TỔNG QUAN VỀ ROBOT CÔNG NGHIỆP
Sơ lược về sự phát triển Robot công nghiệp
Năm 1921, từ "Robot" lần đầu xuất hiện trong vở kịch "Rossum’s Universal Robots" của nhà viết kịch Karel Capek, được đặt tên từ từ gốc Slavơ "Rabota" để chỉ thiết bị lao công do con người tạo ra Đến đầu những năm 60, công ty AMF đã quảng cáo máy tự động vạn năng mang tên "người máy công nghiệp", hiện nay được gọi là robot công nghiệp Ngày nay, những thiết bị có hình dáng và chức năng giống như tay người, được điều khiển tự động để thực hiện các thao tác sản xuất, cũng được xem là robot công nghiệp.
Tiếp theo Mỹ, các nước khác cũng bắt đầu sản xuất robot công nghiệp: Anh -1967,Thụy Điển và Nhật - 1968, CHLB Đức - 1971, Pháp - 1972, Ý- 1973, …
Định nghĩa về robot và một số khái niệm
1.2.1 Các định nghĩa về Robot công nghiệp
Theo Viện Nghiên cứu Robot Hoa Kỳ (IRA), robot công nghiệp là thiết bị thao tác đa chức năng có thể lập trình lại, được sử dụng để di chuyển vật liệu, chi tiết máy và dụng cụ, cũng như thực hiện các nhiệm vụ đặc biệt thông qua các chuyển động được lập trình Robot công nghiệp đóng vai trò quan trọng trong tự động hóa quy trình và là yếu tố thiết yếu trong sản xuất linh hoạt.
Robot công nghiệp, theo tiêu chuẩn ISO, là một hệ thống thao tác đa chức năng với khả năng chuyển động linh hoạt và được điều khiển tự động thông qua các chương trình làm việc có thể thay đổi Định nghĩa của M Bradky nhấn mạnh rằng robot công nghiệp là sự kết hợp thông minh giữa nhận thức và hành động, cho phép thực hiện nhiều nhiệm vụ khác nhau một cách hiệu quả.
Robot công nghiệp là những thiết bị tự động linh hoạt, có khả năng bắt chước các chức năng lao động của con người trong môi trường công nghiệp.
Robot là các thiết bị tự động hóa, được điều khiển theo chương trình lập trình sẵn thông qua bộ vi xử lý và các mạch tích hợp chuyên dụng Mặc dù có nhiều định nghĩa khác nhau về robot, nhưng tất cả đều nhấn mạnh tính năng tự động hóa của chúng.
Một số khái niệm a Số bậc tự do
Bậc tự do là số chuyển động độc lập cần thiết để xác định vị trí và hướng của vật thể trong không gian làm việc của robot Để mô tả hoàn chỉnh một đối tượng, cần 6 tham số: 3 tọa độ cho vị trí và 3 tọa độ cho hướng Số bậc tự do tương ứng với số khớp hoặc số thanh nối của robot, điều này cho thấy sự phức tạp trong thiết kế và khả năng hoạt động của robot.
Mỗi robot bao gồm nhiều khâu liên kết qua các khớp, tạo thành một xích động học từ khâu cơ bản đứng yên Hệ tọa độ gắn với khâu cơ bản được gọi là hệ tọa độ cơ bản, trong khi các hệ tọa độ gắn với các khâu động được gọi là hệ tọa độ suy rộng Tại mỗi thời điểm hoạt động, các tọa độ suy rộng xác định cấu hình của robot thông qua các dịch chuyển dài hoặc dịch chuyển góc của các khớp tịnh tiến hoặc khớp quay, và các hệ tọa độ này phải tuân theo quy tắc bàn tay phải.
Vùng làm việc của robot là tập hợp tất cả các điểm mà tay robot có thể tiếp cận, bao gồm toàn bộ thể tích mà khâu chấp hành cuối quét được khi thực hiện các chuyển động Kích thước và hình dạng của vùng làm việc bị ảnh hưởng bởi các thông số hình học của robot và các ràng buộc cơ học của các khớp.
Một số thông số đặc trưng của hệ thống Robot:
Độ phân giải: đặc trưng bởi khoảng cách nhỏ nhất có thể biểu diễn được trên toàn bộ dải chuyển động của một khớp
Độ chính xác: đặc trưng cho khả năng của robot điều chỉnh điểm cuối của tay máy đến một điểm bất kỳ trong không gian hoạt động của nó
Độ lặp lại: đặc trưng cho khả năng của robot đưa đầu cuối bàn tay của nó chạm vào một điểm theo chương trình định sẵn.
Mục tiêu và ứng dụng của Robot công nghiệp
1.3.1 Mục tiêu ứng dụng của Robot công nghiệp Ưu điểm quan trọng nhất của robot công nghiệp là tạo nên khả năng linh hoạt hoá sản xuất Việc sử dụng máy tính điện tử, robot và máy điều khiển theo chương trình đã cho phép tìm được những phương thức mới để tạo nên những dây chuyền tự động sản xuất hàng loạt với nhiều loại sản phẩm Kỹ thuật robot công nghiệp và máy tính đóng vai trò quan trọng trong việc tạo ra các dây chuyền tự động linh hoạt
Robot có khả năng thực hiện quy trình thao tác một cách ổn định và hiệu quả, vượt trội hơn cả thợ lành nghề Điều này không chỉ nâng cao chất lượng sản phẩm mà còn gia tăng khả năng cạnh tranh trên thị trường Hơn nữa, robot có thể nhanh chóng thay đổi công việc để thích ứng với sự biến đổi về mẫu mã và kích cỡ sản phẩm, đáp ứng yêu cầu của thị trường.
1.3.2 Ứng dụng và mô hình hóa Robot công nghiệp
Robot công nghiệp được ứng dụng rộng rãi trong nhiều lĩnh vực, trong đó nổi bật là vận chuyển và bốc dỡ vật liệu Những mục tiêu ứng dụng này giúp tối ưu hóa quy trình làm việc, nâng cao hiệu suất và giảm thiểu rủi ro cho con người.
Robot có khả năng nhặt và di chuyển chi tiết từ vị trí này sang vị trí khác, bao gồm cả việc gắp chi tiết từ vị trí cố định hoặc băng tải đang chuyển động Trong dây chuyền sản xuất, robot được sử dụng để đưa và lấy chi tiết từ các máy gia công như máy CNC, máy đột dập, máy ép nhựa và dây chuyền đúc Ngoài ra, trong công đoạn đóng gói, robot còn thực hiện việc xếp vật liệu lên giá, đóng gói sản phẩm vào hộp carton và nhặt chi tiết từ hộp.
Robot đã trở thành một phần quan trọng trong lĩnh vực gia công vật liệu, với ứng dụng trong các công nghệ như hàn, sơn, và gia công kim loại Công việc sơn thường nặng nhọc và độc hại, đòi hỏi thợ sơn phải được đào tạo tốn thời gian và chi phí Trong khi đó, robot có khả năng học hỏi nhanh chóng và lặp lại các động tác phức tạp chỉ trong vài giờ Ngoài ra, robot còn được sử dụng để phục vụ máy công cụ, làm khuôn trong ngành công nghiệp đồ nhựa, gắn kính xe hơi, và chuyển hàng hóa từ băng tải đến các trạm trung gian Ứng dụng robot trong công nghệ hàn không chỉ nâng cao năng suất mà còn chịu được nhiệt độ cao trong quá trình hàn, với cảm biến giúp xác định chính xác vị trí đường hàn.
Hình 1.2: Robot hàn c Trong lĩnh vực lắp ráp và kiểm tra sản phẩm
Robot lắp ráp ô tô đóng vai trò quan trọng trong quy trình sản xuất tự động hoàn toàn, từ việc thiết kế sản phẩm, đặt hàng vật liệu đến lập trình gia công và điều khiển cung cấp chi tiết Ngoài ra, robot còn được ứng dụng trong lĩnh vực kiểm tra, thực hiện các nhiệm vụ như kiểm tra kích thước, vị trí và hình dạng của các chi tiết máy và bộ phận cơ khí.
Cấu trúc của một hệ thống Robot công nghiệp
Robot là sản phẩm nổi bật của khoa học, kết hợp nhiều lĩnh vực kỹ thuật như máy tính điện tử, cơ khí, thiết kế cấu trúc, vi điện tử, lập trình trí tuệ nhân tạo và nghệ thuật sản xuất.
Trên hình 1.4 giới thiệu các bộ phận chủ yếu của Robot công nghiệp loại thông thường như sau:
Hình 1 4: Các bộ phận cấu thành robot công nghiệp Tay máy gồm các bộ phận:
1, Đế đặt cố định hoặc gắn liền với xe đi động
Ngoài ra robot còn gồm các hệ thống:
- Hệ thống truyền dẫn động
- Hệ thống cảm biến tín hiệu
Tay máy là cơ cấu cơ khí gồm các khâu, khớp hình thành cánh tay để tạo ra các chuyển động cơ bản, gồm:
+ Khớp - thanh nối: joint- link
+ Cổ tay – wrist: tạo nên sự khéo léo, linh hoạt.
Bàn tay của robot, hay còn gọi là end effector, thực hiện các thao tác trực tiếp trên đối tượng Để đạt được chuyển động linh hoạt, cánh tay robot cần có một hệ thống khớp nối Chuyển động của robot được chia thành hai loại chính.
+ Chuyển động của thân và cánh tay.
+ Chuyển động các khớp cổ tay.
Mỗi khớp nối trong robot thực hiện một trong hai chuyển động được gọi là “một bậc tự do” Thông thường, robot công nghiệp có từ 4 đến 6 bậc tự do Các chuyển động của thân, cánh tay và cổ tay robot được liên kết qua các kết nối, bao gồm 4 loại kết nối chính.
Kết nối thẳng (L) là loại kết nối mà trục của hai khớp nối song song với nhau, cho phép chuyển động tương đối giữa hai khớp nối diễn ra dưới dạng chuyển động tịnh tiến Kết nối này thường được thực hiện thông qua chuyển động pittong hoặc chuyển động rãnh trượt.
Kết nối quay (R) là loại kết nối trong đó chuyển động của khớp nối cánh thứ hai diễn ra quanh một trục vuông góc với trục của khớp nối đầu tiên.
- Kết nối xoắn (T): là kết nối mà trục quay của liên kết song song với trục quay của hai khớp nối.
- Kết nối xoay (V): là kết nối mà trục quay trùng với trục của khớp nối thứ nhất và vuông góc với trục của khớp nối thứ hai.
Bảng 1.0.1: Các dạng cơ bản của khớp robot
Các robot công nghiệp hiện đại thường được lắp đặt trên một đế cố định, được gắn chặt xuống nền để đảm bảo ổn định Ở phần cổ tay, robot có thể trang bị một bàn kẹp (gripper) hoặc các công cụ khác như mũi khoan, đầu hàn, hay đầu phun sơn, tất cả đều được gọi là "end effector" hay thiết bị ngoại vi.
1.4.2 Hệ thống truyền dẫn động của robot
Chuyển động của các khớp nối robot được cung cấp năng lượng bởi hệ thống động cơ bên trong, tạo ra sự di chuyển cho thân, cánh tay và cổ tay Công suất của các thiết bị này được thiết kế phù hợp với tốc độ di chuyển của cánh tay, trọng lượng của robot và khối lượng động của vật nặng mà nó cần thao tác.
Do vậy mà tuỳ theo công suất yêu cầu và độ linh hoạt của hệ thống mà ta chọn dùng một trong ba loại hệ truyền động sau:
+ Hệ truyền động thuỷ lực;
+ Hệ truyền động khí nén.
Hệ truyền động thuỷ lực:
Hệ truyền động thủy lực truyền năng lượng qua chất lỏng, thường được áp dụng trong các robot lớn với công suất cao Ưu điểm của hệ thống này bao gồm kích thước gọn nhẹ, khả năng chịu tải nặng, quán tính thấp, tốc độ tác động nhanh và lực truyền động mạnh mẽ Để điều chỉnh tốc độ, người dùng có thể thay đổi áp lực và lưu lượng thông qua van Tuy nhiên, hệ thống thủy lực cũng có nhược điểm, bao gồm yêu cầu về bộ nguồn, bao gồm bơm thủy lực, thiết bị lọc, thiết bị điều chỉnh áp suất, thiết bị làm mát và bình tích dầu.
Hệ truyền động điện được ưa chuộng trong thiết kế Robot nhờ vào những ưu điểm vượt trội như điều khiển đơn giản, không cần các bộ biến đổi phụ, không gây ô nhiễm môi trường, và độ chính xác cao nhờ động cơ điện hiện đại có thể lắp trực tiếp lên các khớp Tuy nhiên, hệ truyền động điện có tỷ lệ công suất truyền trên một đơn vị khối lượng thấp hơn so với truyền động thuỷ khí và thường yêu cầu thêm hộp giảm tốc do tay máy cần tốc độ quay chậm.
Trong thực tế, chỉ có 2 loại động cơ điện được sử dụng nhiều hơn cả là: động cơ điện một chiều và động cơ bước
Hệ truyền động khí nén:
Robot cỡ nhỏ với 2-3 bậc tự do thường sử dụng loại truyền động này Ưu điểm của nó bao gồm sự gọn nhẹ, dễ sử dụng và dễ đảo chiều Hệ thống này không quá nhạy cảm với nhiệt độ môi trường Ngoài ra, việc sử dụng mạng lưới khí nén chung trong các phân xưởng công nghiệp giúp đơn giản hóa thiết bị nguồn động lực cho Robot, không cần đường dẫn khí nén trở lại như trong hệ truyền động thủy lực.
Hệ thống điều khiển hiện nay thường là máy tính để giám sát và điều khiển hoạt động của Robot, có thể chia ra thành 2 hệ thống:
+ Hệ thống điều khiển vị trí (quỹ đạo);
+ Hệ thống điều khiển lực
Hệ thống điều khiển đảm bảo sự hoạt động của Robot theo các thông tin đặt trước hoặc nhận biết được trong quá trình làm việc.
Hệ thống cảm biến trong robot có vai trò quan trọng trong việc nhận diện và chuyển đổi thông tin về hoạt động của robot cũng như môi trường làm việc và đối tượng phục vụ Thông tin từ cảm biến sẽ được xử lý bởi máy tính và sau đó được truyền đến hệ thống điều khiển, tác động vào cơ cấu truyền động của tay máy Các cảm biến trong kỹ thuật robot được phân loại thành hai loại chính.
Cảm biến nội tín hiệu đóng vai trò quan trọng trong việc cung cấp thông tin về vị trí, vận tốc và lực tác động tại các bộ phận thiết yếu của Robot Những thông tin này tạo ra các tín hiệu phản hồi cần thiết để tự động điều chỉnh các hoạt động của Robot, đảm bảo hiệu suất làm việc tối ưu.
Cảm biến ngoại tín hiệu đóng vai trò quan trọng trong việc cung cấp thông tin về đối tác và môi trường làm việc, giúp nhận dạng các vật xung quanh và thực hiện di chuyển hoặc thao tác trong không gian Để đạt được những chức năng này, cần sử dụng các loại cảm biến như cảm biến tín hiệu xa, cảm biến tín hiệu gần, cảm biến “xúc giác” và cảm biến “thị giác”.
Hệ thống điều khiển Robot
Hệ thống điều khiển của robot có vai trò quan trọng trong việc điều khiển hệ truyền động điện, nhằm điều chỉnh chuyển động của robot theo yêu cầu của quá trình công nghệ Hệ thống này có thể được phân chia thành nhiều loại khác nhau.
Điều khiển thô, hay còn gọi là điều khiển vị trí - quỹ đạo, là quá trình xác định phương pháp điều khiển thích hợp để các khớp tay Robot di chuyển theo quỹ đạo thiết kế trong suốt thời gian hoạt động Điều này bao gồm việc kiểm soát tốc độ và vị trí của tay Robot, và điều khiển thô chủ yếu tập trung vào việc điều khiển quỹ đạo.
+ Điều khiển tinh (điều khiển lực): là bài toán có tính đến cả môi trường làm việc của
Robot, do đó ở đây bao gồm cả điều khiển lực và điều khiển quỹ đạo.
Hình 1.5: Sơ đồ tổng quan về hệ thống điều khiển Robot
1.5.1 Các phương thức điều khiển Điều khiển theo quỹ đạo đặt gồm 3 phương thức điều khiển):
- Điều khiển Robot theo chuỗi các điểm giới hạn
Điều khiển Robot theo kiểu điểm - điểm (PTP)
Robot điều khiển theo quỹ đạo liên tục PCC
Điều khiển ứng dụng kỹ thuật cao, như robot thông minh, được thực hiện dựa trên tính chất của đối tượng điều khiển, bao gồm cả tuyến tính và phi tuyến Một phương pháp quan trọng trong điều khiển là điều khiển theo quỹ đạo đặt, cho phép điều khiển robot di chuyển theo chuỗi các điểm giới hạn một cách chính xác.
Phương thức điều khiển bằng cách thiết lập công tắc giới hạn và điểm dừng cơ khí cho phép khởi động và kết thúc chuyển động của các khớp nối khi tiếp xúc với các thiết bị này Việc cài đặt các điểm dừng và công tắc giới hạn tương tự như lập trình cho robot, với mỗi công tắc được xem như một phần tử nhớ Phương pháp điều khiển này thường được áp dụng cho các loại robot đơn giản.
Robot thường được sử dụng trong các hệ thống điều khiển phức tạp, với quỹ đạo chuyển động đã được tính toán trước thông qua một chuỗi các vị trí xác định Các vị trí này được lưu trữ trong bộ nhớ của robot, và robot cần tự tính toán để đạt được các vị trí mong muốn theo các điều kiện tối ưu Robot điều khiển playback được phân chia thành hai loại dựa trên phương thức điều khiển.
+ Điều khiển theo kiểu điểm - điểm (PTP)
Phương thức điều khiển kiểu điểm - điểm cho phép robot tự xác định quỹ đạo chuyển động từ điểm này sang điểm khác dựa trên điều kiện cụ thể Quỹ đạo này được lưu trữ trong bộ nhớ dưới dạng chuỗi các vị trí mong muốn, và robot sẽ lần lượt đạt tới các điểm này bằng cách so sánh tọa độ hiện tại với tọa độ mục tiêu, từ đó tính toán quỹ đạo điều khiển để giảm thiểu sai lệch Phương pháp này đặc biệt phù hợp cho các robot thực hiện các nhiệm vụ như “gắp” và “nhả”.
+ Điều khiển theo quỹ đạo liên tục
Robot hoạt động theo phương thức điều khiển quỹ đạo, di chuyển tới các điểm đã xác định trong bộ nhớ Quá trình này yêu cầu robot tuân thủ quỹ đạo liên tục, có thể được biểu diễn dưới dạng các điểm liên tục hoặc các điểm cần đi qua với các tham số như vận tốc, gia tốc, và thời gian, thường được xây dựng bằng đa thức nội suy bậc cao Quỹ đạo liên tục rất quan trọng trong các ứng dụng công nghệ như sơn, hàn và cắt Bên cạnh đó, robot thông minh không chỉ thực hiện chương trình đã được lập trình sẵn mà còn có khả năng tùy biến theo điều kiện môi trường thông qua các cảm biến như quang, nhiệt, và âm thanh, sử dụng logic mờ và mạng nơron Những robot này có thể giao tiếp với con người và hệ thống máy tính, giúp thực hiện các nhiệm vụ phức tạp trong nhà máy, đồng thời hiểu và phản hồi các lệnh đơn giản từ con người.
Các hệ thống điều khiển hệ tuyến tính
Khi khảo sát đặc tính động học của một đối tượng điều khiển hay hệ thống, các đối tượng thường được coi là tuyến tính, cho phép mô tả hệ thống bằng hệ phương trình vi phân tuyến tính Nguyên lý xếp chồng của hệ tuyến tính giúp tách riêng các thành phần đặc trưng cho từng chế độ làm việc, từ đó nghiên cứu bằng các công cụ toán học chính xác và hiệu quả Việc sử dụng mô hình tuyến tính để mô tả hệ thống mang lại nhiều ưu điểm đáng kể.
Mô hình đơn giản cho phép xác định các tham số của mô hình tuyến tính một cách dễ dàng thông qua các phương pháp thực nghiệm, mà không cần phải dựa vào những phương trình hoá lý phức tạp để mô tả hệ thống.
- Các phương pháp tổng hợp bộ điều khiển tuyến tính rất phong phú và không tốn nhiều thời gian để thực hiện.
Cấu trúc đơn giản của mô hình giúp dễ dàng theo dõi kết quả điều khiển và cho phép điều chỉnh lại mô hình để phù hợp với yêu cầu thực tế.
Mô hình tuyến tính và lý thuyết điều khiển tuyến tính sở hữu nhiều ưu điểm nổi bật, nhờ đó chúng đã được áp dụng rộng rãi trong nhiều lĩnh vực khác nhau.
Các hệ thống điều khiển hệ phi tuyến
Trong thực tế, nhiều đối tượng điều khiển, đặc biệt là robot, có tính động học phi tuyến mạnh, không tuân theo nguyên lý xếp chồng Không phải mọi hệ thống đều có thể mô tả bằng mô hình tuyến tính, và các giả thiết cho phép xấp xỉ bằng mô hình tuyến tính không phải lúc nào cũng được thỏa mãn Để đạt được độ tối ưu và tác động nhanh, việc sử dụng bộ điều khiển phi tuyến là cần thiết Điều này yêu cầu nghiên cứu và tính toán động học của đối tượng, cùng với việc tổng hợp hệ thống bằng các công cụ toán học phi tuyến.
1.5.2 Các phương pháp điều khiển Robot
Đến nay, đã có nhiều phương pháp và hệ thống điều khiển Robot được thiết kế và áp dụng trong thực tế, với các phương pháp điều khiển chủ yếu được phát triển để tối ưu hóa hiệu suất và tính chính xác của Robot.
- Điều khiển động lực học ngược.
- Điều khiển phản hồi phân ly phi tuyến.
- Các hệ thống điều khiển thích nghi.
+ Điều khiển thích nghi theo sai lệch.
+ Điều khiển thích nghi theo mô hình mẫu (MRAC) + Điều khiển động lực học ngược thích nghi.
Mục tiêu đề tài
Mục tiêu của đồ án là:
- Xây dụng mô hình động lực học của robot song phẳng 3DOF
- Xây dựng bài toán điều khiển lực
- Xây dựng thuật toán điều khiển lai lực vị trí cho robot
- Sử dụng điều khiển mờ để chỉnh định tham số bộ điều khiển
- Mô phỏng trên matlab simulink
CÁC PHƯƠNG PHÁP ĐIỀU KHIỂN LỰC
Điều khiển độ cứng
Khái niệm điều khiển độ cứng được giới thiệu bởi Salisbury và Craid vào năm
Năm 1980 đánh dấu một bước ngoặt quan trọng trong nghiên cứu robot, khi các nhà khoa học bắt đầu giải quyết vấn đề điều khiển vị trí robot Phương pháp điều khiển độ cứng trở thành giải pháp đầu tiên cho thách thức điều khiển lực Để hiểu rõ hơn về khái niệm này, ta xem xét hệ thống trong hình 2.1, nơi cánh tay máy có khối lượng m tiếp xúc với môi trường tại vị trí tĩnh xe Nhiệm vụ điều khiển là xác định lực đầu vào sao cho tay máy di chuyển đến vị trí cố định (xd) Nếu vị trí tay máy (x) lớn hơn xe, lực tác động lên môi trường được tính theo công thức f = ke(x-xe).
Trong bài viết này, chúng ta xem xét ke độ cứng của môi trường như một hằng số dương, giả định rằng môi trường hoạt động giống như một lò xo tuyến tính với hệ số đàn hồi ke.
Hình 2.1: Tác động của khâu tác động cuối lên môi trường
Hình 2.2: Mô hình hóa hệ thống trên dưới dạng lò xo đàn hồi
Giả sử trọng lực và lực ma sát là không đáng kể, phương trình chuyển động của hệ thống theo hình 2.2:
Sử dụng bộ điều khiển PD cho hệ thống ta có: thay kết quả vào biểu thức trên ta được:
Hình 2.3: Sơ đồ hệ thống
Hình 2.4: Sơ đồ vòng kín điều khiển
Ta có biến đổi Laplace của x :
Khi đó vị trí ổn định của hệ thống được tính như sau:
Thay kết quả thu được vào biểu thức f = ke(x-xe) ta được:
Hệ số đàn hồi của môi trường có giá trị lớn do robot di chuyển trên bề mặt cứng Vì vậy, có thể giả định rằng ke tương đương với kp.
Bằng cách điều chỉnh hệ số tỉ lệ Kp của bộ điều khiển, ta có thể điều chỉnh thành phần fss để tương thích với các giá trị hợp lý của fd, đồng thời duy trì các nguyên tắc hoạt động ổn định trong các trình tự điều khiển cao hơn.
Bộ điều khiển độ cứng đóng vai trò quan trọng trong việc điều khiển lực của robot, nhưng ứng dụng thực tế của nó còn hạn chế Nó chỉ có khả năng điều chỉnh giá trị lực đặt vào, phụ thuộc vào hệ số Kp và chỉ thay đổi khi Kp thay đổi, điều này gây khó khăn trong quá trình vận hành thực tế và làm cho bộ điều khiển trở nên cồng kềnh Hơn nữa, phương pháp này chưa giải quyết được vấn đề điều khiển đồng thời lực và vị trí, khiến bộ điều khiển độ cứng trở thành một bộ điều khiển lực thuần túy.
Điều khiển lai lực vị trí
Bộ điều khiển lai lực vị trí, được Raibert và Craig giới thiệu vào năm 1981, là một khái niệm quan trọng trong lĩnh vực điều khiển Ý tưởng chính của bộ điều khiển này là tách rời nhiệm vụ thực thi trong không gian nhiệm vụ thành các bộ điều khiển độc lập Raibert và Craig giả thuyết rằng việc tách riêng bộ điều khiển vị trí và lực cho phép thiết kế các bộ điều khiển chuyên dụng cho từng nhiệm vụ phụ, từ đó các bộ điều khiển này có thể hoạt động song song, kiểm soát vị trí và lực một cách đồng thời.
Trong môi trường không bị ràng buộc, khi robot hoạt động, lực tác động cuối của nó sẽ ảnh hưởng lên bề mặt xung quanh Sự tương tác này tạo ra một lực phản hồi tác động trở lại cánh tay robot, ảnh hưởng đến các mô men của các khớp nối Ngược lại, động học robot trong môi trường ràng buộc sẽ có những đặc điểm khác biệt.
Các vectơ đại diện cho momen của các khớp, góc lệch giữa chúng và lực tiếp xúc tại khâu tác động cuối Lực tiếp xúc này ảnh hưởng đến các khớp tự do Giả sử bộ tay máy được điều khiển theo vectơ quỹ đạo mong muốn, nó sẽ xác định vị trí khâu tác động cuối và lực tiếp xúc cần thiết Một bộ điều khiển sẽ tính toán momen của các khớp dựa trên các yếu tố này.
Hàm chuyển đổi không gian:
Ta có đạo hàm bậc nhất và bậc 2 của : và là ma trận Jacobian của tay máy Thay kết quả trên vào bộ điều khiển ta được:
Phương trình sử dụng luật điều khiển PD cho điều khiển lai lực vị trí, điều chỉnh không gian nhiệm vụ với các điều kiện không gian ràng buộc Mặc dù không gian ràng buộc không được tích hợp vào mô hình động hệ thống, nhưng các điều kiện ràng buộc phức tạp có thể gây khó khăn cho hệ thống, đòi hỏi bộ điều khiển phải có vị trí và hàm Jacobian thay đổi theo thời gian Tuy nhiên, điều khiển lai lực vị trí hoạt động hiệu quả khi điều kiện ràng buộc đơn giản Ưu điểm của phương pháp này là thông tin về vị trí và lực được phân tích độc lập, cho phép áp dụng các kỹ thuật kiểm soát nổi tiếng cho từng thành phần và chỉ kết hợp ở giai đoạn cuối khi chuyển đổi thành mômen, không tạo ra mối quan hệ liên tục giữa lực và vị trí của khâu tác động cuối Hình 2.5 minh họa sơ đồ điều khiển lai lực vị trí.
Hình 2.5: Sơ đồ bộ điều khiển lai lực vị trí
Hình 2.5 minh họa ý tưởng chính của bộ điều khiển với hai vòng phản hồi song song: vòng trên phản hồi vị trí và vòng dưới phản hồi lực Vòng lặp vị trí sử dụng thông tin từ cảm biến vị trí tại các khớp robot, trong khi vòng lặp lực dựa trên dữ liệu từ cảm biến lực Mỗi vòng điều khiển hoạt động với bộ điều khiển riêng biệt.
Trong hình 2.5, ma trận S = diag(sj) (j = 1…n) được gọi là ma trận lựa chọn, trong đó n đại diện cho số bậc tự do của hệ Ma trận S có vai trò xác định các không gian con cần được điều khiển, với sj được lựa chọn phù hợp.
Khi sj = 0, khớp thứ j cần được điều khiển bằng lực; ngược lại, nếu sj khác 0, khớp này sẽ được điều khiển theo vị trí Ma trận S có thể giữ nguyên, thay đổi theo cấu hình hoặc biến đổi liên tục theo thời gian.
Giả sử sử dụng bộ điều khiển PD cho việc điều khiển vị trí và bộ điều khiển PI cho việc điều khiển lực, luật điều khiển theo sơ đồ trong hình 2.5 có thể được diễn đạt trong không gian Descartes.
Mối quan hệ giữa tọa độ Descartes và không gian khớp:
Mỗi khớp robot đóng vai trò quan trọng trong việc kiểm soát vị trí và lực, với các khớp nối trong cấu trúc cơ khí điều khiển qua ma trận Jacobian, tạo ra đầu vào cho thiết bị truyền động Điều này liên quan đến vòng lặp lực, nơi mà các lực bổ sung ảnh hưởng đến hướng điều khiển vị trí trong khung nhiệm vụ và ngược lại Vị trí của robot và ma trận lựa chọn có tác động lớn đến sự ổn định của robot, hiện tượng này không phụ thuộc vào việc robot có tiếp xúc với môi trường hay không Do đó, việc thay đổi ma trận lựa chọn có thể dẫn đến sự chuyển đổi từ ổn định sang không ổn định và ngược lại.
THIẾT KẾ BỘ ĐIỀU KHIỂN LAI LỰC VỊ TRÍ
Động học Robot
Hình 3.1: Mô hình robot Bảng D-H của Robot được xác định như sau
Góc quay xung quanh trục được xác định khi trục trùng với phương của trục, trong khi độ dài tiếp tuyến chung là đường vuông góc giữa hai trục Tương tự, góc quay xung quanh trục cũng được xác định khi trục trùng với trục, và độ dài đường pháp tuyến chung chính là đường vuông góc giữa hai trục.
Từ bảng D-H xác định được ma trận thành phần biểu diễn quan hệ giữa hai khung tọa độ của hai khớp i, i-1:
2A3 Ma trận biểu diễn khâu cuối so với hệ tọa độ gốc:
0T3 = 0 A1 1A2 2A3 Phương trình động học thuận robot:
Ma trận Jacobian được xác định bằng các lấy đạo hàm riêng của cột thứ tư ma trận
0T3 được xác định ở trên. Đạo hàm của , , theo các biến , , là:
Phương trình động lực học robot
Hệ tay máy ba bậc tự do được giả thiết là lý tưởng, với các thanh nối được coi là thanh dài đồng chất và ma sát giữa các thanh nối được xem như bằng 0.
Hình 3.2:Mô hình robot ba bậc tự do trong hệ tọa độ Oxy
Các thông số kỹ thuật của robot bao gồm: Độ dài l1 = 0,5m và khoảng cách lg1 = 0,25m từ khớp thứ nhất tới tâm khối thanh nối thứ nhất; độ dài l2 = 0,4m và khoảng cách lg2 = 0,2m từ khớp thứ hai tới tâm khối thanh nối thứ hai; độ dài l3 = 0,35m và khoảng cách lg3 = 0,175m từ khớp thứ ba tới tâm khối thanh nối thứ ba Ngoài ra, khối lượng của các thanh nối lần lượt là m1 = 3kg, m2 = 2kg và m3 = 1kg.
J1 = 0,3kgm 2 , J2 = 0,2kgm 2 , J3 = 0,1kgm 2 lần lượt là mô men quán tính của ba khớp quay
Ta có tọa độ tâm khối thanh nối thứ nhất: x1 = -lg1cos1 y1 = lg1.sin1
Vận tốc tâm khối thanh nối thứ nhất: Động năng và thế năng của thanh nối thứ nhất:
K1 = P1 x2 = -l1cos1 - lg2.cos(1 +2) y2 = l1.sin1 + lg2.sin(1 +2)
Vận tốc tâm khối thanh nối thứ 2 được tính như sau:
Vậy động năng và thế năng của thanh nối thứ 2 là:
Tương tự ta có tọa độ tâm khối thanh nối thứ 3: x3 = -l1cos1 - l2cos(1 +2) - lg3cos(1 +2+3) y3 = l1.sin1 + l2.sin(1 +2) + lg3.sin(1 +2+3)
Vận tốc của tâm khổi thanh nối thứ 3 được tính như sau: Động năng và thế năng của thanh nối thứ 3 là:
Khi robot di chuyển trên bề mặt môi trường, nó sẽ tạo ra một lực tác động ngược lại với cơ cấu của robot Do đó, hàm Lagrange của tay máy được xác định dựa trên lực này.
K: Tổng động năng của hệ
F: Lực tiếp xúc với bề mặt môi trường
Robot di chuyển trong mặt phẳng Oxy và duy trì vị trí cố định tại x = 0,8m, với chuyển động vuông góc với trục Ox Điều này tạo ra một điều kiện ràng buộc cho robot trong quá trình hoạt động.
Thay các kết quả vào hàm Lagrange ta được:
Lấy đạo hàm của hàm Lagrange theo các biến và
Lấy đạo hàm của hàm Lagrange theo các biến và
Lấy đạo hàm của hàm Lagrange theo các biến và
Trong đó là mô men của khớp thứ i với i=1,2,3
Phương trình động lực học của robot được viết dưới dạng phương trình ma trận như sau:
Các thành phần của phương trình:
Bộ điều khiển lai lực vị trí
3.3.1 Xây dựng mô hình robot
Ta viết lại phương trình động học của robot như sau:
Phương trình trên tương đương với:
Mục đích chuyển đổi phương trình (2.2) sang dạng (2.3) là để thuận tiện cho việc mô phỏng trên Matlab Việc kết hợp hai vector và F giúp đầu ra của mô hình trở thành một, từ đó dễ dàng tách hai vector để điều khiển lực và vị trí Tuy nhiên, sự kết hợp này tạo ra ma trận 3x4 từ ma trận M và J(q), không phù hợp cho tính toán mô phỏng do không thể nghịch đảo Do đó, cần thêm điều kiện để chuyển ma trận về dạng 4x4 Để giải quyết vấn đề này, phương pháp ổn định liên kết Baumgarte được áp dụng nhằm tạo điều kiện cho phương trình.
Phương pháp ổn định Baumgarte Ý tưởng của phương pháp này là thay vì sử dụng , ta sẽ sử dụng phương trình liên kết ở dạng sau:
(3.3) Trong đó là điều kiện ràng buộc với môi trường.
Với 0 < < 1, 0 < Nghiệm của phương trình trên có dạng: exp(- )sin(wt+a) Đặc điểm của nghiệm này là nó tiến về không khi thời gian mô phỏng tăng lên.
Từ phương trình (3.3) ta biến đổi được:
Kết hợp phương trình động lực học tay máy và phương trình trên ta được:
(3.4) Phương trình (3.4) được sử dụng trong mô phỏng hệ thống trên matlab Simulink.
Thuật toán điều khiển lai lực vị trí áp dụng hai vòng lặp điều khiển độc lập, mỗi vòng sử dụng hệ thống cảm biến riêng Vòng lặp vị trí dựa vào thông tin từ cảm biến tại các khớp robot, trong khi vòng lặp lực sử dụng dữ liệu từ cảm biến lực Các luật kiểm soát riêng biệt được triển khai cho từng vòng lặp, nhằm kiểm soát thao tác của từng khớp trong khung nhiệm vụ một cách đồng thời và hiệu quả.
Hình 3.3:Sơ đồ điều khiển lai lực vị trí
Bộ điều khiển vị trí và lực được phân tách thành hai thành phần độc lập thông qua ma trận lựa chọn S và I-S, cho phép hai bộ điều khiển hoạt động riêng biệt trong không gian làm việc chung Sử dụng bộ điều khiển PD cho việc điều khiển vị trí và bộ điều khiển I cho việc điều khiển lực, ta có luật điều khiển của hệ thống trong không gian Descartes.
Trong bài toán điều khiển lực và vị trí của tay máy ba bậc tự do, khớp thứ ba được chọn làm khớp điều khiển lực tiếp xúc với môi trường, trong khi hai khớp còn lại (khớp một và hai) được điều khiển bởi bộ điều khiển vị trí Từ cách xác định này, ta có ma trận lựa chọn S.
Xét tính ổn định của bộ điều khiển Đặt biến trạng thái của hệ thống là :
Với: vector sai số vị trí của khớp robot. là vector tốc độ khớp robot.
Chọn hàm Lyapunov có dạng: với , 0 Trong đó: KP là ma trận đối xứng dương.
Thành phần đầu tiên của hàm V thể hiện động năng của hệ thống, trong khi thành phần thứ hai biểu thị thế năng tích lũy với độ cứng KP Đạo hàm của hàm V được tính toán để phân tích các yếu tố này.
Do là hằng số nên Ma trận M là ma trận đối xứng dương, do đó phương trình sau được thỏa mãn:
Thay kết quả trên vào hàm V được:
Từ phương trình động lực học robot bỏ qua thành phần lực ta có:
Thay kết quả vào phương trình trên, đồng thời thêm và bớt thành phần , , được:
Như vậy hệ ổn định theo Lyapunov.
Sơ đồ mô phỏng trên matlab Simulink được xây dựng dựa trên phương trình (3.4) và thuật toán điều khiển lai lực vị trí như sau:
Hình 3.4: Sơ đồ bộ điều khiển lai lực vị trí cho robot ba bậc tự do
Các tín hiều vào ra của các khối được mô tả dưới bảng
Bảng 3.0.3: Tín hiệu vào ra các khối trong sơ đồ mô phỏng
DH Đầu vào q, , q, q q Đầu ra , F V G X
Kết quả mô phỏng với các thông số bộ điều khiển:
Thông số bộ điều khiển vị trí:
Thông số bộ điều khiển lực:
Hình 3.5: Tọa độ vị trí x
Hình 3.6:Tọa độ vị trí yNhận xét:
Đồ thị vị trí cho thấy robot đạt được tọa độ bám sát nhanh chóng với giá trị đặt trong khoảng 0,6 giây Sai số vị trí x rất nhỏ (< 0,01%) và có thể bỏ qua, trong khi sai số vị trí y tại vị trí cân bằng cũng không đáng kể Điều này cho thấy bộ điều khiển vị trí hoạt động rất hiệu quả.
Hình 3.7:Kết quả mô phỏng với lực đặt là hằng số
Hình 3.8:Sai số lực tại vị trí ổn địnhNhận xét:
Giá trị lực bắt đầu từ mức ban đầu và giảm dần đến giá trị ổn định sau 0,5 giây, với sai số tối đa là 4% (Fmin = 9,6N) Giá trị lực ổn định bám sát tín hiệu đặt cho thấy bộ điều khiển hoạt động hiệu quả Tuy nhiên, tại trạng thái ổn định, giá trị lực F vẫn liên tục dao động, điều này có thể ảnh hưởng đến cấu trúc của hệ thống, giảm tuổi thọ và gây hỏng hóc cho tay máy.
Mô phỏng với: Fd = 10+2sin(2t) trong đó f = 2rad/s
Hình 3.9:Khối tín hiệu đặt hình sin
Hình 3.10:Kết quả mô phỏng với lực đặt là hình sin
Kết quả mô phỏng cho thấy tín hiệu đặt hình sin tương tự như tín hiệu đặt hằng số Sau 0,5 giây, tín hiệu lực bám theo tín hiệu đặt, nhưng tại vị trí ổn định, xuất hiện dao động, khiến tín điều khiển không mượt mà như tín hiệu đặt.
Bộ điều khiển lai lực vị trí hoạt động hiệu quả với sai số nhỏ và đáp ứng nhanh Tuy nhiên, do chỉ có thành phần tích phân, tín hiệu điều khiển có dao động ảnh hưởng đến kết cấu hệ thống Để cải thiện chất lượng điều khiển, cần sử dụng bộ điều khiển mờ để điều chỉnh tham số Ki, nhằm giảm dao động lực tác động giữa tay máy và môi trường Thiết kế bộ điều khiển mờ sẽ được trình bày chi tiết trong chương 4.
Bộ điều khiển mờ
Cấu trúc bộ điều khiển mờ
Một bộ điều khiển mờ gồm ba khâu cơ bản:
+ Thực hiện luật hợp thành (2)
Hình 4.1:Cấu trúc bộ điều khiển mờ
Các tín hiệu phản hồi từ đối tượng được đo bằng cảm biến được gọi là “các tín hiệu rõ” Để bộ điều khiển mờ có thể hiểu được những tín hiệu này, cần phải mờ hóa các thông số Điều này có nghĩa là sử dụng hàm phụ thuộc của các giá trị ngôn ngữ để tính mức độ phụ thuộc cho từng tập mờ dựa trên từng giá trị đầu vào Mờ hóa là bước đầu tiên trong quy trình điều khiển mờ, và kết quả của quá trình này sẽ được sử dụng làm đầu vào cho các luật mờ.
Biến ngôn ngữ là phương pháp thể hiện các biến điều khiển thông qua ngôn ngữ Chúng có các miền giá trị vật lý và giá trị ngôn ngữ, giúp người dùng hiểu rõ hơn về các thông số điều khiển.
Cốt lõi của bộ điều khiển mờ chính là luật hợp thành mờ, gọi tắt là luật mờ
Mệnh đề hợp thành liên quan đến hai biến ngôn ngữ và , trong đó biến nhận giá trị mờ A với hàm liên thuộc A (x) và biến nhận giá trị mờ B với hàm liên thuộc B (y).
= A, = B được gọi là hai mệnh đề Ký hiệu hai mệnh đề p là ( = A) và q là ( = B)
Trong logic, mệnh đề điều kiện được biểu thị dưới dạng “Nếu p = A thì q = B”, trong đó p là mệnh đề điều kiện và q là mệnh đề kết luận Biểu thức từ p suy ra q (p q) được gọi là mệnh đề hợp thành, tương ứng với luật điều khiển.
Để các bộ điều khiển hoạt động hiệu quả, cần thực hiện quá trình giải mờ từ tập mờ đầu ra Giải mờ là bước xác định giá trị rõ y' có thể chấp nhận từ hàm liên thuộc B ' (y) của giá trị mờ B'.
Luật hợp thành mờ (Mamdani)
Cho hai biến ngôn ngữ x và y Nếu biến x nhận giá trị mờ A với hàm phụ thuộc
A(x) và y nhận giá trị mờ B với hàm phụ thuộc A(y) thì biếu thức : x = A gọi là mệnh đề điều kiện y = B gọi là mệnh đề kết luận.
Nếu lần lượt ký hiệu hai mệnh đề trên là p và q thì ta có mệnh đề hợp thành: p q
Và mệnh đề này hoàn toàn tương ứng với luật điều khiển: Nếu x = A thì y = B
Mệnh đề hợp thành cho phép xác định hệ số thỏa mãn mệnh đề kết luận q của giá trị đầu ra y từ độ phụ thuộc A (x0) đối với tập mờ A của giá trị đầu vào x0 Hệ số này được gọi là giá trị của mệnh đề hợp thành khi đầu vào bằng A và là một giá trị mờ Nếu biểu diễn giá trị mờ đó dưới dạng tập hợp C, thì mệnh đề hợp thành mờ chính là ánh xạ.
“Độ phụ thuộc của kết luận không được lớn hơn độ phụ thuộc điều kiện”
Nếu hệ thống có nhiều đầu vào và nhiều đầu ra thì mệnh đề suy diễn có dạng tổng quát như sau:
Nếu N = n i và M = m i và … Thì R = r i và K = k i and…
Mệnh đề hợp thành mờ là một tập hợp mà mỗi phần tử tương ứng với giá trị của ánh xạ mờ, cụ thể là A (x0) và C (y) Điều này có nghĩa là mỗi phần tử trong mệnh đề hợp thành đều là một tập mờ, phản ánh các giá trị của ánh xạ trên.
Theo lý thuyết tập kinh điển, mệnh đề hợp thành mờ được định nghĩa là một tập mờ B’ trên không gian nền Y, với hàm liên thuộc xác định giá trị của nó.
( A , B ): [0,1] và tuân theo quy tắc hợp thành mờ.
Hai quy tắc thường được sử dụng nhất là:
Quy tắc hợp thành min
Giá trị của mệnh đề hợp thành mờ là một tập mờ B ’ định nghĩa trên nền Y (không
Quy tắc hợp thành PROD
Giá trị của mệnh đề hợp thành mờ B’ định nghĩa trên nền Y (không gian nền của B) và có hàm liên thuộc.
Luật hợp thành là khái niệm chỉ mô hình biểu diễn một hoặc nhiều hàm thuộc về một hoặc nhiều mệnh đề hợp thành Nó đại diện cho tập hợp của nhiều mệnh đề hợp thành, tạo thành một cấu trúc logic chặt chẽ.
Các luật hợp thành cơ bản
Luật MAX – MIN; Luật MAX – PROD
Luật SUM – MIN; Luật SUM – PROD
Trong thực tế, bộ điều khiển mờ thường xử lý nhiều mệnh đề hợp thành thay vì chỉ một Dưới đây là một số luật hợp thành phổ biến được sử dụng trong lĩnh vực này.
Thuật toán xây dựng luật hợp thành có nhiều mệnh đề hợp thành.
Cho p mệnh đề hợp thành:
Rp: NẾU x=Ap THÌ y=Bp
Các giá trị mờ A1,…, Ap chia sẻ cùng một tập hợp nền X, trong khi B1,…, Bp có chung tập hợp nền Y Hàm phụ thuộc của Ak và Bk được ký hiệu lần lượt là AK (x) và BK (y) với k = 1, 2,…, p Thuật toán triển khai R được thực hiện thông qua việc kết hợp các tập hợp R1, R2,…, Rp.
- Rời rạc hóa tập X tại n điểm x1, x2,…,xn và tập Y tại mờ điểm y1, y2,…,ym
- Mờ hóa các điểm rời rạc của X và Y bằng cách xác định các vectơ AK và BK
Các phương pháp giải mờ (defuzzification)
Giải mờ là quá trình chuyển đổi các giá trị mờ thành giá trị rõ ràng, cần thiết cho việc điều khiển thiết bị trong không gian khảo sát Quá trình này giúp xác định một giá trị rõ y’ từ hàm phụ thuộc μB(y) của giá trị mờ B’ (tập mờ) Điều này đảm bảo rằng đầu ra của bộ suy luận mờ có thể được sử dụng hiệu quả trong các ứng dụng thực tế.
Ba phương pháp giải mờ phổ biến bao gồm phương pháp cực đại, phương pháp điểm trọng tâm và phương pháp độ cao Trong đó, ký hiệu tập nền của tập mờ B’ được ký hiệu là Y.
Quy trình thực hiện gồm 2 bước:
Xác định miền chứa giá trị rõ y’ là bước quan trọng, vì đây là giá trị mà tại đó hàm phụ thuộc đạt cực đại, tương ứng với độ cao H của tập mờ B’.
Xác định y’ có thể chấp nhận được từ G theo một trong 3 nguyên lý sau :
+Nguyên lí trung bình +Nguyên lí cận trái +Nguyên lí cận phải
Hình 4.2:Miền giá trị của tập mờ B’
Giá trị rõ y’ sẽ là:
Trong đó, y1 và y2 là điểm cận trái và cận phải của tập G, với nguyên lý này thường áp dụng cho miền liên thông, dẫn đến y’ có độ phụ thuộc lớn nhất Nếu B’ chứa các hàm phụ thuộc đồng dạng, y’ sẽ không bị ảnh hưởng bởi độ thỏa mãn của luật điều khiển quyết định.
Hình 4.3:Giá trị rõ y’ theo nguyên lý trung bình
Nguyên lý cận trái cho thấy rằng giá trị rõ y’ được xác định bằng cận trái y1 của G, tức là y’ = y1 Giá trị này phụ thuộc tuyến tính vào mức độ thỏa mãn của luật điều khiển quyết định.
Nguyên lý cận phải xác định giá trị rõ y’ bằng cận phải y2 của G (y’ = y2), và giá trị này phụ thuộc tuyến tính vào đáp ứng của luật điều khiển quyết định Khi độ thỏa mãn H của luật điều khiển quyết định giảm, sai lệch giữa ba giá trị rõ theo ba nguyên lý sẽ tăng lên.
Hình 4.4:Giải mờ trong trường hợp G không liên thông
Phương pháp điểm trọng tâm (hình 4.8)
Phương pháp này cho kết quả giá trị rõ y’ là hoành độ điểm trọng tâm của miền được bao bởi đường B (y) và trục hoành.
Công thức xác định như sau: = với S là miền xác định của tập mờ B’.
Công thức này cho phép xác định giá trị rõ y’ bằng cách kết hợp tất cả các tập mờ đầu ra của luật điều khiển, trong khi không xem xét độ thỏa mãn của luật quyết định.
Hình 4.5:Giải mờ bằng phương pháp điểm trọng tâm
Bộ điều khiển mờ chỉnh định thông số bộ tích phân
Trong lý thuyết điều khiển, phương pháp Ziegler-Nichols là một trong những cách phổ biến để hiệu chỉnh thông số của bộ điều khiển PI Tuy nhiên, việc áp dụng phương pháp này có thể tốn thời gian do yêu cầu thực nghiệm cho một số hệ thống Các thông số thường được xác định dựa trên kết quả đo đạc từ đáp ứng của hệ thống, nhưng nhiễu và sai số trong phép đo có thể làm giảm độ chính xác trong việc hiệu chỉnh Do đó, cần thực hiện một quá trình tinh chỉnh trước khi áp dụng bộ điều khiển vào hệ thống để đạt được hiệu quả tốt hơn.
Có hai phương pháp tinh chỉnh bộ điều khiển PI: tinh chỉnh online trong quá trình hoạt động của hệ thống và tinh chỉnh off-line khi hệ thống tắt hoặc chỉ hoạt động trong một khoảng thời gian nhất định Giải thuật di truyền là một phương pháp hiệu quả cho tinh chỉnh off-line, nhưng việc tìm kiếm giá trị tối ưu cho các thông số bộ điều khiển đòi hỏi nhiều thời gian và cần mô hình toán học Trong bối cảnh công nghiệp hiện đại, việc tự động điều chỉnh hiệu quả trong phạm vi hoạt động rộng và thiết kế bộ điều khiển đơn giản là rất quan trọng Tinh chỉnh online bằng các giải thuật thông minh, đặc biệt là logic mờ, đã chứng tỏ khả năng suy diễn giống như con người và được áp dụng thành công trong nhiều lĩnh vực như một bộ quan sát Cơ chế suy diễn mờ là một phương pháp đơn giản và hiệu quả để tinh chỉnh các bộ điều khiển kinh điển.
Hình 4.6:Bộ điều kiển mờ chỉnh định tham số
Cấu trúc bộ điều khiển mờ chỉnh định thông số bộ PI bao gồm hai bộ phận chính: bộ điều khiển PI hoạt động như bộ điều khiển chính, cung cấp tín hiệu điều khiển cho đối tượng, trong khi bộ điều khiển mờ đóng vai trò quan sát và điều chỉnh các thông số của bộ điều khiển PI theo thời gian thực.
Bộ điều khiển mờ được tích hợp vào cấu trúc điều khiển nhằm hiệu chỉnh các tham số {Kp, Ki} cho bộ điều khiển PI, dựa trên điều kiện hiện tại của sai số lực {e} Bộ điều khiển mờ sử dụng hai đầu vào là sai số lực và đạo hàm sai số lực, được mờ hóa bởi 5 tập hợp {NB, NS, ZE, PS, PB}, trong đó NB đại diện cho Negative Big, NS cho Negative Small.
In the dKi controller, the output is categorized into five distinct sets: S (Small), MS (Medium Small), M (Medium), MB (Medium Big), and B (Big) The terms ZE represent Zero, PS signifies Position Small, and PB denotes Position Big.
Hàm liên thuộc của các tập mờ sử dụng dạng tam giác được xác định như sau:
Với a, b, c là hoành độ của ba đỉnh của tập mờ A
Hình 4.7:Hàm liên thuộc sai số lực và đạo hàm sai số lực
Hình 4.8:Hàm liên thuộc dKi
Luật điều khiển mờ được chọn như Bảng 4.1.
Bảng 4.4: Luật điều khiển mờ cho bộ điều khiển mờ chỉnh định tham số bộ I [3]
NB NS ZE PS PB
ZE MS MS M MB MB
Sơ đồ mô phỏng lực vị trí với bộ điều khiển mờ và tham số bộ điều khiển tích phân được thiết kế trên MATLAB Simulink nhằm tối ưu hóa hiệu suất điều khiển.
Hình 4.9:Sơ đồ mô phỏng hệ thống với bộ điều khiển mờ
Các tín hiệu vào ra của các khối tương tự được trình bày giống như trong bảng 3.1 Hệ thống trong phần này được cải tiến với việc bổ sung một bộ điều khiển mờ để điều chỉnh các tham số của bộ tích phân.
Hình 4.10:Sơ đồ bộ điều khiển mờ
Bộ điều khiển mờ (Fuzzy Logic Controller) nhận hai đầu vào là và d, với đầu ra là dKi Giá trị dKi sẽ được cộng với giá trị đặt Ki và nhân với tích phân sai số lực, tạo thành tín hiệu đầu vào cho khối Controller Để tránh vòng lặp đại số với tín hiệu F trong quá trình mô phỏng trên Simulink, sơ đồ sử dụng một khối tạo trễ.
Các thông số hệ thống cũng như giá trị đặt được giữ nguyên như chương 3.
Hình 4.11:Tọa độ vị trí x
Hình 4.12:Tọa độ vị trí y
Kết quả mô phỏng tọa độ của tay máy cho thấy tín hiệu điều khiển nhanh chóng bám sát tín hiệu đặt với sai số vị trí rất nhỏ, đảm bảo điều kiện ràng buộc của chuyển động robot Hệ thống sử dụng bộ điều khiển mờ cho kết quả tọa độ vị trí chính xác hơn so với hệ thống chỉ dùng bộ điều khiển lai lực vị trí Như vậy, bộ điều khiển mờ mang lại hiệu suất đầu ra tốt hơn cho vị trí so với hệ thống không có bộ điều khiển mờ.
Kết quả mô phỏng lực với Fd = const
Hình 4.13:Kết quả mô phỏng lực sử dụng bộ điều khiển mờ
Hình 4.14:Kết quả mô phỏng lực tại vị trí ổn định
Kết quả mô phỏng với Fd là hình sin
Hình 4.15:Kết quả mô phỏng với lực đặt hình sin sử dụng bộ điều khiển mờ
Kết quả mô phỏng lực với bộ điều khiển mờ cho thấy sự tương đồng với hệ thống không sử dụng, nhưng điểm khác biệt là bộ điều khiển mờ đã giảm đáng kể tần số dao động của hệ thống Đồng thời, bộ điều khiển này cũng giúp giảm sai lệch tại vị trí ổn định, cải thiện độ bám sát với tín hiệu đặt Như vậy, bộ điều khiển mờ đã nâng cao chất lượng hệ thống một cách hiệu quả.