Trong quá trình hoạt động, chướng ngại vật được phát hiện và dữ liệu của nó được truyền tới bộ điều khiển để thực hiện các động tác tránh.. Về hệ thống điều khiển, thuật toán PID được sử
GIỚI THIỆU
Tính cấp thiết của đề tài
- Giải quyết bài toán UAV di chuyển tự động, sẽ mở ra nhiều ứng dụng trong tương lai
- Nâng cao hiệu quả và an toàn cho các hoạt động sử dụng UAV
- Góp phần thúc đẩy sự phát triển của ngành công nghiệp UAV.
Ý nghĩa khoa học và thực tiễn của đề tài
- Phát triển các thuật toán điều khiển và lập kế hoạch tiên tiến cho UAV di chuyển tự động
- Giải quyết các vấn đề liên quan đến định vị, lập bản đồ, lập kế hoạch đường đi, tránh chướng ngại vật trong môi trường hạn chế tầm nhìn
- Góp phần nâng cao kiến thức và kỹ thuật trong lĩnh vực điều khiển và robot tự hành
- Thúc đẩy nghiên cứu về các cảm biến, thuật toán và hệ thống điều khiển mới cho UAV hoạt động trong môi trường phức tạp
- Khám phá tiềm năng ứng dụng của UAV trong các lĩnh vực mới như:
+ Tìm kiếm cứu nạn trong thảm họa
+ Khảo sát hang động, địa hình hiểm trở
+ Kiểm tra, bảo trì cơ sở hạ tầng phức tạp
- Góp phần nâng cao trình độ khoa học kỹ thuật của Việt Nam trong lĩnh vực robot tự hành và trí tuệ nhân tạo
1.2.2 Thực tiễn của đề tài
UAV giúp thực hiện các nhiệm vụ trong những môi trường mà con người gặp khó khăn hoặc không thể tiếp cận, từ đó nâng cao hiệu quả và đảm bảo an toàn cho các hoạt động.
+ Tìm kiếm cứu nạn trong thảm họa
+ Kiểm tra, bảo trì cơ sở hạ tầng
- Tự động hóa các công việc nguy hiểm, tốn kém và tốn thời gian, giúp tiết kiệm chi phí và nhân lực
- Nâng cao năng suất và hiệu quả hoạt động trong các lĩnh vực khác nhau
- Góp phần thúc đẩy phát triển kinh tế-xã hội, đặc biệt là trong các lĩnh vực:
Mục tiêu nghiên cứu của đề tài
- Tính toán, lắp ráp mô hình Quadcopter
- Hiểu rõ được các kiến thức liên quan đến Quadcopter
- Thiết kế bộ điều khiển vị trí cho Quadcopter
- Thiết kế thuật toán tránh né vật cản cho UAV.
Đối tượng và phạm vi nghiên cứu
- Cảm biến: cảm biến có thể bao gồm camera, cảm biến siêu âm và cảm biến hồng ngoại
- Môi trường bay: Trong nhà
Phương pháp nghiên cứu
Để xây dựng nội dung chất lượng về UAV, cần thu thập và tổng hợp tài liệu từ các bài báo khoa học, sách, và tài liệu liên quan đến các thuật toán tránh né vật cản cũng như các công nghệ cảm biến tiên tiến.
Phân tích các công trình nghiên cứu trước là bước quan trọng giúp hiểu rõ các phương pháp và kết quả đã đạt được Qua đó, chúng ta có thể xác định các khoảng trống cần nghiên cứu thêm hoặc cải tiến, từ đó định hướng cho các nghiên cứu tiếp theo một cách hiệu quả hơn.
- Mô hình hóa UAV: Xây dựng mô hình toán học của UAV, bao gồm động học và động lực học
- Mô hình hóa vật cản: Mô tả các vật cản tiềm năng trong môi trường bay, bao gồm kích thước, hình dạng và cách chúng di chuyển
- Mô phỏng: sử dụng các phần mềm mô phỏng như Gazebo, ROS (Robot Operating System
Thực nghiệm thực tế là quá trình tiến hành các kiểm tra trong môi trường thực nhằm đánh giá hiệu suất của UAV trong việc tránh né vật cản Việc ghi nhận dữ liệu từ các thử nghiệm này rất quan trọng để phân tích và cải tiến thuật toán, từ đó nâng cao khả năng hoạt động của UAV.
- Viết báo cáo chi tiết: bao gồm tất cả các bước nghiên cứu, từ lý thuyết, thiết kế, phát triển, phân tích và kết luận.
Kết cấu của ĐATN
Chương II: TỔNG QUAN VỀ UAV
Chương III: MÔ HÌNH TOÁN VÀ THIẾT KẾ BỘ ĐIỀU KHIỂN
Chương IV: TỔNG QUAN VỀ VISUAL INERTIAL ODOMETRY
Chương V: TÍNH TOÁN, LỰA CHỌN THIẾT BỊ CHO MÔ HÌNH UAV
Chương VI: KẾT QUẢ THỰC NGHIỆM
Chương VII: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
TỔNG QUAN VỀ UAV
UAV là gì
UAV, hay còn gọi là máy bay không người lái, là các phương tiện bay tự động hoặc điều khiển từ xa, sử dụng động cơ để tạo ra lực nâng Chúng đã trở thành công cụ quan trọng trong nhiều lĩnh vực, từ quân sự đến dân dụng, nhờ vào tính linh hoạt, tiết kiệm chi phí và hiệu quả cao trong các ứng dụng đa dạng.
Lịch sử hình thành và phát triển UAV
2.2.1 Lịch sử ngành hàng không
- Trước năm 1914: Thời kì sơ khai
Ngành hàng không ra đời vào đầu thế kỷ 20, đánh dấu bởi thành công của các nhà thiết kế máy bay trên toàn thế giới Vào ngày 17 tháng 12 năm 1903, Orville và Wilbur Wright đã thực hiện chuyến bay đầu tiên với máy bay động cơ, kéo dài 12 giây và đạt độ cao 37 mét tại Kitty Hawk, North Carolina, sau bốn năm nỗ lực nghiên cứu.
Trong giai đoạn 1914-1918, ngành hàng không chứng kiến sự phát triển mạnh mẽ do nhu cầu chiến tranh trong Chiến tranh Thế giới thứ I, với công nghệ máy bay cải tiến đạt tốc độ 130 dặm/giờ, gấp đôi so với trước đó Tuy nhiên, sau khi chiến tranh kết thúc, nguồn cung máy bay dư thừa và nhu cầu giảm mạnh dẫn đến giá máy bay giảm sâu, nhiều doanh nghiệp phá sản và ngành hàng không rơi vào suy thoái Đồng thời, sự đầu tư mạnh mẽ vào đường sắt với tốc độ di chuyển tương đương máy bay cũng đã làm chậm sự phát triển của vận chuyển hàng không.
- Giai đoạn từ 1918-1963: Kỷ nguyên của Airmail (bưu phẩm gửi bằng máy bay)
Năm 1918, dịch vụ vận chuyển bưu phẩm bằng máy bay được thành lập khi quân đội Hoa Kỳ chuyển giao trách nhiệm cho bưu điện Hoa Kỳ Bưu phẩm đầu tiên được gửi từ College Park, Maryland đến Chicago, đánh dấu bước khởi đầu quan trọng Doanh thu từ dịch vụ Airmail đã góp phần quan trọng vào sự phát triển của ngành hàng không.
Trong giai đoạn đầu, máy bay phản lực được sản xuất lần đầu tiên cho mục đích quân sự tại Đức, sau đó được chuyển sang sử dụng cho thương mại Năm 1952, công ty British Overseas Airways Corporation khai thác tuyến bay giữa London và Johannesburg, đánh dấu bước ngoặt quan trọng trong lịch sử hàng không Đến năm 1958, máy bay Boeing đã trở thành biểu tượng cho sự phát triển của ngành hàng không thương mại.
707 ra đời và bắt đầu phục vụ vận chuyển xuyên Đại Tây Dương, mở ra kỷ nguyên mới cho ngành hàng không
- Giai đoạn 1964-1973: Ngành hàng không phát triển vượt trội
Trong giai đoạn hiện nay, ngành hàng không đang chứng kiến sự phát triển mạnh mẽ nhờ vào công nghệ tiên tiến, giúp nâng cao khả năng sản xuất máy bay chở người và hàng hóa Sự gia tăng này đã dẫn đến số lượng hành khách và hàng hóa vận chuyển ngày càng tăng.
4 bằng đường hàng không tăng gấp 2,7 lần so với giai đoạn trước, với tốc độ tăng trưởng bình quân 10% mỗi năm
Vào năm 1971, Federal Express Corp (FedEx) đã giới thiệu dịch vụ vận chuyển hàng hóa Door-to-Door bằng đường hàng không, với cam kết đảm bảo hàng hóa được giao đúng hạn và tận tay khách hàng.
- Giai đoạn 1973-1993: Khủng hoảng dầu mỏ và những thay đổi về chính sách
Ngành hàng không đang trên đà phát triển mạnh mẽ nhờ vào công nghệ tiên tiến, với số lượng hành khách và hàng hóa tăng gấp 2,7 lần so với giai đoạn trước Tốc độ tăng trưởng trung bình đạt 10% mỗi năm, đánh dấu sự bùng nổ trong lĩnh vực này Đặc biệt, năm 1971, FedEx đã ra mắt dịch vụ vận chuyển hàng hóa Door-to-Door bằng đường hàng không, góp phần nâng cao hiệu quả logistics.
Trong giai đoạn này, hai sự kiện quan trọng đã tác động mạnh mẽ đến ngành hàng không: khủng hoảng dầu mỏ năm 1975 và việc bãi bỏ các quy định từ chính phủ, dẫn đến sự cạnh tranh gay gắt Chi phí dầu mỏ tăng cao, chiếm từ 40-60% chi phí đầu vào, làm giảm lợi nhuận của doanh nghiệp Sự gia tăng cạnh tranh do bãi bỏ quy định đã khiến lợi nhuận sụt giảm mạnh, mặc dù số lượng hành khách và sân bay trên toàn cầu vẫn tăng trưởng ngoạn mục.
Giai đoạn 1994-2002 chứng kiến sự bùng nổ của mô hình hàng không giá rẻ (Low-Cost Carriers), khi toàn cầu hóa thúc đẩy doanh nghiệp chuyển nhà máy đến các quốc gia có chi phí nhân công thấp Đồng thời, sự phát triển mạnh mẽ của thương mại điện tử đã mở ra nhiều cơ hội mới cho các công ty trong việc thiết lập các trung tâm phân phối toàn cầu.
Ngành hàng không đang mở rộng đội bay và cải thiện cơ sở vật chất để đáp ứng nhu cầu và tăng cường tính cạnh tranh Sự ra đời của mô hình "hàng không giá rẻ" (Low Cost Carrier - LCC) đã cung cấp dịch vụ bay giá thấp, tạo áp lực giảm giá vé cho các hãng hàng không truyền thống và kích thích nhu cầu bay tăng mạnh Số lượng hành khách đã tăng từ 1,3 tỷ vào năm 1994 lên 2 tỷ vào năm 2000, trong khi hệ số tải cũng tăng từ 66% lên 73%.
Vào ngày 11/9/2001, ngành hàng không Mỹ trải qua một cuộc khủng hoảng nghiêm trọng do vụ khủng bố Al-Qaeda, khi bốn máy bay dân dụng bị cướp và tấn công Hai trong số đó đã đâm vào tòa tháp đôi của Trung tâm Thương mại Thế giới ở New York, dẫn đến sự sụt giảm 19,8% lượng hành khách trong năm 2001.
- Giai đoạn 2003-nay: Hồi phục và tăng trưởng
Sau cuộc suy thoái năm 2001, ngành hàng không đã phục hồi và ghi nhận sự tăng trưởng mạnh mẽ Từ năm 2003 đến 2017, lượng hành khách và hàng hóa vận chuyển tăng trưởng bình quân lần lượt là 6,7% và 3,5% mỗi năm Tuy nhiên, ngành hàng không cũng đã phải đối mặt với ba cuộc suy thoái lớn trong giai đoạn này.
Vào tháng 7 năm 2003, đại dịch SARS bắt đầu bùng phát tại Hong Kong và nhanh chóng lan rộng ra khắp châu Á và các quốc gia khác trên thế giới Hệ quả là nhiều quốc gia đã áp dụng lệnh cấm di chuyển quốc tế, dẫn đến sự sụt giảm đáng kể trong lượng hành khách so với các năm trước đó.
Khủng hoảng tài chính toàn cầu 2008-2009 xuất phát từ Mỹ, gây ra bởi khủng hoảng tín dụng và thị trường bất động sản Kinh tế suy thoái nghiêm trọng, dẫn đến lượng hành khách giảm 10% trong năm 2009 so với năm 2008.
Vào tháng 12 năm 2019, đại dịch COVID-19 khởi phát từ Vũ Hán, Trung Quốc và nhanh chóng lan rộng ra toàn cầu, buộc các quốc gia phải áp dụng các biện pháp hạn chế di chuyển Những biện pháp này đã gây ảnh hưởng nghiêm trọng đến nền kinh tế, đặc biệt là ngành hàng không Sau hơn 2 năm đối mặt với khó khăn, ngành hàng không hiện đang trong quá trình phục hồi dần dần.
2.2.2 Lịch sử nghiên cứu UAV
Cấu tạo và nguyên lý hoạt động của Quadcopter
2.3.1 Các bộ phận chính của Quadcopter
Khung của hầu hết các loại Quadcopter có hình dạng chữ "X" Nó bao gồm các bộ phận chính sau:
+ Thanh tay: là những thanh dài tạo thành cấu trúc chính của khung vỏ Thanh tay thường được làm từ sợi carbon hoặc nhựa ABS
Tấm trung tâm là bộ phận kết nối các thanh tay lại với nhau, thường được chế tạo từ sợi carbon hoặc nhựa ABS, mang lại độ bền và độ ổn định cho cấu trúc.
+ Giá đỡ động cơ: là những bộ phận gắn vào khung vỏ để gắn động cơ Giá đỡ động cơ thường được làm từ nhôm hoặc nhựa ABS
Giá đỡ ESC là các bộ phận được lắp vào khung vỏ nhằm gắn các bộ điều khiển tốc độ điện (ESC) Chúng thường được chế tạo từ nhựa ABS, mang lại độ bền và tính ổn định cho hệ thống.
+ Giá đỡ pin: là bộ phận gắn vào khung vỏ để gắn pin Giá đỡ pin thường được làm từ nhựa ABS
Hai vật liệu chính được sử dụng để chế tạo khung là:
Sợi carbon là vật liệu nhẹ, bền và cứng, nổi bật với khả năng chịu lực cao Đây là lựa chọn phổ biến cho khung vỏ F450, giúp giảm trọng lượng tổng thể của máy bay đa rô-to và tăng cường độ bền của nó.
Nhựa ABS là một loại nhựa nhẹ, giá rẻ và dễ gia công, trở thành lựa chọn phổ biến cho người mới bắt đầu Với tính năng dễ lắp ráp và sửa chữa, nhựa ABS thường được ưa chuộng hơn so với khung vỏ sợi carbon.
2.3.1.2 Động cơ không chổi than a) Cấu tạo của Motor :
+ Lõi sắt: thường làm từ các lá thép mỏng xếp chồng lên nhau để giảm tổn thất do dòng điện xoáy
+ Cuộn dây: các cuộn dây đồng quấn quanh lõi sắt Khi có dòng điện chạy qua, cuộn dây này sẽ tạo ra từ trường
+ Nam châm vĩnh cửu: được gắn xung quanh roto Các nam châm này tạo ra từ trường ổn định
+ Trục quay: trục gắn liền với rôto, giúp truyền chuyển động quay đến cánh quạt hoặc bánh răng
+ Vỏ ngoài: thường làm bằng nhôm hoặc các hợp kim nhẹ khác để bảo vệ các bộ phận bên trong và tản nhiệt
+ Bạc đạn: được gắn ở hai đầu của vỏ động cơ để hỗ trợ trục quay, giảm ma sát và tăng độ bền
Nguyên lý hoạt động của Motor
- Tạo từ trường trong stato: khi dòng điện được cấp vào các cuộn dây của stato, nó sẽ tạo ra một từ trường xoay quanh lõi sắt của stato
Từ trường của stato tương tác với nam châm vĩnh cửu trên roto, tạo ra mô-men xoắn và làm quay roto Lực tương tác giữa hai từ trường này là yếu tố chính giúp chuyển đổi năng lượng điện thành cơ năng trong các động cơ điện.
ESC điều chỉnh tốc độ quay của động cơ bằng cách thay đổi tần số và cường độ dòng điện cấp vào stato Qua việc điều chỉnh tín hiệu đầu vào, ESC có khả năng tăng hoặc giảm tốc độ quay theo yêu cầu.
Quá trình quay liên tục của động cơ diễn ra nhờ từ trường trong stato liên tục thay đổi, giúp duy trì mô-men xoắn và quay roto Động cơ sẽ tiếp tục hoạt động cho đến khi dòng điện cung cấp cho cuộn dây stato bị ngắt.
2.3.1.3 ESC-bộ điều tốc a) Cấu tạo của Hobbywing SkyWalker 40A V2 UBEC Brushless ESC
Bộ vi xử lý đóng vai trò quan trọng trong việc quản lý và điều khiển toàn bộ hoạt động của ESC, bao gồm việc nhận tín hiệu từ bộ điều khiển và điều chỉnh dòng điện cung cấp cho động cơ.
Các cảm biến đóng vai trò quan trọng trong việc đo lường các thông số như tốc độ quay của động cơ, nhiệt độ và điện áp, nhằm đảm bảo hoạt động ổn định và an toàn cho hệ thống.
MOSFETs là các transistor công suất điều khiển dòng điện cung cấp cho cuộn dây của động cơ, có nhiệm vụ chuyển đổi dòng điện một chiều (DC) từ pin thành dòng điện xoay chiều (AC) để cung cấp năng lượng cho động cơ.
+Tụ điện (Capacitors): giúp lọc và ổn định điện áp, giảm thiểu nhiễu và bảo vệ các thành phần điện tử khác
The Universal Battery Elimination Circuit (UBEC) efficiently converts the primary battery voltage, typically ranging from 11.1V to 14.8V, to a suitable output voltage of 5V or 6V This conversion is essential for powering various electronic devices, including receivers and servos, ensuring optimal performance and reliability in electronic systems.
+ Dây nguồn (Power Wires): kết nối ESC với pin và động cơ
+ Cáp tín hiệu (Signal Wire): kết nối ESC với bộ thu để nhận tín hiệu điều khiển b) Nguyên lý hoạt động của ESC
- Nhận tín hiệu điều khiển: ESC nhận tín hiệu điều khiển từ bộ thu, tín hiệu này thường là tín hiệu PWM được gửi từ bộ điều khiển
Bộ vi xử lý trong ESC thực hiện việc xử lý tín hiệu bằng cách đọc tín hiệu PWM, từ đó xác định mức độ công suất cần thiết để điều khiển tốc độ động cơ hiệu quả.
Bộ vi xử lý điều chỉnh dòng điện bằng cách điều khiển các MOSFETs, chuyển đổi dòng điện DC từ pin thành dòng điện AC ba pha cho động cơ không chổi than Quá trình này bao gồm việc điều chỉnh tần số và độ rộng xung điện nhằm kiểm soát tốc độ và mô-men xoắn của động cơ.
UBEC trong ESC đóng vai trò quan trọng trong việc cung cấp điện cho các thiết bị điện tử bằng cách chuyển đổi điện áp từ pin xuống mức thấp hơn, giúp cấp nguồn cho bộ thu và các thiết bị khác trên máy bay Điều này giúp loại bỏ nhu cầu sử dụng pin riêng biệt cho các thiết bị điện tử.
ESC thực hiện giám sát các thông số quan trọng của động cơ như điện áp, dòng điện, nhiệt độ và tốc độ quay Khi phát hiện sự cố như quá nhiệt, quá tải hoặc điện áp thấp, ESC sẽ tự động áp dụng các biện pháp bảo vệ như giảm tốc độ hoặc tắt động cơ để ngăn ngừa hư hỏng.
2.3.1.4 Cánh quạt a) Cấu tạo của Cánh quạt MR 1045 Nylon
Ứng dụng UAV vào thực tiễn
Hiện nay, sự phát triển mạnh mẽ của công nghệ UAV đã dẫn đến việc ứng dụng rộng rãi của chúng trong nhiều lĩnh vực Với khả năng bay linh hoạt, tầm nhìn bao quát và khả năng mang tải trọng, UAV đang được sử dụng trong giải trí, truyền thông, nông nghiệp, cũng như trong công nghiệp quốc phòng và an ninh.
- Tự động hóa trong nông nghiệp:
Drone có khả năng thực hiện nhiều nhiệm vụ nông nghiệp như phun thuốc trừ sâu, bón phân, gieo hạt và theo dõi sức khỏe cây trồng Việc sử dụng UAV không chỉ tăng hiệu quả sản xuất mà còn tiết kiệm chi phí, thời gian và nhân công, đồng thời giảm thiểu tác động tiêu cực đến môi trường Với khả năng bay linh hoạt, UAV có thể tiếp cận những khu vực khó khăn mà con người và máy móc truyền thống không thể Hệ thống camera và cảm biến hiện đại giúp UAV thu thập dữ liệu chính xác về tình trạng cây trồng, đất đai và gia súc, từ đó hỗ trợ người nông dân trong việc quản lý hiệu quả hơn.
UAV trong công tác phòng cháy chữa cháy mang lại nhiều lợi ích quan trọng, bao gồm khả năng bay linh hoạt, tầm nhìn xa và ghi hình ảnh nhiệt, hỗ trợ lính cứu hỏa trong việc trinh sát hiện trường và xác định vị trí đám cháy Chúng có thể tiếp cận những khu vực nguy hiểm mà con người không thể, giảm thiểu rủi ro cho đội ngũ cứu hỏa Ngoài ra, UAV còn có thể phun nước, bọt chữa cháy hoặc các chất ức chế cháy từ trên cao, giúp dập tắt đám cháy hiệu quả hơn Việc ứng dụng UAV trong cứu hỏa không chỉ nâng cao hiệu quả chữa cháy mà còn tiết kiệm thời gian và chi phí, đồng thời đảm bảo an toàn cho lính cứu hỏa.
UAV có khả năng tiếp cận những khu vực khó khăn mà phương tiện truyền thống không thể, từ đó rút ngắn thời gian giao hàng và giảm chi phí Sử dụng UAV còn giúp giảm tắc nghẽn giao thông, bảo vệ môi trường và nâng cao hiệu quả vận chuyển.
Khảo sát lập bản đồ bằng UAV đang trở nên phổ biến nhờ vào những ưu điểm vượt trội so với phương pháp truyền thống UAV có khả năng bay linh hoạt, cho phép tiếp cận những khu vực hiểm trở mà con người khó có thể đến được Việc thu thập dữ liệu bằng UAV diễn ra nhanh chóng, hiệu quả và đạt độ chính xác cao, giúp tiết kiệm thời gian đáng kể.
Dữ liệu thu thập từ UAV, bao gồm hình ảnh, video và dữ liệu LiDAR, cho phép tạo ra các bản đồ 2D và 3D chi tiết, cũng như mô hình địa hình chính xác, mang lại lợi ích vượt trội so với phương pháp khảo sát mặt đất.
- Trong nghệ thuật, giải trí:
UAV được lập trình để di chuyển và tạo ra hình ảnh cùng hiệu ứng ánh sáng rực rỡ trên bầu trời đêm, mang đến những màn trình diễn nghệ thuật ấn tượng.
- Trong lĩnh vực quân sự, quốc phòng:
UAV đóng vai trò thiết yếu trong an ninh và quân sự, với khả năng giám sát, trinh sát, và thu thập dữ liệu hình ảnh, video từ trên cao Chúng hỗ trợ các hoạt động chống khủng bố, cứu hộ, tìm kiếm người mất tích và quản lý thảm họa Trong lĩnh vực quân sự, UAV không chỉ giúp trinh sát chiến trường mà còn tấn công mục tiêu bằng vũ khí chính xác và hỗ trợ hậu cần Sự phát triển liên tục của UAV với các tính năng tiên tiến đang nâng cao hiệu quả hoạt động và đảm bảo an ninh quốc phòng.
MÔ HÌNH TOÁN VÀ THIẾT KẾ BỘ ĐIỀU KHIỂN
Tổng quan hệ thống điều khiển UAV
Hình 3 1 Mô hình tổng quát hệ thống điều khiển của UAV
Tổng quan về mô hình điều khiển UAV được chia thành ba phần chính như sau:
Động lực học của động cơ là một yếu tố quan trọng trong việc phát triển mô hình toán học cho hệ thống đẩy của UAV Phần này tập trung vào việc nghiên cứu lực đẩy mà động cơ tạo ra, thời gian phản hồi của động cơ đối với tín hiệu điều khiển và các yếu tố ảnh hưởng đến hiệu suất hoạt động Hiểu rõ động lực học của động cơ giúp cải thiện độ chính xác trong việc kiểm soát độ cao và vận tốc của UAV.
Khí động lực học là lĩnh vực phân tích các lực tác động lên UAV do tương tác với không khí, bao gồm lực đẩy, lực cản và lực bên từ thân và cánh quạt Mô hình khí động học tập trung vào việc nghiên cứu luồng không khí xung quanh UAV, tính toán các lực và mô men tác dụng, đồng thời tích hợp các hiệu ứng này vào mô hình động lực học tổng thể.
+ Động lực học UAV: đề cập đến chuyển động và trạng thái của mô hình cơ khí cụ thể
Mô hình động lực học của UAV bao gồm cả chuyển động tịnh tiến và chuyển động quay, cùng với sự kết hợp giữa hai loại chuyển động này Nó xem xét các yếu tố như khối lượng, quán tính và sự phân bổ các đặc tính trên cấu trúc UAV Mô hình này giúp dự đoán và kiểm soát độ ổn định, khả năng cơ động cũng như phản ứng của UAV trước các nhiễu loạn bên ngoài.
Bằng cách kết hợp mô hình động lực học, khí động học và động lực học cơ thể, một mô hình động lực học UAV toàn diện có thể được phát triển Mô hình này hỗ trợ phân tích, mô phỏng và kiểm soát hành vi của UAV trong các điều kiện bay và kịch bản nhiệm vụ khác nhau Nó đóng vai trò quan trọng trong thiết kế hệ thống điều khiển, tối ưu hóa hiệu suất bay và đảm bảo hoạt động an toàn, hiệu quả cho UAV.
Hệ tọa độ của Quadcopter
- Hệ tọa độ của một UAV bao gồm có 3 hệ quy chiếu cơ bản:
Hệ quy chiếu Trái đất (E) hay còn gọi là hệ quy chiếu quán tính (I) là một hệ tọa độ cố định, trong đó {E} xác định vị trí gốc cùng với các hướng: x hướng Bắc (N), y hướng Đông (E) và z hướng xuống (D).
+ Hệ quy chiếu Vehicle {V} được gắn trên UAV, có gốc tọa độ ở tâm UAV và thẳng hàng với các trục của khung Trái đất {E}.[1]
+ Hệ quy chiếu Body {B} là hệ quy chiếu quay và có cùng gốc với khung {V}, hệ quy chiếu này thu được bằng cách quay khung của UAV {V}.[1]
Hướng tọa độ (x, y, và z) được xác định theo quy tắc bàn tay phải
Hình 3 2 Phân tích lực và moment tác dụng lên UAV
3.2.1 Hệ quy chiếu Vehicle và hệ quy chiếu Body Đầu tiên, giả sử chúng ta có hệ quy chiếu {V}với gốc tọa độ O Phép quay đầu tiên của {V} quanh trục z với góc 𝜓 như sau:
𝑅 𝑉 𝑉 1 =Rot(z, 𝜓): Xoay hệ quy chiếu {V} đến hệ quy chiếu {V1} [1] Điều này có nghĩa là xoay góc Yaw
Góc Yaw được kí hiệu là 𝜓
Hình 3 3 Xoay hệ quy chiếu {V} quanh trục Z một góc ψ
Phép quay thứ hai của {V1} quanh trục y với một góc 𝜃 như sau:
𝑉 2 = Rot(y, 𝜃): Xoay hệ quy chiếu{V1} đến hệ quy chiếu {V2} Điều này có nghĩa là xoay góc Pitch
Góc Pitch được kí hiệu là 𝜃
Hình 3 4 Xoay hệ quy chiến {V1} quanh trục Y một góc θ
Phép quay thứ 3 của {V2} quanh trục x với một góc ϕ như sau:
𝑅 𝑉 𝐵 2 = 𝑅𝑜𝑡(𝑥, 𝜙): Xoay hệ quy chiếu {𝑉 2 } đến hệ quy chiếu {B} Điều này được gọi là xoay góc Roll
Góc Roll được kí hiệu là 𝜙
Hình 3 5 Xoay hệ quy chiếu {V2} quanh trục X một góc ϕ
Ma trận quay từ hệ quy chiếu {V} đến {B} (Roll-Pitch-Yaw):
] Điểm P (x, y, z) {V}; vị trí điểm P trong hệ quy chiếu {B}:
Ma trận quay từ hệ quy chiếu {B} đến {V}:
] (3.6) Điểm P (x, y, z) {B}; vị trí điểm P trong hệ quy chiếu {V}:
3.2.2 Hệ quy chiếu Trái Đất và hệ quy chiếu Body
Động học Quadcopter
3.3.1 Phương trình động học cho Quadcopter
Mối quan hệ giữa vận tốc góc của Quadcopter trong hệ trục {B} và tốc độ thay đổi góc từ hệ quy chiếu {V} đến {B} có thể được biểu diễn qua các thông số (p, q, r) T và 𝜓̇, 𝜃̇, 𝜙̇ Vận tốc góc trong hệ quy chiếu {B} là tổng hợp của vận tốc góc các góc Roll, Pitch và Yaw được chiếu từ hệ trục Trái Đất {E}.
= 𝜔 𝑏 𝑟𝑜𝑙𝑙 + 𝜔 𝑏 𝑝𝑖𝑡𝑐ℎ + 𝜔 𝑏 𝑦𝑎𝑤 (3.11) Vận tốc góc sinh ra từ chuyển động của góc Roll:
(3.12) Vận tốc góc sinh ra từ chuyển động của góc Pitch:
Vận tốc góc sinh ra từ chuyển động của góc Yaw:
Từ phương trình (3.11) chúng ta có:
3.3.2 Mô hình động học vị trí cho Quadcopter
Vị trí của Quadcopter trong hệ quy chiếu Trái Đất {E}
{E}: 𝜉 = (𝑥 𝑒 , 𝑦 𝑒 − ℎ) 𝑇 (3.16) Vận tốc dài trong hệ quy chiếu Body {B}: (u, v, w) T
Vận tốc Roll, Pitch, Yaw trong hệ trục {B}: (p, q, r) T
Hiệu suất của 1 Quadcopter dựa trên lực đẩy của động cơ (F) và moment kéo (M)
Lực: 𝐹 𝑖 là ngoại lực do động cơ tạo ra là hệ số lực đẩy của động cơ
𝐹 𝑖 = 𝑏Ω 𝑖 2 (𝑖 = 1,2,3,4) (3.18) Moment: Mi là mômen do động cơ cung cấp là hệ số cản
Hình 3 6 Phân tích lực và moment tác động lên UAV
Chuyển động tịnh tiến của UAV được tuân theo định luật 2 Newton trong hệ quy chiếu quán tính: Σ𝑓⃗⃗⃗ = 𝑚𝑎 𝑒 ⃗⃗⃗⃗ ⇔ 𝑓 𝑒 𝑒 = 𝑚 (𝑑𝑣
UAV chịu tác dụng của lực Coriolis khi bay trong không khí được biểu diễn như sau:
Trong đó 𝜔b/e là vận tốc góc của hệ quy chiếu {B} trong không khí với hệ quy chiếu quán tính:
𝑑𝑡) 𝑏 ) = (𝑢̇, 𝑣̇, 𝑤)̇ 𝑇 (3.22) Khi bay tại một vị trí, 𝑓 𝑏 là tổng lực tác dụng lên hệ quy chiếu Body của UAV
Bởi vì: Lực điều khiển UAV được tính toán và áp dụng vào hệ quy chiếu Body và w được đo trong hệ quy chiếu Body
Trong đó m là tổng khối lượng, 𝑓 𝑏 tổng lực tác dụng lên hệ quy chiếu Body của UAV:
Với 𝐹 𝑖 = 𝑏Ω 𝑖 2 , 𝑖 = 1,2,3,4 và b là lực đẩy
3.3.4 Phương trình Euler Áp dụng quán tính góc cho hệ quy chiếu Body Từ đó chúng ta có thể tính được quán tính tại O' nhờ ngoại lực và mômen xoắn: Σ𝜏 𝜊́ = 𝐿⃗ 𝜊́ (3.26)
Trong chuyển động quay của UAV, 𝜏 đại diện cho moment ngoại lực tác dụng lên vật tại khối tâm, trong khi 𝐿⃗ là vector quán tính góc của vật rắn tại khối tâm Phương trình Euler mô tả mối quan hệ giữa các yếu tố này.
) là ma trận moment quán tính dọc theo các trục x, y, z
3.3.5 Mô hình toán học của Quadcopter
Từ phương trình (3.26), chúng ta có thể tính được vị trí toàn cục của UAV trong hệ quy chiếu Trái Đất {E}:
Trong đó 𝑈 1 = Σ𝐹 𝑖 = Σ𝑏 𝑖 2 , i = 1, 2, 3, 4 và b là hệ số lực đẩy của động cơ
Trong đó 𝜉̈ là gia tốc của UAV trong hệ quy chiếu Trái Đất {E}: 𝜉̈ = (𝑥̈, 𝑦̈, 𝑧̈) T , x, y, z là vị trí toàn cục của UAV trong hệ quy chiếu Trái Đất {E}
Từ phương trình (3.34) và phương trình (3.35):
−𝑈 1 (cos 𝜙 sin 𝜃 cos 𝜓 − sin 𝜙 sin 𝜓)
−𝑈 1 (cos 𝜙 sin 𝜃 sin 𝜓 + sin 𝜙 cos 𝜓)
Từ phương trình (3.11), (3.36) và (3.37) suy ra mô hình toán thiết kế bộ điều khiển là:
−𝑈 1 (cos 𝜙 sin 𝜃 cos 𝜓 − sin 𝜙 sin 𝜓)
−𝑈 1 (cos 𝜙 sin 𝜃 sin 𝜓 + sin 𝜙 cos 𝜓)
The evaluation of the Quadcopter model is based on insights from the document "Guidance, Navigation and Control (UAV Control)" by Dr Ha Le Nhu Ngoc Thanh and the book "Introduction to Multicopter Design and Control" by Quan Quan.
Khí động lực học
Hình 3 7 Phân tích lực và moment tác động lên UAV
Trong đó 𝐹 𝑖 = 𝑏Ω 𝑖 2 , i = 1,2,3,4 là ngoại lực được cung cấp bởi động cơ thứ i, b là hệ số lực đẩy của động cơ
𝑀 𝑖 = 𝑏Ω 𝑖 2 , i = 1,2,3,4 là moment được cung cấp bởi động cơ thứ i, d là hệ số cản [2]
Động lực học động cơ
3.5.1 Mối quan hệ cơ bản của động lực học động cơ
Mối quan hệ tuyến tính giữa điện áp (V) và tốc độ của động cơ (ω)
𝑠 𝑣) , 𝑉(𝑣𝑜𝑙𝑡𝑎𝑔𝑒(𝑣)) [2] Đáp ứng tốc độ của động cơ: Đáp ứng tức thời:
Trạng thái đáp ứng ổn định:
Hình 3 8 Đồ thị tốc độ động cơ
3.5.2 Mô hình hiệu suất điện
Sử dụng định luật Kirchhoff’s:
𝑑𝑡 − 𝑣 𝑒𝑚𝑓 Với: 𝑣 𝑒𝑚𝑓 được tạo ra từ một vòng quay của động cơ.[2]
3.5.3 Mô hình hiệu suất cơ khí
Sử dụng định luật Newton’s:
J m : quán tính của động cơ
T: moment xoắn đầu vào để di chuyển 1 góc θm
Ra: điện trở của động cơ
La: cuộn cảm của cuộn dây
Vemf: điện áp của lực điện động
Hình 3 10 Các thông số của vật rắn quay Hình 3 9 Mạch điện tổng quát
Mối quan hệ giữa tốc độ và điện áp:
Khi động cơ dừng (không cung cấp điện):
𝑣 𝑎 = 0 , 𝜔 = 0 → 𝑣 𝑒𝑚𝑓 = 0 (3.45) Khi động cơ quay (cung cấp điện):
Mô men xoắn (T) cũng tỷ lệ với dòng điện
𝑅 𝑎 𝜔 − 𝑑𝜔 2 Hiệu suất tốc độ bao gồm đáp ứng nhất thời và đáp ứng tại trạng thái ổn định:
𝜔 = Δ𝜔 + 𝑤 0 , 𝑣 𝑎 = Δ𝑣 𝑎 + 𝑣 𝑎0 (3.54) Với 𝑤 0 , 𝑣 𝑎0 là tốc độ, hiệu điện thế không đổi ở trạng thái ổn định
Từ biểu thức trên, chia cả 2 vế cho ( 𝐾 𝑡 𝐾 𝑒
Mô hình động lực học của động cơ :
Mối quan hệ của xung PWM và lực
Phát xung PWM (u(t)) từ bộ điều khiển qua mạch ESC thành tín hiệu vận hành động cơ Khi động cơ quay, cánh quạt quay tạo ra lực đẩy.[2]
Lực F[N] được tạo ra bởi động cơ và cánh quạt liên quan đến đầu vào PWM u[PWM] bằng hàm truyền tuyến tính bậc nhất được tính như sau.[2]
Hình 3 11 Mối quan hệ giữa xung PWM và lực nâng cánh quạt
Từ phương trình (3.60) ta có mối quan hệ giữa PWM u và lực F:
Trong đó 𝐾 𝑡ℎ [N] là hằng số dương ,𝜏(𝑠) là hằng số thời gian 𝑈 4 = 𝜏
Mối quan hệ của xung PWM và moment
Hình 3 12 Mối quan hệ giữa xung PWM và moment quay của Roto
Moment M[Nm] được tạo ra bởi động cơ và cánh quạt liên quan đến đầu vào PWM u[PWM] bằng hàm truyền tuyến tính bậc nhất được tính như sau:
Trong đó 𝐾 𝑡ℎ [N] là hằng số dương, 𝜏(𝑠) là hằng số thời gian
Phân bố tín hiệu điều khiển
3.8.1 Phương trình điều khiển góc Đặt 𝑢 1 , 𝑢 2 , 𝑢 3 , 𝑢 4 là đầu vào bộ điều khiển cho động cơ i với i =1, 2, 3, 3.[3] Đặt 𝛿 𝑟𝑜𝑙𝑙 là tín hiệu điều khiển của bộ điều khiển góc Roll:
⟹ −𝑢 1 + 𝑢 2 + 𝑢 3 − 𝑢 4 = 4 𝛿 𝑟𝑜𝑙𝑙 (3.64) Đặt 𝛿 𝑝𝑖𝑡𝑐ℎ là tín hiệu điều khiển của bộ điều khiển góc Pitch:
⟹ 𝑢 1 − 𝑢 2 + 𝑢 3 − 𝑢 4 = 4 𝛿 𝑝𝑖𝑡𝑐ℎ (3.65) Đặt 𝛿 𝑦𝑎𝑤 là tín hiệu điều khiển của bộ điều khiển góc Pitch:
𝑈 4 = 𝐾 𝑑 (𝑢 1 + 𝑢 2 − 𝑢 3 − 𝑢 4 )(𝑀 = 𝐾 𝑑 𝑢 ) (3.66) Tại vị trí cân bằng: 𝜓 = 0 ⟶ 𝑢 1 = 𝑢 2 = 𝑢 3 = 𝑢 4 = 𝑢 0
Chúng ta có Quadcopter không chuyển động
Khi UAV xoay 1 góc Yaw với 𝜓 ≠ 0 theo chiều dương của góc Yaw:
Từ phương trình (3.66) và (3.67) ⇒ 𝑢 1 + 𝑢 2 − 𝑢 3 − 𝑢 4 = 4 𝛿 𝑦𝑎𝑤 Đặt 𝛿 𝑡ℎ là tín hiệu điều khiển của lực đẩy:
3.8.2 Ma trận phân bố tín hiệu điều khiển
𝑢 1 + 𝑢 2 + 𝑢 3 + 𝑢 4 = 4𝛿 𝑡ℎ + 4𝑢 0 (3.72) Cộng ba phương trình (3.69), (3.70), (3.72) và trừ (3.71), ta có:
Trừ phương trình (3.69) cho (3.70), ta có:
−2𝑢 1 + 2𝑢 2 = 4 𝛿 𝑟𝑜𝑙𝑙 − 4 𝛿 𝑝𝑖𝑡𝑐ℎ (3.74) Thay phương trình (3.73) bằng phương trình (3.74), ta có:
𝑢 1 = 𝑢 0 + 𝛿 𝑡ℎ − 𝛿 𝑟𝑜𝑙𝑙 + 𝛿 𝑝𝑖𝑡𝑐ℎ + 𝛿 𝑦𝑎𝑤 (3.75) Cộng phương trình (3.70) từ phương trình (3.71), ta có:
Thay phương trình (3.75) vào phương trình (3.76), ta có:
Từ phương trình (3.73), (3.75) và (3.77), ta có:
Bộ điều khiển góc
3.9.1 Bộ điều khiển góc Roll
Mô hình tuyến tính hóa của Quadcopter cho chuyển động Roll tại vị trí cân bằng, giả sử góc 𝜙 = 𝜃 = 0, 𝜙̇ = 0, 𝜃̇ = 0
Mô hình toán học chuyển động góc Roll: ϕ̈ = 1
Hình 3 13 Mối quan hệ giữa lực nâng và góc Roll
39 Để đạt được giá trị mong muốn 𝜙d Chúng ta phải tìm phương trình điều khiển của 𝜹 𝒓𝒐𝒍𝒍
Mô hình toán học của chuyển động góc Roll:
Chúng ta sử dụng biến đổi Laplace cho phương trình (3.81): ω̇ ϕ (t) =2𝑙K th
I x (3.82) Điều khiển tốc độ góc (Angular rate loop):
Hình 3 14 Hàm truyền tỉ lệ tốc độ thay đổi của góc Roll
Sử dụng biến đổi Laplace cho phương trình (3.82): ϕ̇(t) = ω ϕ (t) ⟶ s ϕ(s) = ω ϕ (s) = ((1 s
Vòng điều khiển góc (Angular loop):
Hình 3 15 Hàm truyền tỉ lệ tốc độ góc Roll sang góc
Cuối cùng, ta có hàm truyền vòng hở:
Hình 3 16 Hàm truyền điều khiển góc Rol
3.9.2 Bộ điều khiển góc Pitch
Mô hình tuyến tính hóa của Quadcopter cho chuyển động Pitch tại vị trí cân bằng, giả sử góc 𝜃 = 𝜙 = 0, 𝜙̇ = 0, 𝜃̇ = 0
Mô hình toán học chuyển động góc Pitch:
Hình 3 17 Mối quan hệ giữa lực nâng và góc pitch Để đạt được giá trị mong muốn 𝜃 𝑑 Chúng ta phải tìm phương trình điều khiển của 𝛿 𝑝𝑖𝑡𝑐ℎ
Từ mô hình toán học chuyển động góc Pitch:
Sử dụng biến đổi Laplace cho phương trình (3.28): ω̇ ϕ (t) =2𝑙K th
Vòng điều khiển tốc độ góc (Angular rate loop):
Hình 3 18 Hàm truyền tỉ lệ tốc độ thay đổi của góc Pitch
Chúng ta sử dụng biến đổi Laplace cho phương trình (3.87):
Vòng điều khiển góc (Angular loop):
Hình 3 19 Hàm truyền tỉ lệ tốc độ góc Pitch sang góc Pitch
Cuối cùng, ta có hàm truyền vòng hở:
Hình 3 20 Hàm truyền điều khiển góc Pitch
3.9.3 Bộ điều khiển góc Yaw
Mô hình tuyến tính hóa của Quadcopter cho chuyển động Yaw tại vị trí cân bằng, giả sử góc 𝜃 = 𝜙 = 0, 𝜃̇ = 0, 𝜙̇ = 0
Mô hình toán học chuyển động góc Yaw:
𝐼 𝑧𝐾 𝑑 δ Yaw (3.89) Để đạt được giá trị mong muốn 𝜓 𝑑 Chúng ta phải tìm phương trình điều khiển của δ Yaw
Hình 3 21 Mối quan hệ giữa moment xoắn động cơ và góc Yaw
Từ mô hình toán học của chuyển động góc Yaw:
Sử dụng biến đổi Laplace cho phương trình (3.91):
𝑠 (3.91) Điều khiển tốc độ góc (Angular rate loop):
Hình 3 22 Hàm truyền tỉ lệ tốc độ thay đổi của góc Yaw
Chúng ta sử dụng biến đổi Laplace cho phương trình (3.90):
𝑠 (3.92) Điều khiển góc (Angular loop):
Hình 3 23 Hàm truyền tỉ lệ tốc độ góc Yaw sang góc Yaw
Cuối cùng, chúng ta có hàm truyền góc Yaw:
Hình 3 24 Hàm truyền điều khiển góc Yaw
Thiết kế bộ điều khiển độ cao z
3.10.1 Hàm truyền điều khiển độ cao z
Mô hình toán học cho độ cao:
Trong đó: z là tọa độ theo trục dọc với hướng dương được lựa chọn hướng xuống dưới Do đó, chiều cao h ta cần xác định: ℎ = −𝑧
𝑚 (𝑢 𝑜 + 𝛿 𝑡ℎ ) 𝑐𝑜𝑠∅𝑐𝑜𝑠𝜃 (𝐾 𝑡ℎ = 𝑏𝜆) Đơn giản hóa tín hiệu điều khiển, với (𝑢 𝑜 + 𝛿 𝑡ℎ ) 𝑐𝑜𝑠∅𝑐𝑜𝑠𝜃 = 𝑢 𝑜 + 𝛿 𝑡ℎ ′
(𝑢 𝑜 là tín hiệu PWM tại vị trí bay)
𝑚 là hằng số ⇒ 𝛿 𝑡ℎ ′ là tín hiệu điều khiển
Do đó , ta có thể tìm 𝛿 𝑡ℎ từ 𝛿 𝑡ℎ ′ như sau:
Từ mô hình toán học ở trên: հ̇(𝑡) = 𝜈 ℎ (𝑡) (3.99)
44 Áp dụng phép biến đổi Laplace cho phương trình (3.9) thu được:
Hàm chuyển đổi vận tốc (theo phương z):
Hình 3 25 Hàm chuyển đổi tín hiệu điều khiển sang vận tốc
Biến đổi Laplace cho phương trình (3.97), ta được: հ̇(𝑡) = 𝜈 ℎ (𝑡) → s հ(s) = 𝜈 ℎ (𝑠) = (4𝐾 𝑡ℎ
Hàm chuyển đổi vận tốc sang độ cao:
Hình 3 26 Hàm chuyển đổi vận tốc theo độ cao
Mô hình tổng quát cho điều khiển độ cao:
Hình 3 27 Hàm truyền vòng hở cho điều khiển độ cao
3.10.2 Thiết kế bộ điều khiển P-P cho độ cao
Hình 3 28 Sơ đồ khối điều khiển độ cao sử dụng bộ điều khiển P-P
Từ biểu đồ trên có:
Mô hình toán học cho độ cao:
Thay phương trình (3.13) vào (3.12), ta có:
Thông số hệ thống: m=2.2 kg g=9,81m/𝑠 2 b=5,9347 10 −6
Điều khiển vị trí x, y
3.11.1 Hàm truyền điều khiển vị trí
Mô hình toán học của vị trí
Khi Quadcopter duy trì độ cao không đổi, 𝑈 1 là hằng số, 𝑢 𝓍 và 𝑢 𝑦 là tín hiệu điều khiền
𝑐𝑜𝑠∅𝑐𝑜𝑠𝜃− 𝑢 0 (3.118) Để đơn giản hóa việc điều khiển, mặc định góc Yaw = 0 𝑜 (hoặc 0 radian)
Vì vậy, ta có thể tìm ∅ 𝑑 và 𝜃 𝑑 từ 𝑢 𝓍 và 𝑢 𝑦 như sau:
Từ mô hình toán học trên:
Tích phân Laplace cho (3.26) và (3.29), ta có:
Hàm truyền điều khiển tốc độ thay đổi vị trí:
Hình 3 29 Hàm chuyển đổi tốc độ
Tích phân Laplace cho phương trình (3.120) và (3.122):
Vòng điều khiển vị trí:
Hình 3 30 Hàm chuyển đổi tốc độ thành vị trí
Hàm truyền vòng hở cho điều khiển vị trí:
Hình 3 31 Mô hình hàm chuyển đổi tổng quát cho điều khiển vị trí
3.11.2 Thiết kế bộ điều khiển P-P cho vị trí
Hình 3 32 Sơ đồ khối điều khiển vị trí sử dụng bộ điều khiển P-P
Từ sơ đồ trên, ta có:
Mô hình toán học cho vị trí
Chúng ta sẽ tính toán 𝑘 𝑝1 𝑣à 𝑘 𝑝2 ở trạng thái bay, 𝑈 1 = 𝓂g 2
Tính toán tương tự cho trục y, chúng ta có hàm chuyển đổi giống như trục x và 𝑘 𝑝1 , 𝑘 𝑝2 cũng giống như trục x.
Sơ đồ khối điều khiển tổng quát
Để điều khiển Quadcopter di chuyển theo các trục x và y, cần điều chỉnh các góc Roll, Pitch và Yaw dựa trên các tính toán và động học của nó.
Nhóm nghiên cứu đã xác định sơ đồ điều khiển tổng quát cho Quadcopter, được chia thành hai phần chính Phần điều khiển cấp cao, do nhóm phát triển, được triển khai trên máy tính đồng hành, trong khi phần điều khiển cấp thấp sử dụng phần mềm PX4 chạy trên bộ điều khiển bay.
Phần điều khiển cấp cao bao gồm ba bộ điều khiển P-P để điều chỉnh độ cao và vị trí trên các trục x, y Nó nhận các điểm thiết lập và thông tin phản hồi về vị trí cùng góc quay Yaw, từ đó tính toán và cung cấp các tham số như lực đẩy U và các góc ∅, θ để gửi xuống bộ điều khiển cấp thấp.
Phần điều khiển cấp thấp của Quadcopter bao gồm 3 bộ điều khiển cho các góc Roll, Pitch và Yaw Các bộ điều khiển này tính toán để cung cấp các moment 𝑈 1 , 𝑈 2 , 𝑈 3 , 𝑈 4 tương ứng với 4 đặc điểm động học của thiết bị Qua đó, các xung điều khiển từ 4 cánh quạt được phát ra, giúp kiểm soát trạng thái của Quadcopter một cách hiệu quả.
Hình 3 33 Mô hình điều khiển tổng quát của Quadcopter
Mô tả thuật toán tránh né vật cản cho UAV và lưu đồ giải thuật
Hình 3 34 Nguyên lý thuật toán tránh né vật cản cho UAV
Nguyên lý làm việc của thuật toán tránh né vật cản cho UAV do luận văn này phát triển được mô tả chi tiết như sau:
Một UAV được giao nhiệm vụ di chuyển từ điểm A đến điểm B Trong quá trình bay, UAV gặp phải một vật cản với mặt trước là hình chữ nhật màu đỏ, trong khi hình dạng và độ sâu của mặt bên vẫn chưa được xác định.
Thuật toán sử dụng Depth Camera D435 để nhận diện và kiểm tra khoảng cách đến vật cản Khi khoảng cách quá gần, UAV sẽ tự động né sang một bên để đến điểm đã được tính toán Sau khi đến điểm đó, UAV tiếp tục tiến về phía trước, giữ khoảng cách an toàn với vật cản nhờ dữ liệu từ cảm biến khoảng cách Khi thoát khỏi vật cản, UAV sẽ tiếp tục di chuyển đến điểm đích B.
Từ nguyên lý hoạt động ta có lưu đồ tổng quát giải thuật thuật toán tránh né vật cản như sau:
Hình 3 35 Lưu đồ giải thuật thuật toán né tránh vật cản
Xử lý ảnh nhận dạng mặt trước vật cản
Từ đặc trưng mặt trước vật cản có hình dạng là hình chữ nhật đỏ, nhóm đề xuất áp dụng xử lý ảnh sử dụng OpenCV
Lưu đồ giải thuật xử lý ảnh:
Hình 3 36 Lưu đồ giải thuật xử lý ảnh
Sau đây là một số kỹ thuật được áp dụng vào xử lý ảnh nhận dạng vật cản:
- Chuyển đổi không gian màu
Không gian màu là mô hình toán học mô tả màu sắc dưới dạng số học, với nhiều loại không gian màu khác nhau phục vụ cho các mục đích khác nhau Bài viết này sẽ khám phá ba không gian màu cơ bản thường được sử dụng: RGB, HSV và CMYK.
Không gian màu RGB là một hệ màu phổ biến trong đồ họa máy tính và các thiết bị kỹ thuật số Nó dựa trên sự kết hợp của ba màu cơ bản: đỏ (R), xanh lục (G) và xanh lơ (B) để tạo ra tất cả các màu sắc khác.
Hình 3 36 Không gian màu RGB
Nếu như một ảnh số được mã hóa bằng 24bit, nghĩa là 8bit cho kênh R, 8bit cho kênh
Mỗi kênh màu trong hệ thống 8bit, như kênh G và B, nhận giá trị từ 0 đến 255 Khi kết hợp các giá trị khác nhau của các kênh màu, chúng ta tạo ra nhiều màu sắc đa dạng, với tổng cộng lên đến 1.66 triệu màu sắc khác nhau.
Màu đen được tạo thành từ sự kết hợp của các kênh màu (R, G, B) với giá trị (0, 0, 0), trong khi màu trắng có giá trị (255, 255, 255) và màu vàng có giá trị (255, 255, 0) Màu tím đậm được biểu thị bằng giá trị (64, 0, 128) Khi sử dụng 16 bit để mã hóa mỗi kênh màu, tổng cộng sẽ là 48 bit cho cả ba kênh, dẫn đến dải màu mở rộng lên tới 3*2^16, tạo ra một số lượng màu sắc rất lớn.
Không gian màu CMYK là một hệ màu quan trọng trong ngành in ấn, sử dụng bốn màu cơ bản để pha trộn mực in Trong thực tế, ba màu chính được sử dụng là C (Cyan - xanh lơ), M (Magenta - hồng xẫm) và Y (Yellow - vàng) để tạo ra các màu sắc đa dạng.
Hình 3 37 Không gian màu CMYK
Khi kết hợp màu hồng xẫm với vàng, ta sẽ có màu đỏ, trong khi màu xẫm kết hợp với xanh lơ tạo ra màu xanh lam Sự kết hợp của ba màu này sẽ cho ra màu đen, nhưng màu đen ở đây không phải là đen tuyệt đối mà thường có độ tương phản lớn Trong ngành in, để tiết kiệm mực, người ta thường thêm màu đen vào để in các chi tiết thay vì phải kết hợp ba màu sắc trên Do đó, hệ màu CMYK ra đời, trong đó chữ K đại diện cho màu đen (Black), vì chữ B đã được dùng cho màu xanh (Blue).
Nguyên lý làm việc của hệ màu CMYK dựa trên việc loại bỏ dần màu trắng từ nền giấy trắng khi in Ba màu cơ bản C (cyan), M (magenta), Y (yellow) được in với tỉ lệ khác nhau, giúp tạo ra màu sắc mong muốn Để in màu đen, thay vì phối hợp cả ba màu, người ta sử dụng màu đen trực tiếp Khác với hệ RGB, nơi màu sắc được tạo ra bằng cách kết hợp các thành phần màu, hệ CMYK hoạt động dựa trên nguyên tắc loại bỏ lẫn nhau của các màu.
Không gian màu HSV, tương tự như HSL, được sử dụng phổ biến trong chỉnh sửa và phân tích ảnh cũng như trong lĩnh vực thị giác máy tính Nó dựa trên ba thông số chính để mô tả màu sắc: H (Hue) đại diện cho màu sắc, S (Saturation) thể hiện độ đậm đặc và sự bảo hòa, và V (Value) chỉ giá trị cường độ sáng Thông thường, không gian màu này được biểu diễn dưới dạng hình trụ hoặc hình nón.
Hình 3 38 Không gian màu HSV
Theo đó, thường được biểu diễn theo vòng tròn từ 0 -360 độ là trường biểu diễn màu sắc (Hue)
Hình 3 39 Vòng tròn màu sắc
Trường màu bắt đầu từ màu đỏ (Red primary) đến màu xanh lục (Green primary) trong khoảng 0-120 độ Tiếp theo, từ 120-240 độ, màu chuyển từ xanh lục sang xanh lơ (Green primary-Blue primary) Cuối cùng, từ 240-360 độ, màu chuyển từ màu đen trở lại màu đỏ.
OpenCV cung cấp hơn 150 phương pháp chuyển đổi không gian màu Trong bài viết này, chúng ta sẽ tập trung vào hai phương pháp phổ biến nhất: chuyển đổi giữa không gian màu BGR và Gray (xám), cũng như chuyển đổi giữa không gian màu BGR và HSV.
Chuyển đổi từ không gian màu BGR (Blue, Green, Red) sang không gian màu Gray (xám) giúp giảm chiều sâu màu sắc, chỉ giữ lại một kênh màu duy nhất để mô tả độ sáng của mỗi pixel.
Chuyển đổi giữa không gian màu BGR và HSV (Hue, Saturation, Value) là một kỹ thuật phổ biến trong xử lý hình ảnh dựa trên màu sắc Trong không gian màu HSV, "Hue" đại diện cho màu sắc, "Saturation" thể hiện độ tương phản của màu sắc, và "Value" chỉ mức độ sáng của màu sắc.
Bằng cách sử dụng các chuyển đổi màu sắc, người dùng có thể thực hiện nhiều loại xử lý hình ảnh như giảm độ nét, phát hiện biên và phân loại màu sắc Để chuyển đổi màu, sử dụng hàm cv2.cvtColor(input_image, flag), trong đó flag xác định loại chuyển đổi Đối với chuyển đổi từ BGR sang Gray, sử dụng flag cv2.COLOR_BGR2GRAY; và cho chuyển đổi từ BGR sang HSV, sử dụng flag cv2.COLOR_BGR2HSV Để tìm thêm các flag khác, bạn có thể chạy các lệnh trong terminal Python.
Ghi chú: đối với không gian màu HSV, phạm vi của các thành phần là như sau:
Các phần mềm khác nhau có thể sử dụng các thang đo khác nhau cho các giá trị trên
Khi sử dụng giá trị HSV từ OpenCV kết hợp với các phần mềm khác, cần thiết phải chuẩn hóa các phạm vi này để đảm bảo tính nhất quán.
Nếu phần mềm khác sử dụng phạm vi Hue từ [0, 360], bạn cần chia giá trị Hue của OpenCV cho 2 để đạt giá trị tương đương Điều này đảm bảo rằng các giá trị màu sắc được biểu diễn chính xác theo chuẩn của từng phần mềm.
VISUAL INERTIAL ODOMETRY VÀ CAMERA TRACKING T265 60 4.1 Giới thiệu chung về các công nghệ định vị và tạo lập bản đồ
Khái niệm Visual Inertial Odometry
Hình 4 2 Đặc trưng liên quan tới VIO
Những thủy thủ nhận biết phương hướng dựa theo các ngôi sao (A) Visual Inertial Odometry-VIO (B) và kính AR/VR (C)
Trước khi khám phá đo lường quán tính bằng thị giác máy, cần hiểu rõ khái niệm "thị giác máy tính" Thuật ngữ này gợi nhớ đến thời kỳ trước khi có la bàn và GPS, khi con người di chuyển dựa vào các ngôi sao, như minh họa trong Hình 5.2A Bằng cách nhận diện các chòm sao hoặc ngôi sao cụ thể, con người có thể xác định phương Bắc và tính toán vĩ độ, kinh độ của mình, thường với sự hỗ trợ của các công cụ như kính lục phân và tài liệu chuyên dụng.
Các chuyên gia trong lĩnh vực thị giác máy tính đã phát triển các thuật toán để phân tích hình ảnh kỹ thuật số, bắt đầu bằng việc chụp ảnh môi trường xung quanh chứa hàng triệu pixel Họ sử dụng thuật toán phát hiện đặc trưng để cô đọng thông tin thành vài trăm điểm đặc biệt, giống như việc nhìn lên bầu trời đêm với những điểm sáng Đặc trưng có thể đơn giản như việc tìm góc trong hình ảnh, và các thuật toán như SIFT, LIFT, Harris Corner, và ORB được sử dụng để phát hiện chúng Sau khi xác định các điểm đặc trưng, mỗi điểm được gán một mô tả hoặc vector đặc trưng, cho phép theo dõi và so sánh chúng qua các khung hình liên tiếp Đặc biệt, các đặc trưng này được ánh xạ vào không gian 3D, không chỉ trong 2D, như minh họa trong hình 5.3.
Hình 4 3 Tập hợp các điểm đặc trưng được phát hiện trong một khung hình
Dựa trên các thuật toán hiện có, các giải pháp cải tiến liên tục đã được phát triển nhằm nâng cao hiệu suất, đặc biệt trong việc sử dụng camera đơn (Mono-SLAM), nơi gặp vấn đề về khả năng nhận biết tỷ lệ Để khắc phục, hai phương pháp phổ biến là sử dụng camera stereo được hiệu chỉnh hoặc một IMU Một thách thức lớn là đạt được tốc độ khung hình cao và theo dõi độ trễ thấp, vì các thuật toán thường tốn kém về tính toán, làm giảm ánh sáng thu được khi camera hoạt động nhanh Một giải pháp hiệu quả là sử dụng IMU tốc độ cao để theo dõi tốc độ và định hướng trong thời gian ngắn, mặc dù có vấn đề trôi trong thời gian dài Việc bổ sung IMU là lý do cho chữ "I" trong VIO, và các cảm biến quang học với góc nhìn rộng giúp nhận diện nhiều đặc trưng hơn, đặc biệt khi di chuyển gần các bề mặt không có đặc trưng như tường trắng.
Ống kính mắt cá có khả năng theo dõi các đặc trưng ở vùng ngoại biên của tầm nhìn, ngay cả khi di chuyển gần một vật thể không có đặc trưng.
Các kỹ thuật đo quán tính và thị giác có thể kết hợp hiệu quả với nhau Dữ liệu từ IMU có tần số cao hơn so với dữ liệu thu thập từ thị giác, nhưng dữ liệu từ IMU đơn lẻ thường gặp phải nhiễu tích lũy theo thời gian Tuy nhiên, vấn đề này có thể được cải thiện nhờ các cập nhật không thường xuyên từ đo đạc bằng thị giác Ngoài ra, đo đạc bằng thị giác phụ thuộc vào sự hiện diện của các đặc trưng trong cảnh, trong khi IMU lại tương đối độc lập với môi trường.
Bảng 5 1 So sánh Visual Odometry với IMU Odometry
Tần số quét Thấp Cao
Sự ổn định Cao Thấp
Hình ảnh Cần thiết Không cần thiết
Tái định vị Có thể Không thể
Tài nguyên vi xử lý Tốn nhiều Tốn ít
Các giải pháp tối ưu hiện nay kết hợp thông tin từ nhiều camera mắt cá với dữ liệu cảm biến từ IMU và/hoặc quán tính của phương tiện Hệ thống này tích hợp tất cả thông tin trong thời gian thực, theo dõi chuyển động 6DoF của cảm biến với độ trễ cực thấp Ví dụ, hình 5.2B và 5.2C minh họa việc sử dụng cảm biến nhúng để theo dõi 6DoF cho robot và tai nghe AR/VR.
Camera Traking Intel RealSense T265
Hình 4 4 Camera Traking Intel RealSense T265
Camera Theo Dõi Intel RealSense T265, như hiển thị trong Hình 5.4, là giải pháp tối ưu sử dụng các thuật toán tiên tiến để tính toán và xuất ra 6DoF dựa trên công nghệ VIO Thiết kế phần cứng của nó bao gồm một bộ camera stereo mắt cá với Góc Nhìn Rộng (FOV) khoảng 165 độ.
Camera đơn sắc với màn trập toàn cầu có độ phân giải ~800 pixel ghi lại hình ảnh ở góc 65 độ Thiết bị này còn được trang bị con quay hồi chuyển Bosch BMI055 với tần số 200Hz và gia tốc kế 62,5Hz, tất cả đều được đồng bộ hóa phần cứng Ngoài ra, nó còn sử dụng vi xử lý hình ảnh Intel® Movidius™ Myriad™ 2 mạnh mẽ.
Bộ xử lý nhúng tích hợp thuật toán SLAM trên bo mạch, cho phép phân tích hình ảnh stereo và hợp nhất thông tin cảm biến để theo dõi 6DoF với mức tiêu thụ điện năng thấp dưới 1,5W Camera cung cấp thông tin qua USB 3.0 với tốc độ 200Hz, tương thích với hầu hết các nền tảng máy chủ sử dụng phần mềm mã nguồn mở Intel RealSense SDK Camera Tracking T265 là lựa chọn tối ưu cho các ứng dụng SLAM đơn giản, đồng thời hỗ trợ người dùng phát triển và triển khai các thuật toán theo dõi riêng, cho phép truy xuất dữ liệu thô từ T265 hoặc xây dựng trên dòng Camera Độ Sâu Intel RealSense D400, cung cấp khả năng cảm biến tương tự và xuất ra các bản đồ độ sâu.
Đánh giá về hiệu suất hoạt động
Để đánh giá hiệu suất của thiết bị tính toán 6DoF, hai chỉ số KPI chủ yếu được sử dụng là Drift và Floor Position Error Drift là lỗi tích lũy xảy ra trong môi trường không xác định khi chức năng định vị không hoạt động, được tính bằng tỷ lệ phần trăm lỗi so với chiều dài đường đi của robot Trong khi đó, Floor Position Error được xác định bằng căn bậc hai trung bình của sự chênh lệch giữa vị trí ước tính và vị trí thực tế trong môi trường đã biết, khi chức năng định vị lại được kích hoạt, với kết quả đo được tính bằng cm.
Hình 4 5 Biểu đồ đánh giá hiệu suất hoạt động
Một thuộc tính quan trọng của hệ thống SLAM là khả năng định vị lại trên bản đồ đã biết hoặc được tạo sẵn, thường được gọi là giải quyết vấn đề.
Robot bị lạc xảy ra khi robot khởi động lần đầu, mất nguồn, hoặc bị che khuất tầm nhìn trong thời gian dài, dẫn đến cảm biến không xác định được vị trí Nếu robot có bản đồ nội bộ, khả năng định vị lại sẽ giúp nó xác định vị trí chính xác.
Hệ thống định vị chính xác trong phạm vi centimet rất quan trọng cho việc theo dõi chuyển động trên quy mô lớn hoặc qua nhiều phòng Một hệ thống tốt cần có khả năng định vị lại thường xuyên theo nhịp độ xác định trước Việc chia sẻ bản đồ giữa các robot hoặc phương tiện tự động cũng là yếu tố quan trọng, giúp các robot tận dụng thông tin từ những robot khác đã lập bản đồ khu vực Để đạt được điều này, mỗi robot phải có khả năng chụp, xuất và chia sẻ bản đồ, cùng với việc phát triển tính năng này đồng bộ trên nhiều robot T265 hỗ trợ đầy đủ các tính năng này.
TÍNH TOÁN, LỰA CHỌN THIẾT BỊ CHO MÔ HÌNH UAV
Các linh kiện cần thiết
Khung F450 là một loại khung Quadcopter 4 cánh nổi bật, được chế tạo từ sợi thủy tinh và nylon polyamit siêu bền Đặc biệt, khung này tích hợp mạch điều áp, giúp hàn trực tiếp ESC một cách dễ dàng và hiệu quả.
Thông số kỹ thuật của khung F450 tích hợp mạch điều áp:
+ Trọng lượng: 270g (trọng lượng khi không có thiết bị gắn thêm)
+ Lỗ bu lông gắn động cơ: 16/19mm
Hình 5 2 Bộ điều khiển bay Pixhawk 6C
Bộ điều khiển bay Pixhawk 6C là một giải pháp mạnh mẽ và linh hoạt cho UAV và ứng dụng robot, tích hợp nhiều cảm biến và bộ xử lý hiệu suất cao Sản phẩm này cung cấp nhiều giao diện, giúp đảm bảo điều khiển chuyến bay chính xác và đáng tin cậy.
Pixhawk 6C được trang bị nhiều cảm biến tích hợp, bao gồm con quay hồi chuyển, gia tốc kế, từ kế và mô-đun GPS có độ chính xác cao Những cảm biến này phối hợp nhịp nhàng để cung cấp ước tính chính xác về tư thế, máy đo độ cao và theo dõi vị trí, giúp đảm bảo chuyến bay ổn định và kiểm soát tốt trong nhiều điều kiện môi trường khác nhau.
Pixhawk 6C được trang bị bộ vi xử lý ARM Cortex-M7 32 bit với tốc độ xung nhịp 216 MHz, mang lại sức mạnh tính toán vượt trội cho việc xử lý các thuật toán bay phức tạp và dữ liệu thời gian thực Nhờ đó, người điều khiển chuyến bay có khả năng thực hiện các nhiệm vụ như điều hướng tự động, lập kế hoạch nhiệm vụ và tránh chướng ngại vật một cách hiệu quả.
Pixhawk 6C sở hữu giao diện đa dạng với nhiều lựa chọn kết nối, bao gồm các cổng UART, I2C và SPI, giúp tích hợp dễ dàng với các thiết bị ngoại vi và cảm biến Bảng mạch còn có các cổng chuyên dụng cho liên lạc từ xa, cho phép kết nối không dây giữa máy bay không người lái và trạm điều khiển mặt đất, phục vụ cho việc theo dõi và điều khiển trong thời gian thực Ngoài ra, nó cũng cung cấp nhiều đầu ra PWM cho việc điều khiển động cơ, cùng với các cổng đầu vào kỹ thuật số và analog để giao tiếp với các thiết bị bên ngoài.
Một số thông số kĩ thuật của Pixhawk 6C:
Nhiệt độ hoạt động: -40 – 80℃ Điện áp đầu vào tối đa: 6v
Giao diện: 8-16 đầu ra xung PWM (8 từ IO, 8 từ FMU)
Máy tính nhúng thường sử dụng máy tính bảng đơn với khả năng xử lý tốt, giúp thực hiện các tác vụ một cách dễ dàng Trên thị trường hiện nay, Raspberry Pi và Jetson Nano là hai loại bo mạch phổ biến, được sử dụng cho nhiều ứng dụng liên quan đến AI Cả hai đều là PC mini được trang bị bộ xử lý ARM và RAM 4GB, cùng với nhiều kết nối cho thiết bị ngoại vi.
Hình 5 3 Raspberry Pi 4 và NVIDIA Jetson Nano
Bảng 5 1 So sánh giữa Raspberry Pi4 và Jetson Nano STT Chức năng Raspberry Pi 4 Jetson Nano
1 CPU Quad Core Arm Cortex
Quad-Core ARM CortexA57 64-bit @ 1.43 GHz
2GB to 8GB SDRAM for different versions of Raspberry Pi
2-GB or 4-GB LPDDR4 RAM
Support high resolution 4K 60-fps through two MicroHDMI ports
HDMI 2.0 and displayPort for 4GB version 2GB version has HDMI only
6 USB 2X USB 3.0, 2X USB 2.O 4X USB 3.0, USB 2.0 Micro-B
Với khả năng xử lý đồ họa mạnh mẽ, GPU Maxwell 128 nhân của Jetson Nano hoàn toàn phù hợp cho các thuật toán xử lý hình ảnh và deep learning Thiết bị này có thể đồng thời xử lý nhiều luồng video với độ phân giải 1080p, điều mà Raspberry Pi không thể thực hiện do hạn chế về khả năng tính toán Chính vì lý do này, nhóm của tôi đã quyết định chọn Jetson Nano làm máy tính đồng hành cho UAV.
Cụ thể, nhóm đã chọn bộ kit Jetson nano Development B01, với một số tính năng quan trọng thông số kỹ thuật không được đề cập ở trên:
Bộ nhớ: 4GB LPDDR4 64-bit
Tính toán lựa chọn động cơ
Để chọn động cơ không chổi than cho UAV chúng ta cần xem xét các yếu tố sau: + Trọng lượng của UAV
+ Hằng số KV (số vòng quay/phút trong 1 volt)
+ Điện áp và dòng điện
Để lắp ráp UAV, điều quan trọng là lực đẩy tối đa của động cơ phải gấp đôi trọng lượng UAV Với trọng lượng cất cánh tối thiểu 2,5 kg và tỷ lệ lực đẩy trên trọng lượng khoảng 2:1, động cơ cần có lực đẩy ít nhất 1,6 kg Nhóm của em đã quyết định chọn động cơ không chổi than X2216 KV950, có lực đẩy tối đa lên tới 1,86 kg.
Hình 5 4 Động cơ không chổi than X2216 KV950
Bảng 5 2 Thông số kĩ thuật X2216 KV950 Đường kính Stator 22mm
Trở kháng 90mΩ Đường kính trục 3.17mm
Tính toán, lựa chọn cánh quạt và pin
Để chọn cánh quạt và pin lipo phù hợp, cần chú ý đến thông số của động cơ không chổi than, lực đẩy và công suất tạo ra khi kết hợp Dưới đây là bảng công suất động cơ do nhà sản xuất cung cấp khi kết hợp với một số loại cánh quạt và pin lipo.
Bảng 5 3 Ước tính công suất động cơ với các loại cánh quạt và pin lipo
Pin LiPo (Lithium Polymer) là loại pin sạc phổ biến trong máy bay không người lái nhờ vào năng lượng cao và thiết kế nhẹ Loại pin này cung cấp nhiều năng lượng hơn so với kích thước và trọng lượng của nó, làm cho nó trở thành lựa chọn lý tưởng cho việc cung cấp năng lượng cho máy bay không người lái và các thiết bị điều khiển từ xa khác.
Khi chọn pin lipo 4S, cần chú ý đến dòng điện tiêu thụ tối đa của động cơ, cụ thể là 34.5A, dẫn đến tổng dòng điện tiêu thụ tối đa lên tới 138A Do đó, nên chọn loại pin lipo có dòng xả liên tục lớn hơn 138A Bên cạnh đó, dung lượng pin cũng rất quan trọng, vì dung lượng cao sẽ giúp thời gian bay kéo dài hơn.
Pin Lipo Ovonic 4S với dung lượng 5500mAh và dòng xả 70C là lựa chọn lý tưởng cho người dùng Với thông số này, pin có khả năng cung cấp dòng xả liên tục tối đa, đáp ứng nhu cầu sử dụng hiệu quả.
𝐼 𝑚𝑎𝑥 = 5500𝑚𝐴ℎ × 70𝐶 = 385000 𝑚𝐴 = 385 𝐴 Một số thông số kĩ thuật của Pin Lipo GNB:
+ Kích thước: 139 mm x 44 mm x 36 mm (D x R x C)
Dựa vào bảng 5.3, nhóm quyết định sử dụng một cánh quạt có kích thước là 10 x 4.7 inch
Một số thông số kĩ thuật khác:
Tính toán, lựa chọn ESC
Khi chọn ESC cần xem xét một số yếu tố:
+ Vi xử lý của ESC
+ Trọng lượng và kích thước ESC
Yếu tố quan trọng nhất trong động cơ là cường độ dòng điện và điện áp định mức Theo thông số kỹ thuật, dòng điện liên tục tối đa đạt 34.5A trong 60 giây, và pin lipo được sử dụng là loại 3 cell, tương đương với điện áp 12.6 volt.
Chúng ta cần chọn một ESC có khả năng chịu tải tối thiểu 34.5A và hỗ trợ điện áp pin ít nhất 3S Do đó, nhóm đã quyết định lựa chọn ESC Hobbywing SkyWalker 40A V2 UBEC, với dòng ra liên tục 40A và khả năng chịu dòng tối đa lên đến 60A.
Hình 5 6 Cánh quạt MR 1047 Nylon
Hình 5 7 ESC Hobbywing SkyWalker 40A V2 UBEC
Thông số kỹ thuật và tính năng của ESC Hobbywing SkyWalker:
+ Kiểu: ESC không chổi than
+ Loại pin hoạt động: 3-4S Lipo
+ Đầu ra BEC: chế độ chuyển đổi 5V, 5A
+ Đầu ra kết nối: 3.5 Jack chuối (đầu cái)
+ Vi xử lí: Hỗ trợ tốc độ tối đa lên tới 3000 vòng/phút, bộ xử lý 32bit hiệu suất cao chạy lên tới 96Mhz, có thể lập trình
Lựa chọn hệ thống định vị
Trong lĩnh vực phát triển UAV, định vị và điều hướng chính xác là yếu tố quan trọng đảm bảo hiệu suất bay và an toàn Hệ thống VIO và camera theo dõi Intel RealSense T265 nổi bật trong việc cung cấp thông tin định vị, khẳng định sự xuất sắc cho các nhiệm vụ UAV.
Camera tracking T265 được trang bị hai camera fisheye và một IMU mạnh mẽ, cung cấp dữ liệu vị trí và hướng chính xác trong thời gian thực Với khả năng xử lý tích hợp, T265 thực hiện các phép tính VIO trực tiếp trên thiết bị, giảm tải cho CPU của UAV và tiết kiệm tài nguyên hệ thống Một trong những ưu điểm nổi bật của T265 là khả năng hoạt động trong môi trường không có GPS, rất quan trọng cho các UAV hoạt động trong nhà hoặc khu vực tín hiệu bị che khuất Hơn nữa, T265 cung cấp dữ liệu vị trí với độ trễ thấp, giúp UAV phản ứng nhanh chóng với các thay đổi trong môi trường.
Việc sử dụng T265 trong hệ thống UAV mang lại nhiều lợi ích, nhưng cũng gặp phải một số thách thức Đầu tiên, việc tích hợp phần cứng và phần mềm của T265 yêu cầu kiến thức kỹ thuật và kinh nghiệm chuyên môn Thứ hai, hiệu suất của T265 có thể bị ảnh hưởng bởi điều kiện ánh sáng và cấu trúc môi trường, do đó cần thực hiện các biện pháp điều chỉnh và tối ưu hóa phù hợp để đảm bảo hoạt động hiệu quả.
Intel RealSense Tracking Camera T265 là lựa chọn lý tưởng cho ứng dụng VIO trong UAV, nhờ vào khả năng cung cấp thông tin định vị chính xác và đáng tin cậy Mặc dù còn một số thách thức cần giải quyết, nhưng lợi ích mà T265 mang lại vượt trội, giúp nâng cao hiệu suất và độ an toàn cho UAV.
Lựa chọn camera và cảm biến khoảng cách
Trong lĩnh vực robot tự hành và tự động hóa, việc phát hiện chướng ngại vật là rất quan trọng Camera Intel RealSense D435 là một trong những công nghệ tiên tiến hỗ trợ hiệu quả cho nhiệm vụ này Với độ phân giải cao và khả năng hoạt động linh hoạt trong nhiều điều kiện ánh sáng, D435 trở thành lựa chọn hàng đầu Đặc biệt, camera này được trang bị cảm biến độ sâu stereo, cho phép thu thập thông tin chính xác về khoảng cách và hình dáng của các vật thể xung quanh Cảm biến này hoạt động hiệu quả cả trong nhà và ngoài trời, giúp hệ thống robot nhận diện và tránh chướng ngại vật trong nhiều môi trường khác nhau.
Camera D435 sở hữu góc nhìn rộng 85.2° x 58° x 95°, giúp mở rộng khả năng quan sát và phát hiện vật thể từ xa đến gần Tính năng này rất quan trọng trong việc đảm bảo an toàn cho các ứng dụng di động như xe tự hành và drone, nơi tầm quan sát rộng và chính xác là yếu tố then chốt để tránh va chạm.
D435 hỗ trợ công nghệ xử lý hình ảnh tiên tiến với tốc độ khung hình lên đến 90 FPS, cải thiện độ chính xác trong phát hiện chướng ngại vật và giúp hệ thống phản ứng nhanh với các thay đổi trong môi trường xung quanh.
Camera D435 nổi bật với khả năng tích hợp dễ dàng và hỗ trợ mạnh mẽ từ Intel RealSense SDK, giúp người dùng nhanh chóng phát triển và triển khai ứng dụng phát hiện chướng ngại vật mà không gặp khó khăn trong lập trình và tích hợp.
Camera Intel RealSense D435 là lựa chọn lý tưởng cho các hệ thống phát hiện chướng ngại vật nhờ vào độ chính xác và hiệu suất cao Sản phẩm này còn nổi bật với tính linh hoạt và khả năng triển khai dễ dàng trong nhiều ứng dụng thực tiễn.
Hình 5 9 Depth camera D435 và cảm biến TF-Luna
Cảm biến TF Luna là một thiết bị LiDAR nhỏ gọn nhưng mạnh mẽ, có khả năng đo khoảng cách chính xác từ 0.2 đến 8 mét Với độ chính xác cao và sai số chỉ vài centimet, TF Luna giúp phát hiện vật thể nhanh chóng và đáng tin cậy Điều này đặc biệt quan trọng trong các ứng dụng yêu cầu độ chính xác cao như xe tự hành, robot công nghiệp và hệ thống an ninh.
TF Luna nổi bật với tốc độ phản hồi nhanh, đạt tần số đo lường lên đến 250 Hz Tốc độ này cho phép hệ thống phản ứng kịp thời với những thay đổi trong môi trường xung quanh, từ đó giảm thiểu nguy cơ va chạm và nâng cao độ an toàn cho các ứng dụng di động.
Cảm biến TF Luna hoạt động ổn định trong nhiều điều kiện ánh sáng khác nhau, từ ánh sáng mạnh đến bóng tối hoàn toàn, phù hợp cho cả ứng dụng trong nhà và ngoài trời Thiết kế nhỏ gọn và tiêu thụ điện năng thấp của TF Luna rất quan trọng cho các thiết bị yêu cầu tiết kiệm không gian và năng lượng, như drone và thiết bị IoT Hơn nữa, TF Luna dễ dàng tích hợp với các hệ thống vi điều khiển qua giao tiếp UART hoặc I2C, giúp tiết kiệm thời gian và chi phí phát triển.
TF Luna nổi bật với giá thành hợp lý, cung cấp giải pháp kinh tế mà không ảnh hưởng đến chất lượng và hiệu suất Điều này khiến sản phẩm trở thành lựa chọn ưa chuộng cho các dự án lớn nhỏ, từ nghiên cứu học thuật đến sản phẩm thương mại.
Lắp ráp thiết bị
Việc hàn ESC vào mạch điều áp của khung F450 cần sự cẩn thận và chính xác để đảm bảo các kết nối điện an toàn và hiệu quả Hình ảnh dưới đây hỗ trợ bạn xác định đúng cực, giúp tránh hỏng hóc thiết bị.
Hình 5 10 Cực âm và cực dương cần hàn của mạch phân áp
Trước khi hàn, có một số lưu ý an toàn quan trọng để tránh gây nguy hiểm cho người sử dụng và tránh gây hỏng cho thiết bị:
+ Đảm bảo rằng tất cả các thiết bị và dụng cụ trong tình trạng hoạt động tốt
+ Đảm bảo rằng nguồn điện (thường là pin LiPo) đã được ngắt kết nối trong suốt quá trình hàn
+ Mối hàn phải chính xác và khi hàn xong không lập tức cấp nguồn mà phải thông qua kiểm tra đoản mạch
Hình 5 11 Kết quả sau khi hàn dây ESC và Jack pin
The Intel RealSense T265 camera, utilized in Visual Inertial Odometry (VIO) applications, can be adversely affected by strong vibrations Such vibrations may lead to various issues, impacting the camera's performance and accuracy in capturing data.
Hình ảnh bị mờ do rung động mạnh có thể ảnh hưởng đến độ chính xác của hệ thống VIO, vì sự chuyển động nhanh và không mong muốn của camera làm cho các đối tượng trong khung hình trở nên biến dạng hoặc không rõ ràng.
Camera T265 tích hợp IMU (Inertial Measurement Unit) nhằm cải thiện khả năng theo dõi chuyển động, nhưng rung động mạnh có thể gây nhiễu dữ liệu từ IMU Điều này dẫn đến việc các phép đo về gia tốc và tốc độ góc trở nên không chính xác, ảnh hưởng tiêu cực đến tính toán vị trí và hướng của thiết bị.
Để giảm thiểu ảnh hưởng của rung động mạnh đến camera, việc sử dụng các giá đỡ giảm chấn hoặc thiết bị giảm rung là rất cần thiết Những thiết bị này giúp hấp thụ và giảm bớt rung động trước khi chúng tác động đến camera, từ đó nâng cao chất lượng hình ảnh và ổn định quá trình ghi hình.
5.7.3 Kết nối các thiết bị điện
Kết nối các thiết bị điện với Pixhawk đòi hỏi sự cẩn thận và chú ý đến chi tiết để đảm bảo hệ thống hoạt động chính xác và an toàn Dưới đây là sơ đồ chuẩn kết nối do nhà sản xuất cung cấp, giúp người dùng thực hiện quá trình này một cách hiệu quả.
Hình 5 13 Sơ đồ kết nối đầy đủ bộ điều khiển bay Pixahwk 6C
Sau kết nối điện và khi thực hiện lắp ráp ta có được mô hình hoàn chỉnh như hình sau
Hình 5 14 Mô hình hoàn chỉnh
Pixhawk: Điều khiển bậc thấp (Low level)
Camera T265 Tracking: Lấy thông tin vị trí
Jetson Nano: Điều khiển bậc cao (Hight level)
Arduino: Xử lý dữ liệu của cảm biến khoảng cách rồi truyền cho Jetson Nano
Camera D435, cảm biến RF lidar: Lấy thông tin của đối tượng
Ta có sơ đồ khối của hệ thống như sau
Hình 5 15 Sơ đồ khối mô hình khối của hệ thống
KẾT QUẢ THỰC NGHIỆM
Kết quả thực nghiệm bộ điều khiển
6.1.1 Kết quả mô phỏng bằng môi trường Gazebo
Kịch bản thực nghiệm bộ điều khiển PID trong môi trường mô phỏng cho UAV di chuyển đến tọa độ (6, 6, 6) m cho thấy kết quả điều khiển theo ba trục x, y, z.
Hình 6 1 Đồ thị đáp ứng theo trục x
Dựa vào kết quả đáp ứng vị trí theo trục x, có thể khẳng định rằng thuật toán PID đã hoạt động hiệu quả trong việc điều khiển vị trí, đạt đúng mục tiêu đề ra trong môi trường mô phỏng Gazebo.
Hình 6 2 Đồ thị đáp ứng theo trục y
Dựa vào kết quả đáp ứng vị trí theo trục y, có thể khẳng định rằng thuật toán PID điều khiển vị trí đã hoạt động hiệu quả và đạt được mục tiêu đề ra trong môi trường mô phỏng Gazebo.
Hình 6 3 Đồ thị đáp ứng theo trục z
Dựa trên kết quả phản hồi độ cao theo trục z, có thể khẳng định rằng thuật toán PID điều khiển vị trí đã hoạt động hiệu quả như mong đợi trong môi trường mô phỏng Gazebo.
Kịch bản thực nghiệm bộ điều khiển PID trong môi trường thực được thực hiện trên UAV, với mục tiêu đầu tiên là bay lên và di chuyển đến tọa độ (0,0,1)m Sau đó, UAV tiếp tục di chuyển đến tọa độ (1,0,1)m Kết quả điều khiển cho thấy sự điều chỉnh vị trí của UAV theo ba trục x, y, z.
Hình 6 4 Quadcopter ổn định tại vị trí điểm đặt
Hình 6 5 Đồ thị đáp ứng theo trục x
Dựa vào kết quả phản hồi độ cao theo trục x, có thể khẳng định rằng thuật toán PID điều khiển vị trí hoạt động hiệu quả trong môi trường bay thực tế, với sai số xác lập tối đa đạt 8cm.
Hình 6 6 Đồ thị đáp ứng theo trục y
Dựa vào kết quả đáp ứng độ cao theo trục y, thuật toán PID điều khiển vị trí đã hoạt động hiệu quả trong môi trường bay thực, với sai số xác lập lớn nhất chỉ 7cm.
Hình 6 7 Đồ thị đáp ứng theo trục z
Dựa trên kết quả đáp ứng độ cao theo trục z, thuật toán PID điều khiển vị trí đã hoạt động hiệu quả trong môi trường bay thực, với sai số xác lập tối đa là 8cm.
Sau khi tiến hành thử nghiệm và phân tích kết quả điều khiển drone bằng bộ điều khiển PID, có thể rút ra một số kết luận quan trọng như sau: Bộ điều khiển PID hiệu quả trong việc duy trì ổn định cho drone, cải thiện khả năng phản hồi và điều chỉnh chính xác trong các điều kiện bay khác nhau Việc tối ưu hóa các tham số PID là cần thiết để đạt được hiệu suất tối ưu, đồng thời giảm thiểu độ trễ và rung lắc trong quá trình điều khiển.
Bộ điều khiển PID đã chứng minh hiệu quả trong việc duy trì sự ổn định và kiểm soát chính xác chuyển động của quadcopter Các thông số được tối ưu hóa nhằm đáp ứng yêu cầu về độ nhạy và độ ổn định của drone, từ đó giảm thiểu dao động và sai số trong quá trình bay.
Bộ điều khiển PID đã chứng minh tính khả thi cao trong các ứng dụng thực tế của quadcopter, bao gồm giám sát, khảo sát, cứu hộ và đặc biệt là trong việc né tránh vật cản Kết quả từ thực nghiệm cho thấy khả năng ứng dụng rộng rãi của công nghệ này trong nhiều lĩnh vực khác nhau.
Tóm lại, bộ điều khiển PID đã thể hiện hiệu suất tốt trong việc điều khiển quadcopter, đáp ứng tốt các yêu cầu kỹ thuật
Kết quả thực nghiệm thuật toán tránh né vật cản
Kịch bản thực nghiệm thuật toán né tránh vật cản được thực hiện trong cả môi trường mô phỏng và thực tế, với nhiệm vụ cho UAV bay từ tọa độ (0,0,0.8)m đến (5.5,0,0.8)m Trong quá trình di chuyển, UAV sẽ gặp vật cản là hình chữ nhật màu đỏ ở phía trước, và mặt bên cạnh vật cản sẽ di chuyển mà không biết hình dạng cụ thể Các kết quả thu được từ thí nghiệm này sẽ được trình bày chi tiết trong bài viết.
Hình 6 8 Nhận dạng vật cản trong môi trường mô phỏng
Hình 6 9 Nhận dạng vật cản trong môi trường thực
Sau quá trình thực nghiệm và đánh giá hiệu quả của phương pháp xử lý ảnh trong nhận dạng vật thể, chúng tôi đã rút ra một số kết luận quan trọng.
Nhận dạng vật thể là một phương pháp xử lý ảnh hiệu quả, cho phép xác định chính xác các đối tượng trong cả môi trường mô phỏng Gazebo và thực tế.
Trong môi trường Gazebo, việc kiểm soát điều kiện ánh sáng và nhiễu được thực hiện hiệu quả, góp phần vào sự ổn định của hệ thống xử lý ảnh và nâng cao độ chính xác.
Ảnh hưởng của điều kiện ánh sáng trong môi trường thực tế gây ra nhiều thách thức cho hệ thống nhận dạng vật thể Sự thay đổi của ánh sáng ngoại cảnh và các yếu tố như cường độ ánh sáng, bóng đổ và phản xạ có thể tạo ra nhiễu, làm giảm độ chính xác và hiệu quả của việc nhận dạng.
Hệ thống xử lý ảnh đã cho thấy khả năng nhận dạng vật thể hiệu quả trong cả môi trường mô phỏng và thực tế Để tối ưu hóa hiệu suất trong môi trường thực, việc điều chỉnh các giá trị bộ lọc xử lý ảnh là cần thiết nhằm giảm thiểu tác động của nhiễu do điều kiện ánh sáng không lý tưởng.
Hình 6 10 Quadcopter nhận dạng vật cản và thực hiện né
Trong quá trình thực nghiệm và đánh giá hiệu quả của thuật toán né tránh vật cản cho quadcopter, đã thu được những kết quả đáng chú ý như sau:
Hệ thống xử lý ảnh đã xác định chính xác và hiệu quả các vật thể trong môi trường bay Các thuật toán xử lý ảnh phân tích và nhận diện vật cản xung quanh, cung cấp thông tin quan trọng cho hệ thống điều khiển.
Sau khi nhận diện vật cản, thuật toán né tránh hoạt động hiệu quả, giúp quadcopter thực hiện các động tác né tránh một cách mượt mà và chính xác, đảm bảo không xảy ra va chạm với các vật thể trong môi trường bay.
Hình 6 11 Quadcopter giữ khoảng cách với vật cản
Cảm biến khoảng cách hoạt động hiệu quả, cung cấp dữ liệu chính xác về khoảng cách đến các vật cản trong thời gian thực Hệ thống sử dụng thông tin này để duy trì khoảng cách an toàn với các vật thể, từ đó giúp tránh va chạm tiềm ẩn.
Hình 6 12 Quadcopter đi tới đích sau khi né vật cản
Sau khi thoát khỏi vật cản, Quadcopter tự điều hướng về điểm đích Quá trình di chuyển tránh né vật cản được trình bày theo đồ thị sau đây:
Hình 6 13 Đồ thị hành trình trục x theo thời gian
Hình 6 14 Đồ thị hành trình trục y theo thời gian
Hình 6 15 Đồ thị hành trình
Hệ thống điều khiển quadcopter với thuật toán né tránh vật cản đã hoạt động hiệu quả và đáp ứng tốt các yêu cầu kỹ thuật Sự phối hợp nhịp nhàng giữa hệ thống xử lý ảnh và cảm biến khoảng cách giúp quadcopter nhận dạng và né tránh vật cản thành công, duy trì khoảng cách an toàn và thực hiện nhiệm vụ chính xác Kết quả này khẳng định tính khả thi và ứng dụng rộng rãi của thuật toán trong các nhiệm vụ thực tế, mở ra nhiều tiềm năng ứng dụng trong các lĩnh vực khác nhau.