1.1 Tổng quan về đề tài Với sự phát triển của nền công nghiệp hiện nay, việc chế tạo và sử dụng robot ngày càng phổ biến và phát triển vượt bậc. Robot công nghiệp ngày càng được sử dụng rộng rãi không chỉ trong các hệ thống dây chuyền sản xuất tự động mà còn được sử dụng trong các lĩnh vực khác như: y tế, quân sự,… Do đó, việc tối ưu cũng như phát triển nâng cao các tính năng của robot đang là một yêu cầu cấp thiết hiện nay. Để tối ưu và nâng cao tính năng của robot, ta cần sử dụng các phương pháp điều khiển robot. Việc thiết kế các bộ điều khiển robot, ta thường dựa trên các mô hình robot và nó phụ thuộc vào các thông số động lực học của robot. Tuy nhiện đối với các mô hình và hệ thống điều khiển robot phức tạp liên quan đến tính phi tuyến, sô trục và số bậc của robot, môi trường làm việc, các đặc tính của tải… và các thông số của mô hình khó có thể xác định bằng cách đo đạc trực tiếp như các thông số liện quan đến quán tính và ma sát trong phương trình động lực học của robot. Vì vậy, việc xác định các thông số động lực học là yêu cầu cần thiết để xây dụng các thuật toán điều khiển hiệu quả hơn. Thuật toán nhận dang thông số của cánh tay robot gồm các vấn đề cơ bản là thu thập dữ liệu, chọn cấu trúc mô hình, ước lượng thông số, đánh giá chất lượng mô hình. Các bước này được lặp đi lặp lại nhiều lần cho đến khi mô hình đạt yêu cầu. Phương pháp nhận dạng thông số đơn giản được sử dụng để xác định thông số là phương pháp tổng bình phương tối thiểu. 1.2 Mục tiêu Mục tiêu chính của đề tài: Tìm ra được các thông số của phương trình động lực học bằng phương pháp bình phương cực tiểu Thiết kế được bộ nhận dạng thông số theo thời gian thực Kết hợp bộ điều khiển PID với nhận dạng thông số 1.3 Nội dung Nội dung của báo cáo gồm 5 phần: Tổng quan Cơ sở lý thuyết Mô phỏng tính toán nhận dạng thông số cho robot 3 bậc tự do Nhận dạng thông số trên mô hình thực tế Kết luận
TỔNG QUAN
Tổng quan về đề tài
Với sự phát triển mạnh mẽ của công nghiệp, robot ngày càng trở nên phổ biến và đóng vai trò quan trọng trong nhiều lĩnh vực như y tế và quân sự Để tối ưu hóa và nâng cao tính năng của robot, việc áp dụng các phương pháp điều khiển là rất cần thiết Thiết kế bộ điều khiển thường dựa trên mô hình robot và các thông số động lực học của nó Tuy nhiên, trong các hệ thống phức tạp với tính phi tuyến và nhiều yếu tố tác động, việc xác định các thông số như quán tính và ma sát là thách thức lớn Do đó, việc xác định chính xác các thông số động lực học là yêu cầu quan trọng để phát triển các thuật toán điều khiển hiệu quả hơn.
Thuật toán nhận dạng thông số của cánh tay robot bao gồm các bước cơ bản như thu thập dữ liệu, chọn cấu trúc mô hình, ước lượng thông số và đánh giá chất lượng mô hình Quy trình này được lặp lại nhiều lần cho đến khi đạt được mô hình yêu cầu Phương pháp tổng bình phương tối thiểu được áp dụng như một phương pháp đơn giản để xác định các thông số cần thiết.
Mục tiêu
Mục tiêu chính của đề tài:
- Tìm ra được các thông số của phương trình động lực học bằng phương pháp bình phương cực tiểu
- Thiết kế được bộ nhận dạng thông số theo thời gian thực
- Kết hợp bộ điều khiển PID với nhận dạng thông số
Nội dung của báo cáo gồm 5 phần:
- Mô phỏng tính toán nhận dạng thông số cho robot 3 bậc tự do
- Nhận dạng thông số trên mô hình thực tế
CƠ SỞ LÝ THUYẾT
Lý thuyết về robot
Để xác định bảng DH cho robot 2 bậc, cần tuân theo 6 quy tắc của bàn tay phải trong việc thiết lập hệ trục tọa độ cho các khớp.
1 Khung thứ i được gắn với liên kết thứ i.
2 Trục zi được chọn dọc theo trục khớp thứ i.
3 Trục xi được chọn theo đường vuông góc chung zi và zi+1.
4 yi được chọn để làm thành một tọa độ bên phải.
5 Khung thứ 0 thường được chọn khớp với khung thứ 1 khi biến khớp đầu bằng 0.
6 Khung thứ N có thể được chọn tự do, thường được chọn tự do, đảm bảo càng nhiều số liên kết càng tốt.
Dựa vào 6 quy tắc trên ta đặt hệ trục tọa độ như hình 2.1 với các thông số độ dài thanh liên kết cho như bản sau:
2.1.1.2 Bảng DH Các thông số trong bảng D-H được xác định theo 4 nguyên tắc:
1 ai là khoảng cách từ trục Zi đến Zi+1 đo dọc theo trục Xi
2 αi là góc quay từ trục Xi-1 đến Xi đo dọc theo trục Zi
3 di là khoảng cách từ trục Zi đến Zi+1 đo dọc theo trục Zi
4 θi là góc quay từ trục Xi-1 đến Xi đo dọc theo trục Zi
Từ hình 4 nguyên tắc trên và hình 1.1 ta lập bảng D-H cho robot
Bảng 2.2 Bảng DH theo lý thuyết i ai-1 αi-1 di θi
2.1.1.3 Động học thuận Công thức tổng quát:
Ma trận chuyển vị thuần nhất được sử dụng để biểu diễn hướng và vị trí của khâu i so với khâu i-1 Trong đó, i là góc quay quanh trục Z của khâu i so với khâu i-1, với cos( i) được ký hiệu là s i và sin( i) được ký hiệu là c i Khoảng cách giữa trục X của khâu i và khâu i-1 được ký hiệu là d i.
1 s i : là s (in i 1 ) ( Với i 1 là góc quay quanh trục X của khâu i so với khâu i 1)
1 c i : là cos( i 1 ) ( Với i 1 là góc quay quanh trục X của khâu i so với khâu i 1)
i : là khoảng cách giữa trục Z của khâu i so với khâu i 1
1 T: là ma trận chuyển vị thuần nhất, biểu diễn hướng và vị trí của khâu 1 so với khâu 0
2 T : là ma trận chuyển vị thuần nhất, biểu diễn hướng và vị trí của khâu 2 so với khâu 1
Từ (1.2), (1.3) ta có ma trận chuyển vị giữa trục tọa độ gốc và trục tọa độ thứ 2
(2 4) Điểm đầu cuối của robot 3 DOF
2.1.1.4 Động học nghịch Áp dụng phương pháp đại số để tính động học nghịch cho robot
Từ phương trình (1.5) ta có tọa độ điểm đầu cuối:
Từ tọa độ x và y của điểm đầu cuối ở phương trình số (1.6) ta có
Tổng bình phương 2 phương trình (1.7) và (1.8) ta có:
Trong đó: a=2x ee L 1 , b=2y ee L 1 , d=x ee 2 +y ee 2 +L 1 2 −L 2 2 Đặt: 2 2 cos a a b
Từ phương trình số (2.17) và (2.18), ta lấy phương trình (2.18) chia cho phương trình (2.17)
(2 14)Sau khi giải phương trình động học nghịch, ta tìm được 2 bộ nghiệm :
Từ hai bộ nghiệm trên, ta có thể lựa chọn cho cánh tay robot khuỷa lên hay khuỷa xuống tùy vào trường hợp làm việc và quỹ đạo.
2.1.2 Động lực học robot Động lực học robot nghiên cứu về mối quan hệ giữa lực, momen, năng lượng, với các thông số chuyển động của robot Để mô phỏng được hoạt động của cánh tay robot và phân tích các thông số ta phải tính được động lực học robot Để tính được động lực học robot ta sử dụng phương pháp Lagrange Phương pháp này dựa trên mối quan hệ giữa tổng năng lượng của hệ thống với lực tổng quát trong một hệ tọa độ tổng quát.
- Công thức tính động năng
- Công thức tính thế năng
(2.20) Chú thích: m i : Khối lượng khâu i v ci : Vận tốc tuyến tính tại trọng tâm của khâu thứ i i w i : Vận tốc quay ở khâu thứ i ci
I i : Moment quán tính từng khâu
P ci : Vị trí của trọng tâm của khâu thứ i
: Năng lượng thế năng gốc
- Trường hợp các khớp xoay
Vận tốc góc của khâu thứ i+1 ở hệ trục (i+1)
Phương trình vi phân của robot ở công thức (31), (32) và (33) được chuyển về dạng tổng quát như sau:
Trong đó: M là ma trận quán tính
V là ma trận mô tả các thành phần ly tâm và Coriolis
Tính toán các ma trận M, V, G dựa trên code matlab ta được
2.1.2.2 Động lực học cho robot 2 bậc tự do
Vận tốc dài tại gốc tọa độ
Vận tốc tại trọng tâm
(2.37) Vận tốc dài tại gốc tọa độ
(2.38) Vận tốc tại trọng tâm
- Động năng và thế năng
Từ công thức (2.14) và (2.15), ta tìm được các thành phần ma trận:
Các thông số nhận dạng thông số động lực học của robot
2.2.1 Tổng quan về các phương pháp nhận dạng thông số động lực học của robot
Hầu hết các thuật toán điều khiển hiện nay phụ thuộc vào việc đánh giá kết quả mô phỏng của mô hình, trong đó độ chính xác của thuật toán tìm đường liên quan chặt chẽ đến các thông số của mô hình động lực học Nhận dạng thông số động lực học là cần thiết để nâng cao độ chính xác và độ tin cậy của mô hình robot.
Mô hình động lực học của robot chứa nhiều thông số chưa xác định, ảnh hưởng đến các phương pháp điều khiển Quy trình nhân dạng robot bao gồm mô hình hóa, thiết kế thực nghiệm, thu thập dữ liệu, xử lý tín hiệu, ước lượng thông số và thẩm định mô hình Để xác định tính chính xác của các thông số, cần quay lại bước đầu nếu mô hình chưa thỏa mãn Các phương pháp nhận dạng thông số động lực học được phân loại thành offline và online.
Trong phương pháp offline, dữ liệu vào và ra của mô hình được thu thập và phân tích trước, không bị giới hạn bởi thời gian Ngược lại, phương pháp online cho phép cập nhật thông số theo thời gian thực trong quá trình hoạt động của robot.
Phương pháp offline để ước lượng các thông số động lực học robot bao gồm ba phương pháp chính: thử nghiệm vật lý, kỹ thuật thiết kế hỗ trợ bởi máy tính và nhận dạng Trong số đó, phương pháp nhận dạng được ưa chuộng nhờ độ chính xác cao và tính ứng dụng rộng rãi.
Phương pháp online giúp xác định các giá trị thông số trong mô hình từ dữ liệu đo trực tiếp, đảm bảo tính đồng nhất với hệ thống Có ba phương pháp chính để thực hiện điều này: thuật toán điều khiển thích nghi, mạng neural và nhận dạng theo mô hình.
Việc nhận dạng thông số được thực hiện thông qua mô hình động lực học ngược tuyến tính, sử dụng các thông số động lực học Mô hình này được xác định dựa trên phương trình Lagrang.
Mô hình động lực học có thể được viết lại thành tập hợp các phương trình tuyến tính các thông số chưa biết:
(2.53) Trong đó p là các thông số động lực học.
Nhận dạng các thông số có thể được thực hiện thông qua các phương pháp tối ưu hóa như ước lượng bình phương nhỏ nhất, lọc Kalman và ước lượng hợp lý cực đại Việc lựa chọn phương pháp phù hợp phụ thuộc vào độ chính xác và độ phức tạp của mô hình cần phân tích.
2.2.2 Phương pháp bình phương tối thiểu LSM (Least squard method)
Phương pháp bình phương tối thiểu là kỹ thuật tối ưu hóa nhằm xác định đường khớp tốt nhất cho một tập dữ liệu, dựa trên việc giảm thiểu tổng các sai số thống kê giữa đường khớp và dữ liệu thực tế.
Sử dụng mô hình ngược tuyến tính kết hợp với phương pháp bình phương tối thiểu cho phép ước lượng các thông số quán tính để nhận dạng Phương pháp này hoạt động không lặp lại, với các thông số được tính toán riêng lẻ ở từng bước, nhằm tối ưu hóa trị hiệu dụng của căn bậc hai giá trị trung bình của bình phương sai số đo Khi áp dụng mô hình nhận dạng theo phương trình (2.53) cho một số điểm quỹ đạo đã cho, ta sẽ thu được kết quả cần thiết.
Trong đó F là ma trận dữ liệu, θ là ma trận thông số và e là sai số
N là mẫu dữ liệu đo được ở ngõ ra và ngõ vào.
Sai số có thể được xác định như sau:
Tiêu chuẩn bình phương tối thiểu được xác định như sau:
Cực tiểu của hàm được xác định bằng cách lấy vi phân tương ứng với θ
Giải phương trình (2.60) có thể xuất hiện ma trận cơ bản liên quan đến ước lượng tham số mô hình
2.2.3 Phương pháp nhận dạng bình phương tối thiểu đệ quy có trọng số
Bài toán nhận dạng thông số hệ thống liên quan đến việc xây dựng mô hình toán học để thiết kế bộ điều khiển Do các tham số của hệ thống thực có thể thay đổi theo thời gian, việc thiết kế bộ điều khiển dựa trên các tham số cố định thường không đạt chất lượng cao Để cải thiện điều này, cần xác định các tham số dựa trên dữ liệu quan sát hiện tại Hệ thống điều khiển sử dụng mô hình được cập nhật liên tục được gọi là hệ thống thích nghi.
Hình 2.2 Hệ thống điều khiển thích nghi
Khi ta thu thập được k mẫu dữ liệu, tham số mô hình ước lượng bằng phương pháp bình phương tối thiểu có trọng số:
(2.64)Gỉa sử chuỗi trọng số có tính chất sau:
Từ phương trình (2.63) kết hợp với phương trình (2.65) ta có thể viết lại như sau:
(2.66) Tương tự cho phương trình (2.64) ,suy ra:
Từ phương trình (2.65) và (2.66) , suy ra:
Trong đó λ là hệ số quên (forgrt factor) Thông thường λ được chon trong khoảng 0.98-0.995. Để tránh tính nghịch đảo ma trận R k ( ) ở mỗi bước, ta đặt
Và áp dụng bổ đề nghịch đảo ma trận:
Vào phương trình (2.70) với A ( ) k R 1 ( k 1), B F k C T ( ), 1, D F k ( ), ta được
Từ các phương trình trên, thuật toán bình phương cực tiểu để qui có thể viết lại như sau:
Bộ điều khiển PID
Bộ điều khiển PID là một cơ chế phản hồi quan trọng trong các hệ thống điều khiển công nghiệp, đặc biệt là trong các hệ thống điều khiển vòng kín Nó hoạt động bằng cách tính toán sai số giữa giá trị đo và giá trị đặt mong muốn, từ đó điều chỉnh giá trị điều khiển đầu vào để giảm tối đa sai số Để đạt hiệu quả tối ưu, các thông số PID cần được điều chỉnh phù hợp với đặc tính của từng hệ thống, mặc dù kiểu điều khiển vẫn giữ nguyên.
Hình 2.3 Bộ điều khiển PID
- P (Proportional): là phương pháp điều chỉnh tỉ lệ, giúp tạo ra tín hiệu điều chỉnh tỉ lệ với sai lệch đầu vào theo thời gian lấy mẫu.
Điều khiển tích phân (I) là phương pháp điều chỉnh dựa trên tích phân của sai lệch theo thời gian lấy mẫu, nhằm tạo ra các tín hiệu điều chỉnh giúp giảm độ sai lệch về 0 Phương pháp này cho phép xác định tổng sai số tức thời theo thời gian và sai số tích lũy trong quá khứ Khi khoảng thời gian nhỏ, tác động điều chỉnh tích phân sẽ mạnh mẽ hơn, tương ứng với độ lệch giảm thiểu.
D (Derivative) là vi phân của sai lệch, giúp điều khiển vi phân tạo ra tín hiệu điều chỉnh tỷ lệ với tốc độ thay đổi của sai lệch đầu vào Thời gian càng lớn, phạm vi điều chỉnh vi phân càng mạnh, dẫn đến bộ điều chỉnh phản ứng nhanh hơn với các thay đổi đầu vào.
Tín hiệu đầu vào cấp cho hệ là góc quay của khớp 1 và khớp 2.
Khối hệ thống của robot được mô tả qua phương trình động học, trong đó ngõ vào là momen tại từng khớp và ngõ ra là góc xoay tương ứng Để xác định momen của robot, ta thực hiện phép trừ giữa giá trị góc xoay ban đầu và góc xoay ngõ ra Sử dụng bộ điều khiển PID, momen được tính toán dựa trên sai số theo phương trình đã được thiết lập.
- e(t) là sai số giữa giá trị góc xoay ban đầu với giá trị góc xoay ngõ ra
- θsp là giá trị góc xoay ban đầu
- θ(t) là giá trị góc xoay ngõ ra
MÔ PHỎNG TÍNH TOÁN NHẬN DẠNG THÔNG SỐ CHO ROBOT 2 BẬC TỰ DO
Thiết kế mô hình bằng solidwork
Mô hình robot được thiết kế trên phần mềm Solidworks bản 2019 Thông số thiết kế của robot 2 bậc tự do:
Bảng 3.3 Thông số thiết kế
Hình 3.4 Mô hình robot thực tế trên solidworks
Hình 3.5 Mô hình robot trên solidworks
Các thông số cần nhận dạng của robot
Từ phương trình (2.61), ta tìm được các thông số nhận dạng của phương trình động lực học theo dạng sau.
1 1 1 1 2 1 ZZ 1 2 2 2 2 ZZ 2 1 1 1 2 2 2 1 1 2 2 1 2 2 1 2 2 c 1 v 1 c 2 v 2 pm x m y m L I m x m y I gm x gL m gm x gm y gm y L m x L m y f f f f
(3.2) Trong đó: y là ma trận thông tin p là ma trận các thông số nhận dạngDưới đây là bảng tóm tắt các thông số nhận dạng
Biến thông số Ý nghĩa Đơn vị
Dựa trên ma trận p, các thông số cơ bản trong phương trình động lực học robot cần được nhận dạng bao gồm momen quán tính IZZ, vị trí trọng tâm của từng khâu, và ma sát tại các khớp nối của từng khâu.
Nhận dạng thông số bằng Matlab
3.3.1 Nhận dạng thông số bằng phương pháp bình phương cực tiểu
Sơ đồ nhận dạng thông số bằng phương pháp bình phương cực tiểu được trình bày như sau:
Hình 3.6 Sơ đồ khối nhận dạng thông số
Mô hình nhận dạng thông số được xây dựng và mô phỏng bằng Matlab Simulink, sử dụng hình khối mô hình thực tế của robot thiết kế trên Solidworks Quá trình này được thực hiện thông qua Matlab Simscape, cho phép xuất ra file Simulink để phân tích và điều khiển hiệu quả.
Hình 3.7 Sơ đồ cấu trúc chương trình
Trong quá trình mô phỏng robot, chúng ta thử nghiệm với nhiều quỹ đạo khác nhau để thu thập các tín hiệu đầu vào và đầu ra đa dạng Quá trình này diễn ra trong khoảng thời gian 10 giây.
Bảng 3.4 Thông số nhận dạng
Sau khi mô phỏng các thông số nhận dạng, chúng ta tiến hành phân tích từng biến để xác định các thông số quan trọng như khối lượng, momen quán tính và vị trí trọng tâm của robot.
Bảng 3.5 Thông số cần nhận dạng của phương trình động lực học
Các giá trị quán tính trong phương trình động lực học của robot, khi áp dụng phương pháp bình phương cực tiểu, không bị ảnh hưởng bởi các quỹ đạo khác nhau.
So sánh kết quả đo với kết quả tham chiếu lấy từ Solidworks ta nhận được kết quả so sánh ở bảng dưới.
Bảng 3.6 So sánh kết quả
Các thông số Giá trị tham chiếu Giá trị nhận dạng Sai số
Qua quá trình mô phỏng nhận dạng thông số bằng phương pháp bình phương cực tiểu, kết quả cho thấy các thông số như momen quán tính, ma sát tại các khớp và vị trí trọng tâm không chênh lệch nhiều so với giá trị tham chiếu, với mức sai số dưới 1%.
3.3.2 Nhận dạng thông số bằng phương pháp cực tiểu bình phương hồi quy (RLS) Đối với các mô hình thực tế thì thông số quán tính của một hệ thống có thể thay đổi theo thời gian nên việc áp dụng phương pháp bình phương cực tiểu không phù hợp để sử dụng cho các bộ điều khiển thích nghi thực tế Để thiết kế ra bộ điều khiển thích hợp cho một hệ thống ta cần sử dụng phương pháp bình phương cực tiểu hồi quy (RLS) để quan sát các giá trị thống số của hệ thống theo thời gian.
Hình 3.8 Sơ đồ khối phương pháp RLS
Như hình trên ta thấy mục đích chính của phương pháp là giảm thiểu sai số momen Tts và momen Tnd
Mô hình nhận dạng thông số bằng phương pháp RLS xây dựng trên Matlab
Simulink bao gồm hai khối cơ bản: khối mô hình tham chiếu và khối mô hình nhận dạng Khối mô hình tham số được phát triển dựa trên chương trình.
Mô hình nhận dạng robot trong SolidWorks được thực hiện qua Matlab Simscape, dựa trên các phương trình động lực học từ (2.52) đến (2.60) kết hợp với phương trình RLS (2.80).
Hình 3.9 Sơ đồ mô phỏng bằng Simulink
Ta tiến hành mô phỏng với quỹ đạo như phần 3.3.1 Sau khi mô phỏng ta thu được các kết qua sau.
Giá trị ban đầu của các biến thông số Ai:
Bảng 3.7 Thông số ban đầu A i
Bảng 3.8 Bảng các biến thông số cần nhận dạng
Hình 3.10 Momen tham chiếu và momen nhận dạng của quỹ đạo 1
Hình 3.11 Sai số momen của quỹ đạo 1
Hình 3.12 Momen tham chiếu và momen nhận dạng của quỹ đạo 2
Hình 3.13 Sai số momen của quỹ đạo 2
Hình 3.14 Momen tham chiếu và momen nhận dạng của quỹ đạo 3
Hình 3.15 Sai số momen của quỹ đạo 3
Hình 3.16 Momen tham chiếu và momen nhận dạng của quỹ đạo 4
Hình 3.17 Sai số momen của quỹ đạo 4
Dựa trên các hình ảnh, có thể thấy rằng moment tham chiếu của hai khớp được thể hiện bằng hai đường màu đen và đỏ, trong khi momen nhận dạng được biểu diễn bằng đường vàng đứt nét và đường xanh đứt nét Sự khớp nhau giữa chúng được ước lượng thông qua phương pháp bình phương cực tiểu hồi quy Mức ngưỡng sai số giữa moment tham chiếu và momen nhận dạng nằm trong khoảng từ 10^-5 đến 10^-10.
Bảng 3.9 So sánh kết quả
Các thông số Giá trị tham chiếu Sai số
Dựa vào bảng trên, có thể nhận thấy rằng sai số giữa các thông số thực và thông số ước lượng thông qua phương pháp nhận dạng tham số bình phương cực tiểu hồi quy không chênh lệch nhiều, với mức sai số nhỏ hơn 1%.
Quỹ đạo của robot có ảnh hưởng đáng kể đến độ chính xác của các thông số ước lượng Để đạt được kết quả tối ưu, cần điều chỉnh ma trận P và hệ số quên λ tương ứng với từng quỹ đạo khác nhau.
Nhận dạng thông số kết hợp bộ điều khiển PID
Hình 3.18 Sơ đồ khối thuật toán nhận dạng thông số và PID
Khi kết hợp bộ điều khiển PID với nhận dạng thông số, hiệu quả nhận dạng cho các hệ thống thực tế được nâng cao Đồng thời, việc phát triển bộ điều khiển PID tự điều chỉnh cũng góp phần tăng cường hiệu năng cho hệ thống.
Ta tiến hành mô phỏng hệ thống như sơ đồ sau:
Hình 3.19 Sơ đồ khối mô phỏng bằng Simulink
Qũy đạo được sử dụng trong mô phỏng được lấy từ phần 3.3.2 như các mô phỏng trên
Bảng 3.10 Thông số nhận dạng
Bảng trên cho thấy sự khác biệt trong các thông số nhận dạng khi không sử dụng bộ điều khiển PID Bảng dưới đây minh họa độ chênh lệch giữa các giá trị thực tế và giá trị ước lượng của các thông số.
Bảng 3.11 Sai số chệnh lệch giữa thông số thực và thông số ước lượng
Các thông số Giá trị tham chiếu
Hình 3.20 Momen của từng khớp tại quỹ đạo 1
Hình 3.21 Giá trị setpoint và giá trị ngõ ra tại quỹ đạo 1
Hình 3.22 Momen của từng khớp tại quỹ đạo 2
Hình 3.23 Giá trị setpoint và giá trị ngõ ra tại quỹ đạo 2
Hình 3.24 Momen của từng khớp tại quỹ đạo 3
Hình 3.25 Giá trị setpoint và giá trị ngõ ra tại quỹ đạo 3
Hình 3.26 Momen của từng khớp tại quỹ đạo 4
Hình 3.27 Giá trị setpoint và giá trị ngõ ra tại quỹ đạo 4
Sau khi thực hiện mô phỏng, chúng tôi nhận thấy rằng bộ nhận dạng thông số với bộ điều khiển PID cho kết quả chênh lệch không đáng kể so với bộ nhận dạng không có bộ điều khiển PID Hơn nữa, thông số nhận dạng còn bị ảnh hưởng bởi quỹ đạo của robot; một số quỹ đạo khiến bộ nhận dạng không hội tụ, do đó cần điều chỉnh lại ma trận P và hệ số quên λ để cải thiện hiệu suất.
NHẬN DẠNG THÔNG SỐ TRÊN MÔ HÌNH THỰC TẾ
Sơ đồ thuật toán nhân dạng thông số
Hình 4.28 Sơ đồ khối nhận dạng thông số
Hình 4.29 Thuật toán nhận dạng thông số
Sơ đồ khối mô tả thuật toán nhận dạng thông số, trong đó vi xử lý đọc tín hiệu cảm biến trong khoảng thời gian lấy mẫu xác định Sau khi tính toán, kết quả sẽ được lưu lại để sử dụng cho thời gian lấy mẫu tiếp theo, giúp cập nhật thông số một cách liên tục.
Ngoài việc chú trọng đến thuật toán, việc lựa chọn quỹ đạo làm việc của robot cũng rất quan trọng Cần xác định các quỹ đạo phù hợp nhằm giảm thiểu sai lệch trong việc nhận dạng thông số Một số quỹ đạo thường được áp dụng bao gồm phương trình Fourier và quỹ đạo bậc, giúp tìm ra những quỹ đạo tối ưu cho quá trình làm việc của robot.
Ta có thể sử dụng bộ nhận dạng thông số để tìm các thông số của động cơ nhằm tăng hiệu quả cho robot.
Mô hình robot thực tế
Hình 4.30 Mô hình robot trong Solidworks
Từ mô hình robot trong Solidworks, nhóm em đã lựa chọn các thiết bị phù hợp và lập bảng dự trù kinh phí
STT Tên thiết bị Gía cả
3 Động cơ GA25 có encorder 2x120.000
