FUZZY__PD VÀ PD_CONTROL.
Để có thểđánh giá cũng như mức độ hiệu quả của hai thuật toán Fuzzy__PD và PD_Control áp dụng cho hệ thống điều khiển của Robot AGV. Ta cần kiểm tra qua hai giai đoạn. Một là phải mô hình hóa toán học trên mô phỏng cụ thể ở đây dùng Matlab. Thứ hai là thực nghiệm để kiểm tra lại với kết quảđã xây dựng dựa trên mô hình toán học. Dưới đây là mô hình toán học của hai phương pháp điều khiển được thể hiện ở trong hình 3.18 và hình 3.19. Từđó ta có thể so sánh cũng nhưđánh giá về thuật toán điều khiển.
Hình 3.18 Mô hình toán học trên matlab.
PD_control
33
Hình 3.19 Kết quả của hai phương pháp điều khiển.
Từ quá trình xây dựng mô hình toán học cho đến kết quả của mô hình hóa ta thấy rằng. Khi tính hiệu điều khiển thây đổi biên độ thì thuật toán Fuzzy__PD có độ bám với tín hiệu góc rất cao. Trong khi đó thuật toán truyền thông PD_Control độ bám tín hiệu góc không đáng kể. Như vậy ta có thể thấy rằng phương pháp điều khiển Fuzzy__PD hiểu quả hơn nhiều so với phương pháp truyền thống PD_Control.
34
CHƯƠNG 4: THỰC NGHIỆM VỚI MÔ HÌNH ROBOT AGV 4.1. Kết quả thực nghiệm bộ điều khiển Fuzzy PD và PD_control.
Trong quá trình robot bám line theo thực nghiệm các hệ số lỗi báo về của bộđiều khiển PD lớn hơn nhiều bộđiều khiển Fuzzy PD kết quả đo đạt được thể hiện trong các hình dưới đây.
Hình 4.1 Line thực tếđể kiểm tra các thống số bám line của hai bộđiều khiển. Miền giá trị trả về của cảm biến dòi line, khi Robot ở vị trí giữa line, Khi lệch bên phải và khi lệch bên trái. Được thể hiện cụ thể trong hình 4.2. và bảng 4.1.
Hình 4.2. Miền giá trị của cảm biến dò line khi ở những vị trí khác nhau.
Position_Cen
Position_Right Position_Right_Si Position_Center_S
35 Bảng 4.1 thống kê miền giá trị của cảm biến. Position_Sensor Miền giá trị Position_Center 2000 Position_Right_Side [2000:0] Position_Left_Side [2000:4000]
Sau quá trình thực nghiệm cho robot AGV bám line theo hai bộ điều khiển PD và Fuzzy_ PD thì ta có kết quả về sai lệch vị trí.
Hình 4.3: Giá trị vị trí của cảm biến trả về của thuật toán PD và Fuzzy PD.
0 500 1000 1500 2000 2500 3000 3500 4000 4500 1 21 41 61 81 101 121 141 161 181 201 221 241 261 281 301 321 P os it io n Timer Biểu đồ vị trí cảm biến của Fuzzy_PD và PD
36
Qua hình 4.2 ta thấy thuật toán Fuzzy__PD bám Line tốt hơn nhiều so với thuật toán cổ điển là PD. Như tại những vị trí khúc cua thì độ vọt lố của PD lớn hơn nhiều so với thuật toán Fuzzy__PD.
Tại sao lại có sự khác nhau về bám line của hai thuật toán trên. Đó là thuật toán Fuzzy__PD, sử dụng mờ hóa các hệ số Kp và Kd theo sự thích nghi của hệ thống. Ngược lại thuật toán cổđiển PD hệ số Kp và Kd là một hằng số ta chọn, cụ thểởđây là Kp=0.1 và Kd=4 đối với thuật toán PD. Còn thuật toán Thích nghi Fuzzy__PD cho ta những dãy số Kp, Kd theo một quy luật mà phù hợp nhất với hệ thống. Hình 4.3 sẽ thể hiện rõ hơn về sự biến đổi này.
Hình 4.4 thể hiện sự thay đổi KP và Kd bám theo đường Line.
0 1000 2000 3000 4000 1 21 41 61 81 101 121 141 161 181 201 221 241 261 281 301 321 P os it io n Timer Biểu đồ vị trí cảm biến của Fuzzy_PD Fuzzy_PD_Position Goal_Position 0 0,5 1 1,5 2 2,5 3 3,5 4 0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320 H Ệ S Ố TIMER
Thay đổi hệ số Kp, Kd theo Fuzzy_PD
Fuzzy_adaptive_Kp Fuzzy_adaptive_Kd
37
Error = position - 2000; (4.1) Derror= (error - lastError); (4.2) Caculator_Speed = KP * Error + KD* Derror; (4.3) lastError = error; (4.4) Left_Speed = setpoin + motorSpeed; (4.5)
Từ sự thay đổi của các hệ số Kp và Kd của bộđiều khiển Fuzzy_PD làm thay đổi tốc độđầu ra đểđiều khiển động cơ và song sánh độđáp ứng tốc độ của hai bộđiều khiển PD_control, Fuzzy__PD.
Theo như hình 4.4 trình bày Robot AGV sử dụng cơ cấu ba bánh, hai bánh được điều khiển bởi hai động cơ và hoạt động độc lập với nhau. Bánh còn lại là bánh tự lựa.
Hình 4.5 cơ cấu của robot AGV dùng 3 bánh xe. Mặt khác ta có:
Công thức tính sai số vị trí và tốc độ khi robot di chuyển trên line.
38 2671 3929 3926 66,7 200 188,5 -1000 -500 0 500 1000 1500 2000 2500 3000 3500 4000 4500 2 22 42 62 82 102 122 142 162 182 202 222 242 262 282 302 322 N u m b e r Timer
Đáp ứng vận tốc theo độ lệch vị trí của thuật toán PD
Position_PD Caculator_Speed_PD
Error: Sai số vị trí ban đầu.
Derror: Sai số vị trí sau.
Position: giá trị của cảm biến trả về.
Caculator_Speed: Tốc độ tính toán.
Left_Speed: Tốc độ bánh trái.
Right_Speed: Tốc độ bánh phải.
Từ công thức 4.3 ta có thể tính toán vận tốc cho hệ thống điều khiển của Robot AGV theo hai phương pháp điều khiển khác nhau là PD_Control và Fuzzy__PD.
Trong hình 4.5 thể hiện biên độ vận tốc tính toán của của bộđiều khiển PD_Control. Trong hình 4.6 thể hiện biên độ vận tốc tính toán của của bộđiều khiển Fuzzy__PD.
39
Hình 4.7 Đáp ứng vận tốc theo độ lệch của vị trí của Fuzzy_ PD.
Như vậy từ thông số trên ta có thểđánh giá tính hiệu quả của thuật toán Fuzzy_PD và thuật toán PD_control. Được thể hiện ở hình 4.7 và hình 4.8
Hình 4.8 Độ lệch trung bình của hai phương pháp điều khiển 2513 402 2413 2440 2137 383,88 -1367,2 856,52 164,68 415,45 -2000 -1500 -1000 -500 0 500 1000 1500 2000 2500 3000 2 22 42 62 82 102 122 142 162 182 202 222 242 262 282 302 322 N u m b e r Timer
Đáp ứng vận tốc theo độ lệch vị trí của Fuzzy_PD
Position_Fuzzy_PD Caculator_Speed_Fuzzy_PD 1305,0 429,86 875,13 0,0 200,0 400,0 600,0 800,0 1000,0 1200,0 1400,0 Độ Lệch trung bình của vị trí PD Fuzzy_PD Độ lệch chung
40 .
Hình 4.9 Phần trăm độ lệch vị trí hai phương pháp điều khiển.
Từ kết quảđo đạt cũng như tính toán ở trên, ta thấy rằng với hệ thống của Robot AGV sử dụng phương pháp điều khiển Fuzzy__PD hiểu quả hơn khoảng 34% so với phương pháp truyền thống PD cho quá trình bám Line.
4.2. Ứng bộ điều khiển Fuzzy PD cho robot AGV lấy hàng.
Robot AGV trong sản xuất cũng được áp dụng ngày càng nhiều, như trong logistic, trong sản xuất có yêu cầu tựđộng cao…. Với mục tiêu thực tại, Tại công ty tôi đang công tác, với nhu cầu thay đổi theo hướng hiện đại hóa đểđáp ứng cho sản xuất. Tôi với khoảng 5 năm gắng bó với công ty, công ty có một vấn đề khó khăn là vận chuyển từ line sản xuất này đến line sản xuất khác gặp rất nhiều khó khắn và tốn rất nhiều thời gian và con người để làm công việc vẫn chuyển hàng qua các công đoạn. để giải quyết các vấn đề trên tôi đã bàn luận ban giám đốc về thiết kế con AGV bán line để giải quyết vấn đề trên và được ban giam đốc chập thuận.Vì lý do mới trong quá trình
50% 16%
34%
Phần trăm độ lệch vị trí
41
nghiên cứu nên thực hiện trước mô hình và các thuật toán để tiến bước sản xuất mẫu AGV mới cho công ty.
Hình 4.10: Các xe được chất hàng để cho người lấy chuyển sang line khác.
4.2.1. Xây dựng map cho công việc lấy hàng của robot.
Với yêu cầu vừa nêu trên ta tôi xây dựng một map nhỏđể mô hình cho một line sản xuất. Mục tiêu đề ra: Robot di chuyển từ vị trí Start bám theo đường line đểđến vị trí lấy hàng. Khi robot được chất đầy hàng. Thì robot tiếp tục di chuyển đến vị trí cần lấy và chu trình cứ tiếp tục diễn ra khi nào không có lệnh thì robot trở về vị trí ban đầu. Trong quá trình làm việc nếu như robot gần hết năng nượng thì tựđộng trở về nơi sạc điện. Quá trình đó luôn diễn ra trên map đã lưu sẵn trong robot. Hình 4.11 và hình 4.12 cho ta thấy sơđồ cũng như không gian robot làm việc.
42
43
44
4.2.2. Thiết kế bộ điều khiển cho robot AGV:
Vì số lượng robot đang chỉ một con nên quá trình thiết kế ban đầu cũng đơn giản. Bộđiều khiển nhận thông số tọa độ x, y của robot để hiện thị vị trí của robot trên màn điều khiển. Để cho chính xác thì mỗi khoảng cách trên line có gắng thêm các thẻ RFID để hiểu chỉnh lại tọa độ robot cho đúng với thực tế. Đồng thời trên bảng điều khiển cũng được thiết kế theo mã sản phẩm và số lượng cần vẫn chuyển. Trong hình 4.5 thể hiện cụ thể các chức năng vừa nói trên.
Hình 4.13: bảng đều khiển chính của Robot AGV.
Trong hình 4.14 phần hiện thị vị trí của robot được biểu diễn bằng nút chấm đỏ. Và các nút đểđiều chỉnh tỉ lệ giữa map với sơđồ thực thế.
45
Hình 4.14: Map hiện thị vị trí của robot trên màn hình.
Trong hình 4.15 cho ta điều khiển vị trí cũng như gởi các lệnh điều khiển xuống robot như mã sản phẩm, số lượng sản phẩm, tốc độ…..
46
47
Cuối cùng kiểm tra và chạy thử nghiệm theo map đã lưu bên trong robot.
48
CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI. 5.1. Kết quả đạt được:
Đề tài đã khái quát được cơ sở lý thuyết về logic mờ, mệnh đề mờ, luật mờ, số mờ và kết hợp giữa bộ điều khiển kinh điện PD với bộ mờ. Dựa trên kiến thức nền tảng đó đểđề tài cũng xây dựng và mô phỏng thành công bộđiều điều khiển mờ cho robot di chuyển bằng 3 bánh xe bám line. Đồng thời đề tài cũng cho hiểu sâu hơn về thuật toán Fuzzy PD và cũng nhưứng dụng của chúng vào trong sản xuất và đời sống chúng ta.
5.2. Kết quả chưa đạt được:
Chưa tối ưu phần mềm điều khiển và giao tiếp nên quá trình hiển thị lên màn hình chưa có mượt mà. Việc điều chỉnh các thông số của bộ điều khiển mờ còn phức tạp và chưa có phương pháp nhất định, do việc thiết kế bộ điều khiển mờ vẫn còn dựa vào kinh nghiệm người thiết kế.
5.3. Hướng phát triển
Tiếp tục phát triển phần mềm để điều khiển robot mượt mà hơn. Và xây dựng bộ điều khiển mờ tổng quát cho robot AGV.
49
TÀI LIỆU THAM KHẢO
[1] Structural Properties and Classification of Kinematicand Dynamic Models of Wheeled Mobile Robots,Guy Campion, Georges Bastin, and Brigitte D’AndrCa- Nove, iEEE transactions on Robotics and automation, vol.12, no. 1, february 1996. [2] Phạm Thượng Cát. Xu thế phát triển của robot trên thế giới và tình hình nghiên cứu phát triển robot ở việt nam hiện nay. Hội nghị khoa học kỹ niệm 35 năm viện KH và CN Việt Nam, Hà Nội, 2010.
[3] Francesco Cupertino, Vincenzo Giordano, David Naso, And Luigi Delfine. Fuzzy Control of Mobile Robot. IEEE Robotics & Automation Magazine, 2016. [4] Nguyễn Hữu Hiếu. Ứng dụng kỹ thuật Neural Fuzzy trong vấn đề robot tự hành. Luận văn thạc sĩ vật lý điện tử hướng kỹ thuật, Đại học khoa học tự nhiên- Đại học quốc gia Tp HCM, 2009.
[5] Hongwei Mo, Qirong Tang, Longlong Meng. Behavior-Based Fuzzy Control for Mobile Robot Navigation. Article ID 561451, Hindawi Publishing Corporation, 2013.
[6] Nguyễn Xuân Hoàng. Nghiên cứu xây dựng phương pháp điều khiển robot tự hành dựa trên cơ sở logic mờ. Đại hoc giao thông vận tải Hà Nội, Hà Nội, 2010 [7] Đường Khánh Sơn, Từ Diệp Công Thành. Ứng dụng bộđiều khiển self tuning fuzzy-pi điều khiển omni-directional mobile robot. Tạp chí Khoa học và Ứng dụng. [8] Đỗ Ngọc Anh. Logic mờ, số mờ và hệ mờ. Chuyên đề phương pháp toán trong tin học. Đại học quốc gia thành phố Hồ Chí Minh.Tp HCM, 2005.
[9] Nguyễn Khánh Ngọc .Tìm Hiểu Logic Mờ và xây dựng ứng dụng điều khiển tự động tốc độ xe ôtô .Đại học quốc gia thành phố Hồ Chí Minh, 7-1012
[10] Đinh Việt Cường. Nghiên cứu ứng dụng logic mờ và Đại số gia tử cho bài toán điều khiển. Luận văn thạc sĩ kỹ thuật, Thái nguyên 2009
50
thuật dẫn đường các robot di động. Luận văn tiến sĩ công nghệđiện tử viễn thông. Đại học công nghệ Hà Nội, 2013.
[12] Vamsi Mohan Peri. Fuzzy logic controller for an autonomous mobile robot. Bachelor of Technology in Electrical Engineering, Cleveland state university, 2005. [13] Jin Zhao, Bimal K Bose. Evalution of Membership Functions for fuzzy logic controlled induction motor drive .IEEE, 2002.
[14]Michael Hunt. Autonomous mobile robot navigation using fuzzy logic control. The School of Computer Applications Dublin City University, 1998.
[15] Mircea Niţulescu. Mobile Robot Tracking Control Experiments along Memorized PlanedTrajectories. IEEE 2006.
[16] Shinnosuke, I., Gayko, J.E.: Development, evaluation and introduction of a lane keeping assistance system. In: IEEE Intelligent Vehicles Symposium, Parma, Italy (2004).
[17] Anıl Sezgin Ömer Çetin. Design and Implementation of Adaptive Fuzzy PD Line Following Robot.
[18] http://egeminusa.com/wp-content/uploads/2016/09/header_tugger.jpg
[19] https://www.weareaim.com/Products_iBotMain.aspx