Đồ án tốt nghiệp: Thết kế bộ điều khiển chuyển động cho robot 6 bậc tự do và sử dụng tín hiệu điện cơ

KHOA ĐIỆN-ĐIỆN TỬ BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG ĐỘC LẬP – TỰ DO – HẠNH PHÚC --o0o-- TP.Hồ Chí Minh, ngày…..tháng…..năm 2024 LỜI CAM ĐOAN Chúng tôi, nhóm thực hiện đề tài “Thiết kế bộ điều

TỔNG QUAN

Tình hình nghiên cứu

Với sự phát triển vượt trội của khoa học công nghệ từ những năm 2000, đã khai phá nhiều tiềm năng của robot trong đời sống và vấn đang có chiều hướng gia tăng nhanh chóng trong những năm gần đây

Hình 1-1 Thống kê số lượng lắp đặt với loại robot công nghiệp theo báo cáo mới nhất từ IFR

Số lượng robot được lắp đặt trong công nghiệp liên tục tăng, đặc biệt lả ở các khu vực Asian, với đầu tàu trong lĩnh vực sản xuất là Trung Quốc, trong năm 2022 theo hiệp hội IFR (International Federation of Robotics) đại diện cho ngành công nghiệp trên toàn thế giới số lượng robot mà các quốc gia Châu Á sở hữu chiếm khoảng 74% trên toàn thế giới chỉ riệng về loại hình robot công nghiệp Tại Việt Nam việc sử dụng cánh tay robot đang ngày một gia tăng trong ngành sản xuất ô tô (VINFAST, THACO,…), giáo dục (Đại học

Sư Phạm Kĩ Thuật, Đai học Bách Khoa HCM,…), trong các lĩnh vực về y tế (Bệnh viện Trung ương Quân Đội 108, ) Cho thấy rằng cánh tay robot có ở mọi nơi trong cuộc sống Tuy nhiên việc tiếp cận chỉ đang dừng lại ở vai trò sử dụng sản phẩm, để có thể bắt kịp tiến độ phát triển Việt Nam cần phải làm chủ các công nghệ về robot.Vì những lợi ích mà robot mang lại về độ ổn định, tính chính xác cao, khả năng hoạt động liên tục,… Robot đang ngày càng phát huy được vai trò hỗ trợ con người trong nhiều mặt đời sống

Hình 1-2 Ứng dụng của cánh tay robot trong đời sống, a) Robot hàn vật liệu, b) Chăm sóc cây trồng, c) Dạy học và tương tác, d) Robot gắp thả vật

Trước đây, khi đề cập đến các dạng robot nối tiếp với các bậc tự do ta thường nghĩ đến các loại robot có cấu trúc kiểu cánh tay phổ biến như robot công nghiệp PUMA 560, UR3,… Tuy nhiên nhằm phạm vi ứng dụng của robot đối với đời sống, nhiều cấu trúc robot mới được ra đời Một trong số đó là cơ cấu robot exoskeleton còn được gọi là khung xương ngoài, với cấu trúc mô phỏng cánh tay người vì vậy thiết kế robot cũng hết sức đa dạng Ứng dụng của robot exoskeleton rất đa dạng, từ lĩnh vực y tế, công nghiệp cho đến quốc phòng an ninh a) b)

Hình 1-3 Cấu hình robot khung xương, a) ANYexo, cre:Robot System Lab ETHzurich, b)

Exskeleton Yeecon, cre: Yeecon Company Bên cạnh đó việc sử dụng robot Exoskeleton được cho là phù hợp khi thực hiện tương tác trực tiếp với con người có tính ứng dụng trong các hệ thống giao diện người và máy

(HMI) Hiện tại, theo bộ Y tế Việt Nam cung cấp thống kê vào năm 2022 [1] cho thấy có khoảng 200.000 người bị mắc các đột quỵ hằng năm do sự cải tiến về y học và khoa học hiện đại phát triển đã giúp tuổi thọ của con người được nâng cao đáng kể, tuy nhiên điều kiện mội trường và mức sống được coi là chưa phù hợp dẫn đến ảnh hưởng sức khỏe của con người Vì vậy việc phát triển các robot để phù hợp áp dụng trong các lĩnh vực chăm sóc sức khỏe cộng đồng được cho là rất cần thiết trong thời điểm hiện nay

1.1.1 Tình hình nghiên cứu ngoài nước

Trên thế giới các dạng robot có cấu tạo khung xương đã xuất hiện được trong vài thập kĩ, trong tính linh hoạt và tương tác với con người, cấu hình robot khung xương đóng vai trò rất quan trọng Với sự xuất hiện của các dạng robot Exoskeleton Robot khung xương có thể được tìm thấy với đa dạng cấu hình cho các chi trên cơ thể con người là một dạng cơ cấu có cấu trúc đặc biệt và không theo bất kì tiêu chuẩn nào [2] Để thực hiện phận loại robot khung xương ta có thể dựa vào các khía cạnh khác như thiết kế cơ khí, cơ cấu chấp hành, loại hình điều khiển, hướng tiếp cận về điều khiển

Hình 1-4 Thống kê các nghiên cứu ứng dụng của robot Exoskeleton vào năm 2020 [3]

Với thống kê tại Hình 1-4, các ứng dụng của robot exoskeleton được ứng dụng trong các lĩnh vực về công nghiệp, y tế, quân đội trong đó tỉ trọng tập trung hầu hết trong y học với tỉ trọng chiếm khoảng 48.21%

Bảng 1-1 Phân loại các robot Exoskeleton

STT Phân loại Đặc điểm Hình ảnh

Robot với nhiều bậc tự do, có thể di chuyển trong không gian lớn, là dạng robot khung xương có thể ôm trọn chi trên, và có chức năng phục hồi trên toàn chi, trong hình bên gồm robot ARMin và robot CADEN7

Robot có các cơ cấu truyền động được thực hiện bằng cáp

Mang đến tín gọn nẹ trong quá trình thực thi nhiệm vụ

Với cấu trúc robot dạng xương được xem là một thiết bị đeo hỗ trợ hoặc tăng cường khả năng vận động của con người [6] Trong lĩnh vực y tế các robot, thực hiện tập lặp lại cách bài tập chuyển động cho các chi bị hư tổn nhằm kích thích các tín hiệu thần kinh mang đến cảm giác quen thuộc từ đó phục hồi các chức năng của bệnh nhân, hầu hết trong các ứng dụng phục hồi chức năng được ứng dụng rộng rãi trong lĩnh vực y tế trong bệnh viện giúp các bệnh nhân sau phẩu thuật hoặc xuất hiện trên các phòng tập trị liệu của các trung tâm thể thao giúp giảm tình trạng chấn thương nhằm từ đó vận động viên có thể tập thường xuyên cường độ cao và có thể nhanh lấy lại cảm giác sau khi bị chấn thương Trong lĩnh vực công nghiệp, robot còn có thể được sử dụng nhằm hỗ trợ lực và giảm thiểu các tai nạn trong lao động từ đó cải thiện hiệu suất làm việc Trong lĩnh vực về an ninh quốc phòng việc chế tạo các robot khung xương bọc quanh các chi có thể giúp cho các quân lính được bảo vệ tốt hơn, vận động cường độ cao bền bĩ hơn trên các chiến trường khắc nghiệt a) b) c)

Hình 1-5 Ứng dụng robot exoskeleton, a) Trợ lực hoạt động “Lucy” robot, b) Hỗ trợ tập phục hồi chức năng robot CRBH’s CoF, c) Exoskeleton robot trang phục cho quân nhân

Vì cấu trúc robot exoskeleton là đặc biệt chính vì vậy việc tính toán động học cho robot cũng là một vấn đề được quan tâm Với thiết kế robot exoskeleton 4 bậc tự do [7] nhóm tác giả thực hiện phương pháp giải động học nghịch sử dụng phương pháp giải tích, đồng thời đánh giá không gian làm việc của robot, thực hiện triển khai và điều khiển robot exoskeleton 4 bậc tự do thông qua bộ điều khiển chuyển động PD cho các khớp, ngoài phương pháp sử dụng phương pháp giải tích để tính toán động học nghịch, việc giải động học sử dụng phương pháp Jacobian hoàn toàn có thể thay thế phụ thuộc vào cấu hình robot khác nhau, với nghiên cứu thiết kế và phân tích cánh tay máy phục hòi chức năng cho chi trên nhiều phương thức điều khiển [8] với hướng tiếp cận sử dụng phương pháp đạt trục theo Denavit–Hartenberg cùng với đó sử dụng giải thuật Jacobian để giải bài toán động học nghịch cho robot Ngoài ra, phương pháp tiếp cận sử dụng phương pháp tính động học nghịch dựa trên các cơ cấu tương tự chi của người [9], tác giả Shuo Pei đã sử dụng phương pháp Pseudo-Inverse cùng với thuật toán suy giảm độ dốc để thực hiện tính toán động học nghịch sử dụng ma trận Jacobian với ưu tiên về hướng và có kết quả đạt được với sai số về hướng của cơ cấu chấp hành rơi vào 10  3 rad Phương pháp sử dụng phương pháp giải động học nghịch bằng ma trận Jacobian với sự ràng buộc về chuyển động của các khớp robot [10] của tác giả Stefano Dalla Gasperina, phương pháp giải động học sử dụng phép nghịch đảo từ phương trình Pseudo-Inverse và sử dụng phương pháp suy giảm độ dốc Gradient Descent để ràng buộc chuyển động các khớp, kết quả đạt được với sai số tối đa của hệ thống chỉ rơi vào khoảng 0.05 độ

Trong nhiều phương pháp được sử dụng để điều khiển từ xa robot, tín hiệu điều khiền bằng EMGs nổi lên như là một trong những phương pháp trực quan nhất, mô tả trực tiếp vận hành từ các chi tự nhiên của con người dựa trên các tín hiệu sinh học thu thập được [11], vì vậy khi người dùng không cần quá nhiều kiến thức để có thể thực hiện điều khiển một mô hình robot

Hình 1-6 Tổng quan về ứng dụng và kĩ thuật điều khiển của tín hiệu EMG [12]

Từ Hình 1-6, ta thấy rằng tín hiệu EMG được sử dụng phổ biến trong các lĩnh vực về điều khiển robot, chuẩn đoán bệnh tật và phục hồi chức năng cho thấy rằng ứng dụng EMGs có vai trò quan trọng trong các lĩnh vưc đặc biệt là về y tế công cộng, điều đó làm vai trò

Trang 6 của tín hiệu EMG có tiềm năng lớn đối với hệ thống sử dụng tín hiệu EMG Với thái cực còn lại các nghiên cứu tập trung vào xử lý các tín hiệu EMG thu thập được trong đó bao gồm các phương pháp xử lý và nhận dạng tín hiệu

Trong nghiên cứu về biện pháp can thiệp điều khiển robot dựa trên tín hiệu EMG của Yunxia Huo vào năm 2023 [13] nghiên cứu cho thấy sự can thiệp điều khiển bằng tín hiệu EMG có hiệu quá hơn với các phương pháp thông thường, nghiên cứu tập trung vào xác định các yếu tố về độ cứng của cơ, điều chỉnh cường độ và hạn chế hoạt động quá mức trong quá trình tập luyện Nghiên cứu phát triển hệ thống điều khiển từ xa cho robot di động sử dụng tín hiệu EMG của Stefano Bisi [14], đã thực hiện kết hợp tín hiệu EMG cùng với phần mềm mô phỏng Robotics Operating System (ROS) để thực hiện điều khiển chuyển động đói với hệ mobile robot Với nghiện cứu về thiết bị EMGs để thực hiện kết hợp giám sát ngưỡng của robot trong quá trình hoạt động của tác giả Ana Cisnal, đã áp dụng cho phần cánh tay trước của chi trên và đã có kiểm chứng với độ chính xác cao trong khả năng nhận thức hành vi, chuyển động của tay trong quá trình phục hồi

Hình 1-7 Các ứng dụng trong sử dụng tín hiệu EMG điều khiển robot phục vụ trong a) Vận hành từ xa và b) Hoạt động sản xuất

Mục đích và mục tiêu đề tài

Thực hiện điều khiển cơ cấu robot exoskeleton Nghiên cứu phương pháp giải động nghịch cho robot nối tiếp đa bậc, thực hiện điều khiển vòng hở robot sử dụng giao thức truyền thông CAN bus Nghiên cứu điều khiển một khớp robot sử dụng tín hiệu EMGs, đo đạc và xử lý tín hiệu không chắc chắn

- Thực hiện tính toán động học cho robot Exokeleton cho robot 6 bậc tự do

- Điều khiển chuyển động cho cánh tay robot

- Xây dựng modun truyền thông CAN bus

- Xử lý nhiễu có trên cảm biến EMGs

- Áp dụng bộ lọc Kalman chuyển đổi tín hiệu EMGs thành góc khớp và đánh giá khả năng ước lượng góc để điều khiển 01 khớp trên robot.

Phương pháp nghiên cứu

- Phân tích dữ liệu: sử dụng các công cụ Matlab, QTCreator hỗ trợ quan sát, thu thập và xử lý dữ liệu từ tín hiệu EMGs và các góc khớp của robot để vẽ các đáp ứng hệ thống và đưa ra một số đánh giá về kết quả của hệ thốn, kết hợp với các kết quả có được từ các bài báo khoa học trên Google Scholar để kiểm tra tính đúng đắn của kết quả

- Phân tích mô phỏng: dựa vào công cụ Simscape của Matlab Simulink để thử hiện mô phỏng kết quả tính toán từ phương pháp giải động học, đọc và điều khiển robot trong môi trường mô phỏng

- Phân tích thí nghiệm: dựa trên những kết quả đạt được, thực hiện các phép đánh giá cơ bản sử dụng các phương pháp RMS để đánh giá sai số, hoặc các phương pháp khác tham khảo được từ các bài báo để viết các đánh giá tổng quan về hệ thống

- Các tiêu chí đặt ra trong đánh giá bao gồm: kết quả lời giải động học, sai số tám của robot so với tín hiệu đặt, chất lượng của kết quả thu thập được từ các cảm biến của mô hình.

Giới hạn đề tài

- Đề tài chỉ thực hiện sử dụng mô hình robot có sẵn, không hiện cải thiện và đánh giá đối với mô hình cơ khí robot

- Các chương trình được nhóm sinh viên tự thiết kế nên chưa đảm bảo về tính tối ưu của hệ thống, độ ổn định và an toàn trong quá trình hoạt động chưa được kiểm định

- Chỉ giải quyết các vấn đề trong tính toán động học cho robot exoskeleton động cho robot cho cơ cấu chấp hành cuối

- Phương pháp dò tìm hệ số đang còn thực hiện thủ công, chưa tính toán hoặc áp dụng phương pháp tìm hệ số nâng cao

- Hệ thống chưa thực hiện kiểm định với các ứng dụng bài tập và độ chính xác hệ thống và không mang tải trong quá trình chuyển động

- Quỹ đạo chuyển động robot chỉ dựa trên một mẫu bài tập phục hồi và đưa ra các đánh giá liên quan về robot

- Chỉ sử dụng 01 cảm biến EMGs (đơn cực) và không can thiệp vào thiết kế có sẵn Cảm biến sử dụng còn thô sơ cùng với phương pháp cơ bản chưa có độ chính xác cao

- Góc chuyển đổi chỉ nhằm mục tiêu đánh giá khả năng ước lượng từ phương pháp thiết kế.

Giới thiệu nội dung

Các chương còn lại của mô hình gồm

Chương 2: Cơ sở lý thuyết

Trong chương này, các nội dung được trình bày bao gồm cở sở lý thuyết tính động học robot, cơ sở lý thuyết về mạng truyền thông CAN bus, lý thuyết về tín hiệu điều khiển sử dụng cảm biến điện cơ, lý thuyết xác định và lọc nhiễu cho tín hiệu EMGs

Chương 3 Thiết kế và thi công mạng truyền thông, tín hiệu EMGs

Trong chương này sẽ trình bày về thiết kế và thi công mạng CAN, thiết ế và thi công tủ điện điều khiển, giao diện thu thập dữ liệu và quan sát tín hiệu từ các cảm biến và từ bộ mã hóa thu thập được Với tín hiệu EMG thu thập được trình bày cách tín hiệu nhiễu sẽ được lọc và chuyển đổi thành giá trị điều khiển từ đó thiết kế thành bộ điều khiển cho robot

Chương 4: Tính toán động học hệ thống

Chương này sẽ thực hiện đặt trục cho robot trong không gian, tính toán động học thuận robot và tính toán động học nghịch sử dụng ma trận Jacobian có xác định hướng và một số phương pháp để tăng cường tính chính xác và khả năng giải của phương pháp

Chương 5 Mô phỏng hệ thống

Tại chương này các kết quả đã thực hiện từ trước sẽ được kiểm chứng và đánh giá qua công cụ Matlab Simulink, trong đó bao gồm các đáp ứng thu thập được từ phương pháp và dữ liệu được gửi lên từ bộ điều khiển EMGs

Chương 6 Thực nghiệm và đánh giá hệ thống

Chương trình sẽ trình bày tổng quan về quy trình đánh giá hệ thống và đánh giá mạng CAN, thực hiện và đánh giá phương pháp điều khiển trên mô hình, đồng thời quy trình an toàn cũng được thiết lập để đảm bảo sự cố trong quá trình thực hiện

Chương 7 Kết luận và hướng phát triển của đề tài

Trong phần này sẽ kết luận đề tài và trình bày về các điểm cần cải thiện cũng như các phương pháp có thể sử dụng để nâng cao hiệu suất của một hệ thống

CƠ SỞ LÝ THUYẾT

Tổng quan robot

Robot là những máy tự động, mô phỏng toàn bộ hoặc một phần hoạt động của con người Robot sinh ra để thay thế con người thực hiện các công việc phức tạp, nguy hiểm Mọi robot đều được điều khiển bởi một bộ não tương tự giống với chức năng của não người, đóng vai trò là trung tâm điều khiển chính của hệ thống được gọi là Micro-Computer gồm tập hợp nhiều vi mạch điện tử hoặc các máy tính kích thước siêu nhỏ có thể xử lý nhiều thông tin phức tạp với tốc độ phản hồi nhanh Robot có ưu điểm là đáp ứng được những công việc đòi hỏi sự lặp lại, tốc độ làm việc và chính xác cao, độ bền lớn Chúng thường được sử dụng trong các công việc lắp ráp, sản xuất, sửa chữa, làm việc trong các môi trường khắc nghiệt, độc hại, nguy hiểm

Động học robot

Mục đích của bài toán động học thuận là để xác định vị trí của cơ cấu chấp hành cuối của cánh tay robot khi biết trước được các góc quay của từng khớp Bên cạnh đó, sử dụng động học thuận ta có thể tìm được không gian làm việc tối đa của các khớp Các bộ phận trên tay máy robot là một chuỗi hở, trong đó các thành phần của cánh tay robot bao gồm các khâu (links) và các khớp chuyển động (joints) được dùng để liên kết các khâu của robot lại với nhau Với mỗi cặp khâu và khớp chuyển động ta có thể xác định được các tham số bao gồm

- Tham số là các giá trị không thay đổi trong quá trình làm việc của tay máy

- Biến là giá trị có thể thay đổi được trong quá trình chuyển động Ví dụ: đối với các khớp quay (Revolute joint), biến được xác định là góc quay của khớp Để biểu diễn sự thay đổi của các khớp liền kề nhau (giữa hệ trục i-1, i và hệ trục i+1) ta thực hiện phép biến đổi đồng nhất Theo quy tắc Denavit-Hartenberg cho phép tổng hợp các ma trận chuyển vị riêng thành một ma trận chuyển vị thuần nhất

Hình 2-1 Phương pháp đặt trục Modified Denavit-Hartenberg [22]

Hình 2-1, diễn tả phương pháp đặt trục được sử dụng, dựa theo phương pháp đặt trục

DH cải tiến, trong đó

- Góc lệch giữa hai trục khớp,  i  1 là góc lệch giữa z i  1 và z i được đo bởi trục x i  1

- Độ dài giữa khâu, a i  1 là khoảng cách tính từ hệ trục giữa z i  1 và z i được đo bởi trục

- Độ lệch khâu, d i là khoảng cách giữa x i  1 và x i được đo dọc theo trục z i

- Góc khớp,  i là góc lệch giữa hai trục x i  1 và x i được đo dọc theo trục z i

Từ phương pháp đặt trục trên, tổng hợp ta được ma trận chuyển đổi tổng quát từ hệ trục thứ (i-1) và (i) là

Ma trận chuyển đổi tống quát từ hệ trục tọa độ thứ (0) đến hệ trục tọa độ thứ (i) được thực hiện thông qua một chuỗi phép nhân lần lượt các ma trận chuyển vị thành phần

Sau khi thực hiện nhận các ma trận tại công thức (2.2), ta có được ma trận tổng hợp là nghiệm duy nhất của bài toán động học thuận của robot có dạng

R 3x3 là ma trận biểu diễn hướng của điểm đầu cuối so với toạ độ gốc;

P 3x1 là ma trận biểu diễn vị trí của điểm đầu cuối so với toạ độ gốc

Mục đích của việc giải bài toán động nghịch nhằm xác định các biến khớp của robot khi biết được tọa độ các điểm đầu cuối, một vài phương pháp đề giải bài toán động học nghịch gồm: Phương pháp giải đại số, phương pháp hình học và phương pháp số học thông thường Mỗi phương pháp đều có những ưu và nhược điểm riêng, tuy nhiên khi thực hiện giải động học nghịch cho các robot có cấu hình mới, đa bậc phương phải giải đại số lại có ưu điểm vượt trội hơn về tính tiếp cận, đơn giản trong tính toán Với cấu hình robot là hệ Exoskeleton, cần phải áp dụng phương pháp giải động học nghịch đặc biệt cho hệ

Cơ sở lý thuyết về phương pháp Jacobian

Hình 2-2 Miêu tả mối liên hệ giữa về vận tốc giữa hai hệ trục tọa độ liền kề nhau [23]

Từ Hình 2-2, vận tốc góc của khớp thứ (i+1) so với khớp thứ (i) được hình thành bởi vận tốc góc tự xoay của hệ trục thứ (i) và kèm thêm thành phần được tạo ra bởi vận tốc dài tại khớp thứ (i+1), được thể hiện qua phương trình (2.4)

Trong đó: thành phần  i  1 i  1 Zˆ i  1  0 0  i  1  T là thành phần tự xoay của khớp thứ (i+1) quanh chính nó và được thể hiện trên trục Z

Ma trận xoay thể hiện chuyển động xoay của khớp thứ (i+1) theo hệ quy chiếu thuộc trục thứ (i), vì vậy hai thành phần về vận tốc góc được thêm vào trong hệ đang xét Bằng các nhân cả hai về của phương trình (2.4) cho phép xoay từ hệ tọa độ thứ (i) vể hệ tọa độ thứ (i+1) i+1 i R, ta sẽ tìm được vận tốc góc của khâu thứ (i+1) dựa trên khớp thứ (i+1):

Vận tốc tuyến tính của khâu thứ (i+1) được tạo ra từ vận tốc tuyến tính của hệ tọa độ thứ (i) và thành phần vận tốc xoay của khâu thứ (i) được biểu diển thông qua phương trình

Trong đó: i P i  1 là vị trí được lấy từ ma trận chuyển vị trổng quát giữa hai hệ trục tọa độ (i+1) và (i) thể hiện chiều dài của khâu thứ i Tương tự với biểu thức (2.5) ta thực hiện nhân cả hai vế của phương trình với ma trận xoay i+1 i R ta có phương trình miêu tả vận tốc tuyến tính của khâu thứ (i) so với hệ tọa độ thứ (i)

2.3.1 Jacobian thông qua phân tích hình học

Mỗi khớp chuyển động có thể được chia thành hai dạng chuyển động cơ bản gồm khớp tịnh tiến hoặc khớp xoay của robot cùng với hệ trục tọa độ được đạt trên nó [24] Nếu khớp thực hiện chuyển động là khớp tịnh tiến thì vị trí của cơ cấu chấp hành phụ thuộc vào độ mở rộng của khớp, ngược lại với khớp xoay (revolute joint) vị trí và hướng của cơ cấu chấp

Trang 14 hành dựa trên chiều dài của thanh nối giữa khớp xoay và cơ cấu chấp hành và hướng phụ thuộc vào góc quay của khớp

Trong đó: J 6 xn là a trận Jacobian có kích thước R 6xn , với n là số khớp cấu thành của robot

Ngõ ra được biểu diễn theo hai thành phần vector vận tốc tịnh tiến của cơ cấu chấp hành

  v n 0 và vận tốc góc quay của các khớp    n 0 q nx 1 là tốc độ của khớp

Hình 2-3 Mô tả khớp xoay trong phương pháp Jacobian hình học

Ta [25] chuyển động quay của khớp được mô tả thông qua công thức về vận tốc tuyến tính của khớp khi chuyển động đối với khớp tịnh tiến

Với khớp xoay quanh trục, từ Hình 4 ta có được vị trí của khớp xoay và vị trí của cơ cấu chấp hành cuối đến hệ tọa độ cố định Từ đó có được vector từ cấu cấu chấp hành đến khớp cần xét, vậy ma trận Jacobian về vận tốc tuyến tính được tính bằng các lấy tích chéo giữa chuyển động tịnh tiến và chuyển động xoay của khớp như công thức sau

P n và P n 0  1 với kích thước R 3 1 x lần lượt là vị trí tuyệt đối giữa hệ tọa độ n và (n-1) so với hệ tọa độ gốc

R i  có kích thước R 3 3 x là ma trận xoay từ hệ tọa độ (i-1) về hệ tọa độ gốc

Ma trận Jacobi được biểu diễn như sau

J  ,i là ma trận về tốc độ góc của khớp có kích thước ma trận là 3x1

J v i là ma trận về tốc độ tuyến tính của khớp có kích thước ma trận là 3x1

Bảng 2-1 Bảng công thức lời giải cho ma trận Jacbian cho từng thành phần tại một khớp

Khớp quay Khớp tịnh tiến

Ma trận Jacobian cho vận tốc tuyến tính   J v i , , 0 1  0 0 1 

Ma trận Jacobian cho vận tốc góc   J  ,i , 0 1

Có hai dạng khớp quay chính trong chuyển động gồm khớp tịnh tiến và khớp xoay tùy thuộc vào cơ cấu chấp hành được xây dựng ta sẽ có bảng thống kê Bảng 2-1 Với mỗi khớp hoặc cơ cấu chấp hành trên robot ta có thể xây dựng được một ma trận Jacobian gồm thành phần gồm vị trí và vận tốc của khớp đó

J v,i R là ma trận có kích thước 3x1 thể hiện vị trí của khớp tại một thời điểm

J ω,i R là ma trận có kích thước 3x1 thể hiện vận tốc góc của khớp tại một thời điểm

Công thức sử dụng Jacobian Transpose được biễu diễn như sau

Với là hệ số xấp xỉ của phương trình, tuy nhiên phương pháp vẫn có hạn chế rất lớn trong việc tính toán do phép toán của phương trình (2.13) chỉ thực hiện được với các ma trận vuông dẫn đến hạn chế trong các điều kiện hoạt động của robot

Công thức phương pháp Pseudo-Inverse [26] được biểu diễn như sau

Trong đó ma trận J  là ma trận Jacobian được tính từ phương pháp có kích thước ma trận là n m  (n hàng và m cột) vì chi tiết, biểu thức được tính từ phương pháp Pseudo inverse được thể hiện thêm thành phần

Trong đó thành phần I  J J    là hình chiếu trong không gian rỗng với  là một vector được chọn bất kì phục thuộc vào kinh nghiệm người thiết kế, với thành phần này robot có thể hạn chế được các chuyển động rơi vào điểm kì dị J   J T   JJ T  1 là ma trận

Jacobian được tính từ phương pháp đề cập

Tuy nhiên trong phương pháp Pseudo-inverse có nhược điểm là khi di chuyển không gian rộng, mở rộng không gian làm việc vẫn còn nhiều hạn chế do mắc phải các điểm kì dị dẫn đến robot có thể chuyển động không mượt hoặc có thể hư cơ cấu vượt ngoài không gian làm việc cho phép Chỉnh vì vậy cần phải thực hiện cải thiện lời giải từ phương pháp

2.3.4 Phương pháp Damped – Least Square (DLS)

Phương pháp Damped Least Square được sử dụng để giải quyết nhiều vấn đề của phương pháp giải ma trận Jacobian thông thường, cải thiện đáng kể việc gặp các điểm kì dị trong không gian làm việc lớn Mục đích của phương pháp DLS là dò tìm độ lệch  được dùng để tối ưu cực tiểu cho biểu thức J  e 2  2  2 , trong đó J là ma trận Jacobian, 0là hệ số học/ hệ số giảm chấn của biểu thức được hiệu chỉnh dựa trên hệ số của robot, giá trí của  càng cao độ hội tụ càng chậm và nếu càng thấp điểm kì dị sẽ càng gần, e là sai số của các thành phần phản hồi từ chương trình tính động học vòng lặp Jacobian và các giá trị tham chiếu, gồm các thông số và vị trí và hướng của robot

Trong quá trình tính động học nghịch bằng Pseudo-Inverse để hạn chế tình trạng không nghịch đảo được của ma trận do hệ thống bắt gặp các trường hợp robot rơi vào điểm kì, robot không giải được nghiệm dẫn đến thiếu hụt về hạng của một hoặc nhiều bậc của robot, phương trình tính ma trận Jacobian nghịch đảo được điều chỉnh như sau

Từ phương trình (2.16) ta tìm được độ thay đổi của các góc khớp

Bên cạnh phương pháp DLS được sử dụng để mở rộng khả năng làm việc và hạn chế điểm kì dị của lời giải Jacobian, bên cạnh đó với sự hộ trợ của thuật toán suy giảm độ dốc, một thuật toán tìm lời giải tối ưu đơn giản được áp dụng trong trí tuệ nhân tạo Thuật toán có thể tìm được lời giải cực trị toàn cục gần nhất

Hình 2-4 Mô tả thuật toán Gradient Descent cho việc tìm lời giải toàn cục cho hệ thống

Viết lại biểu thức (2.15) dưới dạng

J   J JJ  là ma trận nghịch đảo sử dụng Pseudo_Inverse

 I  J J   là ma trận hình chiếu lên không gian rỗng

 là một vector bất kì

 I  J J    thường là một nghiệm đồng nhất có hướng trực giao với thành phần J x  e nên thường không có đóng góp và tốc độ chuyển động của cơ cấu cuối.Với phương pháp sử dụng Gradient,  được thay thể bằng k H     với  H    là Gradian vector của biểu thức H   

Với biểu thức (2.20) là mô tả thuật toán suy giảm độ đốc k là hệ số học dùng để điều chỉnh độ thay đổi của ma trận Jacobian

J x  e đại diện cho chuyển động của toàn bộ các khớp để đạt được vị trí mong muốn

    k IJ J  H  thể hiện cho chuyển động tự quay quanh của robot thường được sử dụng cho các robot dẫn động dư

 Phương pháp chọn hàm Homogenerous:

Quy hoạch quỹ đạo cho robot

Quy hoạch quỹ đạo là thực hiện tạo ta các tín hiệu tham chiếu cho bộ điều khiển để robot đi chuyển theo thời gian nhằm thực hiện các tác vụ, nhiệm vụ mà người dùng mong muốn Trong phương pháp quy hoạch quỹ đạo bao gồm hai phương pháp chính gồm quy hoạch quỹ đạo theo không gian làm việc và không gian khớp, mỗi dạng quỹ đạo sẽ có từng ưu nhược điểm riêng trong quá trình thực hiện các tác vụ, các ưu nhược điểm tùy thuộc vào hệ thống được áp dụng, được thể hiện thông qua Hình 2-5 và Bảng 2-2

Hình 2-5 Phương pháp quy hoạch theo không gian khớp Bảng 2-2 Bảng so sánh ưu nhược điểm của phương pháp quy hoạch quỹ đạo

Không gian làm việc Không gian khớp Ưu điểm - Chuyển động có thể dự đoán

- Có khả năng tránh chướng ngại vật và va chạm

- Tốc độ thực hiện nhanh hơn

- Chuyển động cơ cấu trơn tru dể xác định hơn

Nhược điểm - Thực hiện chậm hơn

- Chuyển động cơ cấu truyền động khó xác định

- Các yêu cầu về vị trí và quỹ đạo kém chính xác hơn

- Không đảm bảo về quy tác va chạm và các giới hạn Áp dụng trong mô hình robot khưng xương 6 bậc tự do phổ biến trong các ứng dụng về hỗ trợ phục hồi chức năng tương tác với người bệnh việc theo dõi chuyển động riêng biệt của từng khớp là rất cần thiết để xây dựng một lộ trình đáng tin cậy, bênh cạnh đó chuyển động của các bài tập hỗ trợ kèm theo cần được thực hiện một cách mượt mà và đảm bảo về các tư thế chuyển động vốn là vấn đề cần thiết khi thực hiện chuyển động robot trong không gian rộng lớn Chính vì vậy, ưu điểm của phương pháp quy hoạch theo không gian khớp là phù hợp với đối tượng

Chương trình quy hoạch quỹ đạo dạng điểm – điểm là quỹ đạo dạng đường thẳng được thực hiện theo thời gian Với nhiệm vụ ràng buộc về vị trí, vận tốc và gia tốc, đề tài lựa chọn phương pháp quy hoạch quỹ đạo của robot theo đa thức bậc 5, với các mẫu về điểm và hướng được thực hiện lấy mẫu dựa trên bài tập phục hồi thực tế được thực hiện theo thời gian Phương trình có dạng

Từ phương trình (2.22) thực hiện đạo hàm theo thời gian ta được

Muốn vị trí của cơ cấu chấp hành di chuyển theo lộ trình cho trước, các thành phần tại đường đi sẽ gồm có thông tin về vị trí và hướng của cơ cấu chấp hành cuối, vì vậy ta cần phải giải bài toán động học ngược để cung cấp các biến khớp điều khiển cho các khớp Các điều kiện ban đầu cho lời giải về vị trí và vận tốc lần lượt là

- Tại thời điểm ban đầu: 0,     0 ,d   0 0, d   0 0 t t q t q t q t v v t a dt dt

- Tại thời điểm kết thúc: t t q t f ,   q t   f , d q t   f v f , d v t   f a f dt dt

Từ các biểu thức (2.22) và (2.23) hệ phương trình miêu tả điểm đầu và cuối như sau

Giải hệ phương trình (2.26) từ đó ta có các hệ số của phương trình được biểu diễn theo thời gian như sau

Từ cơ sở lý thuyết trên ta có thể tổng hợp lại thuật toán quy hoạch quỹ đạo được thực hiện theo các bước sau:

Thuật toán: Quy hoạch quỹ đạo theo không gian khớp với chuyển động phương pháp điểm – điểm

Bước 1: xác định các giá trị vị trí và hướng robot muốn đến

Bước 2: thực hiện tính động học nghịch để tìm các giá trị về góc khớp của robot

Bước 3: cập nhật dữ liệu các điểm cần quy hoạch

Bước 4: nhập các thông số gồm vị trí, vận tốc, gia tốc với các tọa độ điểm đầu và điểm cuối theo các biểu thức (2.24) và (2.25)

Bước 5: tìm hệ số của các phương trình (2.26) dựa trên các thông số về điểm đầu cuối được chọn với công thức(2.27)

Bước 6: thay các hệ số vừa tìm được tại Bước 5 vào các phương trình về vị trí (2.26) ta có phương trình thay đổi góc theo thời gian được xem là quỹ đạo chuyển động của từng khớp.

Cơ sở lý thuyết về mạng CAN bus

Hiện nay có rất nhiều chuẩn truyền thông được sử dụng trong giao tiếp tín hiệu MODBUS, EtherCAT, Ethernet(LAN, RJ45),… Chuẩn kết nối CAN bus nổi lên như là một chuẩn truyền thông trong công nghiệp được phát triển rỗng rãi CAN – Controller Area Networks được phát triển bởi công ty BOSCH, dữ liệu sẽ được truyền nhận thông qua hai kênh gồm CAN high và CAN low Giao thức được phát triển nhằm áp dụng lên các hệ thống ôtô nơi có hiện tượng nhiễu điện từ cao

CAN Module CAN HIGH CAN LOW

CAN Module CAN HIGH CAN LOW

Hình 2-6 Tổng quan về giao tiếp CAN giữa hai Module liền kề qua giao thức CAN Bus

Từ Hình 2-6, cấu trúc mạng CAN sẽ được chia thành 3 phần chính tương ứng với mỗi node trong hệ thống gồm:

- Bộ vi điều khiển sẽ có chức năng xử lý dữ liệu, phát tín hiệu hoặc nhận xử lý dữ liệu khi có sự kiện trao đổi giữa các node có trong hệ thống

- Bộ thu phát CAN, trong đó sẽ có chức năng chuyển đổi dữ liệu nhận được từ các vi điều khiển thành thông tin được giao tiếp, khi chưa có thông tin các tín hiệu điện áp đo được sẽ ở mức giá trị trung bình, khi có dữ liệu gửi hoặc nhận từ các module chênh lệch điện áp giữa hai kênh dẫn CANH và CANL theo sẽ tạo ra các bit nhị phân 0 và

Bảng 2-3 Thông số kỹ thuật CAN 2.0

Kích thước dữ liệu Tối đa 8 byte/Frame

Tốc độ truyền Tối đa 1Mbps trong phạm vi 40m

Phạm vi tối đa 6 km với tốc độ 10Kbps

Số node tối đa 127 node

Phương pháp tránh xung đột dữ liệu Dựa trên ưu tiên của ID gói tin

Phương pháp đọc tín hiệu trên bus Dựa trên sự chênh lệch điện áp 2 dây CAN Với các thông tin được tổng hợp từ Bảng 2-3, có một vài điểm mạnh của giao thức truyền thông CAN bao gồm:

- Phương thức truyền thông không quá phức tạp, chỉ có 2 dây được sử dụng để truyền và gửi dữ liệu, dữ liệu được xác định tại các Node thông qua từng địa chỉ được cấu hình riêng, tiết kiệm được không gian trong hệ thống

- Tốc độ truyền nhanh với tần số cao khoảng 1MHz diều này dẫn đến các tín hiệu gửi và nhận từ mạng CAN gần như không có sự trì hoãn, khoảng cách truyền tải dữ liệu lớn khoảng

- Cơ chế phát hiện lỗi từ hệ thống, khi các dữ liệu gửi đến các node trong hệ thống với thông tin thuộc 1 hoặc nhiều node gặp sự cố các node còn lại vẫn có thể hoạt động bình thường

- Tối ưu hiệu suất truyền tải, chi phí thấp, dể tiếp cận và được hỗ trợ rộng rãi trong nhiều vi điều khiển hiện có trên thị trường

- Dể dàng tháo lắp và nâng cấp

R IDE r DLC Data field CRC field DE

Khung truyền dữ liệu CAN tiêu chuẩn

Trường xác định quyền ưu tiên

Trường kiểm tra dữ liệu

Hình 2-7 Khung truyền dữ liệu CAN tiêu chuẩn

Dữ liệu truyền nhận trong CAN bus được cấu trúc theo một khung truyền cố định, trong đó gồm có nhiều trường chức năng khác nhau được miêu tả thông qua Bảng 2-4

Bảng 2-4 Bảng thống kê cấu trúc gói tin trong mạng CAN bus 2.0

Tên trường Kích thước Chức năng

Trường bắt đầu 1 bit đánh dấu bắt đầu của khung dữ liệu Trường xác định quyền ưu tiên

12 bits xác định ưu tiên truyền dữ liệu giữa các nút trên mạng

Trường điều khiển 6 bits điều khiển quá trình chuyền và xác nhận dữ liệu

Trường dữ liệu 0 - 8 bytes Chứa dữ liệu cần truyền hoặc nhận Trường CRC 16 bits Kiểm tra tổ hợp của dữ liệu để phát hiện lỗi truyền thông

Trường ACK 2 bits Xác nhận nhận dữ liệu thành công

Trường kết thúc 7 bits đánh dấu kết thúc của một khung truyền Tại chương trình đang sử dụng, nhóm thực hiện cầu hình CAN bus theo tiêu chuẩn 2.0 theo định dạng tiêu chuẩn mà trong đó hai trường “xác định quyền ưu tiên” và “điều khiển” được cấu hình theo dạng tiêu chuẩn trong đó các thông tin được cấu hình như sau:

- Trường xác định quyền ưu tiên

+ Bit Identifier: Chứa địa chỉ ID của khung truyền

+ Bit RTR: dùng để phân biệt cách thức truyền xác định giữa hai chế độ Data frame hay Remote frame

+ Bit IDE: bit xác định khung chuyền ở chế độ tiêu chuẩn hay mở rộng, bit được cấu hình trực tiếp trong quá trình lập trình

+ Bit DLC: bit cấu hình số bytes được cho phép truyền đi trong dây tín hiệu (cấu hình tối đa được 8 bytes trong một lần truyền).

Tổng quan về tín hiệu EMGs

Electromyography (EMG) là quá trình đo đạc các hoạt động điện dược sản xuất từ các bó cơ trong quá trình hoạt động của cơ thể hay cụ thể hơn là tại vị trí vận động mà cảm biến được đính lên [29] được đo thông qua da hoặc can thiệp trực tiếp vào các mô cơ Các ý định về chuyển động được trích xuất giải mã từ tín hiệu EMG được sử dụng cho các hệ thống điều khiển trực quan [30] và các giao diện nhận dạng cử chỉ [31] a) b)

Hình 2-8 Giao diện tương tác người – máy sử dụng tín hiệu EMG, a) tương tác trong ứng dụng phục hồi chức năng[32], b) tương tác người máy trong chia sẽ công việc [33]

Trung ương thần kinh hay còn được gọi là hệ thần kinh là nơi tập trung các yêu cầu về chuyển động của cơ thể, có khả năng điều phối và điều khiển nhiều chức năng quan trọng của cơ thể bao gồm chuyển động cơ bắp, cảm giác, hoạt động nhận thức, điều hóa chức năng nội tạng, cảm xúc hành vi và phản xạ của cơ thể Cấu tạo cùa trung tâm thần kinh chỉ yếu là não và tủy sống được trải dài khắp cơ thể và có mạng lưới dày đặc

Hình 2-9 Hoạt động truyền tải thông tin của trung ương thần kinh trong quá trình vận động cre:

Với những miêu tả tại Hình 2-9, hoạt động truyền tải có sự can thiệp gồm các bên như trung tâm thần kinh (não và tủy sống), các đơn vị kích hoạt cơ (motor unit) và các sợi cơ Khi có ý định chuyển động hệ thần kinh bắt đầu từ não sẽ thực hiện chuyển đổi thành các thông tin trong tín hiệu điện sau đó sẽ được truyền dẫn dựa trên khung dẫn truyền thần kinh thông qua tủy sống phân phối đến các đơn vị kích hoạt cơ là tập hợp nhiều sợi cơ được gọi là các bó cơ và cuối cùng thông tin sẽ đến các sợi cơ nhỏ được xem là đơn vị hoạt động

Hình 2-10 Mô tả dẫn truyền thần kinh đến tín hiệu EMG

Tín hiệu này phụ thuộc vào cấu tạo giải phẫu cũng như kích thước bó cơ của mỗi người nên nó được đánh giá là tín hiệu phức tạp và khó xử lí [34] Ngoài ra độ chính xác khi thu thập tín hiệu này còn phụ thuộc nhiều vào loại điện cực cảm biến, vị trí đặt điện cực lên bó cơ, liên kết giữa điện cực với vị trí cần đo,…

Tín hiệu điện cơ chưa qua xử lí có biên độ khá nhỏ (0-2) mV với dải tần số nằm trong khoảng (0-1000) Hz Trong đó, dải tần số (20-500) Hz chứa nhiều thông tin như tư thế bộ phận cơ thể, tốc độ chuyển động của bộ phận,… thường được trích xuất và xử lí nhằm mục đích điều khiển hay chẩn đoán tình trạng của bó cơ Để thực hiện áp dụng tín hiệu EMG trong điều kiện với sự can thiệp rất nhiều từ nhiễu môi trường ta cần thực hiện các quy trình được miêu tả như Hình 2-11

Xác định vị trí đặt điện cực

Bộ khuếch đại tín hiệu EMG

Bộ lọc tín hiệu EMG signal

Mô hình ước lượng Đánh giá

Hình 2-11 Sơ đồ tổng quát xử lý tín hiệu EMG

Phương pháp xác định vị trí đặt điện cực

Để sử dụng cảm biến EMG vấn đề quan trọng cần tìm hiểu là về vị trí đặt của cảm biến, như đã biến hệ thống dẫn truyền thần kinh trong cơ thể rất phức tạp việc đặt cảm biến sai vị trí có thể dẫn đến tín hiệu bị sai [35], cùng với đó như đã được đề cập các tín hiệu EMG có biên độ điện áp khá nhỏ do đó việc đặt lệch hoặc sai vị trí cảm biến cũng dẫn đến nhiễu mạnh do chịu tác động từ nhiễu của môi trường nhiều hơn sơ với tín hiệu được đọc Các yếu tố cần xem xét trong quá trình thực hiện bao gồm các tác nhân sau

Bảng 2-5 Các ảnh hướng khi thực hiện tìm vị trí đặt cảm biến

Vấn đề Định nghĩa Phương thức ảnh hướng đến tín hiệu EMG

Các đĩa hoặc dây đeo chặt có thể hạn chế độ đàn hồi của da và tạo ra các hiện vật do các chuyển động vi mô

Khi đeo quá chặt, cảm biến có thể không gieo được sự dịch chuyển của cơ, nên các chuyển động nhỏ trong cơ cũng có thể gây nhiễu Điện cực

Sự phân bố không đều điện áp dưới lớp da được dán điện cực, trong khi giá trị cảm biến đọc được là giá trị trung bình

Kết quả cho ra không đồng đều và có thể bị mất dữ liệu có ích

Kích thước của mỗi điện cực, tùy vào loại tiếp xúc và hình dạng mà ảnh hưởng khác nhau đến tín hiệu sử dụng

Khoảng các giữa hai điện cực càng lớn thì khoảng cách dò được tín hiệu có thể tốt hơn, tuy nhiên lại dể gặp nhiễu chéo khi chuyển động

Trọng tâm giữa hai điện cực

Khoảng cách giữa các tâm của hai điện cực liền kề

Vùng không gian hoạt động

Vùng không gian mà một cảm biến có thể phát hiện sự hiện diện hoặc thay đổi của một hiện tượng hoặc bất kỳ tín hiệu nào khác mà nó được thiết kế để đo lường

Vùng hoạt động càng xa trọng tâm tín hiệu càng yếu dể bắt nhiễu

Là hiện tượng trong đó tín hiệu truyền qua một kênh hoặc đường dẫn bị nhiễu bởi tín hiệu từ kênh hoặc đường dẫn khác gần đó

Là khái niệm về coworking giữa các bó cơ không liên quan gây nhiệu đến tín hiệu Điểm nối giữa các dây thần kinh

Là vùng trên bề mặt của cơ bắp nơi mà các sợi thần kinh tương tác trực tiếp với cơ bắp để kiểm soát các hoạt động cơ bản như co rút và nới lỏng

Là hiện tượng dịch chuyển điểm tiếp xúc hoặc độ lệch giữa cơ và bề mặt da thay đổi trong quá trình chuyển động

Cảm biến điện cơ là thiết bị thu thập tín hiệu điện sinh ra trong quá trình hoạt động của hệ thống cơ xương trong cơ thể người, là dạng tín hiệu không chắc chắn [36] Việc lựa chọn vị trí đặt chính xác của cảm biến lên bó cơ cần thí nghiệm là điều tiên quyết trong các ứng dụng điều khiển và đánh giá sử dụng tín hiệu điện cơ Nếu các điện cực cảm biến đặt tại vị trí không chính xác, tín hiệu EMG thô thu được sẽ bị ảnh hưởng bởi nhiễu chuyển động trong quá trình thí nghiệm từ các bó cơ xung quanh [37], từ đó dẫn đến việc sai số cho tín hiệu ngõ ra như một phản ứng dây chuyền Từ phạm vi thực hiện đề tài nhóm chọn thực hiện đo đạc chuyển động dựa trên khớp khuỷu tay a) b)

Hình 2-12 Động tác của cánh tay, a) Động tác duỗi, b) Động tác gập Đối với tín hiệu đo tại bó cơ Biceps, điện cực của cảm biến được đặt trực tiếp lên da tại đường thẳng giữa xương đòn trước và trục khớp khuỷu tay với 1/3 khoảng cách từ trục khớp khuỷu tay, hướng điện cực nằm theo đường thẳng trên, cực tham chiếu được gắn trên/xung quanh cổ tay.[38]

Hình 2-13 Vị trí đặt cảm biến điện cơ, a) Cấu tạo cơ tham gia quá trình gâp/duỗi cánh tay, b) Vị trí đặt lên cơ Biceps Các đặc điểm của tín hiệu EMG [36] gồm có:

- Biên độ tín hiệu: 0-10 mV (Peak-Peak), 0 – 1.5mV (RMS)

- Tần số hoạt động: 0-500 Hz

Lý thuyết xử lý nhiễu tín hiệu

2.8.1 Phân tích theo miền thời gian

Phân tích tín hiệu theo miền thời gian là một kỹ thuật trong xử lý tín hiệu, tập trung vào việc nghiên cứu tín hiệu như một hàm số của thời gian Mục tiêu chính là xác định các đặc tính quan trọng như biên độ, tần số, pha và các thay đổi của tín hiệu theo thời gian

Hình 2-14 Ví dụ về tín hiệu được thu thập theo thời gian

Trong kĩ thuật phân tích tín hiệu này, ta sẽ thấy được các đặc tính về biên độ của tín hiệu theo thời gian, ngoài ra ta có thể quan sát đánh giá giữa hai dự liệu trước và sau một cách cụ thể, với hệ thống có nhiễu tác động, ta có thể thấy được mức độ ảnh hưởng của nhiễu gây lên đối với tín hiệu đang xét Kĩ thuật phân tích theo miền thời gian thường được sử dụng trong giám sát hoạt động của các hệ thống lớn

2.8.2 Phân tích theo miền tần số

Khi xét đến các hệ thống lớn có mức ảnh hưởng cao đến các tín hiệu khi hoạt động, cụ thể hơn về nhiễu xảy ra trong môi trường việc phân tích chỉ dựa vào thời gian không đánh

Trang 27 giá được về những khía cạnh khác của tín hiệu được phản hồi trong đó các yếu tố ngoại vi bao gồm tần suất của các tín hiệu có lợi và tín hiệu nhiễu, phổ tần số của các thiết bị sử dụng, và ngoài ra việc xác định có thể chỉ định chính xác tác nhân gây nhiễu khi thực hiện các thử nghiệm kèm theo Chính vì vậy, phân tích tín hiệu trong miền tần số có vai trò rất quan trọng

Hình 2-15 Phân tích tín hiệu trong miền tần số với tín hiệu mẫu

2.8.3 Biến đổi Fourier Transform (FT)

Fourier Transform là một công cụ toán học quan trọng trong xử lý tín hiệu và phân tích tần số Nó được sử dụng để chuyển đổi một tín hiệu từ miền thời gian sang miền tần số từ đó chúng ta có thể phân tích một tín hiệu phức tạp thành các thành phần cơ bản hơn, gồm các tần số khác nhau và biên độ

Hình 2-16 Mô tả quá trình phân tích giữa hai miền

Biến đổi Fourier có thể:

- Xác định năng lượng tại tần số cụ thể

- Xác định mức độ nhiễu và các hài bậc cao trong hệ thống

- Xác định được phổ tần số hoạt động tối ưu của thiết bị

Phương trình chuyển đổi thuận Fourier transform

Phương trình chuyển đổi nghịch Fourier transform

2.8.4 Rời rạc hóa Discrete Fourier Transform (DFT)

DFT được ứng dụng phổ biến trong các phương pháp xử lý tín hiệu nhằm rời rạc hóa tín hiệu để thực thi chương trình trong những thời gian rời rạc

Giả sử ta có k n N,  * , lần lượt là thời điểm của hai phương trình được biểu diễn liên tục theo hai miền thời gian f t  và miền tần số F s  , T là thời gian lấy mẫu của dữ liệu và s 0là tần số lấy mẫu của dữ liệu

Biên độ của tín hiệu theo miền thời gian được xác định

Biên độ của tín hiệu theo miền tần số theo biểu thức sau

T0 là tổng thời gian thực hiện lấy mẫu

N0 là số lượng mẫu lấy được

Tần số lấy mẫu của phương pháp được xác định thông qua công thức

Từ dữ kiện với số lượng mẫu lấy được trong cùng một thời gian ta xác định được chu kì của một mẫu có trong hệ thống là

Biến đổi Fourier theo chiều thuận như Hình 2-16 Fourier rời rạc được biểu diễn như biểu thức

 là hệ số của ma trận của thuật toán Discrete Fourier Transform có kích thước R N ×N 0 0 Biểu thức được viết lại dưới dạng ma trận như sau

2.8.5 Phương pháp thiết kế các bộ lọc chủ động Để thực hiện thiết kế bộ lọc thông thấp và thông cao cho hệ thống ta cần thực hiện các bước sau

Bước 1: Tìm biên độ đáp ứng của bộ lọc

Với bộ lọc thông thấp biên độ đáp ứng Butterworth được trình bày theo công thức

Ngược lại bộ lọc thông cao biên độ đáp ứng Butterworth được trình bày như sau

Với: Mhp là biên độ đáp ứng, f là tần số lấy mẫu, fc là tần số cắt, n là bậc của bộ lọc Giá trị tần số chuẩn bị được tính toán theo công thức

Với: là tần số chuẩn bị, f là tần số cắt, fc là tần số lấy mẫu

Bước 2: Tìm hàm truyền cho hệ thống trong miền tần số s

Hàm truyền cho bộ lọc Butterworth theo miền liên tục s được trình bày dưới dạng:

Với D(s) là mẫu số chuẩn hoá theo giá trị bậc của bộ lọc [39]và đặt biến s s

Bước 3: Rời rạc hóa tín hiệu

Sau khi biểu diễn hàm truyền của bộ lọc theo miền S, ta thực hiện chuyển đổi hàm truyền từ miền S sang miền rời rạc Z bằng cách đặt

Khi đó hàm truyền của bộ lọc trong miền rời rạc Z sẽ được biểu diễn dưới dạng:

Bước 4: Biến đổi nghịch đạo trong miền Z rời rạc

Ta tiếp tục phép biến đổi nghịch trong miền Z với biểu thức (2.42) thu được:

Với: y[n] là tín hiệu ngõ ra hiện tại, y[n-1] là tín hiệu ngõ ra tại thời điểm lấy mẫu trước thời điểm thu tín hiệu y[n], x[n] là tín hiệu ngõ vào hiện tại, x[n-1] là tín hiệu ngõ vào tại thời điểm lấy mẫu trước thời điểm thu tín hiệu x[n]

Tổng quan về quy trình thiết kế bộ lọc Butterworth bậc 4

Bước 1: Chọn biểu thức để thiết kế đáp ứng biên độ của tín hiệu sử dụng biểu thức (2.36) với thiết kế bộ lọc thông thấp và (2.37) đối với thiết kế bộ lọc thông cao

Bước 2: Xác định hàm truyền hệ thống liên tục trong miền tần số với công thức (2.39) Bước 3: Rời rạc hóa tín hiệu để biểu diễn phương trình xử lý trong các vi điều khiển với công thức (2.42).

Phương pháp chuyển đổi và xử lý dữ liệu

2.9.1 Phương pháp Zero Crossing tách ngưỡng

Phương pháp Zero Crossing là một trong những phương pháp trích xuất đặc trưng tín hiệu trong miền thời gian được sử dụng để phân tích đặc trưng của tín hiệu điện cơ Phương pháp này dựa trên tổng số lần tín hiệu điện cơ thay đổi biên độ theo điều kiện đặt trước trong cửa sổ dữ liệu cố định trên tập dữ liệu Phương pháp Zero Crossing được biểu diễn như công thức (2.44) và (2.45)

- ZC là tổng số lần biên độ tín hiệu thay đổi phù hợp với điều kiện đặt trước

- N là độ dài của cửa sổ dữ liệu dùng để trích xuất dữ liệu

- Threshold là ngưỡng đặt trước để làm điều kiện trích xuất dữ liệu

- xi là dữ liệu EMG tại thời điểm i

- xi+1 là dữ liệu EMG tại thời điểm i+1

- sgn là hàm lấy dấu của tích xi và xi+1

ZC = 0, i = 0 i < N-1 sgn = EMG[i] * EMG[i+1] diff= abs(EMG[i] - EMG[i+1])

Sgn và diff >= threshold i++, ZC++ Đ Đ

Hình 2-17 Lưu đồ giải thuật xử lý tín hiệu EMGs

2.9.2 Lý thuyết áp dụng bộ lọc Kalman trong chuyển đổi tín hiệu

Bộ lọc Kalman với bản chất là một bộ lọc thông thấp được sử dụng phổ biến trong các quá trình lọc nhiễu tín hiệu và xử lý dữ liệu là phương pháp điển hình giải quyết cho tín hiệu EMGs [29] Ngoài ra Kalman Filter có thể được sử dụng như một bộ dự báo, khác với các bộ lọc thông thường khác bộ lọc Kalman cho thấy sự linh hoạt khi các giá trị thường thay đổi nhiều và không cố định như tín hiệu EMGs, nâng cao độ tin cậy của phép đo thông qua việc dự đoán và hiệu chỉnh phù hợp với từng phép đo Mô hình ước lượng giá trị tín hiệu tại thời điểm k dựa trên giá trị tín hiệu tại thời điểm (k-1) được viết như biểu thức (2.47)

Với xk là giá trị tín hiệu ước lượng tại thời điểm k, xk-1 là giá trị tín hiệu ước lượng tại thời điểm k-1, uk là tín hiệu điều khiển tại thời điểm k, A là ma trận chuyển đổi trạng thái giữa tín hiệu xk-1 và xk, B là ma trận chuyển đổi trạng thái giữa tín hiệu uk và xk, wk là nhiễu hệ thống

Feature Extraction(ZC) Kalman Filtering

Tuning Threshold Tuning Q and R factor

Hình 2-18: Tổng quan quá trình xử lý dữ liệu thu thập từ cảm biến EMGs

Mối quan hệ giữa giá trị tín hiệu dự đoán và giá trị tín hiệu ước lượng (2.48) k k k z  Hx  v (2.48)

Trong đó zk là vector ước lượng, H là ma trận ước lượng, vk là nhiễu đo lường

Cập nhật thời gian (Dự báo)

1 Ngoại suy trạng thái ˆ k ˆ k 1 k k x   Ax   Bu  w

2 Ngoại suy tính không chắc chắn

Cập nhật đo lường (Hiệu chỉnh)

1 Tính toán độ lợi Kalman

2 Ước lượng sai số đo lường

3 Cập nhật hiệp phương sai

Giá trị ước lượng ban đầu ˆ k 1 x  và P k  1

Hình 2-19: Tóm tắt giải thuật điều khiển cảu bộ lọc Kalman

Trong giai đoạn đầu của bộ ước lượng Kalman được gọi là bộ dự đoán trong đó gồm tuần tự hai giai động thưc hiện gồm:

- Xác định giá trị ước lượng và hiệp phương sai số ước lượng tại thời điểm trước đó và tính toán giá trị góc khớp dự đoán xˆ k  theo công thức (2.49): ˆ k ˆ k 1 k k x   Ax  Bu w (2.49)

Với A là ma trận chuyển đổi trạng thái giữa tín hiệu xk-1 và xk với A  [1], B là ma trận chuyển đổi trạng thái giữa tín hiệu uk và xk với B  [0] do việc dự đoán góc khớp bằng tín hiệu điện cơ không có sự tác động của tín hiệu điều khiển x ˆ k  1 là giá trị góc khớp ước lượng tại thời điểm k-1

Ngoại suy tính không chắc chắn của phép đo P k  theo công thức (2.50):

- Q là nhiễu hệ thống với Q  0.001

- P k  1 là hiệp phương sai số tại thời điểm k-1

Sau khi thực giai đoạn đầu trong việc dự đoán, các giá trị sẽ được hiệu chỉnh tại giai đoạn hai với chức năng là cập nhật các thông số đo lường được và hiệu chỉnh các giá trị với thông số của nhiễu hệ thống được cung cấp, đồng thời cũng điều chỉnh lại độ lợi của bộ lọc cho những lần ước lượng tiếp theo

- Tính toán độ lợi Kalman K k dựa vào hiệp phương sai số dự đoán P k  và nhiễu đo lường R theo công thức (2.51):

Trong đó: R là nhiễu đo lường với R0.01, P k là hiệp phương sai số tại thời điểm k

- Tính toán giá trị góc khớp ước lượng x ˆ k từ giá trị đo lường z k và độ lợi Kalman K k theo công thức (2.52):

Trong đó: x ˆ k là giá trị góc khớp ước lượng tại thời điểm k, xˆ k  là giá trị góc khớp dự đoán tại thời điểm k, z k là giá trị đo lường được lấy từ giá trị trích xuất dữ liệu tín hiệu EMG theo thời gian bằng phương pháp Zero Crossing H là ma trận trạng thái hệ thống với H 1

- Cập nhật hiệp phương sai số ước lượng P k từ hiệp phương sai số dự đoán P k  và độ lợi Kalman K k

Từ các phương pháp đã trình bày ta có thể viết lại thuật toán ước lượng và dự đoán tín hiệu dựa trên bộ lọc Kalman như sau

Thuật toán xử lý tín hiệu EMGs sử dụng bộ dự đoán Kalman Filter

Bước 1: Thực hiện đọc lấy mẫu dữ liệu cần sử dụng (200 mẫu) từ cảm biến

Bước 2: Xác định giá trị hàm sgn() và hàm diff() từ biểu thức (2.45) và (2.46)

Bước 3: Thực hiện tách ngưỡng theo biểu thức (2.44) với phương pháp Zero Crossing Bước 4: Thực hiện bước dự doán qua cập nhật ma trận hiệp phương sai và sai số dự đoán của hệ thống (P) theo lần lượt theo công thức (2.49) và (2.50)

Bước 5: Thực hiện cập nhật các thông số đo lường với độ lợi Kalman, giá trị ngõ ra ước lượng và cập nhật giá trị của hiệp phương sai P lần lượt theo công thức (2.51), (2.52) và (2.53)

Bước 6: Trích xuất giá trị góc ước lượng từ bộ lọc và thực hiện lại bước 1

THIẾT KẾ VÀ THI CÔNG HỆ THỐNG

Tổng quan về hệ thống thi công

Tín hiệu Encoder Mạch điều khiển

Hình 3-1 Tổng quan hệ thống thi công thực tế

Trong hệ thống tổng quan của hệ thống bao gồm hai khối chức năng chính là Master và Slave trong đó khối Master có chức năng thực hiện thu thập dữ liệu điều khiển từ tín hiệu EMGs để thực hiện gửi lệnh điều khiển cho khâu chấp hành tín hiệu Với khối thực hiện dữ liệu Slave sẽ đảm nhận với chức năng chấp hành mệnh lệnh từ Master, trong này sẽ bao gồm các máy tính nhúng và chương trình điều khiển động cơ sử dụng mạng truyền thông CAN bus cùng với đó còn có mạch động lực đóng vai trò chính trong vận hành mô hình robot exoskeleton 6 bậc tự do Chức năng cụ thể về từng khối như sau

Khối Master - Các thiết bị có chức năng thu thập và xử lý dữ liệu thu thập được từ mọi trường bên ngoài Trong đó, cảm biến EMGs DFMotion Robot: có chức năng thu thập tín hiệu điện cơ được đính trên da hoặc các khu vực có tiếp xúc với các bó cơ cần đo, khi đó cảm biến EMG sẽ thực hiện thu thập các tín hiệu điện thô từ cơ thể.Vi điều khiển Arduino Mega 2560 có chức năng thu thập các tín hiệu Analog thu thập được từ cảm biến và thực hiện lọc nhiễu chủ động Đồng thời giá trị góc chuyển đổi cũng được tính toán

Khối Slave – Trong khối này có các thiết bị bao gồm 01 máy tính nhúng Jetson Nano có chức năng như một máy tính thu nhỏ được sử dụng để chạy các tác vụ bao gồm giao diện hệ thống (GUI), xuất và xử lý các giá trị điều khiển hệ thống, kết nối các thiết bị ngoại vi (màn hình, bàn phím, driver wifi, đầu vào kết nối UART cảm biến EMG) Mạch điều khiển gồm các mạch điều khiển chủ - tớ với vi điều khiển STM32 giao tiếp thông qua mạng truyền thông CAN bus, điều khiển hoạt động của driver Step và AC Servo.Mạch động lực với nguồn điện áp cao (các thiết bị đóng cắt, terminal, driver điều khiển động cơ), với mô hình Robot sẽ có các động cơ Step và AC Servo chấp hành lệnh điều khiển từ mạch lái và phản hồi dữ liệu về hệ thống

Thiết kế và thi công khối Master

Hình 3-2 Sơ đồ khối kết nối khối chức năng 1

Thời gian lấy mẫu hệ thống: 0.001s

Cấu trúc gói tin truyền dữ liệu gồm có 21 bytes dữ liệu trong đó gồm các giá trị vị tín hiệu EMG sau lọc nhiễu, giá trị góc IMU và giá trị góc ước lượng được, mỗi giá trị được biểu thị bởi 5 chữ số mang độ lớn của tín hiệu gồm 01 bit dấu và 01 bit phân biệt dữ liệu là các chữ cái a, b và c tương ứng

Tín hiệu EMG Giá trị góc

Giá trị góc ước lượng

Hình 3-3 Cấu trúc gói tin truyển dữ liệu giữa khối Master và Slave được trình bày tại Hình 3-1

Hình 3-4 Bộ điều khiển sử dụng tín hiệu EMG kết hợp tín hiệu tham chiều cảm biến IMU

Thiết kế giao diện điều khiển

4 Thi công bộ điều khiển với tín hiệu EMG 4.1 Xác định vị trí đặt điện cực

4.2 Xử lý nhiễu ảnh hướng cảm biến

4.3 Thiết kế bộ lọc 4.4 Sử dụng bộ lọc Kalman lọc và ước lượng

5 Thực nghiệm kiểm chứng trên mô phỏng 5.1 Kiểm chứng động học robot

5.2 Kiểm chứng khả năng ước lượng của tín hiệu EMG

5.3 Kết hợp sử dụng tín hiệu EMG và robot trong môi trường mô phỏng

6 Thực nghiệm và đánh giá robot trong môi trường thực tế

6.1 Kiểm chứng mạng truyền thông CAN bus

6.2 Kiểm chứng quy hoạch quỹ đạo

6.3 Kiểm chứng kết hợp EMG kết hợp với mô hình robot thực tế

(1 tuần) 7 Viết báo cáo tốt nghiệp

Thành phố Hồ Chí Minh, ngày…tháng…năm 2024

(Ký và ghi rõ họ tên)

TRƯỜNG ĐH SPKT TP.HỒ CHÍ MINH

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG ĐỘC LẬP – TỰ DO – HẠNH PHÚC

o0o TP.Hồ Chí Minh, ngày… tháng… năm 2024

PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN

Giảng viên hướng dẫn: TS Trần Đức Thiện

Họ và tên sinh viên 1: Nguyễn Minh Nhựt MSSV: 20151143

Họ và tên sinh viên 2: Vũ Công Dương MSSV: 20151453

Ngành: Công nghệ điều khiển và tự động hóa

Tên đề tài: Thiết kế bộ điều khiển chuyển động cho robot 6 bậc tự do và sử dụng tín hiệu điện cơ Ý KIẾN NHẬN XÉT

1 Về nội dung đề tài và khối lượng thực hiện

4 Để nghị cho bảo vệ:  Có,  Không

TP.Thủ Đức, ngày…tháng…năm 2024

(Ký và ghi rõ họ tên)

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG ĐỘC LẬP – TỰ DO – HẠNH PHÚC

o0o TP.Hồ Chí Minh, ngày… tháng… năm 2024

PHIẾU NHẬN XÉT PHẢN BIỆN

1 Nguyễn Minh Nhựt MSSV: 20151143 Lớp: 201511B

2 Vũ Công Dương MSSV: 20151453 Lớp: 201514A

Tên đề tài: Thiết kế bộ điều khiển chuyển động cho robot 6 bậc tự do và sử dụng tín hiệu điện cơ

Giảng viên hướng dẫn: TS Trần Đức Thiện

Giáo viên phản biện: Ý KIẾN NHẬN XÉT

1 Nhận xét chung về đề tài

Ý kiến kết luận (ghi rõ nội dung cần bổ sung, hiệu chỉnh)

Đề nghị: Được bảo vệ ☐, Bổ sung để được bảo vệ ☐, Không được bảo vệ ☐

2 Câu hỏi phản biện (Giảng viên không cho SV biết trước)

3 Điểm đánh giá đề tài: /10 (Bằng chữ: )

Thành phố Hồ Chí Minh, ngày…tháng…năm 2024

(Ký và ghi rõ họ tên)

Tiêu chí 1: Mức độ thời sự của đề tài, độ khó của đề tài (10%) Điểm

Thực hiện được nhưng thực tế không cần

Vấn đề vừa sức/Cần phải dành thời gian nghiên cứu

Vấn đề khó/Cần nhiều kiến thức tổng hợp đã học

Vấn đề rất khó/Cần nhiều kiến thức tổng hợp đã học

Tiên chí 2: Tính ứng dụng của đề tài vào thực tiễn (10%)

Khó ứng dụng Thỉnh thoảng có ứng dụng Có ứng dụng Thực tế bên ngoài đang cần

Thực tế bên ngoài đang rất cần và cấp thiết

Tiêu chí 3: Tính đúng đắn của đề tài, phương pháp nghiên cứu hợp lý (10%)

Không hợp lý Có phương pháp nghiên cứu

Có phương pháp nghiên cứu, định hướng đúng

Phương pháp nghiên cứu rõ ràng, định hướng đúng

Phương pháp nghiên cứu rõ ràng, khoa học, phù hợp với đề tài

Tiêu chí 4: Giải pháp & công nghệ, thi công/mô phỏng (15%)

Giải pháp không rõ ràng Giải pháp sơ sài

Giải pháp rõ ràng, có thi công mô hình/mô phỏng

Giải pháp rõ ràng, có quy trình thực hiện thi công/mô phỏng vận hành được

Giải pháp rõ ràng, có quy trình thực hiện thi công/mô phỏng vận hành được, kết quả mô phỏng/vận hành tốt

Tiêu chí 5: Trình bày nội dung đồ án (15%)

Nội dung không rõ ràng Báo cáo sơ sài Có đủ cấu trúc, nội dung

Có đầy đủ cấu trúc nội dung, trình bày hợp lý, khoa học

Có đầy đủ cấu trúc nội dung, trình bày hợp lý, khoa học, logic, rõ ràng, dễ hiểu, đúng quy định về trình bày luận văn

Tiêu chí 6: Khả năng trình bày (10%)

Kém Trung bình Khá Tốt Rất tốt – Rõ ràng – Tự tin

Tiêu chí 7: Trả lời các câu hỏi của hội đồng bảo vệ (30%)

Trả lời được < 60% số câu hỏi

Trả lời được < 80% số câu hỏi

Trả lời được 100% số câu hỏi

TP Hồ Chí Minh, ngày … tháng … năm 2024

(Ký và ghi rõ họ tên)

TRƯỜNG ĐH SPKT TP.HỒ CHÍ MINH

BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG ĐỘC LẬP – TỰ DO – HẠNH PHÚC

o0o TP.Hồ Chí Minh, ngày… tháng… năm 2024

Chúng tôi, nhóm thực hiện đề tài “Thiết kế bộ điều khiển chuyển động cho robot 6 bậc tự do và sử dụng tín hiệu điện cơ” xin cam kết được thực hiện cùng nhau dựa vào các tài liệu nghiên cứu có uy tín để nghiên cứu và xây dựng Tuyệt đối không sao chép từ các tài liệu hay công trình đã có từ trước đó Những tài liệu tham khảo đều được trích dẫn đầy đủ và ghi rõ nguồn gốc

TP.Thủ Đức, ngày…tháng…năm 2024 Đại diện nhóm sinh viên thực hiện

(Ký và ghi rõ họ tên)

Lời đầu tiên chúng em xin được cảm ơn các quý thầy cô trong khoa Điện – Điện tử trường Đại học Sư Phạm Kỹ Thuật TP.HCM nói chung và quý thầy cô bộ môn Điều khiển tự động nói riêng, đã trang bị kiến thức căn bản cần thiết đồng thời hỗ trợ phương tiện thí nghiệm, giúp đỡ chúng em giải quyết những khó khăn trong quá trình thực hiện đề tài Đặc biệt chúng em xin dành lời cảm ơn chân thành đến thầy hướng dẫn là TS Trần Đức Thiện đã tận tình giám sát, hướng dẫn và chia sẽ kinh nghiệm cho nhóm trong suốt quá trình lựa chọn và thực hiện đề tài để có thể hoàn thành khóa luận tốt nghiệp trọn vẹn

Ngoài ra, nhóm xin cảm ơn tập thể các thành viên thuộc phòng thí nghiệm Robot và Điều khiển thông minh (RICLAB) đã luôn sẵn lòng hỗ trợ và trao đổi ý kiến, đóng góp bổ sung và khích lệ tinh thần của nhóm, nhằm giúp đỡ đề tài có thể được hoàn thành tốt nhất Sau cùng nhóm xin cảm ơn các anh chị khoá trước với kinh nghiệm trong tham gia và nghiên cứu các đề tài lớn đa có những giúp dỡ đặc biệt trong quá trình tìm hiểu và lọc thông tin từ các bài báo có độ uy tín cao, hữu ích

Tuy nhiên do lần đầu tiên thực hiện đồ án với đề tài “Thiết kế bộ điều khiển chuyển động cho robot 6 bậc tự do và sử dụng tín hiệu điện cơs” và làm quen với hệ thống điều khiển thực tế, việc tiếp cận còn khó khăn do chuyên môn còn hạn chế nên không tránh khỏi những sai sót Chúng em rất mong nhận được sự thông cảm, góp ý và hướng dẫn của quý thầy cô, các anh chị cùng các bạn

Xin chúc quý thầy cô nhiều sức khoẻ, thành công trong công việc, cuộc sống và tiếp tục đào tạo các sinh viên giỏi góp phần đóng góp cho nhà trường, đất nước Chúc các anh chị, cùng các bạn cùng khoá luận có sức khoẻ, làm việc là rèn luyện thật tốt để chuẩn bị kiến thức vững vàng trong chặn đường phát triển sắp tới

Chúng em xin chân thành cảm ơn!

TP.Thủ Đức, ngày…tháng…năm 2024

Nhóm sinh viên thực hiện

(Ký và ghi rõ họ tên)

Nguyễn Minh Nhựt – Vũ Công Dương

BẢN CAM KẾT VÀ XÁC NHẬN KẾT QUẢ KIỂM TRA ĐẠO VĂN i

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP i

LỊCH TRÌNH THỰC HIỆN ĐỒ ÁN TỐT NGHIỆP ii

PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN iv

PHIẾU NHẬN XÉT PHẢN BIỆN v

DANH MỤC HÌNH ẢNH xii

DANH MỤC BẢNG BIỂU xvi

DANH MỤC TỪ VIẾT TẮT xvii

1.1.1 Tình hình nghiên cứu ngoài nước 3

1.1.1 Tình hình nghiên cứu trong nước 6

1.2 Mục đích và mục tiêu đề tài 8

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 11

2.3 Cơ sở lý thuyết về phương pháp Jacobian 13

2.3.1 Jacobian thông qua phân tích hình học 13

2.3.4 Phương pháp Damped – Least Square (DLS) 16

2.4 Quy hoạch quỹ đạo cho robot 18

2.5 Cơ sở lý thuyết về mạng CAN bus 20

2.6 Tổng quan về tín hiệu EMGs 22

2.7 Phương pháp xác định vị trí đặt điện cực 24

2.8 Lý thuyết xử lý nhiễu tín hiệu 26

2.8.1 Phân tích theo miền thời gian 26

2.8.2 Phân tích theo miền tần số 26

2.8.3 Biến đổi Fourier Transform (FT) 27

2.8.4 Rời rạc hóa Discrete Fourier Transform (DFT) 28

2.8.5 Phương pháp thiết kế các bộ lọc chủ động 29

2.9 Phương pháp chuyển đổi và xử lý dữ liệu 31

2.9.1 Phương pháp Zero Crossing tách ngưỡng 31

2.9.2 Lý thuyết áp dụng bộ lọc Kalman trong chuyển đổi tín hiệu 32

CHƯƠNG 3: THIẾT KẾ VÀ THI CÔNG HỆ THỐNG 35

3.1 Tổng quan về hệ thống thi công 35

3.2 Thiết kế và thi công khối Master 36

3.3 Thiết kế và thi công khối Slave 37

3.3.1 Thiết kế và thi công module CAN 37

3.3.2 Sơ đồ nguyên lý module CAN 39

3.3.4 Thiết kế và thi công mạng CAN 42

3.3.5 Thiết kế và thi công tủ điện 52

3.4 Thiết kế giao diện điều khiển 57

CHƯƠNG 4: TÍNH TOÁN ĐỘNG HỌC ROBOT 63

4.1 Tính toán động học thuận 63

4.1.1 Đặt trục robot Exoskeleton 6 bậc tự do 63

4.1.3 Phương pháp xác định hướng robot 67

4.2 Tính toán động học nghịch 68

4.2.1 Động học nghịch bằng phương pháp giải tích 68

4.2.2 Động học nghịch sử dụng phương pháp Jacobian 71

CHƯƠNG 5: XÂY DỰNG BỘ ĐIỀU KHIỂN CẢM BIẾN EMGs 74

5.1 Vị trí lựa chọn đặt điện cực 74

5.2 Xử lý nhiễu tín hiệu có trên cảm biến 75

5.2.1 Thực hiện phân tích chuỗi Fourier 75

5.2.2 Thiết kế bộ lọc nhiễu số Butterworth cho mô hình thực tế 76

CHƯƠNG 6: MÔ PHỎNG VÀ ĐÁNH GIÁ HỆ THỐNG 78

6.1 Tổng quan về mô phỏng hệ thống 78

6.2 Kiểm chứng mô phỏng với robot 78

6.2.2 Không gian làm việc robot 80

6.2.3 Mô phỏng quy hoạch quỹ đạo cho robot 81

6.3 Kiểm chứng mô phỏng với tín hiệu EMG 86

6.3.1 Thử nghiệm dữ liệu thu thập từ cơ Bicep và Triceps 86

6.3.2 Mô phỏng kiểm chứng điều khiển robot sử dụng tín hiệu EMGs 87

CHƯƠNG 7: THỰC NGHIỆM VÀ ĐÁNH GIÁ HỆ THỐNG 89

7.1 Tổng quan thực nghiệm hệ thống 89

7.2 Cấu hình các thông số và phương pháp điều khiển trên driver AC servo và driver

7.3 Thực nghiệm mạng truyền thông CAN bus 90

7.4 Thực hiện kiểm chứng quy hoạch quỹ đạo trên mô hình thực tế 93

7.5 Thực nghiệm kiểm chứng tín hiệu EMG với mô hình robot 96

CHƯƠNG 8: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 99

Hình 1-1 Thống kê số lượng lắp đặt với loại robot công nghiệp theo báo cáo mới nhất từ

Hình 1-2 Ứng dụng của cánh tay robot trong đời sống, a) Robot hàn vật liệu, b) Chăm sóc cây trồng, c) Dạy học và tương tác, d) Robot gắp thả vật 2

Hình 1-3 Cấu hình robot khung xương, a) ANYexo, cre:Robot System Lab ETHzurich, b) Exskeleton Yeecon, cre: Yeecon Company 2

Hình 1-4 Thống kê các nghiên cứu ứng dụng của robot Exoskeleton vào năm 2020 [3] 3

Hình 1-5 Ứng dụng robot exoskeleton, a) Trợ lực hoạt động “Lucy” robot, b) Hỗ trợ tập phục hồi chức năng robot CRBH’s CoF, c) Exoskeleton robot trang phục cho quân nhân 4 Hình 1-6 Tổng quan về ứng dụng và kĩ thuật điều khiển của tín hiệu EMG [12] 5

Hình 1-7 Các ứng dụng trong sử dụng tín hiệu EMG điều khiển robot phục vụ trong a) Vận hành từ xa và b) Hoạt động sản xuất 6

Hình 2-1 Phương pháp đặt trục Modified Denavit-Hartenberg [21] 11

Hình 2-2 Miêu tả mối liên hệ giữa về vận tốc giữa hai hệ trục tọa độ liền kề nhau [22] 13

Hình 2-3 Mô tả khớp xoay trong phương pháp Jacobian hình học 14

Hình 2-4 Mô tả thuật toán Gradient Descent cho việc tìm lời giải toàn cục cho hệ thống17 Hình 2-5 Phương pháp quy hoạch theo không gian khớp 18

Hình 2-6 Tổng quan về giao tiếp CAN giữa hai Module liền kề qua giao thức CAN Bus 20

Hình 2-7 Khung truyền dữ liệu CAN tiêu chuẩn 21

Hình 2-8 Giao diện tương tác người – máy sử dụng tín hiệu EMG, a) tương tác trong ứng dụng phục hồi chức năng[31], b) tương tác người máy trong chia sẽ công việc [32] 22

Hình 2-9 Hoạt động truyền tải thông tin của trung ương thần kinh trong quá trình vận động cre: Delsys 23

Hình 2-10 Mô tả dẫn truyền thần kinh đến tín hiệu EMG 23

Hình 2-11 Sơ đồ tổng quát xử lý tín hiệu EMG 24

Hình 2-12 Động tác của cánh tay, a) Động tác duỗi, b) Động tác gập 25

Hình 2-13 Vị trí đặt cảm biến điện cơ, a) Cấu tạo cơ tham gia quá trình gâp/duỗi cánh tay, b) Vị trí đặt lên cơ Biceps 26

Hình 2-14 Ví dụ về tín hiệu được thu thập theo thời gian 26

Hình 2-15 Phân tích tín hiệu trong miền tần số với tín hiệu mẫu 27

Hình 2-16 Mô tả quá trình phân tích giữa hai miền 27

Hình 2-17 Lưu đồ giải thuật xử lý tín hiệu EMGs 32

Hình 2-18: Tổng quan quá trình xử lý dữ liệu thu thập từ cảm biến EMGs 33

Hình 2-19: Tóm tắt giải thuật điều khiển cảu bộ lọc Kalman 33

Hình 3-1 Tổng quan hệ thống thi công thực tế 35

Hình 3-2 Sơ đồ khối kết nối khối chức năng 1 36

Hình 3-3 Cấu trúc gói tin truyển dữ liệu giữa khối Master và Slave được trình bày tại Hình 3-1 36

Hình 3-4 Bộ điều khiển sử dụng tín hiệu EMG kết hợp tín hiệu tham chiều cảm biến IMU 36

Hình 3-5 Sơ đồ khối điểu khiển các thành phần trong module 37

Hình 3-6 Tổng quan thiết kế mạch PCB 38

Hình 3-7 Khối nguồn được hạ áp 5V để cung cấp điện áp cho các linh kiện trong mạch 39 Hình 3-8 Khối nguồn được hạ áp 3.3VDC để điều khiển các linh kiện công suất thấp 39

Hình 3-9 Module CAN bus giao tiếp giữa các Node 39

Hình 3-10 Module chuyển đổi RS485 sang UART 39

Hình 3-11 Module USB để nạp chương trình cho vi điều khiển 40

Hình 3-12 Khối đọc tính hiệu Encoder từ AC Servo 40

Hình 3-13 Khối mạch tạo dao động với dao động kí ngoại 41

Hình 3-14 Khối vi điều khiển chính cho board mạch 41

Hình 3-15: Mạch điều khiển hoàn chỉnh, a) Hình ảnh thực tế, b) Hình ảnh mô phỏng 42

Hình 3-16 Sơ dồ tổng qua hệ thống mạng CAN 7 node 42

Hình 3-17 Chế độ gửi lệnh từ Master đến các node slave riêng biệt, dựa trên bảng địa chỉ được cung cấp 43

Hình 3-18 Chế độ gửi đồng thời dữ liệu đến các node 43

Hình 3-19 Cấu trúc gói tin truyền gửi 2 chiều giữa MicroComputer và MasterModule 44

Hình 3-20 Gói tin truyền từ Slave lên Master 44

Hình 3-21 Lưu đồ giải thuật thể hiện tuần tự các lệnh được thực thi trong chương trình 45 Hình 3-22 Khung truyền dữ liệu CAN tiêu chuẩn 45

Hình 3-23 Tổng quan đánh giá về thời gian truyền nhận dữ liệu giữa các Node trong mạng CAN 46

Hình 3-24 Thông số cấu hình mạng CAN 47

Hình 3-25 Lưu đồ giải thuật chương trình chính Master Module 48

Hình 3-26 Lưu đồ khởi tạo Timer định thời cho thời gian lấy mẫu của toàn bộ chương trình 48

Hình 3-27 Chương trình đọc các giá trị được gửi thông quan mạng CAN 49

Hình 3-28 Lưu đồ giải thuật tính toán tại module Slave 50

Hình 3-29 Chương trình xử lý ngắt lấy mẫu cho hệ thống 50

Hình 3-30 Lưu đồ giải thuật a) Chương trình điều khiển động cơ, b) Động cơ bước Step Motor, c) AC Servo 51

Hình 3-31 Lưu đồ giải thuật đọc và mã hóa dữ liệu từ Encoder 51

Hình 3-32 Tủ điện điều khiển hoàn thiện 52

Hình 3-33 Sơ đồ kết nối dây tủ điện điều khiển 54

Hình 3-34 Sơ đồ kết nối mạch động lực 55

Hình 3-35 Sơ đồ kết nối điều khiển hệ thống 56

Hình 3-36 Sơ đồ kết nối khối điều khiển Master Module 57

Hình 3-37 Sơ đồ kết nối khối điều khiển Slave Module (Node control AC servo) 57

Hình 3-38 Sơ đồ kết nối khối điều khiển Slave Module (Node control step motor) 57

Hình 3-39 Logo phẩn mềm a) QT Creator, b) Ubuntu OS 58

Hình 3-40 Giao diện cửa sổ Introduce 59

Hình 3-41 Cửa sổ cài đặt kết nối 59

Hình 3-42 Cửa sổ giao diện chạy Jog và Sethome 60

Hình 3-43 Cửa sổ giao diện chạy bài tập 61

Hình 3-44 Cửa sổ giao diện chạy bài tập 61

Hình 3-45 Cửa sổ chạy với thiết bị EMGs 62

Hình 4-1 Hình ảnh đặt trục trong trong gian của robot 63

Hình 5-1 Quy trình thiết kế bộ ước lượng góc từ cảm biến EMGs 74

Hình 5-2 Thiết bị EMG cực khô DFMotion Robot 74

Hình 5-3 Vị trí đặt cảm biến, a) Drawing by Dr Joe Muscolino, Excellence in online anatomy education, b) Vị trí đặt điện cực của cảm biến EMGs 74

Hình 5-4 Phân tích phổ tín hiệu thô, a) Tín hiệu điện cơ thô trong miền thời gian, b) Phân tích phổ tần số tín hiệu thô 75

Hình 5-5 Phân tích phổ tần số tín hiệu sau khi lọc, a) Tín hiệu điện cơ sau khi lọc nhiễu trong miền thời gian, b) Phổ tần số tín hiệu sau khi lọc nhiễu 75

Hình 6-1 Sơ đồ triển khai hệ thống trong mô phỏng 78

Hình 6-2 Minh họa kiểm chứng động học nghịch với chương trình tính toán động học nghịch Jacobian, a) Vị trí điểm mong muốn đến b) kết quả thực hiện 78

Hình 6-3 Không gian làm việc của robot trong không gian 3D của cơ cấu chấp hành cuối, không gian làm việc của hệ cà hệ thống (màu xanh), không gian làm việc bị giới hạn (màu đỏ) 80

Hình 6-4 Không gian làm việc tổng quát (màu xanh) và không gian làm việc được giới hạn (đỏ) a) Trong góc nhìn mặt phẳng Oxy, b) Trong góc nhìn Oxz 81

Hình 6-5 Chương trình quy hoạch quỹ đạo kiểm chứng trong mô phỏng 81

Hình 6-6 Đáp ứng của hệ thống trong quá trình quy hoạch quỹ đạo, a) Quỹ đạo chuyển động trong không gian 3D với kèm hướng của cơ cấu chấp hành cuối, b) Chuyển động của cơ cấu chấp hành cuối khi chuyển động trên trục X, c) trục Y và d) trục Z 83

Hình 6-7 Sai số giữa quỹ đạo mong muốn (lý tưởng) và quỹ đạo được quy hoạch theo không gian khớp 83

Hình 6-8 Kết quả đối chiếu kiểm chứng đáp ứng trong quy hoạch quỹ đạo dựa trên 2 phương pháp, a) Kết quá đối chiếu vị trí, b) Kết quả đối chiếu vận tốc, c) Kết quả đổi chiếu gia tốc 84

Hình 6-9 Đáp ứng Torque của từng khớp trong qyu4 đạo được quy hoạch chuyển động 85 Hình 6-10: Quy trình thực hiện mô phỏng phương pháp ước lượng và đánh giá kết quả xử lý của tín hiệu EMGs 86

Hình 6-11 Kết quả kiểm chứng tín hiệu EMGs với tập dữ liệu thu thập với bó cơ Biceps, a) Tín hiệu EMG trước khi lọc nhiễu, b)Tín hiệu EMGs sau khi lọc nhiễu và c) Góc ước lượng giữa tín hiệu EMG và tín hiệu IMU tham chiếu 87

Hình 6-12 Mô phỏng đáp ứng tính hiệu IMU ước lượng trên bó cơ Bicep 88

Hình 6-13 Mô phỏng đáp ứng tính hiệu IMU, ước lượng trên bó cơ Tricep 88

Hình 7-1 Sơ đồ tổng quan kết nối hệ thống 89

Hình 7-2 Quy trình thực nghiệm hệ thống thực tế 89

Hình 7-3 Phần mềm cấu hình Driver điều khiển AC servo 89

Hình 7-4 Cấu hình driver điều khiển TB6600 90

Hình 7-5 Mô hình kiểm chứng kết nối CAN bus 90

Hình 7-6 Số xung driver AC servo đọc được khi xoay 0.2 độ với hai động cơ ở bên trái hình ảnh 91

Hình 7-7 So sánh giữa giá trị góc phản hồi và giá trị góc gửi xuống driver 92

Hình 7-8 Số xung driver AC servo đọc được khi xoay về vị trí ban đầu 92

Hình 7-9 So sánh giữa giá trị góc phản hồi và giá trị góc gửi xuống driver 93

Hình 7-10 Kết quả gửi nhận 5 lần giữa hai giá trị bất kì 93

Hình 7-11 Đáp ứng vị trí giữa thực tế và mô phỏng của khớp khuỷu tay theo a) phương X, b) phương Y, c) phương Z 94

Hình 7-12 Đáp ứng được so sánh về a) Vị trí, b) Hướng và c) Gia tốc chuyển động theo trục X của khớp khuỷu tay 95

Hình 7-13 Đáp ứng được so sánh về a) Vị trí, b) Hướng và c) Gia tốc chuyển động theo trục Y của khớp khuỷu tay 95

Hình 7-14 Đáp ứng được so sánh về a) Vị trí, b) Hướng và c) Gia tốc chuyển động theo trục Z của khớp khuỷu tay 96

Hình 7-15 Lưu đồ thực hiện kiểm chứng tín hiệu EMGs trên mô hình thực tế 97

Hình 7-16 Sơ đồ tiếp nhận thông tin từ cảm biến đến mô hình robot 97

Hình 7-17 Tín hiệu ước lượng từ cảm biến EMG và đáp ứng góc khớp từ mô hình 98

Bảng 1-1 Phân loại các robot Exoskeleton 4

Bảng 1-2 Một vài đề tài nghiên cứu robot exoskeleton cho chi trên tại Việt Nam 7

Bảng 2-1 Bảng công thức lời giải cho ma trận Jacbian cho từng thành phần tại một khớp 15

Bảng 2-2 Bảng so sánh ưu nhược điểm của phương pháp quy hoạch quỹ đạo 18

Bảng 2-3 Thông số kỹ thuật CAN 2.0 20

Bảng 2-4 Bảng thống kê cấu trúc gói tin trong mạng CAN bus 2.0 21

Bảng 2-5 Các ảnh hướng khi thực hiện tìm vị trí đặt cảm biến 24

Bảng 3-1 Bảng cấu hình Filter CAN cho hệ thống mạng CAN 7-node 43

Bảng 3-2 Bảng thống kê cấu trúc gói tin trong mạng CAN bus 2.0 46

Bảng 3-3 Một số kí tự nhận biết cho từng khớp trong cấu trúc của một tin nhắn 47

Bảng 3-4 Bảng thông số các thiết bị được lắp ráp 52

Bảng 3-5 Bảng liệt kê các tab hiện hành trên giao diện 58

Bảng 4-1 Thông số giới hạn góc quay của các khớp 63

Bảng 4-2 Bảng thông số Denavit-Hartenberg cải tiến 64

Bảng 6-1 Bảng liệt kê kết quả kiểm chứng động học robot 79

Bảng 6-2 Bảng kiểm chứng động học nghịch với giá trị bất kì 79

Bảng 6-3 Thông số giới hạn chuyển động của các khớp 80

Bảng 6-4 Tập hợp sai số các điểm thực hiện quy hoạch quỹ đạo 81

Bảng 7-1 Bảng thống kê đánh giá RMSE cho quỹ đạo được quy hoạch 94

DANH MỤC TỪ VIẾT TẮT

STT Từ viết tắt Từ viết đầy đủ

5 CAN_H Control Area Network High

6 CAN_L Control Area Network Low

16 UART Universal Asynchronous Receiver-Transmitter

17 ISO International Organization for Standardization

18 RMSE Root Mean Square Error

Chương này trình bày tổng quan, lý do thực hiện đề tài, đưa ra mục tiêu và giới hạn trong quá trình xây dựng đề tài Qua đó, xác định được hướng nghiên cứu, đề xuất phương pháp và hướng thực hiện đề tài tìm hiểu và thiết kế bộ chuyển động cho cánh tay robot khung xương 6 bậc tự do và sử dụng tín hiệu EMG trong điều khiển, dựa trên tình hình nghiên cứu trong và ngoài nước, và năng lực nghiên cứu của nhóm để chỉ ra các giới hạn cần thiết

TÍNH TOÁN ĐỘNG HỌC ROBOT

Tính toán động học thuận

4.1.1 Đặt trục robot Exoskeleton 6 bậc tự do

Hệ trục tổng quát của robot được xây dựng như sau

Hình 4-1 Hình ảnh đặt trục trong trong gian của robot

Trong đó:  i là góc lệch giữa hai khâu thứ (i) và khâu thứ (i+1), d là chiều dài của mỗi khâu tương ứng Về mặt phần cứng các khớp quay của robot được thiết kế với các ràng buộc về góc chuyển động được thực hiện tại

Bảng 4-1 Thông số giới hạn góc quay của các khớp

Tính từ 0 độ Loại chuyển động

1  1 90 / 80   Gập vào/ gập ra (Phương ngang)

2  2 0 / 150   Gập vào/ gập ra (Phương dọc)

3  3  55 / 125    Xoay vào/ ngửa ra (Toàn bộ cánh tay)

4  4 0 / 90   Gập vào/ gập ra (Khuỷu tay)

5  5 50 / 130   Xoay vào/ ngửa ra (Cánh tay dưới)

6  6 90 / 90   Gập vào/ gập ra cổ tay (Phương ngang)

Với cấu hình robot có cấu trúc đặc biệt việc đặt trục sử dụng theo phương pháp DH là không khả thi, chính vì vậy nhóm thực hiện xoay tư thế về dạng có thể đặt được trục theo bảng thông số DH được thể hiện như Hình 4-1

Bảng thông số DH tương ứng với cấu hình đặt trục được thể hiện như sau

Bảng 4-2 Bảng thông số Denavit-Hartenberg cải tiến

Ma trận chuyển đổi tổng quát từ hệ trục toạ độ (i) về hệ trục (i-1)

   1  1 1 1 cos , sin , cos , sin , cos , sin , sin( ), cos( ). i i i i i i i i ij i j ij i j ijk i j k ijk i j k c s c s c s s c

Từ ma trận chuyển đổi tổng quát (4.1) có thể phân tích thành các ma trận thành phần thể hiện vị trí và hướng của hệ tọa độ (i) so với hệ tọa độ (i)

Từ bảng thông số DH Bảng 4-2 cùng với ma trận chuyển đổi tổng quát ta có các ma trận chuyển đổi giữa các hệ trục tọa độ thành phần

Ma trận chuyển đổi từ hệ trục (1) về hệ tọa độ (0):

Ma trận chuyển đổi từ hệ trục (2) về hệ tọa độ (1):

Ma trận chuyển đổi từ hệ trục (3) về hệ tọa độ (2):

Ma trận chuyển đổi từ hệ trục (4) về hệ tọa độ (3):

Ma trận chuyển đổi từ hệ trục (5) về hệ tọa độ (4):

Ma trận chuyển đổi từ hệ trục (6) về hệ tọa độ (5):

Ma trận chuyển đổi từ hệ trục (7) về hệ tọa độ (6):

Vậy ma trận chuyển đổi từ hệ trục (7) về hệ trục tọa độ gốc có dạng:

- 7 0 RR 3x3 là một ma trận có kích thước là 3x3 và là ma trận xoay từ hệ trục (7) về hệ trục gốc (0)

- 7 0 PR 3x1 là một ma trận có kích thước là 3x1và là ma trận vị trí của hệ trục toạ độ (7) khi chiếu lên hệ trục gốc (0)

- Đặt a i ij  1, 2,3; j1, 2,3 với i và j lần lượt là số thứ tự của hàng và cột trong ma trận 7 0 R từ đó ta có được ma trận (4.11), và các thành phần p p p x , y , z lần lượt là thành phần chỉ vị trí theo phương trục ˆ ˆ ˆX Y Z, , của khâu chấp hành cuối

Từ các biểu thức (4.11) và (4.12) thế vào ma trận chuyển đổi (4.10) ta được:

Với các hệ số trong công thức (4.14) lần lượt là:

4.1.3 Phương pháp xác định hướng robot

Từ ma trận chuyển đổi tổng quát (4.14), ta có được ma trận xoay

Thực hiện phép xoay Euler XYZ, với các ma trận xoay thành phần

Ma trận xoay quanh trục X:

Ma trận xoay quanh trục Y:

Ma trận xoay quanh trục Z:

Thực hiện phép nhân theo thứ tự xoay XYZ từ các biểu thức (4.19),(4.20) và (4.21) ta được

11 12 13 21 22 23 31 32 33 cos cos cos sin sin cos sin cos sin sin cos cos sin sin sin cos sin sin sin cos cos sin sin cos cos sin sin cos cos x x x x x x x x x

 Thực hiện đổng nhất hai phương trình (4.18) và (4.22) ta có được nghiệm của các góc

23 33 atan2 , atan2 , cos cos atan2 , cos cos a a a a a a a

Vì vậy hướng của cơ cấu chấp hành cuối thực hiện theo phép quay Euler với thứ tự phép quay là XYZ.

Tính toán động học nghịch

4.2.1 Động học nghịch bằng phương pháp giải tích Để thực hiện tính động học nghịch cho robot ta cố thể sử dụng các định nghĩa sau trong quá trình tính toán Định nghĩa 1: Chương trình tính toán với phương trình bậc nhất với sin và cos

    cos sin a x b x d (4.24) Điều kiện để phương trình thoả mãn:

Với các nghiệm thoả mãn phương trình là

(4.25) Định nghĩa 2: Định thức Cramer, với phương trình tổng quát có dạng

Từ đó ta có được các định thức thành phần như sau

Nghiệm của phương trình phụ thuộc vào giá trị của định thức D

- D0 phương trình có một cặp nghiệm D x ; D y

 không có nghiệm thoả mãn phương trình

- D0, D x 0, D x 0 thì phương trình vô số nghiệm

Từ phương trình về vị trí tại biểu thức (4.15), (4.16) và (4.17) ta có thể thấy việc tính toán các thông số về góc là rất phức tạp Vì vậy giả sử khi có được tọa độ về vị trí của khớp khuỷu tay với ma trận chuyển vị như sau

Ma trận chuyển vị tổng quát từ khâu 4 về hệ tọa độ gốc 0

Từ hai phương trình (4.29) và ta có được

Từ biểu thức (4.41) ta có

Từ hai phương trình (4.29) và (4.31) áp dụng định nghĩa 1, ta biến đổi được các phương trình sau

2 1 2 1 se se ex ez d c  d c s    P P  d (4.45) Để thoả điều kiện từ định nghĩa 1, thực hiện chia hai vế với biểu thức (4.45) với

; ; se se ex ez se se se se se se d d c P P d a b k d d c d d c d d c

Kết hợp phương trình (4.46) và định nghĩa 1, với biểu thức về nghiệm (4.25) ta có

Tuy nhiên khi thực hiện nhân hai vế của phương trình (4.13) với ma trận nghịch đảo

T 0 thì các phương trình của ta vẫn còn tới 4 ẩn là các góc     3 , , , 4 5 6 ngược lại các phương trình còn tồn tại dưới dạng sin và cos nên quá trình thực hiện còn khá phức tạp

Từ phương trình (4.34) và (4.37), sử dụng định nghĩa 2 với định lý Crame để giải nghiệm ta có hệ phương trình

Xác định được các định thức

Với c 2 0, ta có được hai nghiệm từ hệ phương trình (4.48)

Từ hai phương trình (4.49), (4.50) ta có được nghiệm

Tương tự lần lượt áp dụng định nghĩa 2 cho các phương trình (4.35) và (4.36) ta có

  Áp dụng định nghĩa 2 cho các phương trình (4.31) và (4.34) ta có

  Áp dụng định nghĩa 2 cho các phương trình (4.35) và (4.36) ta có

  Như vậy để giải được bài toán động học nghịch cho robot phục hồi chức năng 6 bậc tự do sẽ cần phải biết được các thành phần vị trí và hướng của ma trận 4 0 T , trong khi dữ liệu có thể có là vị trí và hướng của ma trận 7 0 T và vị trí của 0 4 T Vậy thành phần hướng của ma trận 4 0 Tlà không biết được, do đó cần có phương pháp cao hơn để giải được bài động học nghịch cho robot này

4.2.2 Động học nghịch sử dụng phương pháp Jacobian Để giải động học nghịch cho cánh tay robot exoskeleton 6 bậc tự do được đề xuất như Hình 4-1, Phương pháp động học sử dụng chính sử dụng phương pháp giải Pseudo-Inverse để tăng cường khả năng nghịch đảo của các ma trận có kích thước khác ma trận vuông, đồng thời các thuật toán Damped-least square (DLS) được sử dụng để cải thiện không gian làm việc của robot với sự xuất hiện với tần suất cao của các điểm kì dị có trong không gian làm việc, ngoài ra việc áp dụng phương pháp Gradient Descent (GD) là một phương pháp

Trang 72 kèm theo cũng giúp cải thiện về thời gian tính toán Các bước tính toán được thực hiện như các bước sau

Bước 1: Xác định giá trị đầu vào của hệ thống gồm thông số về vị trí và hướng cơ cấu chấp hành

Bước 2: Tính toán sai số giữa vị trí hiện tại và vị trí mong muốn của cơ cấu chấp hành e d c x  X  X (4.51)

Trong đó x d là giá trị đặt mong muốn hướng đến của cơ cấu chấp hành gồm 3 thông số về vị trí và 3 thông số về hướng của cơ cấu chấp hành

Bước 3: Thực hiện cập nhật ma trận Jacobian với kích thước R 6 6 x

Bước 4: Nghịch đảo ma trận Jacobian với phương pháp Pseudo-Inverse và Damped

Bước 5: Xác định các ràng buộc về chuyển động với giải thuật Gradient Descent

Phương trính tính toán hàm số của giải thuật GD

 là giá trị trung bình của không gian làm việc tương ứng với 6 khớp được đề cập

Từ đó Gradient của phương trình (4.53) có dạng như sau:

Bước 6: Thực hiện cập nhật góc thay đổi của lời giải Jacobian

Bước 7: Thực hiện kiểm tra điều kiện nếu không thỏa mãn thực hiện quay lại bước 1

 Tổng hợp các bước vừa thực hiện ta được giải thuật điều khiển sau

Thuật toán: Tính toán động học nghịch sử dụng phương pháp Jacobian

Bước 1: xác định các giá trị vị trí và hướng robot muốn đến

Bước 2: thực hiện tính toán sai số với công thức (4.51)

Bước 3: cập nhật ma trận Jacobian

Bước 4: tính toán ma trận nghịch đảo Jacobian với công thức (4.52) trong đó sử dụng các phương pháp nghịch đảo Pseudo inverse và Damped-Least Square

Bước 5: tìm hệ số ràng buộc chuyển động của các khớp, để tìm cục bộ toàn cục với các phương trình (4.53), (4.54) từ đó áp dụng giải thuật suy giảm độ dốc cớ bản GD

Bước 6: cập nhạt độ lệch góc cần bù cho lần chuyển động tiếp theo

Bước 7: cập nhật góc chuyển động và giới hạn vùng làm việc của các góc

Bước 8: thực hiện kiểm tra lại điều kiện cho phương pháp lặp, nếu thỏa mãn thoát và đưa ra kết quá, nếu còn thực hiện lại Bước 1

XÂY DỰNG BỘ ĐIỀU KHIỂN CẢM BIẾN EMGs

Vị trí lựa chọn đặt điện cực

Hình 5-2 Thiết bị EMG cực khô DFMotion Robot

Hình 5-3 Vị trí đặt cảm biến, a) Drawing by Dr Joe Muscolino, Excellence in online anatomy education, b) Vị trí đặt điện cực của cảm biến EMGs Dựa trên hình ảnh đặt cảm biến Hình 5-3, vị trí đặt cảm biến sẽ xuất phát từ diểm đầu của xương vai nơi kết nối giữa cơ Biceps và xương vai với hai sợi gân cơ được chia thành

Trang 75 long head và short head, dựa trên những đặc điểm về cảm biến EMGs là dạng tiếp xúc khô dựa trên các tấm kim loại phẳng - có tiếp xúc kém hơn sơ với loại cảm biến có tiếp xúc gel có thể được đính lên hầu hết các mặt của bó cơ Vì vậy cảm biến EMGs sẽ được đặt cách xương đòn vai khoảng 13-15cm và được đặt tại phía trên bó cơ long head thuộc cơ biceps branchii.

Xử lý nhiễu tín hiệu có trên cảm biến

5.2.1 Thực hiện phân tích chuỗi Fourier

Tiến hành thu thập tín hiệu EMG tại bó cơ Biceps của quá trình hoạt động tư thế gập/mở cánh tay theo khớp quy của khuỷu tay.Tần số lấy mẫu 2000Hz trong vòng 40 giây.Tín hiệu EMG thô được thu bởi Arduino Uno, lưu trữ dữ liệu bởi phần mềm MATLAB 2022b thông qua giao tiếp UART Tín hiệu thu được từ quá trình thu thập được bao gồm tính hiệu thô từ EMG, và hai biến đổi Fourier trước và sau khi thực hiện lọc a) b)

Hình 5-4 Phân tích phổ tín hiệu thô, a) Tín hiệu điện cơ thô trong miền thời gian, b) Phân tích phổ tần số tín hiệu thô

Từ Hình 5-4b nhận thấy tín hiệu điện cơ thô có dải tần số có ích nằm trong khoảng 20- 250Hz, tiến hành thiết kế bộ lọc thông dải (Band-pass Filter) dựa trên dải tần số này bởi sự kết hợp của bộ lọc thông cao Butterworth bậc 4 có tần số cắt 20Hz và bộ lọc thông thấp Butterworth bậc 4 có tần số cắt 250Hz Tín hiệu điện cơ sau khi lọc trong miền thời gian và phổ tần số tín hiệu sau khi lọc nhiễu được biểu diễn như Hình 5-5 a) b)

Hình 5-5 Phân tích phổ tần số tín hiệu sau khi lọc, a) Tín hiệu điện cơ sau khi lọc nhiễu trong miền thời gian, b) Phổ tần số tín hiệu sau khi lọc nhiễu

5.2.2 Thiết kế bộ lọc nhiễu số Butterworth cho mô hình thực tế

Sau khi thực hiện phân tích chuỗi Fourier cho tín hiệu điện cơ thô và xác định được dải tần số mang thông tin có ích của tín hiệu trong khoảng 20-250Hz, đồng thời thiết kế bộ lọc thông thấp Butterworth bậc 4 và bộ lọc thông cao Butterworth bậc 4 dựa trên dải tần số có ích Việc phân tích cho kết quả tín hiệu điện cơ được loại bỏ bớt tín hiệu không mong muốn và độ trễ của tín hiệu ở mức chấp nhận được để sử dụng cho mô hình chạy trong thời gian thực Từ đó, tiếp tục tiến hành thiết kế bộ lọc số cho tín hiệu để sử dụng Arduino Mega

2560 thực hiện đồng thời 2 nhiệm vụ thu thập và xử lí tín hiệu

Trong đó, việc thu thập tín hiệu dựa trên tần số lấy mẫu f 1000Hztham khảo theo các nghiên cứu [40, 41] trong quá trình thu thập và xử lý tín hiệu điện cơ

5.2.2.1 Thiết kế bộ lọc thông thấp

Từ kết quả phân tích chuỗi Fourier chỉ ra tần số cắt phù hợp để thiết kế bộ lọc c 250 f  Hz

Xác định giá trị tần số tiền biến dạng theo công thức sau:

      Hàm truyền cho bộ lọc được trình bày theo công thức:

H(s)= 1 D(s) Trong đó D(s) là mẫu số chuẩn hoá cho bộ lọc bậc 4

Hàm truyền của bộ lọc trong miền thời gian liên tục được viết lại như sau

 Biến đổi hàm truyền H(s) từ miền thời gian liên tục sang miền thời gian rời rạc và thay 1.6198

  ta được hàm truyền H(z) có dạng:

Chia cả tử và mẫu cho 32.179z 4 ta được:

Biểu thức bộ lọc Butterworth thông thấp bậc 4 được biểu diễn như sau:

5.2.2.2 Thiết kế bộ lọc thông cao

Từ kết quả phân tích chuỗi Fourier chỉ ra tần số cắt phù hợp để thiết kế bộ lọc f c 20Hz

Xác định giá trị tần số tiền biến dạng theo công thức sau:

Hàm truyền cho bộ lọc được trình bày theo công thức:

Trong đó D(s) là mẫu số chuẩn hoá cho bộ lọc bậc 4 có biếu thức

Hàm truyền của bộ lọc trong miền thời gian liên tục được viết lại như sau:

 Biến đổi hàm truyền H(s) từ miền thời gian liên tục sang miền thời gian rời rạc và thay 0.4935

  ta được hàm truyền H(z) có dạng:

Chia cả tử và mẫu cho 32.179z 4 ta được:

Biểu thức bộ lọc Butterworth thông cao bậc 4 được biểu diễn như sau:

MÔ PHỎNG VÀ ĐÁNH GIÁ HỆ THỐNG

Tổng quan về mô phỏng hệ thống

Chương trình mô phỏng được thực hiện trên máy tính sử dung vi xử lý AMD Ryzen 7 6800H, xung nhịp 4.8 MHz, RAM hệ thống 16GB Chương trình được thực hiện mô phỏng dựa trên phần mềm MATLAB 2019b với thời gian lấy mẫu của chương trình là 0.001s

EMGs sensor Human upper limb motion

Hình 6-1 Sơ đồ triển khai hệ thống trong mô phỏng

Sơ đồ khối được mô tả như Hình 6-1, trong quá trình mô phỏng hệ thống sẽ được đánh giá theo hai khối chức năng Khối Master, có cảm biếm EMGs và vi điều khiển Arduino trong đó cảm biến EMGs sẽ có chức năng thu thập các tín hiệu về điện cơ trong quá trình hoạt động, dữ liệu Analog sẽ được gửi đến vi điều khiển để phân tích dữ liệu để tạo ra góc điều khiển cho các khớp của robot, dữ liệu này sau đó sẽ được mã hóa thành một dạng tin nhắn để gửi đến Slave thông qua giao tiếp UART Khối Slave, dữ liệu về UART sẽ được thực hiện trên phần mềm Matlab Simulink để mô phỏng robot exoskeleton 6 bậc tự do Tín hiệu đặt se4 được gửi đến Matlab thông qua giao tiếp UART từ MASTER, các dữ liệu này sẽ được miêu tả trên mô hình robot thông qua Simscape Matlab.

Kiểm chứng mô phỏng với robot

Hình 6-2 Minh họa kiểm chứng động học nghịch với chương trình tính toán động học nghịch

Jacobian, a) Vị trí điểm mong muốn đến b) kết quả thực hiện

Từ Hình 6-2a miêu tả vị trí của cơ cấu chấp hành cuối tại thời điểm ban đầu với vi trí P1 và Hình 6-2b miêu tả kết quá mong muốn khi robot di chuyển đến vị trí P2 với kết quả khi sử dụng cả 3 phương pháp được kết hợp tại mục 2.3

Với chương trình tính toán sử dụng giải thuật Jacobian, việc lựa chọn giá trị bắt đầu khá quan trọng trong quá trình thực hiện tính toán, tại cấu trúc và đặt trục cho robot vị trí bắt đầu được lựa chọn là  1  1,  2  1,  3   90,  4  1,  5  90,  6  1 với đơn vị là Deg

Giải thuật mô tả tính toán được để tại mục 4.2.2, trong chương trình tính toán về động học có bao gồm cả 6 thông số trong đó, 3 thông số về vị trí và 3 thông số về các góc của cơ cấu chấp hành trong không gian gồm roll, pitch và yaw được xác định theo phép quay euler, vị trí mong muốn P2 được lựa chọn với dữ liệu được sắp xếp như sau

Bảng 6-1 Bảng liệt kê kết quả kiểm chứng động học robot

Vị trí ban đầu Vị trí kết thúc Sai số về vị trí (mm)

Sai số về hướng (độ)

Về kết quả tính toán sau khi giải động học nghịch có kết quả tương đối nhỏ so với giá trị cho phép khoảng 10  3 mm Với giá trị bất kì của P2 kết quả sẽ được thể hiện tại Bảng 6-2 Với vị trí ban đầu không thay đổi P1 11.3, 5.214,1249, 89, 0.9824, 87.98     

Bảng 6-2 Bảng kiểm chứng động học nghịch với giá trị bất kì

Tọa độ kết thúc P2 Sai số về vị trí

Sai số về hướng (độ)

Kết luận: Tùy thuộc vào từng vị trí khác nhau phương pháp giải Jacobian cho ra các kết quả về sai số khác nhau dù vậy các đáp ứng về sai số đều đạt được sai số cho phép và có kết quả nhỏ hơn đáng kể so với kì vọng Tuy nhiên trong quá trình chọn lựa các điểm để tính toán đã thực hiện loại bỏ các điểm kì dị không mong muốn dẫn đến sự mất ổn định cho robot

6.2.2 Không gian làm việc robot

Không gian làm việc robot được xác định dựa trên bài toán về động học thuận bằng cách giới hạn về các khớp quay Các chuyển động của các khớp quay được giới hạn lại như sau

Bảng 6-3 Thông số giới hạn chuyển động của các khớp Biến khớp Giới hạn dưới (độ) Giới hạn trên (độ)

Hình 6-3 Không gian làm việc của robot trong không gian 3D của cơ cấu chấp hành cuối, không gian làm việc của hệ cà hệ thống (màu xanh), không gian làm việc bị giới hạn (màu đỏ) a) b)

Hình 6-4 Không gian làm việc tổng quát (màu xanh) và không gian làm việc được giới hạn (đỏ) a) Trong góc nhìn mặt phẳng Oxy, b) Trong góc nhìn Oxz

6.2.3 Mô phỏng quy hoạch quỹ đạo cho robot

Với khả năng hoạt động rộng của mô hình trong không gian lớn việc quy hoạch quy đạo là vô cùng phức tạp khi phải đồng thời thực hiện né tránh các điểm kì dị của robot, việc quy hoạch quỹ đạo của robot với các dạng quỹ đạo hình tròn hình vuông chưa thể hiện được hết về không gian làm việc của robot bên cạnh đó với ứng dụng của robot hầu hết cho các khái niệm về phục hồi chức năng cho chi trên nên quỹ đạo cần thiết lập phải dựa trên các ứng dụng thực tế Để thực hiện chuyển động trong quy hoạch robot exoskeleton cần thực hiện các yêu cầu gồm: chuyển động mượt mà, có giới hạn, ràng buộc trong chuyển động, đồng thời xem xét các yếu tố về gia tốc và vận tốc

Từ các kết luận trên, quy hoạch quỹ đạo trong đề tài sẽ là một bài tập cụ thể cho chi trên và được áp dụng theo hàm số bậc 5 (Quintic) với các dữ liệu được thu thập theo thời gian Vì robot hoạt động trên không gian lớn nên các vấn đề về quy hoạch quỹ đạo là không thể tránh khỏi Phương pháp quy hoạch được sử dụng là phương pháp quy hoạch từ điểm đến điểm với các thông tin chi tiết được đề cập tại mục 2.4.Tập hợp các điểm trong quy hoạch quỹ đạo được liệt kê tại Bảng 6-4

Sau khi kiểm tra chính xác về động học của robot exoskeleton và xác định không gian làm việc cho robot, nhóm sẽ thực hiện phân tích quỹ đạo chuyển động cho robot dựa trên

01 bài tập chuyển động cụ thể của robot, thí nghiệm được triển khai với mô hình mô phỏng sau

Hình 6-5 Chương trình quy hoạch quỹ đạo kiểm chứng trong mô phỏng

- Khối chương trình màu tím thực hiện tính toán động học nghịch của robot tại từng điểm nằm trên quỹ đạo đã được xác định trước, các giá trị về điểm đầu cuối của quỹ đạo tại ngõ ra của khối động học nghịch sẽ được tập hợp lại thành một tệp dữ liệu sẵn sàng nạp cho khối quy hoạch quỹ đạo không gian khớp

- Khối chương trình màu xanh, tại chương trình này với dữ liệu đã được thu thập được khối quy hoạch quỹ đạo sẽ thực hiện quy hoạch chuyển động cho từng khớp dựa trên đa thức bậc 5 để tạo ra các góc điều khiển cho robot

Bảng 6-4 Tập hợp sai số các điểm thực hiện quy hoạch quỹ đạo

STT Độ lớn sai số vị trí

(Ex, Ex, Ez) - nm Độ lớn sai số hướng (roll, pitch, yaw) - (độ)

29 175, -12.3, 979 0.167, 0.452, 0.306 Dựa vào sai số được tính toán tại mỗi điểm các đáp ứng về vị trí và góc đều thỏa mãn, bên cạch đó các sai số về vị trí giữ giá trị tham chiếu và giá trị ngõ ra khá nhỏ khoảng 1 um với giá trị lớn nhất về vị trí và 0.5 độ với kết quả tại ngõ ra từ đó ta có thể sử dụng các tọa độ này để thực hiện quy hoạch quỹ đạo cho robot Ngoài ra, nhằm khác phục nhược điểm của phương pháp quy hoạch trong không gian khớp là không đáp ứng tốt được về vị trí tại trong quá trình quy hoạch khi so với phương pháp quy hoạch quỹ đạo theo không gian làm việc, nhóm đã thực hiện tập hợp nhiều điểm để quy hoạch thành nhiều chặn trong quá trình làm việc để kiểm soát tốt hơn về vị trí của cơ cấu chấp hành cuối

Từ kết quả tính toán các điểm cần thực hiện quy hoạch trong không gian khớp đáp ứng về quỹ đạo sẽ được thực hiện với các đáp ứng được thể hiện tại hình sau

Hình 6-6 Đáp ứng của hệ thống trong quá trình quy hoạch quỹ đạo, a) Quỹ đạo chuyển động trong không gian 3D với kèm hướng của cơ cấu chấp hành cuối, b) Chuyển động của cơ cấu chấp hành cuối khi chuyển động trên trục X, c) trục Y và d) trục Z

Kiểm chứng mô phỏng với tín hiệu EMG

6.3.1 Thử nghiệm dữ liệu thu thập từ cơ Bicep và Triceps

Chuyển động cánh tay Vi điều khiển Máy tính cá nhân

Hình 6-10: Quy trình thực hiện mô phỏng phương pháp ước lượng và đánh giá kết quả xử lý của tín hiệu EMGs Để thu thập dữ liệu của chuyển động các cảm biến EMG và IMU đều được đính trên cánh người thực tế, các chuyển động sẽ được chuyển thành các tín hiệu số trong đó tín hiệu EMGs được chuyển đổi thành tín hiệu analog, tín hiệu góc từ IMU sẽ được đọc thông qua giao tiếp I2C Các tín hiệu sau đó đươc chuyển thành giá trị góc và gửi đến Slave là máy tính cá nhân để thu thâp dữ liệu Với vị trí đặt điện cực tại mục 5.1, cùng với đó thời gian thực nghiệm có kết quả được lấy trong khoảng thời gian tổng cộng là 120 giây với 2 lần thực hiện gập duỗi và 5 lần nghĩ được đan xen trong quá trình tập luyện Thời gian thực hiện gập và duổi 1 lần là 20 giây, thời gian nghĩ giữa hai lần gập duổi liên tiếp là 2 giây.Tín hiệu đo được sẽ được lựa chọn một trong hai khu vực chính của bó cơ bắp tay trên với đối tượng là các cơ Bicep và Triceps

Hình 6-11 Kết quả kiểm chứng tín hiệu EMGs với tập dữ liệu thu thập với bó cơ Biceps, a) Tín hiệu EMG trước khi lọc nhiễu, b)Tín hiệu EMGs sau khi lọc nhiễu và c) Góc ước lượng giữa tín hiệu EMG và tín hiệu IMU tham chiếu

Từ kết quả EMGs thử nghiệm đạt được, các đáp ứng về tín hiệu EMGs cho ra có kết quả tương đối đạt về đáp ứng của tín hiệu, tuy nhiên vẫn còn sai lệch khá lớn về góc ước lượng và góc thực tế mà cảm biến IMU thu thập được, việc sử dụng cảm biến điện cơ về cơ bản cho thấy được các đáp ứng sinh học của cơ thể trong quá trình chuyển dộng của các chi Cho thấy rằng các tín hiệu EMG thường được sử dụng trong các phương thức về chuẩn đoán nhiều hơn là được sử dụng để điều khiển một đối tượng do tính chính xác của nó, từ đó có thể lý giải được mức độ phổ biến của tín hiệu trong các ứng dụng về chuẩn đoán trong lĩnh vực y học

6.3.2 Mô phỏng kiểm chứng điều khiển robot sử dụng tín hiệu EMGs

Mô phỏng được kiểm chứng thông qua phần mềm Matlab simulink 2022b, video thực hiện chi tiết mô phỏng có thể xem tại đường dẫn: https://youtu.be/F8IkM0f-Zb8

Thời gian thực hiện mô phỏng với tín hiệu EMG: 30 giây

Số lần thực hiện co duỗi cơ: 4 lần

Hình 6-12 Mô phỏng đáp ứng tính hiệu IMU ước lượng trên bó cơ Bicep

Hình 6-13 Mô phỏng đáp ứng tính hiệu IMU, ước lượng trên bó cơ Tricep

Từ các đáp ứng có ở các Hình 6-12 và Hình 6-13, ta có thể so sánh được kết quả ước lượng từ hai vị trí đặt cảm biến tại các bó cơ lần lượt là bicep và tricep Trong đó các đáp ứng tại bó cơ Bicep cho kết quả tốt hơn đánh kể Tuy nhiên về nhiều khía cạnh tính hiệu EMG chưa thực sự ước lượng được chính xác với giá trị góc từ IMU đề cập, đây cũng là vấn đề chung đối với các cảm biến EMG, cảm biến chỉ có thể cải thiện tốt hơn chứ không thể được sử dụng là giá trị tuyệt đối do tính phi tuyết cao của cơ thể sinh học

THỰC NGHIỆM VÀ ĐÁNH GIÁ HỆ THỐNG

Tổng quan thực nghiệm hệ thống

Tín hiệu Encoder Mạch điều khiển

Hình 7-1 Sơ đồ tổng quan kết nối hệ thống

Từ mô hình tổng quan Hình 7-1, ta có mô hình thực nghiệm kiểm chứng để đảm bảo độ an toàn trong quá trình thực hiện sau

Kiểm tra cấu hình phần cứng

Kiểm tra giao thức truyền thông, chương trình điều khiển

Thực nghiệm kiểm tra quy hoạch quỹ đạo

Thực nghiệm điều khiển robot với tín

Hình 7-2 Quy trình thực nghiệm hệ thống thực tế

Cấu hình các thông số và phương pháp điều khiển trên driver AC servo và driver

Để thực hiện điều khiển mô hình robot sử dụng AC servo các thông số cấu hình động cơ AC Servo được cài đặt thông qua phần mềm MR-Configurator2 cung cập bởi Mitsubishi, các số liệu được cấu hình cho hai loại AC servo driver bao gồm Driver MR- JE-10A và Driver MR-JE-40A

Hình 7-3 Phần mềm cấu hình Driver điều khiển AC servo Thông số cấu hình cơ bản của AC servo driver gồm:

- Số xung trên một vòng quay: 1000 pulse/rev.

Thực nghiệm mạng truyền thông CAN bus

Tiếp đến để kiểm tra hoạt động của mô hình nhóm kiểm tra điều khiển giao tiếp CAN bus để dảm bảo hệ thống hoạt động ổn định không xảy ra lỗi trong quá trình truyền nhận tín hiệu mô hình thực nghiệm được phát triển với Hình 7-5

UART Application Master Module CAN Network

Step Motor Driver Robot Exoskeleton

AC Servo Driver AC Servo

Hình 7-5 Mô hình kiểm chứng kết nối CAN bus

Với mô hình kiểm chứng được phát triển như Hình 7-5, tại chế độ điều khiển vị trí số xung được tính toán dựa trên độ thay đổi về góc được thực hiện bởi các mạch điều khiển thứ cấp, trong đó số xung điều khiển được tính theo công thức

Trong đó: p là số xung được cấp đến driver,  là độ chênh lệch giữa góc muốn điều khiển và giá trị ban đầu (thường là 0), n là số xung trên một vòng được cấu hình và k là tỉ số truyền giữa trục quay động cơ và cơ cấu chấp hành của robot Trong thử nhiệm được sử dụng để kiểm chứng hoạt động của mô hình thực tế, có 3 thí nghiệm gồm

Thí nghiệm 1: Kiểm tra điều khiển với góc bất kì Điều khiển động cơ số 1 quay một góc 0.5 deg, động cơ số 2 quay một góc 0.2 deg Với chuỗi dữ liệu gửi xuống dữ liệu sẽ được tạo thành chuổi có dạng như sau

Giá trị gửi xuống sẽ được thực hiện theo phương pháp mã hóa sau nhằm cho phép sử dụng hai giá trị thập phân được sử dụng sau dấu phẩy

Trong đó:  là giá trị góc cần gửi xuống, v là giá trị góc sau được mã hóa thành chuổi Với công thức (6.1) số xung được gửi xuống chương trình là

Hình 7-6 Số xung driver AC servo đọc được khi xoay 0.2 độ với hai động cơ ở bên trái hình ảnh

Giá trị góc gửi xuống

Giá trị góc phản hồi

Hình 7-7 So sánh giữa giá trị góc phản hồi và giá trị góc gửi xuống driver

Thí nghiệm 2: Kiểm tra thiết vị khi quay về trạng thái ban đầu

Với chuỗi dữ liệu gửi xuống dữ liệu sẽ được tạo thành chuổi có dạng như sau

Tương tự với công thức (6.2) giá trị góc gửi se được mã hóa thành chuổi

Hình 7-8 Số xung driver AC servo đọc được khi xoay về vị trí ban đầu

Giá trị góc gửi xuống

Giá trị góc phản hồi

Hình 7-9 So sánh giữa giá trị góc phản hồi và giá trị góc gửi xuống driver

Thí nghiệm 3: Kiểm tra tính lặp lại của mô hình

Kết quả điều khiển sẽ sẽ được thực hiện lặp lại 5 lần nhằm kiểm tra độ lệch và độ tin cậy của mô hình sử dụng

Hình 7-10 Kết quả gửi nhận 5 lần giữa hai giá trị bất kì

Kết luận: Từ kết quả thí nghiệm ta thấy các mô hình CAN hoạt động ổn định, không có tình trạng bị treo trong quá trình gửi nhận, hiếm khi xảy ra tính trạng bị treo hệ thống, hoặc các thiết bị xung đột khi gửi nhận với nhau Cùng với đó qua bải kiểm tra trên ta đánh giá được tính ổn định của hệ thống và sai số rất nhỏ khoảng 0.02độ với tín hiệu trả về từ Encoder của động cơ Cùng với đó với số lần thực hiện lặp lại 5 lần trong đó có 3 lần thực hiện di chuyển với 0.2 độ mỗi khớp và 2 lần trở về vị trí ban đầu, giá trị encoder từ AC servo driver cho thấy hệ thống có tính ổn định cao.

Thực hiện kiểm chứng quy hoạch quỹ đạo trên mô hình thực tế

Với chức năng quy hoạch quỹ đạo cho robot sẽ được thực nghiệm Video kiểm chứng thực nghiệm chạy bài tập thực tế có tại đường dẫn: https://youtu.be/5f81mqggxPc

Do chưa có phương thức phản hồi giá trị encoder từ các khớp 5 và 6 của mô hình robot

6 bậc tự do nên các đáp ứng hiện tại của robot được xác định và đánh giá chỉ dựa trên 4

Trang 94 bậc tự do đầu tiên của hệ thống Các thực nghiệm đối chiếu các kết quả mô phỏng vị trí của khớp khuỷu tay (khớp 4) với kết quả đáp ứng từ robot từ thực tế a) b) c)

Hình 7-11 Đáp ứng vị trí giữa thực tế và mô phỏng của khớp khuỷu tay theo a) phương X, b) phương Y, c) phương Z Để đánh giá đáp ứng của mô hình robot với giá trị tham chiếu trong chuyển động phương pháp bình phương cực tiểu RMS được sử dụng để đánh giá sai số trong chuyển động của mô hình Các thử nghiệm được thực hiện lặp lại 5 lần với quỹ đạo không thay đổi Các tệp dữ liệu sẽ được xuất và đánh giá cùng với các dữ liệu có được từ mô phỏng để tìm sai số về 3 thông số về vị trí của khớp khuỷu tay trong không gian

Bảng 7-1 Bảng thống kê đánh giá RMSE cho quỹ đạo được quy hoạch

Hình 7-12 Đáp ứng được so sánh về a) Vị trí, b) Hướng và c) Gia tốc chuyển động theo trục X của khớp khuỷu tay

Hình 7-13 Đáp ứng được so sánh về a) Vị trí, b) Hướng và c) Gia tốc chuyển động theo trục Y của khớp khuỷu tay

Hình 7-14 Đáp ứng được so sánh về a) Vị trí, b) Hướng và c) Gia tốc chuyển động theo trục Z của khớp khuỷu tay

Từ các đáp ứng tại các Hình 7-11a, Hình 7-11b, Hình 7-11c, , Hình 7-12, Hình 7-13, Hình 7-14 cho thấy các đáp ứng về hệ thống của robot trong thực tế đa phần đáp ứng được các chuyển động như mong muốn

Từ đánh giá RMSE cho thấy trong quá trình thực hiện quỹ đạo, các sai số khi so sánh trên trục tọa độ Y có kết quả ít lệch nhất, các sai số hầu hết có kết quả dưới 1mm tại từng hệ trục tọa độ

Tuy nhiên khi xét vị trí của khớp khuỷu tay theo phương Y tại Hình 7-11b, các kết quả có sự sai lệch lớn trong thời gian từ 40-100s, sự ảnh hướng nảy có thể xem xét kĩ hơn tại Hình 7-13 khi xét đến các yếu tố về vận tốc và gia tốc của khớp theo phương Y, trong thời gian từ 65-85s còn xảy ra các hiện tượng bị giật về vận tốc dù không có sự thay đổi lớn trong chuyển động, thấy rằng các giá trị về vận tốc đáp ứng chưa thực sự tốt và kết quả dường như không bám sát với mô phỏng Điều này có thể giải thích rằng trong quá trình chuyển động các động cơ có phương di chuyển theo trục Y có thể không chắc chắn rung lắc, đẫn đến encoder của động cơ trả về có kết quả không như ý

Khác với kết quả tại phương Y của robot, ở vị trí hai hệ trục còn lại của khớp khuỷu tay đều có kết quả gần sát nhất với thực tế Tại Hình 7-12 và Hình 7-14 khi xét đến vận tốc di chuyển các đáp ứng bám giống với biên độ vận tốc trong mô phỏng dù hiện tượng chattering vẫn đang còn nhiều.

Thực nghiệm kiểm chứng tín hiệu EMG với mô hình robot

Thực nghiệm kiểm chứng tín hiệu EMG trên mô hình thực tế được biểu diễn thông qua lưu đồ Hình 7-15

Hình 7-15 Lưu đồ thực hiện kiểm chứng tín hiệu EMGs trên mô hình thực tế

Với tính chất không ổn định của tín hiệu EMG cùng với đó sự thay đổi nhanh về tốc độ chuyển động sẽ rất dể khiến mô hình robot hoạt động không an toàn và ổn định trong quá trình điều khiển Từ đó để giải quyết vấn đề trên thời gian chuyển động, thời gian thực nghiệm, hướng tiếp xúc của cảm biến và đáp ứng của hệ thống là các yếu tố cần quan tâm

EMGs Vi điều khiển Máy tính nhúng

Hình 7-16 Sơ đồ tiếp nhận thông tin từ cảm biến đến mô hình robot

Từ Hình 7-16, việc trì hoãn 2 giây giữa tín hiệu thực tế để điều khiển robot giúp ta có thể kiểm tra trước về độ ổn định của tín hiệu, đồng thời có thể có thời gian nhằm điều chỉnh biên độ và thời gian với từng chuyển động khác nhau

Các tiêu chí về chuyển động bao gồm: thời gian chuyển động: được xác định không quá nhanh để tránh tình trạng robot thay đổi nhanh đột ngột, khi chuyển động quá nhanh tín hiệu ước lượng có thể không được chuẩn xác Ngược lại, khi hoạt động diễn ra chậm, cơ dể mõi và hạn chế về thời gian có thể khảo sát được.Về thời gian thực nghiệm, phải có những khoảng nghỉ giữa những lần thực nghiệm để cơ thư giản Hướng tiếp xúc cảm biến theo hướng trọng lực, cái đây buộc có độ khít vừa phải, cảm biến phải được đặt ở phạm vi chính giữa bó cơ để cảm thụ được cường độ tín hiệu tốt Video thực nghiệm mô hình robot kết hợp với tín hiệu EMG: https://youtu.be/e3IopB48vao

Hình 7-17 Tín hiệu ước lượng từ cảm biến EMG và đáp ứng góc khớp từ mô hình

Về cơ bản dựa trên các tín hiệu EMG thu thập được các đáp ứng của robot gần như có cùng biên độ, các tín hiệu thể hiện được độ trể như đã đề ra Tuy nhiên, đáp ứng của hệ thống chưa sát với giá trị mà tín hiệu EMG thu thập được Dựa trên kết quả thu thập được từ thực nghiệm ta có thể so sánh được các giá trị của tín hiệu EMG ước lượng được đều có sự tương đồng Giá trị của các góc ước lượng có giá trị gần giống với tín hiệu thu thập được từ cảm biến IMU, tuy vẫn có sai số lớn nhưng có thể thấy rằng giữa đáp ứng mô phỏng tại mục 6.3 và kết quả tại Hình 7-17 có thể thấy các giá trị có khoảng ước lượng tương đồng nhau Ngược lại, góc ước lượng từ cảm biến EMGs lại không giống nhau khi cùng thực hiện một tác vụ, do bản chất của tín hiệu EMG là tín hiệu không cố định như đã được đề cập tại mục 2.6

Từ đó có thể nhận thấy được rằng các cảm biến sử dụng tín hiệu EMG thường được sử dụng như một liệu pháp đi kèm với thiết bị hỗ trợ trong trong y học cũ thể là các mô hình robot phục hồi chức năng, giúp phát hiện và chuẩn đoán sức cơ trong quá trình phục hồi