Điều khiển ổn định robot gắp sản phẩm trong môi trường có dao động (bến cảng) Điều khiển ổn định robot gắp sản phẩm trong môi trường có dao động (bến cảng) Điều khiển ổn định robot gắp sản phẩm trong môi trường có dao động (bến cảng) Điều khiển ổn định robot gắp sản phẩm trong môi trường có dao động (bến cảng)
TỔNG QUAN ROBOT NGOÀI KHƠI
Tổng quan
Ngày nay, ngành công nghiệp ngoài khơi yêu cầu những công nghệ tiên tiến nhất để đối phó với điều kiện khắc nghiệt của môi trường Việc tìm kiếm giải pháp điều khiển hệ thống hiệu quả, an toàn và ổn định là một thách thức lớn Na Uy hiện đang dẫn đầu trong ngành công nghiệp hàng hải toàn cầu với trang thiết bị và công nghệ tàu thuyền hàng hải hàng đầu thế giới.
Trước những thách thức từ điều kiện thời tiết và môi trường biến động, cần thiết phải phát triển các giải pháp mới Robot ngoài khơi đóng vai trò quan trọng như những "diễn viên chính" trong việc vận chuyển và sắp xếp hàng hóa trên biển.
Trong các hoạt động ngoài khơi, có nhiều thách thức như chuyển động do dòng chảy và sóng, khó khăn trong việc xác định vị trí tải, cũng như dao động lắc lư của tàu Những yếu tố này tạo ra sự khác biệt lớn so với robot hoạt động trong môi trường cố định.
Hình 1 1 Robot hoạt động ngoài khơi
Tình hình nghiên cứu trong và ngoài nước
Tóm tắt các kết quả nghiên cứu trong và ngoài nước về điều khiển ổn định robot ngoài khơi :
Điều khiển robot ngoài khơi kết hợp với camera 2D, 3D
Năm 2015, bài báo “Robot Arm Manipulation Using Depth-Sensing Cameras and Inverse Kinematics” của tác giả Akhilesh Kumar Mishra và Oscar Meruvia-Pastor, thuộc trường đại học Newfoundland, đã được công bố trên tạp chí IEEE với mã hiệu Oceans14_IEEE_ID_7003029 Bài báo này trình bày ứng dụng của camera cảm biến chiều sâu để xác định vật thể 3D trong không gian, kết hợp với động học nghịch robot nhằm giải quyết các vấn đề về môi trường hoạt động cho robot ngoài khơi Kết quả nghiên cứu cho thấy độ chính xác cao trong việc nhận dạng và điều khiển đối tượng trong điều kiện môi trường dao động.
Điều khiển robot ngoài khơi theo thuật toán thích nghi : robot có khả năng tự học trong quá trình hoạt động (mạng thần kinh nhân tạo)
Năm 2002, bài báo [16] “ Neural network based predictive control systems for underwater robotic vehicles ” được in trong tạp chí khoa học IEEE của tác giả
V.S Kodogiannis, P.J.G Lisboa và J Lucas, thành viên của trường đại học Liverpool, đã phát triển một thuật toán áp dụng cho các bài toán phi tuyến tính Bài báo này giới thiệu một phương pháp kiểm soát và nhận dạng URV nguyên mẫu, coi nó như một hệ thống phi tuyến tính, sử dụng các mạng thần kinh neural (NNS).
Mô hình mạng nơ-ron (NNS) được phát triển để dự đoán hướng và vị trí tương lai của robot dưới nước thông qua thuật toán tiên đoán gọi là “hybrid control strategies” Kết quả mô phỏng cho thấy triển vọng tích cực Năm 2012, bài báo “A NEURAL NETWORK BASED CONTROLLER FOR UNDER WATER ROBOTIC VEHICLES” của ba tác giả Josiane Maria Macedo Fernandes, Marcelo Costa Tanaka và Raimundo Carlos Silvério Freire Júnior, từ trường đại học Natal, RN, Ấn Độ, đã được công bố trong tạp chí “ABCM Symposium Series in Mechatronics - Vol 5” Nghiên cứu này tập trung vào việc phát triển hệ thống định vị và điều khiển động học từ xa cho các phương tiện và robot dưới nước.
Điều khiển robot hoạt động ngoài khơi bằng phương pháp bù dao động (heave compensation) là một giải pháp hiệu quả Phương pháp này áp dụng thuật toán đoán vị trí của vật trong tương lai, kết hợp với hệ thống bù dao động AHC và PHC để nâng cao độ chính xác trong quá trình điều khiển.
Tháng 11 năm 2008, bài báo [5] “ A Heave Compensation Approach for Offshore Cranes “ của American Control Conference Westin Seattle Hotel, Seattle, Washington nghiên cứu về bù dao động cho cần cẩu ngoài khơi Bài báo này trình bày về phương pháp để tìm ma trận chuyển động nghịch với khả năng hội tụ cao với số vòng lập ít hơn và đáp ứng nhanh hơn (phương pháp DLS và LMA) Kết hợp với hệ thống MRU (motion reference unit) : hệ thống điều khiển tải chuyển động với quỹ đạo tham chiếu để đự đoán chuyển động của tải & tàu Tháng 8 năm 2014, bài báo [17] “ Heave compeftsatioft improves offshore lifting operations ” của hiệp hội khoa học ABS from OE (Offshore Engineer) Bài báo trình bày về hệ thống bù dao động AHC và PHC Thứ nhất là phương pháp bù chuyển động thụ động (PHC) Chẳng hạn như lồng giảm xóc Frederick của hệ thống bù chuyển động bằng một chương trình tối ưu hóa bậc hai tuần tự Hatleskog và Dunnigan nghiên cứu hệ thống bù chuyển động sóng biển dùng xi lanh khí nén Thứ hai là phương pháp bù dao động chủ động (AHC) cho các tàu khoan bằng cách bổ sung thêm chuyển động theo chiều thẳng đứng của tải, từ đó có thể hãm sự dao động của tải
Điều khiển robot ngoài khơi bằng công nghệ cảm biến trong không gian 3D
Vào năm 2014, bài báo "3D vision and object recognition for off-shore robot guidance" của hiệp hội GEMINI Centre for Advanced Robotics đã nghiên cứu về nhận dạng vị trí đối tượng cho robot ngoài khơi Bài báo này trình bày việc xây dựng mô hình CAD nâng cao nhằm nhận diện đối tượng, từ đó trang bị cho robot khả năng tầm nhìn 3D dựa trên ánh sáng có cấu trúc của đối tượng Nhờ vậy, việc điều khiển robot ngoài khơi trở nên hoàn toàn khả thi và hiệu quả.
In 2015, the article "Leap Motion Controller for Authentication via Hand Geometry and Gestures" by Alexander Chan, Tzipora Halevi, and Nasir Memon from Hunter College High School, New York, discusses the real-time control of a robotic arm This innovative approach combines inverse kinematics with Leap Motion sensors, enabling the robot to grasp objects in its environment effectively.
Tính cấp thiết, ý nghĩa khoa học và thực tiễn của đề tài
Để đảm bảo robot hoạt động an toàn và hiệu quả trong điều kiện khắc nghiệt ngoài khơi, đề tài “Điều khiển ổn định robot gắp sản phẩm trong môi trường có dao động (bến cảng)” nghiên cứu việc áp dụng thuật toán điều khiển linh hoạt Nghiên cứu này kết hợp động học nghịch của robot với điều khiển thời gian thực thông qua cảm biến Leap Motion, nhằm giải quyết bài toán gắp vật trong môi trường có dao động Việc nghiên cứu và ứng dụng đề tài này là rất cần thiết để nâng cao khả năng hoạt động của robot ngoài khơi.
Mục đích nghiên cứu, khách thể và đối tượng nghiên cứu
Mục đích của đề tài là tính toán, thiết kế và điều khiển mô hình robot ngoài khơi, nhằm đảm bảo hoạt động an toàn, hiệu quả và đạt hiệu suất cao Đặc biệt, đề tài sử dụng cảm biến Leap Motion để giải quyết bài toán gắp vật trong môi trường có dao động.
Nhiệm vụ của đề tài :
Phân tích và thực hiện điều khiển robot cổ điển
Phân tích, đánh giá và đọc dữ liệu cảm biến leap motion (hồi tiếp vị trí X, Y, Z)
Để đảm bảo truyền nhận dữ liệu real time cho robot, nghiên cứu tập trung vào các đối tượng như robot arm, cảm biến Leap Motion, cảm biến IMU, động cơ servo và kit Arduino.
Giới hạn của đề tài
Môi trường hoạt động của robot : trạng thái tĩnh Vật cần gắp đặt trong môi trường dao động 3 chiều ( theo phương X, Y, Z ).
Phương pháp nghiên cứu
Phương pháp nghiên cứu được sử dụng chủ yếu là:
Nghiên cứu phần mềm Solid Work
Thực hiện mô phỏng robot trên MATLAB
Cách thức thiết kế phần cứng cánh tay robot : động lực học, sức bền vật liệu, cơ cấu cơ khí để lựa chọn thông số thiết bị chính xác
Phân tích và thực hiện điều khiển robot trên mô hình thực
Thực thi thuật toán điều khiển linh hoạt dùng cảm biến leap motion.
Kế hoạch thực hiện
Tháng 2 đến tháng 4 Lắp ráp cánh tay robot 6 bậc và thi công mô hình tạo dao động theo 3 chiều X, Y, Z
Tháng 4 đến tháng 6 Điều khiển robot cổ điển trên mô phỏng và thực tế
Tháng 6 đến tháng 7 Thực thi thuật toán điều khiển linh hoạt dùng cảm biến leap motion
Tháng 7 đến tháng 8 Kết hợp điều khiển robot – cảm biến leap motion gắp vật trong môi trường có dao động
Tháng 8 đến tháng 9 Viết báo cáo luận văn tốt nghiệp
Tháng 9 đến tháng 10 Chuẩn bị cho báo cáo luận văn tốt nghiệp
Bảng 1 1 Kế hoạch thực hiện
CƠ SỞ LÝ THUYẾT
Phương pháp bù dao động cho hoạt động ngoài khơi
2.1.1 Giới thiệu chung về phương pháp bù dao động
Trước hết, nắm được thuật ngữ heave compensation ( bù dao động ) & anti-sway control (điều khiển chống dao động)
Các vấn đề về an toàn và hiệu quả trong hoạt động ngoài khơi vẫn chưa được giải quyết triệt để, nhưng phương pháp bù dao động đã chứng tỏ hiệu quả vượt trội so với các phương pháp trước đây Điểm khác biệt chính của các thành tựu này nằm ở phương pháp tiếp cận, bao gồm bù chuyển động thụ động (PHC) như hệ thống lồng giảm xóc Frederick, sử dụng chương trình tối ưu hóa bậc hai tuần tự, và nghiên cứu của Hatleskog và Dunnigan về hệ thống bù dao động sóng biển với xi lanh khí nén Bên cạnh đó, phương pháp bù dao động chủ động (AHC) được áp dụng cho các tàu khoan, giúp bổ sung chuyển động theo chiều thẳng đứng của tải, từ đó giảm thiểu dao động hiệu quả.
Hình 2 1 Cần cẩu hoạt động ngoài khơi
Để tối ưu hóa hiệu quả của phương pháp bù dao động, việc kết hợp với phương pháp điều khiển chống dao động là cần thiết Một ví dụ điển hình là phương pháp điều khiển song song lực và vị trí cho các tải cẩu hoạt động ngoài khơi, như được nghiên cứu bởi Skaare và Egeland Giai đoạn đầu tiên tập trung vào việc bù dao động bằng cách điều chỉnh chiều dài dây cáp kết nối với tải, tương ứng với dao động do sóng biển gây ra Giai đoạn thứ hai là kiểm soát vận tốc tương đối giữa sóng biển và tải, nhằm giảm thiểu tác động của thủy động lực lên tải đặt ngoài khơi.
2.1.2 Hệ thống bù dao động thụ động (PHC) và bù dao động chủ động (AHC)
Hình 2 2 Hệ thống AHC và PHC
Hệ thống bù dao động thụ động (PHC) sử dụng các thành phần như xi lanh, bình nén khí, tay quay và ròng rọc để đơn giản hóa quy trình điều khiển mà không cần hệ thống điều khiển điện tử phức tạp Mặc dù PHC có khả năng giảm thiểu tác động của sóng biển, nhưng hiệu quả không bằng hệ thống bù dao động chủ động (AHC) Mỗi hệ thống PHC yêu cầu tính toán áp lực riêng biệt cho từng loại tải, do đó không phù hợp cho các trường hợp có tải thay đổi Hầu hết các hệ thống PHC cũng tiềm ẩn nguy cơ không an toàn.
Hệ thống bù dao động chủ động (AHC) là công nghệ dự đoán chuyển động tải thông qua các thiết bị đo lường như cảm biến chuyển động (surge, sway, heave) và cảm biến đo tốc độ quay (roll, pitch, yaw) Hệ thống MRU (motion reference unit) đóng vai trò quan trọng trong việc cung cấp quỹ đạo tham chiếu cho tải chuyển động, giúp kiểm soát và giảm thiểu ảnh hưởng của dao động sóng biển lên tải.
Hệ thống AHC thường gặp bao gồm AHC tay quay và AHC xi lanh/ròng rọc AHC xi lanh có cấu tạo gồm 1 hoặc 2 bộ xi lanh và 2 bộ ròng rọc (1 tĩnh, 1 động), hoạt động dựa trên hệ thống điều khiển thủy lực MRU và HPU, cùng với bình acquy để lưu trữ năng lượng Trong khi đó, AHC tay quay bao gồm tay quay hình trụ (winch drum), bộ điều khiển MRU và HPU, đảm bảo hiệu quả trong việc điều khiển và vận hành.
2.1.3 Các thành tựu trước đây về phương pháp bù dao động
Các thành tựu trước đây về phương pháp bù dao động (heave compensation):
Hệ thống PHC, hay hệ thống bù dao động thụ động, bao gồm các thiết bị như lồng giảm xóc Frederick, hoạt động dựa trên chương trình tối ưu hóa bậc hai tuần tự Nghiên cứu của Hatleskog và Dunnigan về hệ thống bù chuyển động sóng biển sử dụng xi lanh và khí nén đã đóng góp vào sự phát triển của PHC hiện nay, với các thành phần chính như xi lanh, bình nén khí, tay quay và ròng rọc.
Hệ thống AHC sử dụng công nghệ đo lường IMU để dự đoán chuyển động của tải và tàu IMU kết hợp cảm biến Accelerometer và Gyroscope, cung cấp thông tin về góc quay và độ nghiêng, giúp duy trì thăng bằng cho hệ thống tự động Hiện tại, AHC chủ yếu áp dụng hệ thống MRU, một phương pháp điều khiển tải chuyển động theo quỹ đạo tham chiếu nhằm dự đoán chính xác chuyển động của tải và tàu.
Các thành tựu trong công việc anti-sway control (điều khiển chống dao động)
Trong các nghiên cứu trước đây, có hai hướng tiếp cận chính: đầu tiên là sử dụng các tín hiệu dao động thu được để phân tích hình dạng tín hiệu; tiếp theo là tiến hành lọc tín hiệu nhằm làm mịn và giảm nhiễu, từ đó giúp giảm dao động tải Cách tiếp cận này chủ yếu được thiết kế cho các thử nghiệm trên cần cẩu ở môi trường đất liền.
Đối với cần cẩu ngoài khơi, phương pháp truyền thống không mang lại hiệu quả cao Một giải pháp thay thế là hệ thống điều khiển quỹ đạo chuyển động chủ động ARBTCS, có khả năng chống dao động tải nhờ vào tay quay và ròng rọc Tuy nhiên, hệ thống ARBTCS không tương thích với hệ thống AHC (bù dao động chủ động).
Phương pháp BG (bond graph) hiện đang được áp dụng hiệu quả trong việc giải quyết vấn đề năng lượng, cho phép hệ thống tái tạo năng lượng từ động cơ thủy lực Phương pháp này không chỉ đáp ứng tính chất đa miền mà còn có thể áp dụng cho hầu hết các cần cẩu xa bờ mà không cần quan tâm đến phần cứng Trong khi đó, cần cẩu ngoài khơi thường nặng nề và cồng kềnh, chủ yếu được điều khiển bằng thủy lực, khiến cho các phương pháp điều khiển robot cổ điển không đạt hiệu quả tương tự trong việc điều khiển cần cẩu ngoài khơi.
Mục tiêu chính là phát triển phương pháp mới cho robot ngoài khơi, nhằm nâng cao khả năng hoạt động an toàn, hiệu quả và ổn định Phương pháp này giúp giảm dao động và áp dụng điều khiển chống dao động cho hầu hết các robot ngoài khơi, đáp ứng tính chất đa miền, từ đó đảm bảo hệ thống hoạt động chính xác, an toàn và hiệu quả, góp phần tăng năng suất.
Phương trình điều khiển cho robot ngoài khơi
2.2.1 Phương trình điều khiển robot ngoài khơi
Thay vì điều khiển từng khớp riêng lẻ, phương pháp điều khiển khớp cuối (crane tip) thông qua mô hình hóa chuyển động mang lại những góc độ cần thiết cho các khớp còn lại, được áp dụng rộng rãi trong hệ thống điều khiển cánh tay robot Phương pháp này có nhiều ưu điểm cho cần cẩu ngoài khơi, bao gồm khả năng linh hoạt hơn trong việc kiểm soát các loại cần cẩu bất kể cấu hình và cung cấp vị trí tải trực quan hơn Bằng cách thiết lập hệ phương trình từ vị trí của khớp cuối, có thể suy ra các thông số góc của các khớp còn lại.
Cần cẩu được điều khiển thông qua các khối chức năng, cho phép áp dụng thuật toán điều khiển linh hoạt cho nhiều loại cần cẩu khác nhau Ví dụ, một cần cẩu ngoài khơi với ba khớp quay được điều khiển bởi động cơ thủy lực và xi lanh đã được minh họa Các hệ tọa độ, kích thước liên kết và góc độ khớp được trình bày, tương ứng với các ký hiệu trong phương pháp Denavit-Hartenberg (DH).
Phương pháp Denavit-Hartenberg (DH) là một phương pháp truyền thống để giải quyết chuỗi động học Cần cẩu có thể được xem như một chuỗi động với ba khớp và bốn liên kết, và có thể được phân tích bằng cách xác định các thông số DH tiêu chuẩn cùng với các biến tương ứng.
Ma trận 4 0 𝑇 : gọi là ma trận chuyển đổi khớp cuối (crane tip) của robot:
Chuyển đổi ma trận 4 0 𝑇 về dạng tọa độ đề các
Ma trận Jacobian là ma trận chứa các đạo hàm riêng bậc nhất của hàm giữa hai không gian vector Trong lĩnh vực robot, Jacobian đóng vai trò quan trọng trong việc liên hệ vận tốc góc của các khớp robot Cụ thể, ma trận J được sử dụng để xác định vận tốc góc của khớp cuối (crane tip) của robot.
0𝑣= 𝐽 0 (𝜃)𝜃̇ [2.3] Trong đó: 𝜃̇ là vận tốc góc; 0 𝑣 là vận tốc khớp cuối (crane tip) của robot
Công thức ma trận Jacobian trong hệ tọa độ đề các:
2.2.2 Bù dao động (heave compensation)
Khi crane tip có khả năng điều khiển đa hướng để bù đắp dao động theo chiều dọc của sóng, việc duy trì vị trí ổn định là rất quan trọng Để đạt được điều này, vận tốc góc cần thiết cho mỗi khớp được xác định thông qua phương trình θ̇ = J 0 (θ) −1.
Phương pháp tìm ma trận đảo, hay còn gọi là tìm chuyển động nghịch từ cảm biến, có thể thực hiện bằng hai kỹ thuật chính là DLS và LMA Cả hai phương pháp này đều có khả năng hội tụ cao, giúp giảm số vòng lặp cần thiết và cải thiện tốc độ phản hồi.
Công thức tìm ma trận nghịch đảo theo phương pháp DLS:
Trong đó, J T là ma trận chuyển vị, λ là hằng số hãm, và I là ma trận đơn vị với các phần tử trên đường chéo chính bằng 1 và các phần tử khác bằng 0 Để mô phỏng, dao động của con tàu được giả định là một hàm sóng sin đơn giản Tuy nhiên, trong thực tế, hàm sóng dao động thường phức tạp hơn và được thu thập bằng các cảm biến, chẳng hạn như phương pháp MRU_Motion Reference Unit.
T t) [2.7] Trong đó : A là biên độ; T là chu kỳ.
Giới thiệu về cảm biến leap motion
Dự án điều khiển robot "real time" bằng Leap Motion bao gồm hai phần chính: lập trình và thiết kế Phần lập trình tập trung vào việc điều khiển cánh tay robot 6 bậc tự do sử dụng cảm biến Leap Motion, cho phép theo dõi chuyển động theo thời gian thực Phần thiết kế sử dụng phần mềm SolidWorks để tạo ra mô hình cánh tay robot 6 bậc tự do.
Mục tiêu của nghiên cứu là kiểm soát một cánh tay robot ngoài khơi, với khả năng điều khiển "real time robot arm" trong môi trường có dao động Để đạt được điều này, cần nắm vững công nghệ điều khiển cánh tay robot bằng Leap Motion Hình 2.11 minh họa các công cụ và các bước đã được sử dụng để điều khiển cánh tay robot, được sắp xếp theo thứ tự từ trái sang phải.
Hình 2 4 Điều khiển robot ngoài khơi bằng robot leap motion
Dự án này có tiềm năng lớn trong việc điều khiển robot ngoài khơi, vì vậy tôi quyết định nghiên cứu để tìm ra giải pháp cho bài toán gắp sản phẩm trong môi trường khắc nghiệt ngoài khơi.
2.3.1 Chức năng và vùng làm việc của leap motion
Leap Motion là một thiết bị đa chức năng, có khả năng điều khiển robot theo thời gian thực Thiết bị này dễ dàng thay thế chuột máy tính nhờ vào khả năng theo dõi chuyển động trong không gian 3D Người dùng chỉ cần đặt tay trong vùng hoạt động của cảm biến Leap Motion, từ đó máy tính sẽ thu thập dữ liệu thực như hướng, vị trí 3D, vận tốc và gia tốc Với tính năng tương tự như một cảm biến cử chỉ 3D, Leap Motion cho phép thu thập thông tin một cách chính xác và linh hoạt.
300 khung hình trên mỗi giây… Như vậy cảm biến này rất thích hợp để điều khiển robot
Hình 2 5 Mô tả môi trường làm việc của leap motion
Môi trường làm việc của cảm biến Leap Motion có hình dạng kim tự tháp ngược, với phạm vi hoạt động được giới hạn Khi tay nâng cao, phạm vi chuyển động sẽ mở rộng, cho phép cảm biến quét trong góc 150 độ, cảm nhận chính xác vị trí bàn tay từ 25mm đến 600mm Tương tác khối, được thể hiện bằng khối màu đỏ, cho phép Leap Motion đọc chính xác vị trí bàn tay miễn là tay người dùng nằm trong khu vực này Người dùng có thể mở rộng khả năng của thiết bị bằng cách kết hợp các ứng dụng khác nhau, với khả năng nhận diện chuyển động 3 chiều trong thể tích khoảng 0,23 mét khối.
Hình 2 6 Mô tả phạm vi làm việc của leap motion
Các nhà sản xuất Leap Motion không ngừng cải tiến thiết bị và mở rộng khả năng tương tác trong môi trường làm việc thực và ảo Cảm biến Leap Motion hoạt động trong không gian 3D thời gian thực, cho phép người dùng trải nghiệm cảm giác như đang sử dụng bộ điều khiển CPU khi thao tác với các đối tượng Giao diện của Leap Motion cung cấp tầm nhìn rộng hơn 35 độ so với sản phẩm của đối thủ Oculus Rift, đồng thời có khả năng thu thập dữ liệu 3D thông qua cảm biến hồng ngoại Khả năng của Leap Motion là vô hạn.
2.3.2 Cấu tạo cảm biến leap motion
Bộ điều khiển Leap Motion là cảm biến cử chỉ 3D, giúp đọc vị trí môi trường và phản hồi thông tin cho con người, máy tính và robot Các cảm biến này được sử dụng rộng rãi trong cuộc sống hàng ngày, từ cảm biến quang trở đơn giản đến các thiết bị phức tạp Chúng được tích hợp trong hệ thống sưởi và làm mát để duy trì nhiệt độ lý tưởng, đồng thời hệ thống GPS giúp xác định vị trí chính xác Ngoài ra, cảm biến nhỏ còn được tích hợp trong điện thoại thông minh, mang đến nhiều trò chơi và ứng dụng giải trí cho mọi lứa tuổi.
Robot sử dụng cảm biến để tương tác hiệu quả với môi trường xung quanh Hệ đa camera giúp robot cảm nhận độ sâu, trong khi cảm biến âm thanh cho phép nó phản hồi giọng nói Ngoài ra, cảm biến khí đốt và nhiệt độ giúp đảm bảo an toàn cho con người Khả năng của robot ngày càng mở rộng nhờ vào sự phát triển không ngừng của công nghệ cảm biến, đặc biệt là leap motion.
Cảm biến Leap Motion đã được thu nhỏ đáng kể, với kích thước chỉ 13mm x 13mm x 76mm và trọng lượng 45 gram Thiết bị này được thiết kế để đặt giữa người dùng và máy tính, kết nối qua USB phổ thông, giúp dễ dàng sử dụng với mọi thiết bị hỗ trợ chuẩn giao tiếp này Cảm biến thu thập dữ liệu trên hệ tọa độ Cartesian, với gốc tọa độ tại tâm của mặt trên thiết bị.
Leap Motion sử dụng công nghệ tiên tiến với 2 camera hồng ngoại và 3 cảm biến LED hồng ngoại, hoạt động ở bước sóng 850nm, thay vì bộ cảm biến chiều sâu truyền thống Các đèn LED tạo ra một mô hình 3D ánh sáng hồng ngoại theo trục Y, tương tác với tay người sử dụng Camera của Leap Motion có khả năng uốn cong các tia sáng phản xạ vào bộ cảm biến, tạo ra một không gian tương tác hình lập phương 8 mặt với kích thước khoảng 60cm, được giới hạn bởi cường độ LED và dòng điện tối đa của cổng USB máy tính.
Leap Motion ghi lại hình ảnh vào bộ nhớ của nó theo mã gray tại một ô nhớ riêng
Leap Motion có khả năng theo dõi chính xác tất cả mười ngón tay với độ chính xác 1/100 của 1 mm ở tốc độ 200 khung hình mỗi giây Dữ liệu cảm biến được lưu trữ và xử lý thông qua phần mềm Leap Motion Service trên máy tính của người dùng, giúp thực hiện các thuật toán để giải thích dữ liệu Để điều chỉnh ống kính, phần mềm sử dụng bản đồ hiệu chuẩn nhằm tính toán giá trị góc thực sự của tia sáng Nó tự động loại bỏ 17 đối tượng phụ như đầu người dùng và điều chỉnh cho ánh sáng không đồng đều Ngoài ra, phần mềm còn có khả năng lọc hình ảnh để đảm bảo quá trình chuyển đổi dữ liệu diễn ra mượt mà Các hình ảnh được Leap Motion đọc sẽ được chuyển đổi thành các khung hình trước khi gửi đến bảng điều khiển, phục vụ cho các lập trình viên.
2.3.3 Lập trình với cảm biến leap motion
Leap Motion sử dụng hai camera để chụp hình đối tượng trước nó, với phần mềm bên trong giúp quét và nhận diện lòng bàn tay, ngón tay Hệ thống này hoạt động với tốc độ quét khoảng 300 khung hình mỗi giây, truyền dữ liệu đến PC một cách nhanh chóng Tất cả các chức năng này được minh họa rõ ràng trong hình 2.14.
Thiết bị Leap Motion có khả năng nhận diện và xử lý thông tin một cách nhanh chóng và chính xác, giúp cải thiện thời gian phản hồi Khi các đối tượng trong không gian làm việc được xác định, chúng sẽ được gán một ID duy nhất.
Hình 2 7 Bộ điều khiển leap motion
Hình 2 8 Khả năng “tracking hand” của leap motion
Bộ điều khiển Leap Motion lưu trữ các mẫu cử chỉ bàn tay của con người và so sánh chúng với hình ảnh bàn tay thực tế của người dùng thông qua ID đã lưu trữ Phương pháp này sử dụng Leap Motion để chỉnh sửa dữ liệu không hợp lý một cách hiệu quả.
Bộ điều khiển Leap Motion sở hữu các lớp điều khiển và giao diện cốt lõi mạnh mẽ, cho phép truy cập từng khung hình dữ liệu theo dõi cùng với thông tin cấu hình đã được thiết lập từ các lớp của bộ điều khiển.
THIẾT KẾ
3.1 Sơ đồ khối hệ thống
Sau khi nghiên cứu phương pháp bù dao động và thiết lập phương trình điều khiển robot, tôi đã lập trình điều khiển robot ngoài khơi bằng cảm biến Leap Motion Mục tiêu cuối cùng là đảm bảo robot hoạt động ổn định trong môi trường ngoài khơi Để đạt được điều này, tôi tiến hành đánh giá và xây dựng mô hình hệ thống.
Hệ thống bao gồm các khối chính như: khối điều khiển Artbotix, cảm biến Leap Motion, phần mềm điều khiển và giám sát trên máy tính, robot arm 6 bậc thực thi nhiệm vụ, mô hình tàu tạo dao động sóng biển, và MPU để thu thập dữ liệu dao động của tàu về máy tính.
Hình 3 1 Mô hình hóa hệ thống
Chức năng của từng khối :
Khối cảm biến leap motion : Thu thập dữ liệu của đối tượng trong không gian 3D, đảm bảo dữ liệu tối ưu nhất để đáp ứng điều khiển real time
Khối controller đóng vai trò quan trọng trong việc điều khiển mọi hoạt động của hệ thống Nó nhận dữ liệu từ cảm biến và truyền thông tin đến robot, đồng thời thực hiện việc truyền nhận dữ liệu với máy tính để quản lý và điều khiển hệ thống hiệu quả.
Khối PC - MONITOR SUPERVISOR có nhiệm vụ điều khiển và giám sát hoạt động của robot Sử dụng phần mềm JAVA, khối này thu nhận dữ liệu và điều chế tín hiệu để tối ưu hóa hệ thống Khối PC có khả năng nhận dữ liệu từ khối MPU và biểu diễn sóng đồ thị dao động của sóng biển.
Khối MPU : Thu thập dữ liệu dao động của tàu cung cấp cho khối PC MONITOR SUPERVISOR
Mô hình hệ thống được thiết kế để đáp ứng ba yêu cầu chính, trong đó đầu tiên là xây dựng mô hình tàu dao động ba chiều theo các trục X, Y, Z, tương tự như dao động của sóng biển Để thực hiện điều này, tôi đã tham khảo các thông số về dao động thực tế của sóng biển, và thông tin chi tiết sẽ được trình bày rõ hơn ở mục 3.2.
Thiết kế cơ khí robot cần đảm bảo khả năng tương thích với thuật toán điều khiển thời gian thực, đặc biệt khi sử dụng cảm biến Leap Motion, bao gồm việc tối ưu hóa tốc độ động cơ và linh hoạt trong không gian làm việc của robot.
Thứ ba, đảm bảo có hệ thống điều khiển và giám sát Hồi tiếp về vị trí, tốc độ, tình trạng hoạt động của robot
Có thể cụ thể hóa mô hình như sau :
Hình 3 2 Cụ thể hóa mô hình 3.2 Thiết kế và thi công mô hình tạo dao động 3 chiều X, Y, Z
Mô hình tạo dao động sóng biển được thiết kế để hoạt động trên cả ba trục X, Y và Z Mỗi động cơ trong mô hình này được điều khiển bằng cách băm xung với tốc độ ngẫu nhiên và có khả năng quay thuận hoặc ngược tùy ý nhờ vào cầu H L298 Bộ điều khiển Arduino được sử dụng để thu thập dữ liệu từ cảm biến MPU, giúp chúng ta ghi nhận giá trị gia tốc và góc nghiêng, từ đó phù hợp với bảng giá trị trạng thái sóng biển (bảng 3.2) Tham khảo bài báo [12].
Cơ cấu phần cứng mô hình được mô tả hình 3.3 ( bản vẽ được thiết kế bằng phần mềm Solid Work )
Hình 3 3 Thi công mô hình tạo dao động 3 chiều Đặt hệ tọa độ cho con tàu :
Hình 3 4 Hệ trục tọa độ của tàu
TT biển Mô tả Vận tốc gió
(Knots) Độ cao sóng (ft)
2 Sóng nhỏ bắt đầu lớn hơn 10-13.5 1.8-3.3 2.7-3.6
3 Khá giống tần số “white horse” 14-16 3.6-4.7 3.8-4.3
7 Sóng bắt đầu cuộn sóng 30-40 16.4-29.1 8.0-10.7
8 Sóng cao, biển cuộn sóng 42-54 40.8-67.4 11.3-14.5
Hình 3 5 Trạng thái phổ của biển
Bảng thông số dao động của tàu
Bảng 3 2 Thông số dao động của tàu
Trong bài viết này, tôi nghiên cứu và thử nghiệm robot 6 bậc của TrossenRobotics, bao gồm việc thiết lập các thông số ban đầu như set ID và tốc độ động cơ Tôi cũng đã thiết kế một cánh tay robot 6 bậc riêng, cho thấy khả năng làm chủ công nghệ phần mềm và thiết kế cơ khí cho robot.
Hình 3 6 Cánh tay robot 6 bậc Điểm sơ qua về thông số của robot như sau :
Vùng hoạt động chiều cao tối đa đạt được : 51cm
Vùng hoạt động theo chiều ngang tối đa đạt được : 40cm
Trong vùng hoạt động theo chiều ngang 30cm gắp được vật : 200G
Trong vùng hoạt động theo chiều ngang 20cm gắp được vật : 400G
Trong vùng hoạt động theo chiều ngang 10cm gắp được vật : 600G
Kit điều khiển là : kit Artbotix microcontroller
Robot có thể giao tiếp truyền dữ liệu không dây
Robot hỗ trợ kết nối với camera
Robot sử dụng động cơ AX SERVO 12A
Có hỗ trợ chuẩn giao tiếp I2C
Cáp nạp FTDI, hoặc ISP
Dưới đây là hình ảnh minh họa cho thông số của robot :
Hình ảnh minh họa cho vùng làm việc của robot theo chiều ngang :
Hình 3 8 Vùng làm việc của robot
Hình ảnh minh họa cho vùng làm việc của robot theo khả năng xoay :
Hình 3 9 Khả năng xoay của robot
Hình ảnh minh họa cho vùng làm việc của gripper Robot :
Hình 3 10 Thông số của gripper
3.3.2 Thông số động cơ servo 12X
Động cơ cần phải đạt tốc độ yêu cầu trong quá trình điều khiển thời gian thực cho robot sử dụng cảm biến Leap Motion, đồng thời phải có khả năng hồi tiếp về tốc độ và góc quay.
No-load Speed 59 RPM ( 0.169sec/60°)
Operating Angle 300° or Continuous Turn
Protocol TTL Half Duplex Async Serial
Material Plastic Gears and Body
Bảng 3 3 Thông số động cơ servo 12X
3.3.3 Kit điều khiển ArbotiX robocontroller
Kit ArbotiX robocontroller :là bộ điều khiển trung tâm cho hệ thống
Thông số kit ArbotiX robot controller:
Nguồn cung cấp cho kit arbotiX :
Nguồn cấp cho arbotiX robocontroller cần từ 6-16V, tùy thuộc vào từng ứng dụng cụ thể Điện năng cung cấp cho các khối thiết bị đầu cuối được đánh dấu bằng số VIN.
Nếu sử dụng động cơ Bioloid servos, VIN bắt buộc phải từ 7-12V, khuyên dùng
Hình 3 11 Thông số kit arbotix
3 - Dual motor driver, max current 1A
12 - Prototyping headers and user led
Bảng 3 4 Thông số kit Arbotix microcontroller điện áp cung cấp 11.1V (LiPO batteries) nếu sử dụng Bioloid servos khi điều khiển bằng kit arbotiX
Điện áp cung cấp trực tiếp cho động cơ Servo từ VIN sao cho VIN > VSERVO.
Điện áp cung cấp cho động cơ nên kết hợp giữa VIN và xung PWM để tránh quá áp động cơ
Hình 3 12 Nguồn cấp cho kit điều khiển
Kit arbotiX có hai loại cáp chương trình
Hình 3 13 Cáp FTDI 3.4 Thiết kế giao diện giám sát và điều khiển Robot
Mục tiêu của phần này là phát triển một giao diện giám sát và điều khiển cho robot, cho phép người dùng theo dõi vị trí, tốc độ, ID từng động cơ và tình trạng hoạt động của robot từ màn hình máy tính Ngoài ra, giao diện còn hỗ trợ điều khiển trực tiếp, bao gồm khởi động hoặc dừng khẩn cấp, điều chỉnh tốc độ truyền và huấn luyện robot.
Phần mềm sử dụng để thiết kế giao diện là phần mềm JAVA PROCESSING hoặc PYTHON… Trong đề tài này tôi sử dụng phần mềm processing
Hình 3 14 Phần mềm Java Processing
Giới thiệu về phần mềm :
Processing là một ngôn ngữ lập trình mã mở, được thiết kế để lập trình đồ họa trên nhiều nền tảng như Linux, Windows, Mac, Android và Web Được sáng tạo bởi Casey Reas và Benjamin Fry tại MIT, Processing phù hợp cho việc học tập và nghiên cứu các khái niệm cơ bản của đồ họa máy tính Dự án Processing bắt đầu vào năm 2001, dựa trên ngôn ngữ Java nhưng với cú pháp đơn giản hơn Gói Processing đi kèm với sketchbook, một IDE hỗ trợ lập trình, trong đó mỗi sketch là một lớp con của lớp Java PApplet Khi lập trình với Processing, các lớp định nghĩa sẽ được xếp vào lớp bên trong khi mã được dịch sang Java, do đó mã Processing không thể sử dụng các biến hoặc hàm tĩnh nếu không viết trong chế độ thuần Java.
Giao diện điều khiển và giám sát như sau :
Giao diện hiển thị các thông số quan trọng của robot, bao gồm vị trí khớp, vị trí của robot trong không gian và tốc độ động cơ từng khớp Ngoài ra, giao diện còn cho phép cập nhật giá trị cảm biến, thực hiện khởi động hoặc dừng khẩn cấp robot, cũng như hỗ trợ quá trình huấn luyện robot.
Hình 3 15 Giao diện điều khiển và giám sát robot
3.5 Thuật toán điều khiển cho robot ngoài khơi
3.5.1 Thuật toán tổng quát cho robot ngoài khơi
Sơ đồ khối thuật toán tổng quát cho robot ngoài khơi :
Hình 3 16 Sơ đồ thuật toán tổng quát cho robot
Giải thích sơ đồ khối thuật toán hình 3.16:
Để xác định thông số ban đầu cho robot, cần đo chiều dài từng khâu, xác định giới hạn góc quay của từng khớp và làm rõ không gian làm việc của robot.
Bảng DH được thiết lập bằng cách xác định bốn thông số quan trọng: αn, an, dn, và θn Những thông số này cho phép xác định vị trí và hướng của từng khâu trong mối quan hệ với nhau cũng như so với tọa độ gốc.
KẾT LUẬN
Tìm hiểu 4 chương về điều khiển robot, chúng ta có kiến thức nền tảng nhất để học tập, nghiên cứu về điều khiển robot ngoài khơi
Chương 1 và chương 2 của bài viết trình bày về phương pháp bù dao động cho tàu thuyền hiện nay, bao gồm phương pháp bù dao động AHC và PHC Ngoài ra, bài viết còn đề cập đến việc điều khiển robot thời gian thực bằng cảm biến Leap Motion, cùng với cách thu thập dữ liệu từ cảm biến này để đảm bảo robot hoạt động hiệu quả trong môi trường ngoài khơi.
Chương 3: Thi công, thiết kế hệ thống, lựa chọn thông số thiết bị hệ thống Thi công mô hình tàu tạo dao động sóng biển giống như thực tế Thuật toán điều khiển ổn định robot gắp vật trong môi trương có dao động (bến cảng) Sử dụng real time leap motion để điều khiển robot ngoài khơi
Chương 4 : Đánh giá, kết luận kết quả, hướng phát triển đề tài
Trong quá trình nghiên cứu, chúng tôi đã đạt được các mục tiêu đề ra, bao gồm việc hiểu rõ phương pháp lập trình cho robot, áp dụng các phương pháp chống bù dao động và điều khiển chống dao động hiện đại Đồng thời, chúng tôi cũng đã mô phỏng thành công robot 6 bậc bằng MATLAB và tiếp tục lập trình điều khiển robot trên mô hình thực tế.
Kết quả nghiên cứu cho thấy robot có khả năng gắp vật chính xác gần 100% và rút ngắn thời gian điều khiển, với khả năng áp dụng thuật toán cho nhiều mô hình robot khác nhau Đặc biệt, độ chính xác khi thu thập dữ liệu từ cảm biến Leap Motion đạt gần 100%, trong khi khả năng điều khiển robot theo thời gian thực cũng đạt hiệu suất tối đa Luận văn của tôi đã cải tiến và kết hợp từ các bài báo [1], [2], [14], nâng cao độ chính xác từ 90% lên 100% và đảm bảo sự đồng bộ gần như hoàn hảo giữa cánh tay robot và cánh tay của người điều khiển.
Trong quá trình nghiên cứu, tôi đã tích lũy được nhiều kiến thức quan trọng, tạo nền tảng cho việc phát triển robot ngoài khơi trong tương lai Những kiến thức này bao gồm thiết kế robot, lập trình cho robot thực tế, thu thập dữ liệu từ các cảm biến khác nhau, và truyền nhận dữ liệu giữa máy tính và các vi điều khiển.
Do năng lực và thời gian có giới hạn, không thể tránh khỏi những thiếu sót và sai lầm Rất mong quý thầy cô và các bạn cùng nhau góp ý để hoàn thiện đề tài này hơn nữa.
Tôi xin chân thành cảm ơn quý thầy cô và các bạn đã hỗ trợ và giúp đỡ tận tình, giúp tôi hoàn thành chuyên đề đúng thời hạn
Hình 4 1 Mô hình thi công
Hình 4 2 Mô hình thi công
4.2 Kết quả và đánh giá Độ chính xác của cảm biến leap motion ( cảm biến hồi tiếp vị trí X, Y, Z trong không gian ba chiều ) là 0.01mm Độ chính xác khi thu thập dữ liệu real time cho cảm biến leap motion bằng thuật toán phân lớp listener và template matching gần đạt đến hiệu suất 100% Điều này được minh chứng trong bài báo “Leap Motion Controller for Authentication via Hand Geometry and Gestures” [2015], Hunter College High School, New York, NY, USA Đáp ứng truyền dữ liệu từ cảm biến (đọc cảm biến bằng phần mềm processing java) cho kit Arbotix là 100 Khz
Trong quá trình truyền dữ liệu, việc truyền và nhận dữ liệu là liên tục với tần số
Tần số truyền nhận dữ liệu đạt 100 kHz, tuy nhiên cấu trúc cơ khí của động cơ chưa đáp ứng kịp về tốc độ Để đảm bảo động cơ hoạt động ổn định và đạt được tốc độ mong muốn, cần điều chỉnh tốc độ thông qua thuật toán PID.
Tôi đã sử dụng phần mềm Processing Java kết hợp với kit Arbotix để cải thiện tốc độ động cơ, với mục tiêu điều chỉnh xung động cơ gần đạt giá trị tốc độ không tải, nhằm đảm bảo điều khiển thời gian thực cho robot hoạt động ngoài khơi.
Hướng nghiên cứu này còn mới mẻ, vì vậy chưa có nhiều thành tựu để so sánh kết quả Bài viết này tập trung vào việc so sánh độ chính xác của cảm biến Leap Motion và khả năng đáp ứng thời gian thực của robot, hai yếu tố quyết định chất lượng và hiệu quả của đề tài.
Robot gắp sản phẩm đã đạt hiệu suất chính xác trên 90% trong môi trường có dao động, đáp ứng mục tiêu của đề tài là điều khiển ổn định robot trong điều kiện bến cảng.
4.3 Hướng phát triển đề tài
Hướng đến phát triển điều khiển ổn định hệ thống mà môi trường làm việc của robot và tải đều bị tác động của dao động sóng biển
Xây dựng hệ thống đoán vị trí cho robot hoạt động hiệu quả trong môi trường dao động như bến cảng bằng cách thay thế cảm biến leap motion bằng cảm biến LiDAR và 4D Tracking Radar Hệ thống này cho phép tạo ra mô hình 3D thực tế, giúp robot nhận dạng và dự đoán đối tượng, từ đó giải quyết các vấn đề ngoài khơi một cách chính xác.
