Xây dựng bộ điều khiển nhúng giải thuật CMAC cho xe hai bánh tự cân bằng

ĐẠI HỌC QUỐC GIA TP.HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN LÊ NHỰT TUYÊN XÂY DỰNG BỘ ĐIỀU KHIỂN NHÚNG GIẢI THUẬT CMAC CHO XE HAI BÁNH TỰ CÂN BẰNG Chuyên ngành: Tự động hóa Mã số: 605260 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 12 năm 2011 Cơng trình hồn thành tại: Trường Đại học Bách khoa – ĐHQG TP.HCM Cán hướng dẫn khoa học: TS Trương Đình Châu Chữ ký: ………… Cán chấm nhận xét 1: TS Nguyễn Đức Thành Chữ ký: ………… Cán chấm nhận xét 2: TS Nguyễn Vĩnh Hảo Chữ ký: ………… Luận văn thạc sĩ bảo vệ Trường Đại học Bách khoa, ĐHQG TP.HCM ngày 17 tháng 01 năm 2012 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PGS TS Nguyễn Thị Phương Hà TS Nguyễn Đức Thành TS Hồng Minh Trí TS Nguyễn Vĩnh Hảo TS Hồ Phạm Huy Ánh Xác nhận Chủ tịch Hội đồng đánh giá luận văn Trưởng khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG PGS.TS Nguyễn Thị Phương Hà TRƯỞNG KHOA ĐIỆN – ĐIỆN TỬ ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập – Tự – Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Lê Nhựt Tuyên MSHV: 01508355 Ngày, tháng, năm sinh: 07/11/1984 Nơi sinh: Bến Tre Chuyên ngành: Tự động hóa Mã số: 605260 I TÊN ĐỀ TÀI: Xây dựng điều khiển nhúng giải thuật CMAC cho xe hai bánh tự cân NHIỆM VỤ VÀ NỘI DUNG: - Nghiên cứu giải thuật CMAC ứng dụng vào điều khiển hệ xe hai bánh tự cân - Xây dựng mơ hình xe hai bánh để nhúng thuật toán điều khiển vào kiểm tra II NGÀY GIAO NHIỆM VỤ: 04/07/2011 III NGÀY HOÀN THÀNH NHIỆM VỤ: 02/12/2011 IV CÁN BỘ HƯỚNG DẪN: TS Trương Đình Châu TP.HCM, ngày 02 tháng 12 năm 2011 CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO TS Trương Đình Châu TS Nguyễn Đức Thành TRƯỞNG KHOA ĐIỆN – ĐIỆN TỬ LỜI CẢM ƠN Xin gởi lời cảm ơn chân thành tới TS Trương Đình Châu, người tận tình hướng dẫn, bảo giúp đỡ tác giả suốt thời gian thực luận văn Và quan trọng hết, thầy người gợi mở cho tác giả đề tài, hướng nghiên cứu mẻ, độc đáo, có tính ứng dụng cao, hoàn toàn phù hợp với lực tác giả Xin cảm ơn cha mẹ tác giả, người tạo điều kiện thuận lợi tối đa để tác giả nghiên cứu hồn thiện luận văn thời hạn Sự giúp đỡ không mang tính chun mơn góp phần quan trọng đến thành cơng luận văn Bên cạnh tác giả xin chân thành cảm ơn quý thầy cô môn Tự động, khoa Điện – Điện tử trang bị cho tác giả kiến thức quý báu để hoàn thành tốt luận văn Lời cảm ơn cuối xin dành cho người thân, bạn bè hỗ trợ tác giả suốt thời gian thực luận văn Sự giúp đỡ bạn mặt chuyên môn nguồn động lực không nhỏ cho tác giả suốt thời gian qua Nguyễn Lê Nhựt Tuyên TÓM TẮT Luận văn nghiên cứu điều khiển thông minh cho xe hai bánh tự cân Mục đích xây dựng điều khiển khớp theo mơ hình tiểu não (CMAC) có khả thích nghi cao để điều khiển góc xoay vị trí xe hai bánh tự cân mà không cần mơ hình hóa hệ thống Bộ điều khiển CMAC có khả cập nhật đặc tính động học hệ thống qua q trình học online, đặc điểm tốc độ học nhanh dễ hội tụ nên dễ áp dụng điều khiển thời gian thực ABSTRACT This thesis researches an intelligent controller to control wheeled inverted pendulums (WIPs) The main purpose of this thesis is to develop an adaptive output recurrent Cerebellar Model Articulation Controller (CMAC) for angle and position control of such a WIP without model information Because the novel model free CMAC architecture captures system dynamics, it has a superior capability to the conventional Cerebellar Model Articulation Controllers in terms of its efficient learning and dynamic response LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu tơi thực Các số liệu, kết luận nghiên cứu trình bày luận văn trung thực chưa công bố nghiên cứu khác Tôi xin chịu trách nhiệm nghiên cứu Nguyễn Lê Nhựt Tuyên MỤC LỤC Chương 1: TỔNG QUAN 1.1 Giới thiệu đề tài 1.2 Các cơng trình nghiên cứu liên quan 1.3 Nội dung luận văn Chương 2: KHẢO SÁT ĐẶC TÍNH ĐỘNG LỰC HỌC CỦA HỆ THỐNG 2.1 Giới thiệu 2.2 Đặc tính động lực học hệ thống 2.3 Khảo sát ảnh hưởng đặc tính phi tuyến 12 2.4 Khảo sát ảnh hưởng nhiễu lên hệ robot: .15 2.5 Kết luận đối tượng robot bánh tự cân 18 Chương 3: GIẢI THUẬT CMAC 19 3.1 Giải thuật CMAC 19 3.1.1 Ánh xạ từ ngõ vào đến vùng biến trung gian: S  M 19 3.1.2 Ánh xạ từ vùng biến trung gian đến vùng liên kết: M  A 21 3.1.3 Ánh xạ từ vùng liên kết sang vùng ngõ ra: A  P 23 3.1.4 Huấn luyện CMAC 24 3.2 Xây dựng điều khiển CMAC cho xe hai bánh tự cân 25 3.2.1 Xây dựng điều khiển 25 3.2.2 Giải thuật học on-line 30 3.2.3 Tối ưu hóa tốc độ học 31 Chương 4: THIẾT KẾ BỘ ĐIỀU KHIỂN NHÚNG 33 4.1 Giới thiệu 33 4.2 Mơ hình xe hai bánh tự cân 33 4.2.1 Mơ hình khí .33 4.2.2 Mạch điều khiển 33 4.2.3 Bộ lọc Kalman 38 4.3 Bộ điều khiển nhúng hệ robot bánh tự cân .49 4.3.1 Giới thiệu điều khiển nhúng 49 4.3.2 Các khối chức điều khiển 51 4.3.3 Kết điều khiển 53 Chương 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 57 5.1 Kết đạt 57 5.2 Một số hạn chế 58 5.3 Hướng phát triển 59 TÀI LIỆU THAM KHẢO 60 Chương TỔNG QUAN 1.1 Giới thiệu đề tài Trong năm gần đây, robot tự hành ứng dụng rộng rãi dân dụng, công nghiệp quân Nó thường thiết kế để di chuyển ba bốn bánh xe: với hai bánh dẫn động lắp ráp đồng trục hai bánh tự bố trí phía trước sau, có nhiệm vụ giữ cho robot thăng Việc thiết kế làm cho robot thăng ổn định nhờ trọng tâm chia cho hai bánh dẫn động bánh tự để đỡ trọng lượng robot Tuy nhiên, trọng tâm đặt nhiều vào bánh lái robot khơng ổn định dễ bị ngã, cịn đặt nhiều vào bánh hai bánh khả bám Nhiều thiết kế robot di chuyển tốt địa hình phẳng, di chuyển lên xuống địa hình lồi lõm mặt phẳng nghiêng Hình 1.1 – Robot dạng bánh di chuyển địa hình Hình 1.2 – Khi robot phẳng, trọng tâm leo dốc, trọng tâm đặt Hình 1.3 – Khi robot (Center of Gravity – CG) vào bánh nhỏ, xuống dốc, trọng tâm đặt chia cho bánh dẫn làm robot khả vào bánh lớn, làm động lớn bánh tự nhỏ bám trượt ngã robot bị lật úp Ngược lại, robot dạng hai bánh đồng trục lại thăng linh động di chuyển địa hình phức tạp, thân hệ thống không ổn định Khi robot di chuyển địa hình dốc, tự động nghiêng trước giữ cho trọng lượng dồn hai bánh lái Tương tự vậy, di chuyển xuống dốc, nghiêng sau giữ trọng tâm rơi vào bánh lái Chính vậy, khơng có tượng trọng tâm xe rơi ngồi vùng đỡ bánh xe để gây lật úp Hình 1.4 - Robot dạng bánh xe di chuyển địa hình dốc, trọng tâm thay đổi theo hướng bảo toàn thăng Robot dạng hai bánh sử dụng để làm phương tiện vận chuyển khu vực chật hẹp, khó xoay trở, kết hợp với thị giác (camera), phần dị đường, hiệu công dụng cụ thể linh hoạt 1.2 Các cơng trình nghiên cứu liên quan Đối với hệ robot bánh tự cân trình điều khiển chia thành ba phần:  Điều khiển góc nghiêng hệ robot so với phương thẳng đứng  Điều khiển vị trí di chuyển robot so với tọa độ ban đầu  Điều khiển góc xoay robot Bản thân hệ robot hệ khơng ổn định, nên q trình điều khiển gặp nhiều khó khăn, phải thực điều khiển đồng thời ba thành phần góc nghiêng, vị trí, góc xoay thời điểm điều khiển địa hình khác Năm 2002, Phịng thí nghiệm Điện tử Công nghiệp Viện Công nghệ Liên bang Lausanne, Thụy Sĩ cho đời robot JOE cao 65cm, nặng 12kg, tốc độ tối đa khoảng 1,5m/s, có khả leo dốc nghiêng đến 30o Để điều khiển hệ thống, tác giả xây dựng mơ hình tốn học cho hệ, sau tuyến tính hóa quanh điểm làm việc sử dụng luật điều khiển hồi tiếp trạng thái theo phương pháp đặt cực Tác giả 51 Hình 4.25 – Chương trình thu thập liệu, điều khiển hoạt động robot 4.3.2 Các khối chức điều khiển Bộ điều khiển CMAC đươc xây dựng thông qua ba khối chức bản: khối khởi trị ban đầu, khối nhận lệnh điều khiển từ máy tính thơng qua bluetooth, khối giữ thăng điều khiển hoạt động robot Khối khởi trị ban đầu: Có nhiệm vụ tự động cân chỉnh cảm biến hệ thống vừa cấp nguồn, đảm bảo robot đứng yên giá trị ngõ đạt đến độ/s Đồng thời tạo giá trị khởi động góc nghiêng để đưa vào lọc Kalman 52 Hình 4.26 – Khối khởi trị ban đầu Khối nhận lệnh từ máy tính: Có nhiệm vụ nhận tín hiệu đặt từ máy tính thơng qua bluetooth để điều khiển hệ thống Hình 4.27 – Khối nhận lệnh từ máy tính Khối giữ cân điều khiển: đảm nhiệm nhiệm vụ trọng tâm thuật toán, giữ cân bằng, nhận lệnh điều khiển robot di chuyển: khối gồm có khối nhỏ: đọc cảm biến encoder trái, phải, cảm biến gia tốc, cảm biến quay hồi chuyển, tín hiệu đo giá trị:  , , , ,  ,  , đưa vào điều khiển xuất tín hiệu điều khiển động bánh trái, phải Hình 4.28– Khối đọc cảm biến gia tốc, cảm biển quay hồi chuyển, lọc Kalman 53 Hình 4.29 – Khối đọc cảm biến encoder để đo vị trí, vận tốc, góc xoay hệ robot Hình 4.30 – Khối giữ thăng điều khiển di chuyển 4.3.3 Kết điều khiển 54 Hình 4.31 – Góc nghiêng hệ robot điều khiển robot giữ cân di chuyển địa hình phẳng Hình 4.32 – Góc nghiêng hệ robot robot di chuyển với vận tốc 5cm / s , dựa vào đồ thị độ dao động – sai số góc nghiêng hệ robot di chuyển  3 độ ( tương đương 0.05 rad) 55 Hình 4.33 – Góc nghiêng hệ robot di chuyển qua chướng ngại vật có chiều dầy 0.7cm sai số góc nghiêng khoảng 5 độ Hình 4.34 – Vị trí hệ robot giữ cân di chuyển với vận tốc 5cm / s 56 Hình 4.35 – Sai số vị trí hệ robot giữ cân xấp xỉ 0.35rad Nhận xét: giữ cân kết điều khiển sai lệch góc nghiêng 1.17 độ ( tương đương 0.02 rad), robot di chuyển với vận tốc 5cm / s sai lệch lớn  3 độ, robot di chuyển qua chướng ngại vật sai lệch 5 độ 57 Chương KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 5.1 Kết đạt Với đề tài nghiên cứu trên, tác giả hoàn thành số kết sau:  Đã giới thiệu mơ hình tốn đối tượng robot bánh tự cân đem lại nhìn tổng quan đối tượng, nắm đặc tính động lực học đối tượng này, mục tiêu q trình điều khiển: robot di chuyển địa hình phẳng, địa hình gồ gề, hay địa hình có độ nghiêng nhỏ sử dụng bánh xe đặc đồng trục, nghĩa suốt trình di chuyển robot giữ cân  Đã nghiên cứu, tìm hiểu giải thuật CMAC, ứng dụng giải thuật CMAC vào điều khiển hệ robot hai bánh tự cân  Thiết kế thi cơng mơ hình robot hai bánh để nhúng thuật toán CMAC vào điều khiển  Xây dựng lọc Kalman để kết hợp liệu từ hai loại cảm biến: cảm biến gia tốc để đo góc nghiêng cảm biển quay hồi chuyển để đo vận tốc góc nghiêng Nếu sử dụng thơng tin hai loại cảm biến cách riêng lẻ, giá trị đo lý thuyết tính tốn thực tế bị sai lệch lớn robot di chuyển liên tục, cảm biến gia tốc cho giá trị đo xác tần số thấp cịn cảm biến quay hồi chuyển cho thơng tin xác tần số làm việc cao ngồi giá trị đo cịn bị trôi Để loại bỏ ảnh hưởng nhiễu, độ trôi phân cực cảm biến quay hồi chuyển, sử dụng lọc bổ phụ, lọc sớm pha, nhiên kết thu khơng xác sử dụng lọc Kalman Trong đề tài, tác giả giới thiệu sở lý thuyết lọc Kalman, dựa vào để xây dựng mơ hình lọc với ngõ vào thông tin từ cảm biến gia tốc cảm biến quay hồi chuyển ngõ giá trị ước lượng góc nghiêng sử dụng mơ hình lọc Kalman trạng thái, ngõ giá trị ước 58 lượng góc nghiêng vận tốc góc nghiêng sử dụng mơ hình Kalman trạng thái Với kết mô đáp ứng lọc, kết điều khiển thực, thấy giá trị ước lượng sử dụng lọc Kalman cải thiện đáng kể so với tín hiệu đo từ hai loại cảm biến trên, điều góp phần làm cho chất lượng điều khiển nâng lên nhiều 5.2 Một số hạn chế  Vận tốc di chuyển robot 5cm / s tương đối chậm để tăng tính linh hoạt cho hoạt động robot Và robot di chuyển môi trường thực tế cẩn phải kiểm soát dung lượng pin, để đảm bảo trình giữ cân di chuyển  Khi sử dụng Real – Time Workshop Matlab, mã chương trình tạo ngơn ngữ C chưa phải mã tối ưu, làm thời gian lấy mẫu trình điều khiển bị ảnh hưởng, làm giảm chất lượng điều khiển hệ robot bánh tự cân  Robot thiếu khả hoạt động độc lập, di chuyển gặp chướng ngại vật, hệ robot khơng có khả nhận biết tự định xử lý tính giúp cho robot hoạt động linh hoạt hơn, khả ứng dụng cao  Luận văn chưa khảo sát cách đầy đủ tác động ảnh hưởng lên hệ robot robot di chuyển địa hình gồ gề, di chuyển địa hình dốc nghiêng Khi di chuyển mơi trương tự nhiên, địa hình di chuyển đa dạng, khảo sát đầy đủ ảnh hưởng địa hình giúp cho robot làm việc tốt phát triển thực thi nhiệm vụ cụ thể Để khắc phục khuyết điểm hạn chế trên, tác giả đưa hướng phát triển cho nhà nghiên cứu tiếp theo, ứng dụng nhiều lĩnh vực điều khiển tự động Việt Nam 59 5.3 Hướng phát triển Mô hình robot sử dụng động DC có tỉ số giảm tốc 10, tốc độ không tải động 100 vòng/phút, để cải thiện vận tốc di chuyển sử dụng động có tốc độ lớn hơn, tỉ số giảm tốc nhỏ Và xây dựng chương trình kiểm sốt dung lượng pin, dung lượng pin thấp tín hiệu điều khiển bù vào phù hợp để đảm bảo hệ robot hoạt động ổn định giới hạn cho phép Như đề cập phần trước, cách thực điều khiển nhúng sử dụng đề tài, mở hướng ứng dụng kết hợp Matlab Simulink vi điều khiển, dòng vi điều khiển C2000 TI cần xây dựng thêm thư viện chuyên biệt điều khiển, tối ưu hóa mã ngơn ngữ C thời gian thực thi như: thư viện điều khiển thích nghi, thư viện điều khiển mờ, mạng thần kinh nhân tạo Bên cạnh đó, vi điều khiển chưa có hỗ trợ Matlab Simulink, ứng nhiều PIC Microchip, AVR Atmel…cần xây dựng thư viện liên kết phần cứng, để sử dụng Matlab Simulink mơi trường lập trình, tận dụng hỗ trợ Matlab khả tính tốn, xử lý số học Khi di chuyển mơi trường tự nhiên, địa hình di chuyển đa dạng, cần khảo sát cách đầy đủ ảnh hưởng lên hệ robot, đặc biệt di chuyển lên dốc nghiêng vận tốc di chuyển moment bánh xe phải đủ lớn để thắng thành phần ngoại lực gây cản trở chuyển động như: trọng lực, lực qn tính,…Bên cạnh đó, robot lắp thêm cảm biển siêu âm hay hồng ngoại… để nhận biết khoảng cách đến vật cản, nhận biết môi trường di chuyển, cung cấp thêm giải thuật điều khiển để robot tự đưa định, giúp cho robot hoạt động độc lập hơn, có khả ứng dụng cao 60 TÀI LIỆU THAM KHẢO [1] R Watanabe, "Motion Control of NXTway LEGO Segway," Waseda University, p 21, 2007 [2] Floriberto Ortiz, WenYu, Marco Moreno-Armendariz, and Xiaoou Li, "Recurrent Fuzzy CMAC for Nonlinear System Modeling," Springer-Verlag Berlin Heidelberg, pp 487-495, 2007 [3] Chin-Ming Hong, Yih-Guang Leu, "Adaptive Cerebellar Model Articulation Controller for a Class of Nonlinear Systems with Only Output Measurement," JOURNAL OF COMPUTERS, vol 3, no 7, pp 48-54, 2008 [4] David A Handelman, Stephen H Lane, Jack J Gelfand, "Integrating Knowledge-based system and neural network techniques for robotic skill acquisition," Princeton University, pp 193-198, 2006 [5] J S Albus, "A New Approach to Manipulator The Cerebellar Model Articulation Controller Albus," September 1975 Journal of Dynamic Systems, Measurement, and Control, pp 220-227, 1975 [6] J S Albus, "Data Storage in Cerebellar Model Articulation Controller," September 1975 Journal of Dynamic Systems, Measurement, and Control, pp 228-233, 1975 [7] W Thomas Miller, L Gordon Kraft, "CMAC: An Associative Neural Network Alternative to Backpropagation," Proceeding of the IEEE, vol 78, no 10, pp 1561-1567, 1990 [8] Hahn-Ming Lee, Chih-Ming Chen, and Yung-Feng Lu, "A Self-Organizing HCMAC Neural-Network Classifier," IEEE Transactions on Neural Networks, vol 14, no 1, pp 15-27, 2003 [9] Felix Grasser, Aldo D’Arrigo, Silvio Colombi, and Alfred C Rufer, "JOE: A Mobile, Inverted Pendulum," IEEE Transactions on Industrial Electronics, vol 61 49, no 1, pp 107-114, 2002 [10] Chih-Hui Chiu, You-Wei Lin, Chun-Hsien Lin, "Real-time control of a wheeled inverted pendulum based on an intelligent model free controller," Mechatronics 21, pp 523-533, 2011 [11] Seema Mathew, Parimal Giri, Manjusha Agwan, "A Simulink Implementation of The Cerebellum Model Articulation Controller," 2010 Second International Conference on Advances in Computing, Control, and Telecommunication Technologies, pp 146-148, 2010 [12] C Laufer, G Coghill, "Efficient Recursive Least Squares Methods for the CMAC Neural Network," International Journal of Machine Learning and Computing, vol 1, no 1, pp 20-29, 2011 [13] Nawawi, Ahmad and Osman, "Real-Time Control System for a Two-Wheeled Inverted Pendulum Mobile Robot," Advanced Knowledge Application in Practice , pp 299-311, 2010 [14] H F H K S Tjokro, "Design and Evaluation of Two-wheeled Balancing Robot Chassis," 2010 [15] Chih-Hui Chiu, Wen-Ru Tsai, Ming-Hung Chou, and Ya-Fu Peng, "Twowheeled Robot Control Based on Self-tuning Output Recurrent CMAC," Proceedings of the International MultiConference of Engineers and Computer Scientists, 2009 [16] Chun-Shin Lin, Ching-Tsan Chiang, "Learning Convergence of CMAC Technique," IEEE Transactions on Neural Networks, vol 8, no 6, pp 12811297, 1997 [17] D Kim, "A design of CMAC-based fuzzy logic controller with fast learning and accurate approximation," Fuzzy Sets and Systems 125, pp 93-104, 2002 [18] Gábor Horváth, Tamás Szabó , "CMAC Neural Network with Improved Generalization Property for System Modelling," p 9, 2000 62 [19] Young H Kim, Frank L Lewis, "Optimal Design of CMAC Neural-Network Controller for Robot Manipulators," IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS—PART C: APPLICATIONS AND REVIEWS, vol 30, no 1, pp 22-31, 2000 [20] Mato Baotic, Ivan Petrovic, Nedjeljko Peric, "Convex Optimization in Training of CMAC Neural Networks," pp 151-157, 2001 [21] Chao He, Lixin Xu, Yuhe Zhang, "Learning Convergence of CMAC Algorithm," Neural Processing Letters, Kluwer Academic Publishers, pp 6174, 2001 [22] Wei-Song Lin, Chin-Pao Hung, "Variable structure contml of unknown parameters dc servo systems using CMAC-based learning approach," Proceedings of the American Control Conference , pp 5016-5021, 2001 [23] Khaled M Shaaban, Refaat M Mohamed , "Autonomous Learning Cerebellum Model Articulation Controller," IEEE, p 6, 2002 [24] Dong-Hyawn Kim, Ju-Won Oh, In-Won Lee, "Cerebellar Model Articulation Controller (CMAC) for Suppression of Structural Vibration," JOURNAL OF COMPUTING IN CIVIL ENGINEERING, pp 291-297, 2002 [25] Wei-Song Lin, Chin-Pao Hung, "CMAC based Integral Variable Structure Control of Nonlinear System," IEEE, pp 1183-1188, 2002 [26] T MathWorks, "Embedded Target for the TI TMS320C2000™ DSP Platform For Use with Simulink," User’s Guide, p 112, 2003 [27] Chin-Pao Hung, Mang-Hui Wang, "Fault Diagnosis of Air-conditioning System Using CMAC Neural Network Approach," p 11, 2003 [28] J S Albus, "Outline for a Theory of Intelligence," IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS, , vol 21, no 3, pp 473-509, 1991 [29] Stephen H Lane, David A Handelman, and Jack J Gelfand , "Theory and Development of Higher-Order CMAC Neural Networks," /€€E Control 63 Systems , pp 23-30, 1992 [30] Mo-Yuen Chow, Alberico Menozzi, "A Self-Organized CMAC Controller," p 5, 1994 [31] W T Miller, "Real-Time Neural Network Control of a Biped Walking Robot," IEEE Control Systems, pp 41-48, 1994 [32] W Thomas Miller, Filson H Glanz, "The University of New Hampshire Implementation of the Cerebellar Model Arithmetic Computer - CMAC," p 19, 1996 [33] Filson H Glanz, Thomas Miller, L Gordon Kraft, "An Overview of the CMAC Neural Network," pp 301-308, 1998 [34] Witaali L Dunin-Barkowski, Sege L Shishkin, Donald C Wunsch, "Computational Intelligence and Cerebellar Enigmas," IEEE, pp 640-645, 1998 [35] S Jagannathan, "Discrete-Time CMAC NN Control of Feedback Linearizable Nonlinear Systems Under a Persistence of Excitation," IEEE TRANSACTIONS ON NEURAL NETWORKS, vol 10, no 1, pp 128-137, 1999 [36] "Hardware Design of CMAC Neural Network for Control Applications," IEEE, pp 953-958, 2003 [37] Vahid Golkhou, Caro Lucas, Mohamad Parnianpour, "Application of Actor Critic Reinforcement Learning Method For Control Of A Sagittal Arm DuringOscillatory Movement," Biomedical Engineering Applications, Basic & Communications, vol 16, no 6, pp 305-312, 2004 [38] A Aboshosha, "Employing a Recurrent Linear Model to Guide Mobile Robots Adaptively," p 10, 2004 [39] Ya-Fu Peng, Rong-Jong Wai, Chih-Min Lin, "Implementation of LLCCResonant Driving Circuit and Adaptive CMAC Neural Network Control for Linear Piezoelectric Ceramic Motor," IEEE TRANSACTIONS ON 64 INDUSTRIAL ELECTRONICS, vol 51, no 1, pp 35-48, 2004 [40] Yangmin Li, Sio Hong Leong, "Kinematics control of redundant manipulators using a CMAC neural network combined with a genetic algorithm," Robotica, vol 22, pp 611-621, 2004 [41] Paulo E M Almeida, M Godoy Simões, "Neural Optimal Control of PEM Fuel Cells with Parametric CMAC Networks," p 8, 2004 [42] Shen Zhipeng, Guo Chen, Sun Jianbo, "Reinforcement Learning Control for Ship Steering Based on General Fuzzified CMAC," p 6, 2004 [43] M Cirrincione, M Pucci, G Cirrincione, M G Simões, "A Neural Non-linear Predictive Control for PEM-FC," J Electrical Systems 1-2, pp 1-18, 2005 [44] Wang Chiang, Cheng-Chih Chien , "An Algorithm for Saving the Memory Utilization in the 1-D Cerebellar Model Controller.," Proceedings of the 6th WSEAS Int Conf on NEURAL NETWORKS, Lisbon, Portugal, pp 14-19, 2005 [45] YKim, SHKim,YKKwak, "Improving driving ability for a two-wheeled inverted-pendulum-type autonomous vehicle," Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, vol 220, pp 165-175, 2006 [46] Xu-Mei Lin, Tao Mei and Hui-Jing Wang, "Neural Optimal Control of Robotic Manipulators with CMAC Networks," Proceedings of the IEEE International Conference on Mechatronics & Automation, pp 1391-1396, 2005 [47] Kaustubh Pathak, JaumeFranch, and Sunil K Agrawal, "Velocity and Position Control of a Wheeled Inverted Pendulum by Partial Feedback Linearization," IEEE TRANSACTIONS ON ROBOTICS, vol 21, no 3, pp 505-513, 2005 LÝ LỊCH TRÍCH NGANG Họ tên: Nguyễn Lê Nhựt Tuyên Phái: Nam Ngày, tháng, năm sinh: 07-11-1984 Nơi sinh: Bến Tre Địa liên lạc: E51 Chung cư Bình Thới, đường Lãnh Binh Thăng, phường 8, quận 11, TP HCM Điện thoại: 0909328143 Email: nlntuyen@gmail.com Khóa (năm trúng tuyển): 2008 Q TRÌNH ĐÀO TẠO 2002 – 2007: Học đại học chuyên ngành Điều khiển tự động trường Đại học Bách khoa TP HCM 2008 – 2011: Học cao học chuyên ngành Tự động hóa trường Đại học Bách khoa TP HCM QUÁ TRÌNH CƠNG TÁC 2007 – nay: Làm việc trường Cao đẳng Kinh tế - Công nghệ TP HCM ... TÀI: Xây dựng điều khiển nhúng giải thuật CMAC cho xe hai bánh tự cân NHIỆM VỤ VÀ NỘI DUNG: - Nghiên cứu giải thuật CMAC ứng dụng vào điều khiển hệ xe hai bánh tự cân - Xây dựng mơ hình xe hai bánh. .. 3.2 Xây dựng điều khiển CMAC cho xe hai bánh tự cân 3.2.1 Xây dựng điều khiển Mục tiêu giữ cho xe cân góc nghiêng dm cho trước di chuyển đến vị trí xm cho trước Gọi d , x góc nghiêng vị trí xe, ... không cần xây dựng mô hình tốn đối tượng Dựa ưu điểm CMAC tốc độ học khả hội tụ, đề tài hướng đến xây dựng điều khiển thích nghi dựa CMAC để điều khiển xe hai bánh tự cân nhúng vào vi điều khiển