MỤC LỤC MỤC LỤC i DANH SÁCH HÌNH ẢNH iii DANH SÁCH BẢNG BIỂU v MỤC TIÊU ĐỒ ÁN 1 CHƯƠNG 1: TỔNG QUAN 2 CHƯƠNG 2: ĐỀ XUẤT VÀ LỰA CHỌN PHƯƠNG ÁN 7 2.1 Đề xuất sơ đồ nguyên lý 7 2.2 Đề xuất cảm biến 7 2.3 Đề xuất cấu trúc điều khiển 8 2.4 Đề xuất giải thuật điều khiển 9 2.5 Phương án thiết kế 9 CHƯƠNG 3: MECHANICAL SYSTEMS 10 3.1 Lựa chọn bánh xe 10 3.2 Lựa chọn động cơ 10 3.3 Kích thước thân xe 12 3.4 Thiết kế đồ gá cho động cơ 13 CHƯƠNG 4: INFORMATION SYSTEMS 16 4.1 Mô hình động học của robot 16 4.2 Cách xác định vị trí của robot 17 4.3 Bộ điều khiển tracking, tìm khoảng cách d và mô phỏng bám sa bàn 19 CHƯƠNG 5: ELECTRICAL SYSTEMS 25 5.1 Hệ thống cảm biến 25 5.1.1 Xác định yêu cầu cảm biến 25 5.1.2 Thực nghiệm cảm biến 25 5.2 Hệ thống điều khiển động cơ 29 5.2.1 Lựa chọn driver 29 5.2.2 Mô hình hóa hệ driverđộng cơ 29 5.2.3 Bộ điều khiển PID 33 5.3 Lựa chọn pin 36 CHƯƠNG 6: COMPUTER SYSTEMS 37 6.1 Lựa chọn vi điều khiển 37 6.1.1 Sơ đồ khối của bộ điều khiển 37 6.1.2 Xác định yêu cầu và lựa chọn vi điều khiển 37 6.1.3 Lựa chọn vi điều khiển 38 6.2 Tính toán thời gian truyền nhận dữ liệu 38 6.3 Giải thuật điều khiển 39 CHƯƠNG 7: KẾT QUẢ THỰC NGHIỆM 40 PHỤ LỤC A: KIT THÍ NGHIỆM SENSOR 42 PHỤ LỤC B: TÀI LIỆU THAM KHẢO 44 DANH SÁCH HÌNH ẢNH Hình 0.1. Sa bàn di chuyển của robot 1 Hình 1.1 Sơ đồ nguyên lý RC racing cars 2 Hình 1.2 Sơ đồ nguyên lý hai cặp chủ động vi sai (a) Loại 2 bánh; (b) Loại 4 bánh 3 Hình 1.3 Giải thuật xử lí tín hiệu bằng phương pháp so sánh 4 Hình 1.4 Giải thuật xử lý tín hiệu cảm biến bằng phương pháp xấp xỉ18 5 Hình 2.1 Phương án sơ đồ nguyên lý 7 Hình 2.2 Phương án cấu trúc điều khiển 8 Hình 3.1 Mô hình toán của một bánh xe 10 Hình 3.2 Mô hình toán khi xe chuyển hướng 12 Hình 3.3 Sơ đồ sắp xếp linh kiện trên thân xe 14 Hình 4.1 Mô hình động học của mobile platform 16 Hình 4.2 Mô hình động học được sử dụng cho robot dò line 18 Hình 4.3 Cách xác định e3 18 Hình 4.4 Sai số trung bình ứng với mỗi giá trị khoảng cách d 19 Hình 4.5 Kết quả bám line ở đoạn ABCD 21 Hình 4.6 Kết quả bám line ở đoạn DEFCG 22 Hình 4.7 Kết quả bám line ở đoạn GACE 23 Hình 4.8 Robot phát hiện và tự động thực hiện đổi hướng ở đoạn vuông góc 24 Hình 4.9 Robot phát hiện đoạn giao cắt 24 Hình 5.1 Sơ đồ khối của hệ thống điện 25 Hình 5.2 Sơ đồ mạch điện cảm biến TCRT5000 cho thí nghiệm 26 Hình 5.3 Phạm vi hoạt động của cảm biến dựa theo góc chiếu 27 Hình 5.4 Đồ thị kết quả thí nghiệm đo giá trị điện áp trả về từ cảm biến 27 Hình 5.5 Mô hình vùng giao thoa của cực phát và cực thu 28 Hình 5.6 Đường đặc tuyến giữa giá trị đọc về từ cảm biến và giá trị lý tưởng 29 Hình 5.7 Đồ thị giữa PWM(%) và vận tốc quay của động cơ 1 30 Hình 5.8 Đồ thị đáp ứng theo thời gian khối driverđộng cơ 1 31 Hình 5.9 Đồ thị giữa PWM(%) và vận tốc quay của động cơ 2 32 Hình 5.10 Đồ thị đáp ứng theo thời gian khối driverđộng cơ 1 33 Hình 5.11 Mô phỏng đáp ứng khối driverđộng cơ 1 sau khi thêm bộ PID 34 Hình 5.12 Đồ thị đáp ứng theo thời gian khối driverđộng cơ 1 sau khi thêm bộ PID 34 Hình 5.13 Mô phỏng đáp ứng khối driverđộng cơ 2 sau khi thêm bộ PID 35 Hình 5.14 Đồ thị đáp ứng theo thời gian khối driverđộng cơ 2 sau khi thêm bộ PID 35 Hình 6.1 Sơ đồ khối của bộ điều khiển 37 Hình 6.2 Chu kỳ truyền nhận dữ liệu của hệ thống 38 Hình 6.3 Lưu đồ giải thuật của hệ thống. 39 Hình 7.1 Kết quả chạy mô phỏng 40 Hình 7.2 Kết quả chạy thực tế 41 Hình A.1 Mô hình bộ thí nghiệm dùng cho thí nghiệm 2 42 Hình A.2 Bộ mô hình dùng cho thí nghiệm 3 43 DANH SÁCH BẢNG BIỂU Bảng 3.1 Thông số đầu vào của xe 11 Bảng 3.2 Thông số yêu cầu của động cơ 12 Bảng 3.3 Các thiết bị trên thân xe 13 Bảng 4.1 Thông số đầu vào mô phỏng 19 Bảng 4.2 Thông số đầu vào mô phỏng 20 Bảng 5.1 Số liệu thử nghiệm TB6612 với động cơ 1 30 Bảng 5.2 Số liệu thử nghiệm TB6612 với động cơ 2 32 Bảng 5.3 Dòng điện tiêu thụ các linh kiện trong mạch 36 MỤC TIÊU ĐỒ ÁN .Thiết kế và chế tạo xe dò line di chuyển tốc độ cao trên sa bàn có các đặc điểm : Màu sắc đường line: đen. Màu nền: trắng. Bề rộng đường line: 26mm. Bề mặt địa hình di chuyển: phẳng. Sa bàn được thể hiện trên Hình 0.1.
TỔNG QUAN
Robot dò line là một loại mobile robot đặc biệt, có khả năng nhận diện vị trí tương đối và bám theo các đường line có sẵn như line từ hoặc line màu Hiện nay, loại robot này được ứng dụng phổ biến trong kho bãi, nhà xưởng và cảng để vận chuyển hàng hóa, đồng thời cũng là nền tảng cho nhiều nghiên cứu trong lĩnh vực kỹ thuật nhận diện.
Để thiết kế và vận hành một robot dò line hiệu quả, cần chú trọng đến các yếu tố kỹ thuật quan trọng như sơ đồ nguyên lý, loại cảm biến, động cơ, cấu trúc điều khiển và thuật toán điều khiển Những yếu tố này không chỉ ảnh hưởng đến hiệu suất của robot mà còn là chủ đề cho nhiều cuộc thi kỹ thuật.
Có nhiều sơ đồ nguyên lý có thể áp dụng trong việc chế tạo robot dò line, trong đó sơ đồ của xe đua điều khiển từ xa (RC racing cars) là một lựa chọn hiệu quả để đạt tốc độ và khả năng bám đường Hai loại sơ đồ nguyên lý phổ biến dành cho các xe đua chuyên chạy trên mặt đường phẳng được đề cập là những phương pháp tối ưu cho việc thiết kế.
- Loại 1(Hình 1.1a) sử dụng trục truyền động cho trục trước và sau xe (Khung xe của hãng Awesomatrix, TAMIYA TT01, Overdose Divall…).
- Loại 2(Hình 1.1b) sử dụng đai răng truyền động cho trục trước và sau xe (Khung xe của hãng Sakura D3 CS, Serpent VETEQ 02, TA04 EPRO…).
Các sơ đồ nguyên lý này giúp hạn chế hiện tượng trượt giữa các bánh xe khi thực hiện các thao tác đổi hướng Tuy nhiên, thiết kế cơ khí phức tạp và bán kính cong tối thiểu của xe sẽ bị giới hạn bởi cấu trúc của nó.
Hình 1.1 Sơ đồ nguyên lý RC racing cars
(a) loại truyền động trục; (b) loại truyền động đai
Nhiều xe đua dò line hiện nay, như HBFS-2, Sylvestre, Johnny-5 và Thunderbolt, sử dụng sơ đồ nguyên lý với hai bánh chủ động điều khiển độc lập kết hợp với bánh đa hướng Sơ đồ này có cấu trúc và mô hình động học đơn giản, dễ hiệu chỉnh sai số hệ thống, cho phép xe di chuyển theo bán kính nhỏ và quay tại chỗ Tuy nhiên, xe cũng dễ bị trượt khi thực hiện bám theo các đoạn đường bán kính nhỏ ở tốc độ cao.
Một dạng sơ đồ nguyên lý khác được sử dụng bởi các xe đua như CartisX04 (All Japan Micromouse 2015) và Mouse (RobotChallenge 2014) là việc thay thế mỗi bánh xe vi sai chủ động bằng một cặp bánh Điều này giúp xe dễ cân bằng hơn, nhưng cũng làm tăng độ phức tạp của kết cấu cơ khí và gây ra hiện tượng trượt bánh khi xe thực hiện các thao tác đổi hướng.
Hình 1.2 Sơ đồ nguyên lý hai cặp chủ động vi sai
Hiện nay, hầu hết các robot dò line sử dụng cảm biến quang để xác định vị trí của đường line so với xe Các tín hiệu này sau đó được xử lý để điều khiển robot Hai phương pháp phổ biến cho robot dò line bao gồm việc sử dụng camera và các loại cảm biến quang dẫn.
- Ở phương pháp camera, thiết bị thu hình ảnh từ đường line thực tế[3][6][7][8]
Robot Johny-5 tham gia cuộc thi IGVC, sử dụng phương pháp xử lý tín hiệu điều khiển Mặc dù phương pháp này cho phép đạt độ chính xác cao, nhưng nó ít được áp dụng trong các cuộc đua xe line màu do yêu cầu xử lý lớn, làm giảm tốc độ tối đa của xe.
Phương pháp phổ biến thứ hai trong các cuộc thi robot dò line hiện nay là sử dụng cảm biến quang, như quang điện trở và photo-transistor, với photo-transistor được ưa chuộng hơn do thời gian phản hồi nhanh Các đội đua như Pika, Silvestre, Bolt và Thunderbolt đã áp dụng photo-transistor cho bộ phận dò line Tín hiệu từ cảm biến quang sẽ được hiệu chuẩn và xử lý bằng các thuật toán so sánh hoặc xấp xỉ để xác định vị trí của robot đối với tâm đường line.
Phương pháp đầu tiên áp dụng bộ so sánh để xác định trạng thái đóng hoặc ngắt của các cảm biến, từ đó suy luận vị trí của xe dựa trên một bảng trạng thái đã được xác định trước.
Phương pháp này cho thấy rằng sai số dò line phụ thuộc vào khả năng phân biệt các trạng thái của hệ thống và khoảng cách giữa các cảm biến Đặc điểm nổi bật của nó là sự phụ thuộc vào mức ngưỡng so sánh của các cảm biến, dẫn đến tốc độ xử lý nhanh chóng.
Line nằm lệch bên phải
Line nằm lệch bên trái
Tín hiệu mức thấp tại vị trí không có line Tín hiệu mức cao tại vị trí có line
Hình 1.3 Giải thuật xử lí tín hiệu bằng phương pháp so sánh
Phương pháp thứ hai để xác định vị trí của xe so với tâm đường line sử dụng tín hiệu từ cảm biến, với ba giải thuật xấp xỉ: xấp xỉ bậc 2, tuyến tính và theo trọng số Kết quả thí nghiệm cho thấy sai số dò line lần lượt là 5.4mm, 2.8mm và 2.6mm Mặc dù phương pháp này yêu cầu thời gian đọc ADC của tất cả các cảm biến, dẫn đến thời gian xử lý lâu hơn phương pháp đầu tiên, nhưng nó cung cấp độ phân giải cao hơn đáng kể.
1.4 Giải thuật xử lý tín hiệu cảm biến bằng phương pháp xấp xỉ [18]
(a) Xấp xỉ bậc 2; (b) Xấp xỉ theo trọng số
Các xe đua dò line như Pika, HFBS-2, CartisX04, Thunderstorm và Impact đều sử dụng động cơ DC gắn encoder, giúp cải thiện khả năng điều khiển và độ chính xác Động cơ DC có nhiều kích thước và momen khác nhau, dễ dàng lắp đặt và điều khiển nhờ vào khả năng kết hợp với encoder Việc ứng dụng bộ điều khiển PID cho phép điều chỉnh tốc độ và vị trí một cách chính xác theo yêu cầu.
Robot dò line bao gồm ba module chính: module cảm biến, module điều khiển và module điều khiển động cơ Hai phương pháp kết nối các module này là điều khiển tập trung và điều khiển phân cấp.
Trong phương pháp điều khiển tập trung, một MCU nhận tín hiệu từ cảm biến, xử lý dữ liệu và truyền tín hiệu điều khiển đến cơ cấu tác động Cấu trúc này phổ biến trong các xe đua dò line thực tế như CartisX04, Le’Mua (Robot Challenge 2015) và Pika Mặc dù có phần cứng đơn giản, nhưng MCU cần xử lý tất cả thông tin trước khi cập nhật dữ liệu mới.
ĐỀ XUẤT VÀ LỰA CHỌN PHƯƠNG ÁN
Đề xuất sơ đồ nguyên lý
Robot được thiết kế để di chuyển theo đường cong bán kính lớn (R = 500mm), cho phép đổi hướng dễ dàng tại các vị trí có khúc gãy Với kết cấu đơn giản và mô hình động học hiệu quả, sơ đồ nguyên lý sử dụng hai bánh chủ động vi sai kết hợp với bánh đa hướng bị động (Hình 2.1) đã được lựa chọn.
Đề xuất cảm biến
Hình 2.1 Phương án sơ đồ nguyên lý
Dựa trên yêu cầu về sai số bám line tối đa của robot (±5mm) và khả năng điều khiển xe bám line ở những đoạn đường gấp khúc đột ngột, các phương án liên quan đến loại cảm biến và thuật toán xử lý sẽ được xem xét kỹ lưỡng.
Để đáp ứng yêu cầu về khả năng phát hiện các đường gãy khúc đột ngột trên sa bàn, cảm biến cần có độ nhạy phù hợp Với đặc tính độ nhạy cao, phototransistor được đề xuất là lựa chọn lý tưởng so với các loại cảm biến quang khác.
- Phototransistor kết hợp với LED thường
- Phototransistor kết hợp với LED hồng ngoại
Phototransistor hoạt động dựa vào tín hiệu ánh sáng phản xạ từ nguồn phát để tạo ra điện áp Trong trường hợp đường đua có màu line và nền có độ tương phản cao, như line đen trên nền trắng, LED hồng ngoại mang lại độ nhạy cao hơn nhưng cần được che chắn để giảm nhiễu Ngược lại, khi độ tương phản giữa màu line và nền thấp, việc sử dụng LED thông thường sẽ hiệu quả hơn.
Về giải thuật xử lí tín hiệu:
Với sai số yêu cầu ±16mm như đầu bài, các phương pháp có độ phân cao nên được lựa chọn Có hai giải thuật xử lý được đề xuất:
Phương pháp so sánh xác định vị trí của robot trên đường line thông qua các trường hợp cố định, phụ thuộc vào số lượng cảm biến và sai số do khoảng cách tối thiểu giữa chúng Khoảng cách này chịu ảnh hưởng lớn từ góc chiếu của LED, góc thu của cảm biến và độ cao so với mặt đất.
Phương pháp xấp xỉ cho phép đạt độ phân giải cao hơn so với phương pháp so sánh, giúp cải thiện độ chính xác của hệ thống cảm biến Tuy nhiên, sai số của phương pháp này phụ thuộc vào số lượng cảm biến và độ cao lắp đặt của chúng Một nhược điểm là thời gian đáp ứng sẽ lâu hơn do vi điều khiển phải thực hiện chuyển đổi ADC cho tất cả các cảm biến.
Đề xuất cấu trúc điều khiển
Để xe có thể xử lý hiệu quả các đoạn đường đổi hướng đột ngột, cần trang bị khả năng xác định vị trí và tính toán vận tốc bánh Một giải pháp khả thi là sử dụng bộ điều khiển phân cấp, trong đó một MCU slave đọc giá trị từ hệ thống cảm biến và hai MCU slave khác điều khiển động cơ.
Hình 2.2 Phương án cấu trúc điều khiển
Phương án này tận dụng định vị và tính toán vận tốc mới, sử dụng các MCU độc lập để tăng tốc độ phản hồi của hệ thống Để tránh xung đột từ tín hiệu encoder, hai MCU sẽ điều khiển độc lập tốc độ hai động cơ Phương án này không chỉ cho phép thực hiện nhiều tác vụ cùng lúc mà còn giảm tải tính toán cho từng MCU Tuy nhiên, thách thức lớn là xác định thời gian lấy mẫu và truyền dữ liệu của mỗi MCU Sơ đồ cấu trúc điều khiển được trình bày trong Hình 2.2.
Đề xuất giải thuật điều khiển
Dựa trên yêu cầu của robot để di chuyển trên các đoạn đường thẳng, cong và xử lý sai số vị trí line gấp khúc lên đến 250mm, hai phương án điều khiển đã được đề xuất.
- Bộ điều khiển PD kết hợp ghi nhớ đường đi
Phương án 1 cho phép robot cải thiện khả năng bám đường line qua mỗi lần chạy Tuy nhiên, giải thuật tự học phức tạp và cần tích hợp cảm biến gyro để bộ điều khiển ghi nhớ trạng thái gia tốc của robot trong suốt quá trình di chuyển trên đường đua.
Phương án 2 là một bộ điều khiển phổ biến trong nghiên cứu khả năng bám theo quỹ đạo của robot di động Thực nghiệm đã chứng minh rằng bộ điều khiển này có thể đưa robot đến các tọa độ mong muốn với vận tốc chính xác Hơn nữa, các tham số Kx, Ky, Kθ của bộ điều khiển có thể được điều chỉnh để cải thiện khả năng bám đường của robot trên các đoạn đường khác nhau.
Phương án thiết kế
Vậy, phương án thiết kế robot được lựa chọn:
- Sơ đồ nguyên lý: robot 2 bánh chủ động vi sai có bánh đa hướng bị động (Hình
- Cảm biến: bộ LED hông ngoại-Phototransistor và sử dụng giải thuật xấp xỉ để tìm ra vị trí của robot so với đường line
- Động cơ: động cơ DC có gắn encoder
- Cấu trúc điều khiển: bộ điều khiển phân cấp (Hình 2.2.)
- Giải thuật điều khiển: bộ điều khiển tracking [28]
MECHANICAL SYSTEMS
Lựa chọn bánh xe
Trong Chương 1, giá trị vận tốc tối đa 1.3m/s được lấy từ robot HBFS-2, vô địch RobotChallenge 2015 Bán kính cong nhỏ nhất của sa bàn tại cuộc thi này là 410mm, gần với bán kính cong của sa bàn mục tiêu Do đó, đường kính bánh xe của robot có thể được xác định theo kích thước bánh xe của HBFS-2, tương đương 65mm.
Hai loại bánh bị động phổ biến cho robot di động là bánh mắt trâu và bánh caster Bánh caster có đặc điểm khoảng cách giữa trục quay và trục bánh, gây ra hiện tượng shopping-cart, ảnh hưởng đến động học của xe Để khắc phục vấn đề này và tận dụng ưu điểm của sơ đồ nguyên lý, bánh mắt trâu được lựa chọn làm bánh bị động.
Lựa chọn động cơ
Động cơ là nguồn cung cấp moment cho bánh xe, giúp xe chuyển động Quá trình này bị ảnh hưởng lớn bởi khối lượng của xe và ma sát giữa bánh xe và mặt đường Mô hình toán học cho một bánh xe được thể hiện trong Hình 3.1.
Hình 3.1 Mô hình toán của một bánh xe
Moment quán tính của bánh xe có thể tính gần đúng :
Cân bằng moment quanh tâm bánh xe :
+ 𝐼 𝐼𝐼 𝐼 (1) Điều kiện để bánh xe không bị trượt khi động cơ quay, monent 𝐼 phải thỏa điều kiện
Phương trình định luật 2 Newton theo phương ngang :
Công suất mỗi động cơ cần cung cấp
𝐼(kg.m 2 ): moment quán tính của bánh xe 𝐼(N.m): moment.
𝐼(kg): khối lượng của bánh xe 𝐼(m/s 2 ): gia tốc dài mong muốn.
𝐼(kg): khối lượng thân xe 𝐼(m/s 2 ): gia tốc trọng trường.
𝐼(m): bán kính bánh xe 𝐼(W): công suất mỗi động cơ.
𝐼 𝐼𝐼 (N): lực ma sát 𝐼(rad/s): vận tốc góc.
Dựa vào các công thức và thông số đầu vào của xe, các thông số cần thiết của động cơ có thể được tính toán
Bảng 3.1 Thông số đầu vào của xe
Vận tốc lớn nhất của xe 1,3m/s
Thời gian tăng tốc mong muốn 1s
Bán kính bánh xe 33mm
Khối lượng bánh xe 0,025kg
Khối lượng tải ước lượng 0,8kg
Bảng 3.2 Thông số yêu cầu của động cơ
Vận tốc góc lớn nhất 376vòng/phút
Moment cần thiết để xe chuyển động 19N.mm
Công suất mỗi động cơ 2,2 W
Với thông số động cơ đã được tính như trên, động cơ DC ESCAP 16G88-214EMR19 [32] (𝐼 = 540 vòng/phút, 𝐼 = 4,5W) được lựa chọn.
Kích thước thân xe
Chiều cao trọng tâm xe:
Tại các đoạn đường chuyển hướng, xe có nguy cơ bị lật nếu thiết bị trên thân xe làm tăng trọng tâm vượt quá một giới hạn nhất định Giới hạn này có thể được tính toán dựa trên mô hình toán học thể hiện trong Hình 3.2.
3.2 Mô hình toán khi xe chuyển hướng
𝐼: trọng tâm xe 𝐼 𝐼𝐼 : lực li tâm.
𝐼 𝐼𝐼 : lực ma sát 𝐼: trọng lực.
Để ngăn ngừa tình trạng lật xe, moment do trọng lực tác động quanh tâm quay C cần phải lớn hơn moment do lực ly tâm gây ra Điều này liên quan đến chiều cao trọng tâm của xe, ký hiệu là h.
Bán kính cong của đường đua = 0,5𝐼55
Vận tốc dài tối đa = 1,3/3 /
Kích thước bao của xe được xác định bởi kích thước và sắp xếp các linh kiện điện, điện tử, cũng như khoảng cách giữa cảm biến và các bánh chủ động Để giảm thiểu ảnh hưởng của các yếu tố động lực học, tỷ lệ kích thước dài-rộng của xe nên được chọn theo tỷ số √5 Các thiết bị lắp đặt trên thân xe được trình bày trong Bảng 3.3 và Hình 3.3.
Bảng 3.3 Các thiết bị trên thân xe
Số thứ tự Thiết bị Số lượng
3 Header cắm dây động cơ 2
Thiết kế đồ gá cho động cơ
Kích thước chi tiết gá được xác định dựa trên kích thước mặt bích của động cơ và yêu cầu về chiều cao trọng tâm xe Nhằm đảm bảo độ cứng vững và dung sai, nhôm được chọn làm vật liệu cho đồ gá Cấp chính xác được lựa chọn theo tiêu chuẩn IT10.
Mối ghép giữa đồ gá và mặt bích động cơ là mối ghép cố định, yêu cầu định tâm chính xác Do chi tiết ghép có khối lượng nhỏ, kiểu lắp giữa mặt bích và đồ gá được chọn là kiểu lắp trung gian với kích thước ∅7 𝐼 ℎ8 𝐼 10 [35] Kích thước danh nghĩa của trục động cơ nằm trong khoảng từ 6mm đến 10mm.
Miền dung sai kích thước lỗ: ∅77777777777777 7 𝐼 10
Sai lệch giới hạn của kích thước:{+299999999999999 9
9 9 Miền dung sai kích thước trục: ∅7ℎ8
Sai lệch giới hạn của kích thước:{ 000000000000000
Để đảm bảo độ đồng tâm trục của hai động cơ và ghép chặt trên thân xe, nhóm đã sử dụng Stepped Screws Mối ghép giữa bề mặt trụ trơn của Stepped Screws với thân xe và đồ gá yêu cầu độ định tâm và cố định, do đó, kiểu lắp được chọn là kiểu lắp trung gian với kích thước ∅6 𝐼 𝐼 10 ℎ7 Kích thước danh nghĩa của thân Stepped Screws nằm trong khoảng từ 3mm đến 6mm.
Hình 3.3 Sơ đồ sắp xếp linh kiện trên thân xe
Miền dung sai kích thước lỗ: ∅66666666666666 6 𝐼 10
Sai lệch giới hạn của kích thước:{+299999999999999 9
9 9 Miền dung sai kích thước trục: ∅6ℎ7
Sai lệch giới hạn của kích thước:{ 000000000000000
Mối ghép giữa trục động cơ và nối trục yêu cầu độ chính xác đồng tâm cao và sử dụng chi tiết kẹp phụ Kiểu lắp được chọn cho mối ghép này là kiểu lắp lỏng với kích thước ∅3 𝐼 10 [35].
Miền dung sai kích thước trục: ∅ 633333333333333 3 [37]
Sai lệch giới hạn của kích thước:{ −66666666666666 6
2 2 Miền dung sai kích thước lỗ: ∅ 1033333333333333 3 [37]
Sai lệch giới hạn của kích thước:{+400000000000000 0
INFORMATION SYSTEMS
Mô hình động học của robot
Mô hình động học của mobile platform đã được giới thiệu nhiều trong các nghiên cứu[7][26][27][28]
Mô hình này bao gồm các điểm quan trọng: Điểm R là điểm tham chiếu cho robot, Điểm M là trung điểm của hai bánh chủ động, và Điểm C là điểm tracking của robot Hình 4.1 minh họa rõ ràng mô hình này.
Hình 4.1 Mô hình động học của mobile platform
Phương trình động học tại điểm M
Trong đó v và ωlà vận tốc dài và vận tốc góc của xe
Phương trình động học tại điểm C y y y x x x
Với d là khoảng cách từ M đến C.
Phương trình động học tại R
Trong đó v R là vận tốc mong muốn của xe đua tại điểm tham chiếu.
Cách xác định vị trí của robot
Sai số của xe so với điểm tham chiếu được xác định như sau:
Hệ thống phototransistor chỉ có khả năng xác định sai số theo phương tuyến so với hướng di chuyển của xe Do đó, cần giới thiệu lại mô hình động học của xe với điểm C là tâm của dãy sensor và M là trung điểm giữa hai bánh chủ động, đồng thời là điểm tracking của xe Trong mô hình này, ta có e1 = d Để có được thông tin đầy đủ về vị trí của điểm tracking so với tham chiếu, việc xác định sai số e2 và e3 là cần thiết.
Trong thực tế, sai số e2 được xác định trực tiếp từ hệ thống cảm biến Đối với sai số e3, phương pháp đề xuất là di chuyển robot theo phương đã xác định trước một đoạn d s nhỏ, để khi nối hai điểm RR’ sẽ tạo thành tiếp tuyến của đường cong Sai số e3 được tính toán theo công thức cụ thể.
Hình 4.2 Mô hình động học được sử dụng cho robot dò line
Bộ điều khiển tracking, tìm khoảng cách d và mô phỏng bám sa bàn
Sau khi xác định các sai số e1, e2, e3, bộ điều khiển tracking cho phép tính toán giá trị v và ω cần thiết để điểm tracking theo sát điểm tham chiếu.
+k 3 sin e 3 Để mô phỏng quá trình bám sa bàn của robot, ta sử dụng bảng thông số đầu vào:
Bảng 4.1 Thông số đầu vào mô phỏng Đại lượng Giá trị Đơn vị
Tốc độ góc lớn nhất của động cơ 500 rpm
Khoảng cách 2 bánh xe 150 mm Đường kính bánh xe 66 mm
Thời di chuyển đoạn nhỏ (tìm e2’) 0.007 s
Dựa trên các thông số đã cho, tiến hành mô phỏng với các khoảng cách d khác nhau Đối với mỗi giá trị d, chọn một bộ số k thích hợp để đảm bảo sai số trung bình là nhỏ nhất và tốc độ góc của động cơ không vượt quá 500 rpm Kết quả mô phỏng sẽ được trình bày rõ ràng.
Hình 4.4 Sai số trung bình ứng với mỗi giá trị khoảng cách d
Kết quả mô phỏng cho thấy rằng khi d nhỏ hơn 20 mm, xe không thể hoàn thành đoạn line Trong khi đó, với khoảng cách từ 40 đến 50 mm, sai số trung bình đạt mức thấp nhất Do đó, giá trị d được chọn là 46 mm.
Bảng 4.2 Thông số đầu vào mô phỏng Đại lượng Giá trị Đơn vị
Tốc độ góc lớn nhất của động cơ 500 rpm
Khoảng cách 2 bánh xe 150 mm Đường kính bánh xe 66 mm
Thời di chuyển đoạn nhỏ (tìm e2’) 0.007 s
Khoảng cách giữa trọng tâm xe và điểm tracking 46 mm
Hình 4.5 Kết quả bám line ở đoạn A-B-C-D
(a) Vị trí xe so với sa bàn; (b) Sai số bám line; (c) Tốc độ góc mỗi bánh; (d) Vận tốc xe
Hình 4.6 Kết quả bám line ở đoạn D-E-F-C-G
(a) Vị trí xe so với sa bàn; (b) Sai số bám line; (c) Tốc độ góc mỗi bánh; (d) Vận tốc xe
Hình 4.7 Kết quả bám line ở đoạn G-A-C-E
(a) Vị trí xe so với sa bàn; (b) Sai số bám line; (c) Tốc độ góc mỗi bánh; (d) Vận tốc xe
Với sự điều chỉnh này, sai số bám line trên đoạn đường thẳng của xe đã được cải thiện Tuy nhiên, khi xe phải thực hiện đổi hướng 90 độ, hệ thống không thể đo được sai số, vì vậy cần bổ sung thêm cảm biến để phát hiện trước đoạn vuông góc, giúp xe thực hiện việc đổi hướng một cách kịp thời.
Hình 4.8 Robot phát hiện và tự động thực hiện đổi hướng ở đoạn vuông góc
Hình 4.9 Robot phát hiện đoạn giao cắt
ELECTRICAL SYSTEMS
Hệ thống cảm biến
Sơ đồ khối của hệ thống điện
5.1.1 Xác định yêu cầu cảm biến:
- Thời gian đáp ứng nhỏ hơn 0,01s
- Sai số tối đa giữa giá trị đọc về từ cảm biến và giá trị lý tưởng: ±5mm
- Số lượng cảm biến sử dụng đảm bảo độ dài thanh cảm biến > 50mm
Dựa trên kết quả mô hình hóa, chiều dài tối thiểu của thanh cảm biến cho robot bám theo toàn bộ sa bàn là 50mm Tuy nhiên, để cải thiện khả năng đáp ứng, nhóm quyết định sử dụng 7 cảm biến với chiều dài thanh cảm biến là 110mm Để xác định cách bố trí cảm biến tối ưu, nhóm đã thực hiện một số thí nghiệm Loại cảm biến được sử dụng là phototransitor TCRT5000 từ hãng VISHAY, với sơ đồ mạch điện cho mô hình thí nghiệm được tham khảo từ các nguồn tài liệu.
Hình 5.2 Sơ đồ mạch điện cảm biến TCRT5000 cho thí nghiệm
Thí nghiệm 1: Đo thời gian đọc và xử lí tín hiệu từ cảm biến của vi điều khiển
Phương pháp thực hiện bao gồm việc thiết lập bộ định thì Timer để đếm chu kỳ, sau mỗi chu kỳ, tiến hành kiểm tra số lần vòng lặp chương trình đã được thực hiện Trong thí nghiệm này, chúng tôi đã sử dụng Timer 1.
Timer1 có 16-bit, 1 chu kì đếm timer có 2 16 = 65536 lần đếm
Hệ số Prescaler bằng 1, thời gian cho một lần đếm của timer là:
Số vòng lặp của chường trình được thực hiện: 10 lần
Như vậy, thời gian cho một lần chương trình đọc và xử lí tín hiệu từ cảm biến là:
Và giá trị này hoàn toàn phù hợp với yêu cầu đề bài là nhỏ hơn 0,01s10
Thí nghiệm 2: Xác định khoảng cách phù hợp giữa cảm biến và mặt đường.
Phương pháp tiến hành: Khoảng cách cảm biến so với mặt đường cần đảm bảo thu được tín hiệu tại các vị trí nền trắng là như nhau
Dựa theo [39] , phạm vi hoạt động của cảm biến được mô hình lại như sau:
Vị trí so với tâm đường line (mm)
Để đảm bảo cảm biến hoạt động hiệu quả, khoảng cách giữa cảm biến và mặt đường cần đạt yêu cầu xuất hiện vùng giao thoa giữa hai cực phát và cực thu Khoảng cách tối ưu trong trường hợp này là d > 8.57mm.
Cảm biến TCRT5000 có phạm vi làm việc tối đa là 15mm, vì vậy thí nghiệm được tiến hành trong khoảng cách từ 9mm đến 15mm.
5.4 Đồ thị kết quả thí nghiệm đo giá trị điện áp trả về từ cảm biến tại từng vị trí so với tâm đường line.
Khi khoảng cách lớn từ 12 đến 15mm, độ chênh lệch điện áp giữa vị trí tại lâm line và trên nền trắng bị thu hẹp so với khoảng cách thấp từ 9 đến 11mm, dẫn đến điện áp đo được tại vùng nền trắng trở nên không ổn định.
- Với khoảng cách thấp (từ 9 – 11mm), điện áp đo tại vùng nền trắng có sự ổn định hơn (các giá trị tương gần như nhau).
- Giá trị điện áp tại nền trắng ứng với khoảng cách 10mm ổn định hơn so với khoảng cách 9mm và 11mm.
Như vậy, chiều cao cảm biến so với mặt đường được lựa chọn là 10mm.
Thí nghiệm 3: Xác định khoảng cách phù hợp giữa 2 cảm biến.
Khoảng cách giữa hai cảm biến liên tiếp cần được xác định để tránh trùng lặp vùng hoạt động của các LED phát và thu Với chiều cao cảm biến là 10mm, vùng giao thoa giữa hai cực thu và phát được tính toán cụ thể để đảm bảo hiệu suất tối ưu.
Hình 5.5 Mô hình vùng giao thoa của cực phát và cực thu
Dựa theo sơ đồ, khoảng cách giữa các sensor phải từ 3mm trở lên.
Thí nghiệm được tiến hành với 7 cảm biến, trong đó khoảng cách giữa các cảm biến được điều chỉnh lần lượt là 12mm, 15mm, 18mm và 20mm Đường line được di chuyển qua lại trong phạm vi từ -60mm đến 60mm so với tâm cảm biến Sau khi ghi nhận giá trị điện áp trả về từ các cảm biến, phương pháp xấp xỉ trung bình được áp dụng để xác định vị trí đường line so với tâm dò line của dãy cảm biến.
Kết quả: Kết qủa thí nghiệm tốt nhất ứng với khoảng cách giữa các cảm biến là 18mm.
- Sai số tính toán so với sai số lý tưởng: 1,13 mm (3,76%)
- Đường tuyến tính xấp xỉ: y = 0,51298x - 0,30844
5.6 Đường đặc tuyến giữa giá trị đọc về từ cảm biến và giá trị lý tưởng ứng với khoảng cách 18mmNhư vậy, khoảng cách thích hợp giữa các cảm biến được lựa chọn là 18mm.
Hệ thống điều khiển động cơ
- Áp và dòng ra của driver phải lớn hơn so với áp và dòng cực đại của động cơ DC gắn encoder ESCAP 16G88-214EMR19 (12V và 650mA).
Mối quan hệ giữa tín hiệu vào và ra của khối phải tuân theo tính tuyến tính trong một khoảng giá trị nhất định, đảm bảo rằng vận tốc tối đa của hệ thống đạt được là v max = 1.3 m/s.
IC TB6612 được chọn làm driver cho động cơ nhờ vào khả năng tích hợp 2 mạch cầu H, cho phép điều khiển 2 động cơ với đầu ra 13.5V và dòng 1A Mạch này hỗ trợ tần số PWM lên đến 100kHz, phù hợp với nhiều ứng dụng điều khiển động cơ.
5.2.2 Mô hình hóa hệ driver-động cơ: Để đơn giản cho việc điều khiển, động cơ và driver được xem như là một khối Tiến hành kiểm tra mối quan hệ giữa tín hiệu vào và ra của khối này bằng việc cấp xung PWM và ghi lại giá trị vận tốc động cơ.
Phương pháp thực hiện sử dụng Arduino Uno với chế độ hiển thị monitor, kết hợp mạch driver TB6612 để điều khiển động cơ ESCAP 16G88-214EMR19 có encoder độ phân giải 3456 xung/vòng thông qua tín hiệu PWM Tín hiệu PWM có tần số 20kHz được cấp từ Arduino Uno, với chu kỳ nhiệm vụ được thay đổi từ 20% đến 100% Qua việc quan sát trên monitor, giá trị vận tốc của động cơ được ghi lại tương ứng với từng chu kỳ nhiệm vụ.
Bảng 5.1 Số liệu thử nghiệm TB6612 với động cơ 1
Hình 5.7 Đồ thị giữa PWM(%) và vận tốc quay của động cơ 1
Từ dữ liệu Bảng 5.1 và đồ thị Hình 5.7., mối quan hệ giữa PWM và vận tốc quay động cơ tuyến tính
Hàm truyền của khối driver-động cơ 1 được xấp xỉ bằng cách coi hệ thống này là hệ bậc 1, dựa trên dạng đáp ứng theo thời gian của khối driver-động cơ 1.
Hình 5.8 Đồ thị đáp ứng theo thời gian khối driver-động cơ 1
Thời gian đáp ứng của khối là t res = 0.06s.
Hàm truyền của khối được xác định theo công thức: G(s) = K
Trong đó K ≈ 43.1 là hệ số góc của Hình 6.8 và T = t res /4 ≈ 0.015
Vậy hàm truyền của khối driver-động cơ 1: G(s) = 43.1
Tương tự với Động cơ 1, số liệu thử nghiệm PWM-tốc độ động cơ và đáp ứng theo thời gian được thể hiện trên Bảng 6.2., Hình 6.10 và Hình 6.11.
Bảng 5.2 Số liệu thử nghiệm TB6612 với động cơ 2
Hình 5.9 Đồ thị giữa PWM(%) và vận tốc quay của động cơ 2
Hình 5.10 Đồ thị đáp ứng theo thời gian khối driver-động cơ 1
Hàm truyền của khối driver-động cơ 2 xác định được: G(s)= 42.1
5.2.3 Bộ điều khiển PID: Động cơ 1:
Tiêu chí của bộ điều khiển:
Sử dụng mô phỏng trên Matlab, một bộ thông số PID thỏa tiểu chí đề ra là: K p = 0.1888; K i = 20,7248; K d = 0.0000276
Hình 5.11 Mô phỏng đáp ứng khối driver-động cơ 1 sau khi thêm bộ PID
Với bộ PID trên, các thông số đáp ứng mô phỏng của động cơ là:
Dựa trên bộ PID đã mô phỏng, kết hợp với việc hiệu chỉnh thông số theo thực tế, bộ thông số PID được sử dụng thực tế là K p = 0.5; K i = 0.007; K d = 0.02.
5.12 Đồ thị đáp ứng theo thời gian khối driver-động cơ 1 sau khi thêm bộ PID
(t sample = 1ms, PWM = 80%) Đáp ứng thực tế của khối sau khi thêm bộ PID
Tiêu chí của bộ điều khiển:
Sử dụng mô phỏng trên Matlab, một bộ thông số PID thỏa tiểu chí đề ra là: K p = 0.1808; K i = 20,7059; K d = 0
Hình 5.13 Mô phỏng đáp ứng khối driver-động cơ 2 sau khi thêm bộ PID
Với bộ PID trên, các thông số đáp ứng mô phỏng của động cơ là:
Dựa trên bộ PID đã mô phỏng, kết hợp với việc hiệu chỉnh thông số theo thực tế, bộ thông số PID được sử dụng thực tế là K p = 0.49; K i = 0.0071; K d = 0.02.
5.14 Đồ thị đáp ứng theo thời gian khối driver-động cơ 2 sau khi thêm bộ PID
(t sample = 1ms, PWM = 80%) Đáp ứng thực tế của khối sau khi thêm bộ PID
Lựa chọn pin
Cuộc thi diễn ra trên sa bàn với tổng chiều dài đường là 10.613 mm, bao gồm đường thẳng dài 3000 mm, hai đoạn đường cong bán kính 500 mm và bốn đoạn đường giao nhau dài 1118 mm Xe có vận tốc trung bình 1.3 m/s, do đó thời gian hoàn thành đoạn đường là 8.16 giây Để đảm bảo thử nghiệm diễn ra suôn sẻ, pin cần có dung lượng đủ lớn để xe có thể hoạt động nhiều lần.
- Áp của pin phải lớn hơn hoặc bằng áp lớn nhất của thiết bị trong hệ thống (động cơ ESCAP 16G88-214EMR19 8V)
- Khả năng cung cấp dòng cho hệ thống hoạt động khoảng 2 giờ
Tính toán cường độ dòng điện cần cung cấp:
Bảng 5.3 Dòng điện tiêu thụ các linh kiện trong mạch
Thiết bị Số lượng Dòng/1 đơn vị Tổng cộng Áp cung cấp Động cơ 2 650mA 1300mA 12VDC
Cảm biến 7 38mA 266mA 5VDC
Vi điều khiển 4 30mA 120mA 5VDC
Từ yêu cầu kĩ thuật và nguồn điện cần cung cấp, mắc nối tiếp 4 cục pin Lion 4.2V 4200mAh.
Driver Slave 2 Master Slave 3 Driver Động cơ
COMPUTER SYSTEMS
Lựa chọn vi điều khiển
6.1.1 Sơ đồ khối của bộ điều khiển
Hình 6.1 Sơ đồ khối của bộ điều khiển
Robot sử dụng giải thuật điều khiển phân cấp sử dụng 4 vi điều khiển đảm nhận các chức năng riêng biệt Trong đó có:
- 1 slave có nhiệm vụ đọc và xử lí tín hiệu sensor.
- 2 slave có nhiệm vụ điều khiển 2 động cơ thông qua driver và encoder.
Bộ điều khiển trung tâm là một master có chức năng thu thập dữ liệu từ các slave đọc cảm biến, thực hiện tính toán và gửi lệnh điều khiển cho các slave nhằm điều chỉnh động cơ, giúp robot di chuyển theo quỹ đạo chính xác.
6.1.2 Xác định yêu cầu và lựa chọn vi điều khiển:
Dựa trên thiết kế đã chọn cho Robot, vi điều khiển sẽ đóng vai trò là bộ xử lý trung tâm, có nhiệm vụ thu thập tín hiệu từ cảm biến, thực hiện tính toán và điều chỉnh, sau đó truyền tín hiệu đến các động cơ.
Trên thị trường hiện nay có nhiều loại vi điều khiển với các đặc tính và khả năng khác nhau Việc lựa chọn dòng vi điều khiển phù hợp là rất quan trọng để đảm bảo đáp ứng các yêu cầu cho Robot.
- Robot sử dụng 2 động cơ để di chuyển, do vậy, mỗi Slave điều khiển động cơ cần có ít nhất 1 bộ điều xung PWM.
- Số lượng cảm biến tối thiểu đã lựa chọn là 7 nên slave đọc cảm biến cần có ít nhất
- Có bộ ngắt để đọc tín hiệu Encoder.
- Bộ điều khiển phân cấp nên phải có hỗ trợ các giao tiếp SPI, I2C hoặc RS232…
6.1.3 Lựa chọn vi điều khiển:
Dựa trên các yêu cầu đã nêu, chúng tôi đã chọn hai loại vi điều khiển Đối với chức năng đọc cảm biến, vi điều khiển Pic 16f887 của Microchip được lựa chọn nhờ vào những đặc điểm phù hợp với nhiệm vụ này.
Bộ kit phát triển Arduino Nano sử dụng vi điều khiển ATmega368 của Atmel hỗ trợ giao tiếp SPI, I2C và RS232, phù hợp cho việc điều khiển động cơ trong hệ thống master-slave.
Tần số xung clock 16MHz đảm bảo thời gian chu kỳ lệnh nhanh chóng (62,5ns), giúp quá trình đọc xung encoder qua ngắt ngoài diễn ra mượt mà mà không gặp phải hiện tượng trượt xung.
- Hỗ trợ giao tiếp SPI, I2C và RS232.
Tính toán thời gian truyền nhận dữ liệu
Slave sensor đọc và tính sai số
Slave sensor đọc và tính sai số
Slave sensor đọc và tính sai số
Slave sensor đọc và tính sai số
Gửi tín hiệu yêu cầu slave sensor gửi sai số lần 1
Gửi tín hiệu yêu cầu slave sensor gửi sai số lần 2
Tính toán và gửi tín hiệu vận tốc cho slave động cơ Chờ thời gian đáp ứng của động cơ
Gửi tín hiệu yêu cầu slave sensor gửi sai số lần 1
Hình 6.2 Chu kỳ truyền nhận dữ liệu của hệ thống
Trong quá trình truyền nhận dữ liệu, Master sẽ chủ động lấy sai số từ Slave sensor.
Slave sensor liên tục đọc tín hiệu và tính toán giá trị sai số Khi nhận được tín hiệu yêu cầu, Slave sensor gửi thông tin cho Master Master nhận tín hiệu và tính toán giá trị vận tốc để truyền cho các Slave điều khiển động cơ Sau thời gian đáp ứng của động cơ, Master tiếp tục yêu cầu Slave sensor gửi giá trị sai số, và chu kỳ này được lặp lại.
Cài đặt thông số k ứng với thẳng F - G
Cài đặt bộ số k ứng với đoạn cong A - B
Cài đặt thông số k ứng với đoạn cong G - A
Cài đặt bộ số k ứng với đoạn thẳng B - D
Cài đặt thông số k ứng với đoạn cong D - F Robot quay 90 độ Cài đặt thông số k ứng với đoạn thẳng A - E
Giải thuật điều khiển
Hình 6.3 Lưu đồ giải thuật của hệ thống.
KẾT QUẢ THỰC NGHIỆM
Chương này đánh giá kết quả thực nghiệm của mô hình so với mô phỏng và đưa ra kết luận.
Kết quả mô phỏng và thực tế của xe với vận tốc v = 1.3m/s trên đường line được trình bày trong Hình 7.1 và Hình 7.2 cho thấy sự tương đồng trong dạng bám line của xe Cụ thể, trên các đoạn đường thẳng (B→D, F→G, A→E), xe thể hiện dao động hai bên đường line, trong khi trên các đoạn đường cong (A→B, D→F, G→A), xe luôn nằm ở một bên so với đường line Sai số của mô phỏng đạt yêu cầu đề bài với sai số tối đa emax = ±16mm trên đường thẳng và cong, cùng với emax = 250mm trên đoạn đổi hướng.
Sai số thực tế của xe không đáp ứng yêu cầu về sai số trên đoạn thẳng và cong, với các lý do chính dẫn đến sự gia tăng sai số này.
- Sai số lắp đặt khiến độ đồng trục của hai động cơ.
- Sai số tốc độ của hai động cơ.
Hình 7.1 Kết quả chạy mô phỏng
Hình 7.2 Kết quả chạy thực tế
- Sai số của hệ thống cảm biến cảm biến do sự khác biệt giữa môi trường thí nghiệm và thực nghiệm.
Sai số của hệ thống cảm biến xuất phát từ chiều cao lắp đặt và độ song song với trục động cơ Để khắc phục những sai số này, nhiều giải pháp đã được đề xuất nhằm cải thiện độ chính xác và hiệu suất của hệ thống.
Khung xe và đồ gá được làm từ nhôm thay vì mica như trong mô hình thực nghiệm, nhằm kiểm soát chính xác các sai số trong quá trình gia công và lắp đặt.
- Thực hiện thí nghiệm nhằm đánh giá sai số vận tốc của động cơ để có thể đưa vào mô phỏng.
Thực hiện thí nghiệm nhằm đánh giá ảnh hưởng của môi trường thực nghiệm đến giá trị đọc của hệ thống cảm biến, từ đó đề xuất các biện pháp xử lý phù hợp.
Phụ lục A trình bày kit thí nghiệm sensor, bao gồm hai bộ mô hình thí nghiệm nhằm phân tích và lựa chọn các thông số thiết kế cảm biến.
1/ Bộ thí nghiệm xác định khoảng cách phù hợp giữa cảm biến và mặt đường, và khoảng cách giữa các cảm biến với nhau.
Hình A.1 Mô hình bộ thí nghiệm dùng cho thí nghiệm 2
Mô hình bao gồm một tấm đế lớn và các mạch cảm biến rời.
Mỗi mạch cảm biến rời có các chân cắm cấp nguồn 5V, chân GND và 1 chân để lấy tín hiệu analog trả về từ cảm biến.
Tấm đế có khả năng điều chỉnh chiều cao linh hoạt, giúp xác định khoảng cách tối ưu giữa cảm biến và mặt đường Bên cạnh đó, thiết kế của đế còn tích hợp hai rãnh trượt, tạo điều kiện thuận lợi cho việc điều chỉnh khoảng cách giữa các cảm biến.
Kết quả thí nghiệm được mô tả trong Hình 5.4
2/ Bộ thí nghiệm xác định phương trình tuyến tính lý tưởng của tín hiệu cảm biến
Mô hình thí nghiệm 3 được áp dụng để kiểm tra và đánh giá khả năng đáp ứng của bộ cảm biến trong điều kiện thực tế một cách tương đối.
Mô hình bao gồm một bộ ray trượt được cố định trên mặt phẳng, cho phép di chuyển qua lại nhờ vào động cơ bước kết hợp với hệ thống dây đai Bộ cảm biến được lắp đặt tại khoảng cách đã được xác định trước trong thí nghiệm 2.
Dữ liệu từ bộ cảm biến sẽ được vi điều khiển đọc và xử lý, sau đó truyền qua chuẩn RS232 đến máy tính Phần mềm Matlab sẽ thu thập dữ liệu và tạo đồ thị thể hiện sự đáp ứng của tín hiệu, so sánh giữa vị trí thực tế và vị trí tính toán Qua đó, phương trình tuyến tính xấp xỉ mong muốn sẽ được xác định.
Hình A.2 Bộ mô hình dùng cho thí nghiệm 3
Kết quả thí nghiệm được mô tả trong Hình 5.6
PHỤ LỤC B: TÀI LIỆU THAM KHẢO
[1] DAIFUKU, SMARTCART, Automatic Guided Cart Installed Systems
[2] Richard T Vannoy II, M.S.I.T., B.S.E.E.T Designing and Building a Line Following
[3] Andrew Reed Bacha, Line Detection and Lane Following for an Autonomous Mobile
Robot, MS diss., Virginia Polytechnic Institute and State University, 2005.
[4] Ramiro Velázquez et al., A Review of Models and Structures for Wheeled Mobile
Robots: Four Case Studies, The 15 th International Conference on Advanced Robotics, Estonia, June 20-23, 2011.
[5] Bruno Siciliano & Oussama Khatib, chapter 17.2.2-17.2.6, Springer handbook of robotics Germany: Springer-Verlag Berlin Heidelberg, 2008.
[6] G H Lee et al., Line Tracking Control of a Two-Wheeled Mobile Robot Using Visual
Feedback, International Journal of Advanced Robotic Systems, DOI: 10.5772/53729, received 4 Apr 2012; Accepted 24 Sep 2012.
[7] Huu Danh Lam et al., Smooth tracking controller for AGV through junction using
CMU camera, Hội nghị Toàn quốc lần thứ 7 về Cơ điện tử - VCM-2014.
[8] A H Ismail et al., Vision-based System for Line Following Mobile Robot, IEEE Symposium on Industrial Electronics and Applications (ISIEA 2009), October 4-6, 2009, Kuala Lumpur, Malaysia.
[9] Barbara Siemiatkowska, Mobile Robot Navigation Based on Omnidirectional Sensor.
[10] Mustafa Engin, Dilúad Engin, Path Planing of Line Follower Robot, Proceedings of the 5th European DSP Education and Research Conference, 2012.
[11] F Kaiser et.al., Line Follower Robot: Fabrication and accuracy measurement by data acquisition, International Conference on Electrical Engineering and Information &
[12] M S Islam & M A Rahman, Design and Fabrication of Line Follower Robot, Asian Journal of Applied Science and Engineering, Volume 2, No 2 (2013).
[13] Khin Hooi Ng et al., Adaptive Phototransistor Sensor for Line Finding, International Symposium on Robotics and Intelligent Sensors 2012 (IRIS 2012).
[14] Hsin-Hsiung Huang et al., Hands-on intelligent mobile robot laboratory with support from the industry, IEEE EDUCON Education Engineering 2010 – The future of
[15] Deepak Punetha, et al Development and Applications of Line Following Robot
Based Health Care Management System International Journal of Advanced Research in
Computer Engineering & Technology (IJARCET) Volume 2, Issue 8, pp.2446-2449, August 2013.
[16] Umar Farooq et al., Fuzzy Logic Reasoning System for Line Following Robot, IACSIT International Journal of Engineering and Technology, Vol 6, No 4, August 2014
[17] Subhash P Rasal Development of Intelligent Line Follower’s Robot International Journal of Emerging Trends in Electrical and Electronics (IJETEE – ISSN: 2320-9569) Vol 7, Issue 2, pp.15-16, Sep-2013.
[18] Juing-Huei Su et al., An intelligent line-following robot project for introductory robot courses, World Transactions on Engineering and Technology Education, Vol.8,
[19] M Zafri Baharuddin et al., Analysis of Line Sensor Configuration for the Advanced
Line Follower Robot, Universiti Tenaga Nasional, Malaysia.
[20] Pascal Dufour, Ole Gudiksen Intelligent line following for vision enabled mobile robots, Master’s thesis Technical University of Denmark, DTU Elektro, pp.6, 2008
[21]: Oguz KOSE et al., PID CONTROLLED LINE FOLLOWER ROBOT DESIGN ON
[22]: Fernando Orduủa C et.al., ALDRO Learning and Mixed Decision Support
Method for Mobile Robot, Workshop Proceedings of the 8th International Conference on Intelligent Environments, J.A Botía et al (Eds.), IOS Press, 2012.
[23]: Richard Wallace et al., First Results in Robot Road – Following, Robotics Institute, Carnegie – Mellon University.
[24]: Dirman Hanafi et al., Wall Follower Autonomous Robot Development Applying
Fuzzy Incremental Controller, Intelligent Control and Automation, 2013, 4, 18-25.
[25]: Takanori Fukao et al., Adaptive Tracking Control of a Nonholonomic Mobile Robot, IEEE TRANSACTIONS ON ROBOTICS AND AUTOMATION, VOL 16, NO 5, OCTOBER 2000.
In their 1998 study, R Fierro et al explored the control mechanisms of nonholonomic mobile robots utilizing neural networks, as published in the IEEE Transactions on Neural Networks Additionally, Xiaoling Wu and colleagues presented advancements in hardware design and navigation optimization, contributing to the field of robotics.
Algorithm for Line Following Robot, Journal of Convergence Information Technology
[28]: Yutaka Kanayama et al., A Stable Tracking Control Method for an Autonomous
[29]: Iman Anvari, Non-holonomic Differential Drive Mobile Robot Control & Design:
Critical Dynamics and Coupling Constraints, Master Thesis, ARIZONA STATE
[30]: Joseph R.Davis, Coeffiction of Friction In Concise Metals Engineering Data Book, 190-197 United State of America: ASM International, 1997
[31]: Joseph L.Jones, Anita M.Flynn & Bruce A.Seiger Mobile Robot Inspirational to
Implementation 2nd ed Cambridge, MA: MIT Artificial Intelligence Laboratory
[32]: Portescap Motion Company, DC Motor Catalogue
[33]: Iman Anvari, Non-holonomic Differential Drive Mobile Robot Control & Design:
Critical Dynamics and Coupling Constraints, A Thesis Presented in Partial Fulfillment of the Requirement for the Degree Master of Science, Arizona State University, December 2013
[34]: Trịnh Chất & Lê Văn Uyển Tính Toán Thiết Kế Hệ Dẫn Động Cơ Khí Tập 2, 116-
117 Việt Nam, Công ty In Công Đoàn Việt Nam, 2006
[35]: Ninh Đức Tốn Dung Sai và Lắp Ghép, 54-55 Việt Nam, Công ty Cổ Phần In Thái