là thiết kế bộ điều khiển PID có thông số thay đổi theo điểm làm việc Kế đến là thiết kế bộ điều khiển mờ dựa tín hiệu đặt, tín hiệu sai số và các quy tắc mờ Sugeno có mệnh đề kết luận là bộ thông số điều khiển PID ứng với các điểm làm việc
Hình 2.14‒Bộ điều khiển PID mờ dùng quy tắc Mamdani
2.3.2 Bộ điều khiển PID mờ dùng quy tắc Sugeno: Để khắc phục khuyết điểm của bộ điều khiển PID kinh điển là không thể làm việc tốt tại nhiều điểm làm việc Phương pháp điều khiển PID mờ dùng quy tắc
Sugeno sẽ thay đổi bộ thông số PID theo từng điểm làm việc bằng cách sử dụng bộ điều khiển mờ với các quy tắc Sugeno Đối tƣợng 𝐾 𝑃 𝑒(𝑡)
Bộ điều khiển PID mờ
Hình 2.15‒Bộ điều khiển PID mờ dùng quy tắc Sugeno
PID Đối tƣợng điều khiển y(t) u(t) e(t)
Giới thiệu các board tích hợp
Module DSP 28335 của SyncWorks rất tiện dụng, người dung chỉ cần cấp nguồn 5V DC và kết nối với các GPIO cần sử dụng Vì trên module đã đƣợc bố trí các mạch hổ trợ nhƣ:
Mạch ổn áp từ nguồn 5V sang 3.3V, 1.9V
Giao diện kết nối JTAG
Điện trở chọn Boot-mode
Các GPIO đƣợc mở rộng bằng header
Các đặc tính quan trọng của DSP 28335 đƣợc sử dụng trong đề tài:
Tần số làm việc 150MHz (6.67ns/chu kỳ máy)
Hỗ trợ tính toán số thực 32bit
Bus có kiến trúc Harvard
Board IMU 9 DOF của Sparkfun gồm ba cảm biến: Accelerometer (ADXL345), Gyroscope (ITG-3200), Compass (MHC5883L) và Vi điều khiển Atmega328
Cảm biến gia tốc ADXL345:
Cảm biến gia tốc đƣợc dùng để xác định góc tĩnh dựa vào gia tốc trong trường 𝑔
Các đặc trƣng của cảm biến gia tốc ADXL335:
Có khả năng đo đƣợc 3 trục x y z
Hoạt động trong các dãy đo ±2g, ±4g, ±8g, ±16g
Ngõ ra số, đƣợc giao tiếp theo chuẩn giao tiếp I 2 C (hoặc SPI)
Tần số lấy mẫu có thể đạt đến 3200Hz, nhƣng mặc định là
Địa chỉ giao tiếp I2C là 0xA7 (read), 0xA6 (write)
Hình 2.16‒Sơ đồ khối cảm biến gia tốc ADXL345
Hình 2.17‒Phương và chiều của 3 trục x y z trên cảm biến ADXL345
Cảm biến con quay hồi chuyển (ITG-3200):
Cảm biến con quay hồi chuyển ITG-3200 cung cấp giá trị vận tốc góc theo ba trục x, y và z Để xác định góc nghiêng chính xác hơn, ITG-3200 thường được kết hợp với cảm biến gia tốc ADXL345 Nguyên lý hoạt động là ADXL345 đo góc tĩnh còn ITG-3200 đo góc động bằng cách tích phân vận tốc góc.
Các đặc trƣng của cảm biến ITG-3200:
Tần số lấy mẫu chế độ nhanh 8kHz, chế độ chậm 1kHz, khi dùng dao động nội
Địa chỉ giao tiếp I2C là 0xD1 (read), 0xD0 (write)
Hình 2.19‒Sơ đồ khối cảm biến con quay hồi chuyển ITG-3200
Hình 2.20‒Sơ đồ chân và đáp ứng góc quay trên cảm biến gyroscope
Cảm biến la bàn HMC5883L:
Cảm biến la bàn đo từ trường trái đất giúp định hướng với độ chính xác 2 o
Các thông số đặc trƣng:
Độ chính xác từ 1 o đến 2 o
Tần số xuất tín hiệu cao nhất là 160Hz
Địa chỉ giao tiếp I2C là 0x3D (read), 0x3C (write)
Hình 2.21‒Sơ đồ khối bên trong IC HMC5883L
Hình 2.22‒Sơ đồ chân IC HMC5883L (nhìn từ trên xuống) Vi điều khiển Atmega 328:
Vi điều khiển Atmega tổng hợp dữ liệu từ ba cảm biến và sử dụng thuật toán DCM (Direction Cosin Matrix) để xác định góc nghiêng Góc nghiêng sau đó được truyền đến DSP (Digital Signal Processor) thông qua giao diện UART (Universal Asynchronous Receiver/Transmitter).
Tần số lấy mẫu mặc định là 50Hz khi dùng thạch anh 8MHz Có thể nâng tần số lấy mẫu lên 100Hz bằng cách thay thạch anh 8MHz thành 16MHz, điều chỉnh lại chế độ làm việc của ba cảm biến để có thể hoạt động ở tần số 100Hz
2.4.3 Động cơ DC: Động cơ DC bao gồm rotor (hoặc phần ứng), bộ chuyển mạch, chổi than, quay trục và vòng bi, stator là nam châm vĩnh cửu Hình minh họa nguyên tắc hoạt động với một động cơ một chiều có hai cực đơn giản:
Hình 2.23‒Mô tả hoạt động của động cơ DC Động lực học của Motor:
Phương trình cân bằng điện áp:
𝐸: sức điện động phần ứng
Sức điện động phần ứng:
𝜔: vận tốc góc của trục động cơ
Phương trình cân bằng moment trên trục động cơ:
𝜏 𝑚 : moment xoắn của động cơ 𝜏 𝑙 : moment tải
𝐾: hệ số 𝜙: từ thông kích từ
Encoder đƣợc dùng để xác định chiều quay và góc quay của động cơ Nó bao gồm hai rãnh và hai cảm biến có kết quả đầu ra đƣợc gọi là kênh A và B đƣợc hiển thị trong hình
Hình 2.25-Cấu trúc của encoder
Các kênh A và B được sử dụng để xác định hướng quay bằng đánh giá mức điện áp ở kênh khác Để xác định chiều quay của encoder ta kiểm tra cạnh lên của pha A Khi xuất hiện cạnh lên ở pha A, ta bắt đầu kiểm tra xem pha B
Nếu pha B = 0 thì encoder đang quay thuận chiều kim đồng hồ
Nếu pha B = 1 thì encoder đang quay ngƣợc chiều kim đồng hồ.
THIẾT KẾ VÀ MÔ PHỎNG BỘ ĐIỀU KHIỂN TRÊN SIMULINK
Thiết kế bộ điều khiển PID
3.2.1 Thiết kế bộ điều khiển PID bằng phương pháp tự động:
Hệ thống điều khiển đƣợc thiết kế trên Simulink nhƣ hình mô tả sau:
Hinh 3.1‒Hệ thống điều khiển sử dụng bộ điều khiển PID Ý nghĩa các khối đƣợc sử dụng trong sơ đồ mô phỏng:
Tín hiệu đặt (Alpha_ref)
Khối bảo hào tín hiệu ngõ ra Saturation với chặn dưới là -10, chặn trên là +10
Khối Subsystem mô tả mô hình toán của đối tƣợng xe đạp
Khối khuếch đại dùng nhân một hệ số 57.2957 để chuyển đổi tín hiệu radian sang độ (degree) để tiện cho việc quan sát
Khối Scope dùng để lưu lại dữ liệu mô phỏng dưới dạng Structure with time để vẽ đồ thị
Cách chỉnh định thông số PID một cách tự động: a.Thông số khối PID:
Hình 3.2‒Khối mô tả cấu trúc và thông số bộ điều khiển PID b Chọn cấu trúc và thông số bắt đầu:
Chọn cấu trúc bộ điều khiển (Controller form) là cấu trúc song song
Các hệ số PID bằng không Đây là bộ thông số bắt đầu cho việc điều chỉnh
Hệ số bộ lọc (Filter coefficient) là 10 (hệ số lọc phải là số dương)
Bấm vào Tune để bắt đầu điều chỉnh tự động thông số PID c Cập nhật kết quả chỉnh định vào bộ PID:
Sau khi chỉnh định xong, Matlab sẽ hiện ra cửa sổ sau:
Đánh dấu chọn vào ô Automatically update block parameters để cập nhật các thông số đã được chỉnh định vào bộ điều khiển PID Các giá trị thông số tìm được là:
Kết quả mô phỏng khi góc lệch 𝜶 = 𝟏𝟎 𝒐 :
Hình 3.4‒Kết quả mô phỏng của tín hiệu điều khiển và đáp ứng ngõ ra đối tượng
Góc lệch 𝛼 đƣợc đƣa về vị trí cân bằng sau 3.7 giây Thông số PID mà Matlab tự động chỉnh định cho kết quả chƣa thật sự tốt
3.2.2 Thiết kế bộ điều khiển PID bằng phương pháp thử sai:
Các thông số 𝐾 𝑃 , 𝐾 𝐼 , 𝐾 𝐷 ảnh hưởng đến đáp ứng ngõ ra của đối tương như sau:
𝐾 𝑃 càng lớn sẽ giúp đáp ứng ngõ nhanh tiến đến giá trị đặt, nhƣng nếu 𝐾 𝑃 quá lớn sẽ làm hệ thống dao động không ổn định
𝐾 𝐼 giúp ngõ ra bám theo giá trị đặt, triệt tiêu sai lệch tĩnh Tín hiệu điều khiển khâu tích phân vẫn duy trì khi sai số giữa tín hiệu đặt và đáp ứng ngõ ra bằng 0 Nhƣng nếu 𝐾 𝐼 quá lớn sẽ tạo nên vọt lố
𝐾 𝐷 chỉ phát huy tác dụng khi sai số 𝑒 xuất hiện biến thiên 𝐾 𝐷 giúp giảm độ vọt lố của đáp ứng ngõ ra
Tiến hành chỉnh định bộ điều khiển PID để cải thiện thời gian xác lập, độ vọt lố mà ta thu đƣợc ở mục 3.2.1
Quan sát kết quả mô phỏng ở mục 3.2.1 ta thấy giá trị α còn bị vọt lố và thời gian xác lập còn lớn Nguyên nhân có thể do hệ số 𝐾 𝐼 , 𝐾 𝐷 còn quá lớn Sau quá trình chỉnh định và thử sai đã chọn đƣợc bộ thông số mới nhƣ sau:
Kết quả mô phỏng khi đặt góc lệch ban đầu cho 𝜶 = 𝟏𝟎 𝒐 :
Hình 3.5‒Kết quả mô phỏng của tín hiệu điều khiển và đáp ứng ngõ ra đối tượng
Quan sát đáp ứng ngõ ra α cho thấy góc α nhanh chóng đạt được vị trí cân bằng trong vòng chưa đầy 0,3 giây Sau khi điều chỉnh, thông số PID đạt kết quả khả quan, đáp ứng yêu cầu về độ vọt lố thấp, thời gian xác lập ngắn và loại bỏ sai số tĩnh.
Thiết kế bộ điều khiển PD mờ dùng hệ quy tắc Mamdani
Hệ thống điều khiển đƣợc thiết kế trên Simulink nhƣ hình mô tả sau:
Hình 3.6‒Hệ thống điều khiển sử dụng bộ điều khiển PD mờ Ý nghĩa các khối đƣợc sử dụng trong sơ đồ mô phỏng:
Khối khuếch đại Gain: có tác dụng tỉ lệ tín hiệu 𝛼 và 𝛼 nằm trong khoảng
Khối bảo hòa Situration: đảm bảo tín hiệu ngõ vào bộ mờ không vƣợt quá khoảng [-1,1]
Khối xử lý mờ Fuzzy Logic Controller
Khối khuếch đại Gain2: ngõ ra bộ điều khiển mờ nằm trong khoảng [-1,1] nên cần phải khuếch đại đủ lớn để điều khiển đối tƣợng
Mô hình đối tƣợng xe đạp
Khối khuếch đại dùng nhân một hệ số 57.2957 để chuyển đổi tín hiệu rad sang độ (degree) để tiện cho việc quan sát
Khối Scope dùng để lưu lại dữ liệu mô phỏng dưới dạng Structure with time để vẽ đồ thị
Biến ngõ vào ra cho bộ điều khiển mờ:
𝛼: góc lệch của xe so với phương thẳng đứng
𝛼 : vận tốc góc của góc lệch
𝑢: tín hiệu điều khiển cho đối tƣợng
Chuẩn hóa các biến ngõ vào:
Góc lệch 𝛼 tối đa là ±10 𝑜 (tương đương ±0.2 𝑟𝑎𝑑) nên chọn hệ số chuẩn hóa là 5
Vận tốc góc 𝛼 tối đa là ±2 𝑟𝑎𝑑/𝑠 nên ta chọn hệ số chuẩn hóa cho 𝛼 là 0.5
Xây dựng bộ điều khiển mờ Mamdani:
Tập mờ cho ngõ vào 𝜶 gồm 5 biến mờ 𝑵𝑳 𝑨 , 𝑵𝑺 𝑨 , 𝒁𝑬 𝑨 , 𝑷𝑺 𝑨 , 𝑷𝑳 𝑨 :
Hình 3.7‒Tập mờ cho biến 𝛼
Tập mờ cho ngõ vào 𝜶 gồm 5 biến mờ 𝑵𝑳 𝑫𝑨 , 𝑵𝑺 𝑫𝑨 , 𝒁𝑬 𝑫𝑨 , 𝑷𝑺 𝑫𝑨 , 𝑷𝑳 𝑫𝑨 :
Hình 3.8‒Tập mờ cho biến 𝛼
Tập mờ ngõ ra 𝒖 gồm 7 biến mờ 𝑵𝑳, 𝑵𝑴 , 𝑵𝑺, 𝒁𝑬, 𝑷𝑺, 𝑷𝑴, 𝑷𝑳:
Hình 3.10‒Mô tả luật hợp thành trong Simulink
Hình 3.11‒Bảng mô tả 25 luật hợp thành
Kết quả mô phỏng bộ điều khiển mờ khi 𝜶 = 𝟏𝟎 𝒐 :
Hình 3.12‒Kết quả mô phỏng của tín hiệu điều khiển và đáp ứng ngõ ra
Bộ điều khiển PD mờ đã cho đáp ứng ngõ ra khá tốt, tín hiệu 𝛼 đƣợc đƣa về vị trí cân bằng sau 0.3 giây Không thấy xuất hiện vọt lố
Thiết kế bộ điều khiển LQR
Phương trình trạng thái của đối tượng:
Tìm ma trận K cho vector điều khiển:
Hàm chỉ tiêu chất lƣợng J:
Với Q và R là các ma trận dương đối xứng:
𝑅 = 10 Tìm vector K bằng lệnh “lqr”:
Sơ đồ mô phỏng bộ điều khiển LQR nhƣ sau:
Hình 3.13‒Hệ thống điều khiển sử dụng bộ điều khiển LQR
Kết quả mô phỏng khi đặt góc lệch 𝜶 = 𝟏𝟎 𝒐 :
THIẾT KẾ VÀ THI CÔNG MÔ HÌNH THỰC NGHIỆM
Phần cơ khí
Hình 4.1‒Phần cơ cơ khí
Sử dụng khung xe bán sẳn, loại nhỏ nhất Bỏ đi các chi tiết không cần thiết để cho khung xe nhẹ nhất có thể
Cắt bỏ thanh ngang của khung xe giúp cho bộ phận truyền động và bánh đà có thể đặt ở vị trí thấp hơn nhằm hạ trọng tâm của toàn bộ hệ thống Việc chọn trọng tâm cần điều chỉnh hợp lý vì:
Khi phần truyền động đƣợc đặt cao quá thì lực sinh ra lớn nhƣng trọng tâm của hệ thống cao dẩn đến khó điều khiển
Khi phần truyền động đặt quá thấp thì trọng tâm đƣợc hạ xuống nhƣng lực sinh ra lại nhỏ, ảnh hưởng đến việc điều khiển
Phần truyền động gồm động cơ DC, bánh răng, dây đai và bệ đỡ mica:
Hình 4.2‒Bánh răng, dây đai và bệ đỡ
Hình 4.3‒Mô tả vị trí lắp động cơ trên bệ đỡ
Do mô hình đòi hỏi phải nhẹ nên bệ đỡ đƣợc gia công bằng mica 10 li Phần đỡ trục bánh đà đƣợc ghép từ 4 tấm mica 10 li lại
Hình 4.3‒Bánh đà được gắn lên bánh răng lớn
Bánh đà được gia công bằng mica 10 li, đường kính 270 mm Xung quanh đƣợc khoét 16 lổ 10 li, các lổ này dùng để bắt bulong để tạo lực quán tính.
Phần điện
Sơ đồ mô tả tổng quát:
DRIVER DSP28335 USB to SCI
Sơ đồ mạch USB to SCI:
Hình 4.5‒Mạch USB to SCI dùng chip FT232RL
Mạch chuyển đổi USB ra SCI đƣợc dùng truyển dử liệu từ DSP về máy tính để quan sát các trạng thái của bộ điều khiển, hoặc lưu lại giá trị trạng thái dùng để vẽ đồ thị
Hình 4.6‒Mạch USB to SCI đã hoàn thiện
TEST AGND GND7 GND18 GND21
TXLED RXLED PWREN TXDEN SLEEP NC24 NC8 CTS RTS DTR DSR DCD RI TXD RXD
Sơ đồ mạch IMU 9 DOF:
Hình 4.7‒Sơ đồ phần ổn áp ra 3.3V dùng cho toàn mạch IMU
Hình 4.8‒Sơ đồ ba cảm biến chính của mạch IMU
NC NC NC NC C1 GND GND VDD VDDIO
VLOGIC REGOUT CPOUT RESV-G GND
RXD/PD0 TXD/PD1 PD2 PD3 PC2 PC3 SDA/PC4 SCL/PC5 ADC6 PC0 PC1
GND CTS VCC TXO RXI DTR RXI
Mạch IMU 9 DOF đƣợc hãng Sparkfun phát triển, có khả năng xác định đƣợc cả 3 góc Roll, Pitch và Yaw Nhƣng trong nội dung đề tài chỉ dùng để đo góc Roll
Hình 4.10‒Hình ảnh thực tế mạch IMU
Sơ đồ mạch ổn áp:
Hình 4.11‒Mạch ổn áp từ 12V ra 5V và 3.3V
Dùng IC LM2576 để ổn áp nguồn 12V ra 5V, đây là IC ổn áp có cơ chế làm việc nhƣ nguồn xung nên cho hiệu suất cao, điện áp ngõ ra ổn định, không bị hiện tượng nóng lên khi không tải như thường gặp ở IC ổn áp tuyến tính LM7805 Để ổn áp nguồn 3.3V ta sử dụng nguồn ra 5V của IC LM2576 đƣa vào IC LM1088-33, đây là IC ổn áp tuyến tính
Hình 4.12‒Hình thực tế mạch ổn áp ra 5.5V và 3.3V
4.2.4 Mạch driver động cơ DC:
Hình 4.13‒Phần nguồn 24V được ổn áp cấp cho IC logic và MC33883
Hình 4.14‒Mạch các ly với tín hiệu điều khiển PWM từ DSP
Hình 4.15‒Mạch logic xử lý tín hiệu PWM, DIR và IC MC33883
SCR_HS1 GATE_HS1 IN_HS1
Mạch logic đƣợc sử dụng để tránh hiện tƣợng trùng dẫn
Hình 4.16‒Mạch công suất và ngõ ra động cơ
Hình 4.17‒Hình thực tế mạch driver động cơ DC
4.2.5 Mạch chuyển mức logic cho I/O:
Hình 4.18‒Mạch chuyển mức logic encoder từ 5V sang 3.3V
Hình 4.18‒Mạch chuyển mức logic PWM từ 3.3Vsang 5V
Hình 4.19‒Mô tả các kết nối của module DSP28335
N/C AGND ADCINA0 ADCINA1 ADCINA2 ADCINA3 ADCINA4 ADCINA5 ADCINA6 ADCINA7 ADCINB0 ADCINB1 ADCINB2 ADCINB3 ADCINB4 ADCINB5 ADCINB6 ADCINB7 5V GND GPIO28/SCIRXDA GPIO33/SCLA /XRD GPIO29/SCITXDA GPIO54/SPISIMOA GPIO55/SPISOMIA GPIO56/SPICLKA GPIO57/SPISTEA GPIO35/SCITXDA GPIO36/SCIRXDA GPIO19/SCIRXDB GPIO18/SCITXDB GPIO22/EQEP1S GPIO7/ECAP2 GPIO23/EQEP1I GPIO5/ECAP1 GPIO20/EQEP1A GPIO21/EQEP1B GPIO9/EPWM5B GPIO11/EPWM6B
GPI O30 GPI O31 GPI O39 GPI O87 GPI O86 GPI O85 GPI O84 GPI O83 GPI O82 GPI O81 GPI O80 GPI O47 GPI O46 GPI O45 GPI O44 GPI O43 GPI O42 GPI O41 GPI O40 GPI O38
GPIO0/EPWM1A GPIO1/EPWM1B GPIO2/EPWM2A GPIO3/EPWM2B GPIO4/EPWM3A GPIO5/EPWM3B GPIO34/ECAP1 GPIO37/ECAP2 GPIO24/EQEP2A GPIO25/EQEP2B GPIO26/ECAP3 GPIO27/ECAP4 GPIO26 GPIO12 GPIO13 GPIO14 GPIO13/TZ2 GPIO32 GPIO6 GPIO7 GPIO8 GPIO9 GPIO10 GPIO11 GPIO27 GPIO48 GPIO50/EQEP1A GPIO51/EQEP1B GPIO53 GPIO52 GPIO49 GPIO15 GPIO16 GPIO17 GPIO16/TZ5 GPIO33 GPIO59 GPIO58 XCLKOUT /XRS GPI O60/ XD 19 GPI O61/ XD 18 GPI O62/ SC IR XD C GPI O63/ SC IT XD C GPI O64/ XD 15 GPI O65/ XD 14 GPI O66/ XD 13 GPI O67/ XD 12 GPI O68/ XD 11 GPI O69/ XD 10 GPI O70/ XD 9 GPI O71/ XD 8 GPI O72/ XD 7 GPI O73/ XD 6 GPI O74/ XD 5 GPI O75/ XD 4 GPI O76/ XD 3 GPI O77/ XD 2 GPI O78/ XD 1 GPI O79/ XD 0
Các khối trên board mạch chính gồm:
(1) Module DSP 28335: đây là khối xử lý chính
(2) Khối xuất tín hiệu PWM1 của DSP: điều khiển tốc độ động cơ DC
(3) Đọc tín hiệu Encoder: tín hiệu đƣợc đƣa về EQEP1 của DSP
(4) Mạch ổn áp: chuyển điện áp 12V DC ra 5V và 3.3V DC
(5) Mạch USB to SCI: có nhiệm vụ truyền dữ liệu từ DSP về máy tính.
Phần chương trình nhúng cho DSP28335
Hình 4.21 Sơ đồ tổng quát bộ điều khiển PID trong Simulink
4.3.1.a Khối nhận tín hiệu IMU:
Tín hiệu cảm biến IMU đƣợc về DSP thông qua SCI C (khối IMU receive), sau khi nhận được tín hiệu đi qua bộ lọc thông thấp, cuối cùng được lưu vào bộ nhớ Roll
Do bộ điều khiển đƣợc thiết kế nhằm giữ thăng bằng nên giá trị đặt cho bộ điều khiển là 0 Tín hiệu hồi tiếp là tín hiệu đƣợc lấy từ IMU trừ cho giá trị offset
Hình 4.22 Sơ đồ bên trong khối điều khiển PID
4.3.2 Bộ điều khiển PID mờ:
Hình 4.23 Sơ đồ tổng quát bộ điều khiển PID trong Simulink
Nội dung chương trình khối Fuzzy gồm các hàm con chính:
Hàm mờ hóa biến alpha
Hàm mờ hóa biến alpha_dot
Hàm thực hiện luật hợp thành và giải mờ
(Nội dung chi tiết tham khảo Phụ lục trang 96)
5.1 Đánh giá kết quả luận văn:
5.1.1 Những kết quả đạt được:
Xây dựng mô hình toán cho đối tƣợng và kiểm chứng qua các mô phỏng trên Simulink
Xây dựng hoàn chỉnh bộ điều khiển PID, PID mờ, LQR mô phỏng trên
Thiết kế và thi công hoàn chỉnh phần điện tử và cơ khí cho mô hình thực nghiệm
Đã thực hiện hai bộ điều khiển PID và PID mờ cho mô hình thực
5.1.2 Những kết quả chưa đạt:
Bộ điều khiển PID và PID mờ chƣa điều khiển ổn định mô hình thực
Kết cấu cơ khí chƣa thật sự hợp lý: trọng tâm của xe phải đƣợc hạ thấp xuống, bánh đà phải tăng thêm trọng lƣợng, động cơ mạnh hơn (nhƣng trọng lƣợng của động cơ phải nhẹ).
Hướng phát triển đề tài
Cải tiến phần cơ khí, tìm thông số bộ điều khiển PID mờ để giữ thăng bằng cho xe đứng yên tại chổ
Phát triển thêm phần truyền động bánh sau để xe chạy đƣợc
Xây dựng thêm phần điều khiển bánh trước để xe có thể chuyển hường và giữ thăng bằng khi chạy mà không cần bánh đà giúp tiết kiệm năng lƣợng trong quá trình hoạt động Bánh đà lúc này chỉ có nhiệm vụ giữ thăng bằng khi xe đứng yên tại chổ.