đồ án tốt nghiệp nghiên cứu thiết kế bộ điều khiển mờ và đại số gia tử cho robot tự hành
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (9.95 MB, 94 trang )
<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">
ĐẠI HỌC BÁCH KHOA HÀ NỘI ────── * ──────
HÀ NỘI, 03/2023
<small>Chữ ký của GVHD </small>
<small>Chữ ký của GVPB </small>
</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRƯỜNG CƠ KHÍ BỘ MƠN CƠ ĐIỆN TỬ
CỘNG HỒ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh phúc
NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP (NGÀNH CƠ ĐIỆN TỬ)
1. Thông tin về sinh viên
Họ và tên sinh viên: Hứa Văn Linh - 20187466
Điện thoại liên lạc: 0911241510 Email:
Đồ án tốt nghiệp được thực hiện tại: Trường Cơ Khí Đại học Bách Khoa Hà Nội Thời gian làm ĐATN: Từ ngày 22 / 11 /2022 đến 05/ 03 /2023
2. Tên đề tài: Nghiên cứu, thiết kế bộ điều khiển mờ và Đại số gia tử cho robot tự hành.
</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRƯỜNG CƠ KHÍ BỘ MƠN CƠ ĐIỆN TỬ
CỘNG HỒ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh phúc
NHẬN XÉT ĐỒ ÁN TỐT NGHIỆP (Dành cho giáo viên hướng dẫn)
Tên đề tài: Nghiên cứu và thiết kế bộ điều khiển mờ và Đại số gia tử cho robot tự hành.
Họ và tên SV: Hứa Văn Linh Lớp: ME-NUT17
Chuyên ngành: Cơ điện tử NỘI DUNG NHẬN XÉT I. Khối lượng đồ án: 1. Phần thuyết minh: ………trang 2. Phần bản vẽ: bản Ao II. Những kết quả đạt được ………
………
………
………
Hà Nội, ngày tháng năm 20 Giáo viên hướng dẫn
</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">(Ký và ghi rõ họ tên)
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRƯỜNG CƠ KHÍ BỘ MƠN CƠ ĐIỆN TỬ
CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh phúc
NHẬN XÉT ĐỒ ÁN TỐT NGHIỆP (Dành cho giáo viên phản biện)
Tên đề tài: Nghiên cứu và thiết kế bộ điều khiển mờ và Đại số gia tử cho robot tự hành.
Chuyên ngành: Cơ điện tử
NỘI DUNG NHẬN XÉT
3. Phần thuyết minh: 114 trang 4. Phần bản vẽ: 0 bản Ao VI. Những kết quả đạt được
- Nhìn chung kết cấu của các chương và mục phù hợp, đã đáp ứng được u cầu đặt ra mơ hình hóa và xây dựng bộ điều khiển.
- Đồ án sử dụng các phương pháp và công cụ phù hợp để giải quyết vấn đề, tăng tính chính xác và hiệu quả cho đồ án.
- Sử dụng thành thạo Logic mờ và Đại số gia tử để xây dựng các bộ điều khiển chuyển động cho robto di động.
VII. Hạn chế của đồ án - Trích dẫn chưa chuẩn
- Một số nội dung cơ bản trình bày chưa rõ
Tuy nhiên, các hạn chế không ảnh hưởng đến chất lượng Đồ án. VIII. Kết luận
Người duyệt đồng để sinh viên được bảo vệ đề tài tốt nghiệp trước Hội đồng chấm đồ án tốt nghiệp.
điểm Đánh giá: ……….
Hà Nội, ngày tháng năm 20 Giáo viên phản biện (Ký và ghi rõ họ tên)
</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">LỜI CẢM ƠN
Em xin chân thành gửi lời cảm ơn tới tất cả các thầy cô trong Khoa Cơ Điện Tử cùng các thầy cô trong Trường Cơ Khí – Đại Học Bách Khoa Hà Nội đã tận tình dạy dỗ em các kiến thức chun mơn là cơ sở để em hoàn thành tốt đề tài tốt nghiệp và đã tạo điều kiện thuận lời để em hồn thành tất cả các khóa học.
Đặc biệt em xin gửi lời cảm ơn tới PGS.TS Mạc Thị Thoa, người đã gợi ý, đã tạo mọi điều kiện và nhiệt tình giúp đỡ em hoàn thành đề tài này.
Em muốn gửi lời lời cảm ơn đến anh Nguyễn Sỹ Tài nghiên cứu sinh thuộc Lab nghiên cứu cô Thoa vì đã viết bài báo “Motion control of a simple mobile robot using hedgealgebras-based controller”, điều này đã giúp em có một nguồn tài liệu cần thiết cho đồ án của mình. Bài báo này là một tài nguyên quan trọng và giá trị đối với nghiên cứu của em và em biết ơn khi được sử dụng nó.
Con xin chân thành cảm ơn Bố Mẹ, gia đình, bạn bè đã động viên và tạo mọi điều kiện giúp con học tập tốt.
Đồng thời em xin gửi lời cảm ơn đến tất cả các bạn sinh viên đã góp những ý kiến q báo giúp em hồn thành đề tài tốt nghiệp đúng thời hạn.
Em xin chân thành cảm ơn!
</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">LỜI NÓI ĐẦU
Ngày nay với sự phát triển không ngừng của khoa học kỹ thuật và nhu cầu trong đời sống của con người ngày càng được nâng lên. Robot được ứng dụng rộng rãi trong các ngành công nghiệp, y tế, nghiên cứu khoa học, giải trí, phục vụ đời sống con người. Kéo theo đó là việc thiết kế robot thơng minh, linh hoạt có kỹ năng lao động như con người. Để đáp ứng điều đó phải trang bị cho robot bộ điều khiển thông minh, phức tạp. Và trong một số trường hợp bộ điều khiển kinh điển thuần túy khơng cịn đáp ứng được nữa, u cầu đặt ra là phải thiết kế bộ điều khiển đa năng, thông minh hơn.
Lý thuyết Mờ ra đời ở Mỹ lần đầu tiên năm 1965 bởi giáo sư L.A Zadeh tại trường đại học Barkeley, bang Califorlia- Mỹ, từ đó lý thuyết Mờ được phát triển và ứng dụng rộng rãi, đặc biệt ở Nhật trong các nghành tự động hóa. Điều khiển Mờ thực sự hữu dụng đối với các đối tượng phức tạp, nó có thể giải quyết các vấn đề mà điều khiển kinh điển không thể giải quyết được. Trong lĩnh vực nghiên cứu và chế tạo robot, bộ điều khiển mờ cho phép tổng hợp các tri thức, kinh nghiệm của con người vào robot cho phép nó linh hoạt, thơng minh hơn. Ở cấp độ cao, người ta xây dựng trí tuệ nhân tạo dựa trên bộ Neuron mờ.
Đề tài: “NGHIÊN CỨU, THIẾT KẾ BỘ ĐIỀU KHIỂN MỜ VÀ ĐẠI SỐ GIA TỬ CHO ROBOT TỰ HÀNH” là một ví dụ nhỏ về ứng dụng của logic mờ trong điều khiển. Không chỉ giới hạn trong lĩnh vực robot, điều khiển mờ (FLC) còn được ứng dụng trong các lĩnh vực khoa học khác như sinh học, các hệ thống sản xuất tự động, …
Do hạn chế về thời gian và kinh nhiệm nên bản đồ án này khó tránh khỏi những khuyết điểm. Em rất mong nhận được sự đóng góp của q thầy cơ để đề tài này được hồn thiện hơn.
Sinh viên thực hiện (Ký và ghi rõ họ tên)
</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7">MỤC LỤC
CHƯƠNG I. TỔNG QUAN ... 1
1.1 Tổng quan về robot ... 1
1.2 Phân loại robot tự hành ... 2
1.2.1 Robot tự hành di chuyển bằng chân ... 2
1.1.2 Robot tự hành di chuyển bằng bánh ... 3
1.3 Phương pháp điều hướng cho robot tự hành ... 7
1.3.1 Phương pháp điều hướng có tính tốn ... 7
1.3.2 Phương pháp điều hướng robot theo phản ứng ... 8
1.3.3 Phương pháp điều hướng lai ghép ... 10
CHƯƠNG 2... 12
MƠ HÌNH HỐ VÀ KỸ THUẬT ĐỊNH VỊ CHO ROBOT TỰ HÀNH ... 12
2.1 Mơ hình và sơ đồ khối hoạt động của robot ... 12
2.1.1 Mơ hình Mobile Robot ... 12
2.1.2 Xây dựng sơ đồ khối hoạt động cho robot ... 14
2.2 Mô hình động học của robot ... 16
2.2.1 Mơ hình bánh xe robot ... 17
2.2.2 Phương trình động robot ... 18
2.2.3 Mơ hình động của robot đi động với hai bánh chủ động ... 21
2.3 Kỹ thuật định vị cho robot tự hành ... 25
CHƯƠNG 3... 28
CƠ SỞ VỀ LOGIC MỜ VÀ ĐIỀU KHIỂN MỜ... 28
3.1 Giới thiệu về logic mờ (Fuzzy logic) ... 28
3.2 Một số khái niệm ... 32
3.2.1 Định nghĩa tập hợp mờ và các thuật ngữ liên quan ... 32
Tập hợp được hình thành trên nền tảng của logic và được định nghĩa như là sự sắp xếp chung các đối tượng có cùng tính chất, được gọi là phần tử của tập hợp đó [1], [3], [4], [5]. ... 32
3.2.2 Bộ điều khiển mờ ... 37
CHƯƠNG 4... 40
XÂY DỰNG THUẬT TOÁN VỀ ỨNG DỤNG LOGIC MỜ TRONG KỸ THUẬT DẪN HƯỚNG ROBOT TỰ HÀNH VÀ MÔ PHỎNG TRÊN MATHLAB SIMULINK ... 40
4.1 Giới thiệu về Mathlab Simulink và Fuzzy Logic Toolbox ... 40
4.1.1 Mathlab Simulink ... 40
</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">4.1.2 Fuzzy Logic Toolbox ... 43
4.2 Xây dựng bộ điều khiển Fuzzy Logic Controller (FLC) trên Fuzzy Logic Toolbox ... 44
4.2.1 Thuật toán điều khiển Mobile robot, định nghĩa các biến vào ra... 44
4.2.2 Xác định tập mờ ... 46
4.3 Xây dựng và mô phỏng Mobile robot bám quỹ đạo trên Mathlab Simulink ... 56
4.3.1 Xây dựng mơ hình Mobile robot ... 56
4.3.2 Xây dựng sơ đồ khối toàn bộ của Mobile robot ... 57
4.3.4 Kết quả mơ phỏng q trình ... 58
4.4 Xây dựng và mơ phỏng mobile robot di chuyển đến đích và tránh vật cản khi biết trước tọa độ vật cản cần vượt qua. ... 59
CHƯƠNG 5... 66
ỨNG DỤNG HỆ SỐ GIA TỬ TRONG ĐIỀU KHIỂN MOBILE ROBOT ... 66
5.1 Phương pháp thiết kế bộ điều khiển sử dụng hệ số gia tử [13] ... 66
5.1.1 Khái niệm ... 66
5.1.2 Ý tưởng và các công thức cơ bản của HA ... 68
5.2 Thiết kế bộ điều khiển hệ số gia tử cho mobile robot ... 70
5.2.1 Mơ hình điều khiển... 70
5.2.2 Thiết kế bộ điều khiển ... 72
5.3 Kết quả mô phỏng ... 75
5.3.1 Trường hợp 1 chướng ngại vật ... 75
5.3.2 Trường hợp với 2 chướng ngại vật ... 78
CHƯƠNG 6... 82
MÔ PHỎNG ROBOT TRÁNH CHƯỚNG NGẠI VẬT BẰNG PHẦN MỀM REP VÀ SỬ DỤNG BỘ ĐIỀU KHIỂN MỜ, ĐẠI SỐ GIA TỬ... 82
V-6.1 giới thiệu phần mềm V-REP ... 82
6.2 Lưu đồ thuật tốn và chương trình điều khiển ... 82
6.2.1 Lưu đồ thuật tốn ... 82
6.2.2 Chương trình điều khiển ... 83
6.4 Đại số gia tử HAC ... 93
6.5 Kết quả mô phỏng ... 95
6.4.1 Thiết kế môi trường hoạt động cho robot sử dụng phần mềm V-rep 956.4.2 Kết quả thử nhiệm ... 96
CHƯƠNG 7... 103
</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">KẾT LUẬN VÀ PHƯƠNG HƯỚNG PHÁT TRIỂN ... 103
7.1 Những kết quả đạt được ... 103
7.2 giới hạn của đề tài ... 104
7.3 Hướng phát triển của đề tài ... 104
TÀI LIỆU THAM KHẢO
DANH MỤC BẢNG BIỂU
Bảng 1. Sơ đồ bánh xe của robot tự hành ... 4Bảng 2. Kí hiệu các loại bánh xe... 6
Bảng 3. Đặc điểm của robot Pioneer P3-DX ... 13
Bảng 4. Cơ sở luật HAC với SQM ... 73
Bảng 5. Cơ sở luật HAC với SQM ... 73
Bảng 6. Giá trị tối ưu của các biến thiết kế ... 74
Bảng 7. Độ đo tính mờ của các giá trị ngơn ngữ ... 75
Bảng 8. Các tình huống mơ phỏng ... 75
Bảng 9. Thời gian tính tốn và quãng đường đi được của các bộ điều khiển ... 78
Bảng 10. Các tình huống mơ phỏng ... 78
Bảng 11. Bảng FAM quy tắc mờ của vận tốc bánh phải ... 89
Bảng 12: Bảng FAM quy tắc mờ của vận tốc bánh trái ... 90
Bảng 13. Bảng FAM quy tắc mờ của OAFC ... 92
Bảng 14. Bảng SAM của Tracking HA ... 93
Bảng 15. Bảng SAM của Avoid Obstance ... 94
Bảng 16. Giá trị đọc của các cảm biến trong thời gian mô phỏng từ 0 đến 7 giây ... 98
Bảng 17. Bảng so sánh hai bộ điều khiển FLC và HA ... 101
DANH MỤC HÌNH VẼ
Hình 1.1 Một số robot di động bằng bánh xe ... 1Hình 1.2 Một số robot di chuyển bằng hai chân ... 3
Hình 1.3 Các loại bánh xe cơ bản dùng trong robot tự hành ... 4
Hình 1.4 Sơ đồ cấu trúc của phương pháp điều khiển có tính tốn ... 7
Hình 2.1 Robot Pioneer P3-DX ... 12
Hình 2.2 Cấu tạo của robot Pioneer P3-DX ... 13
Hình 2.3 Vị trí cảm biến ... 14
Hình 2.4 Sơ đồ thuật toán hoạt động của mobile robot ... 15
Hình 2.5 Mơ hình bánh xe đã được mơ hình hóa ... 18
Hình 2.6 Mơ hình động học của robot tự hành ... 19
</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">Hình 2.7 Sơ đồ nguyên lý của khâu định vị trong mobile robot ... 26
Hình 3.1 Hàm đặc trưng ... 32
Hình 3.2 Miền xác định ... 33
Hình 3.3 Các đặc tính của hàm phụ thuộc ... 34
Hình 3.4 Các hàm đặc trưng ... 36
Hình 3.5 Mơ hình cấu trúc bên trong một bộ điều khiển mờ ... 38
Hình 3.6 Sơ đồ nguyên lý một bộ điều khiển mờ ... 38
Hình 4.1 Giao diện phần mềm Matlab 2018a ... 41
Hình 4.2 Cửa sổ cơng cụ mơ phỏng Simulink ... 42
Hình 4.3 Cửa sổ xây dựng mơ hình ... 43
Hình 4.4 Fuzzy Logic Toolbox ... 44
Hình 4.5 Robot trong tọa độ Decade ... 45
Hình 4.6 Sơ đồ khối tồn bộ Mobile Robot ... 46
Hình 4.7 Hàm phụ thuộc sai lệch khoảng cách của robot so với mục tiêu ... 48
Hình 4.8 Hàm phụ thuộc của sai lệnh góc giữa robot và mục tiêu ... 49
Hình 4.9 Hàm phụ thuộc của sai lệnh khoảng cách của robot so với chướng ngại vật ... 49
Hình 4.10 Hàm phụ thuộc của sai lệnh góc giữa robot và chướng ngại vật ... 49
Hình 4.11 Hàm phụ thuộc đầu ra bánh phải ... 50
Hình 4.12 Hàm phụ thuộc đầu ra bánh trái ... 50
Hình 4.13 Xây dựng các biến vào/ra của FLC ... 50
Hình 4.14 Xây dựng các luật điều khiển ... 52
Hình 4.15 Ví dụ trường hợp R1 ... 53
Hình 4.16 Các khối chức năng của bộ điều khiển mờ ... 53
Hình 4.17 Các luật điều khiển ... 54
Hình 4.18 Mơ tả bộ điều khiển trên không gian 3D cho bánh phải ... 55
Hình 4.19 Mơ tả bộ điều khiển trên khơng gian 3D cho bánh trái ... 55
Hình 4.20 Mơ hình Mobile robot trên Simulink ... 56
Hình 4.21 Mơ hình robot ... 57
Hình 4.22 Bộ điều khiển mờ cho Mobile robot bám quỹ đạo ... 57
Hình 4.23 Kết quả mô phỏng cho robot theo quỹ đạo ... 59
Hình 4.24 Bộ điều khiển mờ điều khiển Moible robot tránh vật cản ... 60
</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">Hình 4.25 Mơ phỏng robot tiếp cận mục tiêu mà khơng gặp vật cản ... 62
Hình 4.26 Bản đồ bao gồm vật cản mà robot cần vượt qua để tiến đến mục tiêu .... 62
Hình 4.27 Kết quả mô phỏng robot tránh chướng ngại vật để đạt tới mục tiêu ... 63
Hình 4.28 Kết quả mơ phỏng góc định hướng theta ... 64
Hình 4.29 Kết quả mơ phỏng vị trí theo trục X ... 64
Hình 4.30 Kết quả mơ phỏng theo vị trí trục Y ... 64
Hình 5.1 Sơ đồ bộ điều khiển sử dụng HA ... 67
Hình 5.2 Mơ hình mobile robot... 71
Hình 5.3 Sơ đồ bộ điều khiển HAC ... 72
Hình 5.4 Sơ đồ chuẩn hóa và giải chuẩn của HAC ... 73
Hình 5.5 Mặt luật và bước suy luận HAC... 73
Hình 5.6 Kết quả mơ phỏng trong tình huống 1 ... 76
Hình 5.7 Kết quả mơ phỏng trong tình huống 2 ... 76
Hình 5.8 Kết quả mơ phỏng tình huống 3 ... 77
Hình 5.9 Kết quả mơ phỏng tình huống 4 ... 77
Hình 5.10 Kết quả mơ phỏng tình huống 5 ... 79
Hình 5.11 Kết quả mơ phỏng tình huống 6 ... 79
Hình 5.12 Kết quả mơ phỏng tình huống 7 ... 80
Hình 5.13 Kết quả mơ phỏng tình huống 8 ... 80
Hình 6.1 Phần mềm V-REP ... 82
Hình 6.2 Sơ đồ thuật tốn điều khiển robot V-REP MATLAB ... 83
Hình 6.3 Sơ đồ Input và Output của TFLC ... 88
Hình 6.4 Sơ đồ Input và Output của OAFC ... 90
Hình 6.5 Mặt suy luận của Tracking HAC ... 94
Hình 6.6 Mặt suy luận Avoid Obstance ... 95
Hình 6.7 Thiết kế mơi trường hoạt động cho robot ... 96
Hình 6.8 3D Kết quả mô phỏng chuyển động của robot sử dụng bộ điều khiển FLC ... 98
Hình 6.9 2D quỹ đạo chuyển động của robot theo trục xy ... 100
Hình 6.10 Biểu đồ vận tốc của robot theo thời gian ... 100
Hình 6.11 Biểu đồ vận tốc góc của hai bánh trái phải theo thời gian ... 100
Hình 6.12 So sánh quỹ đạo chuyển động của hai bộ điều khiển ... 101
</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12">1
CHƯƠNG I. TỔNG QUAN 1.1 Tổng quan về robot
Thuật ngữ “Robot” xuất phát từ tiếng Czech “robota” có nghĩa là cơng việc tạp dịch trong vở kịch Rossum’s Universal Robots của Karel Capek, vào năm 1921. Trong vở kịch này, Rossum và con trai của ông ta đã chế tạo ra những chiếc máy gần giống với con người để phục vụ con người.
Từ đó ý tưởng thiết kế, chế tạo robot đã ln thôi thúc con người và trở thành một ngành khoa học robot học - robotics.
Robot di động bằng bánh xe (Wheeled Mobile Robot - WMR) được địnhnghĩa là một loại xe robot có khả năng tự dịch chuyển, tự vận động (có thể lập trình lại được) dưới sự điều khiển tự động, có khả năng hồn thành cơng việc được giao. Tiềm năng ứng dụng của rô bốt di động bằng bánh xe hết sức rộng lớn. Có thể kể đến như: robot vận chuyển vật liệu, hàng hóa trong các tịa nhà, nhà máy, cửa hàng, sân bay, robot phục vụ quét dọn đường phố, robot kiểm tra trong môi trường nguy hiểm, robot canh gác, robot do thám, robot khám phá không gian, di chuyển trên hành tinh, robot hàn, robot sơn trong nhà máy, robot xe lăn phục vụ người khuyết tật, rô bốt phục vụ sinh hoạt gia đình v.v…
a) robot tự hành b) robot Hitachi H8/3063 c) robot Halluc IIHình 1.1 Một số robot di động bằng bánh xe
Bánh xe là phương pháp phổ biến nhất cung cấp khả năng di chuyển cho một robot, được sử dụng với nhiều kích thước và nền tảng robot khác nhau. Kích thước của bánh xe dao động khá rộng, từ nhỏ cỡ vài chục xăng xi mét đến lớn hàng mét.
</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">2 Thông thường, xu hướng phát triển tập trung vào các bánh xe cỡ nhỏ, cỡ 5 cm trở lại với 3 bánh xe/ robot, một bánh lái và hai bánh di chuyển. Loại phức tạp hơn có thể sử dụng con quay hồi chuyển.
Về vật liệu, vật liệu làm bánh xe khơng có u cầu đặc biệt, nhưng một số trường hợp cụ thể có yêu cầu khá chặt. Ví dụ bánh xe robot qn sự cần có khả năng chống trượt. Điều này cũng có thể đạt được thông qua cấu trúc bánh xe, một robot với 4bánh hoặc 6 bánh sẽ có ưu thế chống trượt tốt hơn trường hợp 2 bánh. Ngoài ra, cơ cấu bánh xe cũng cần được chú ý khi thiết kế chuyển động cho robot.
1.2 Phân loại robot tự hành
Robot tự hành được chia làm hai loại chính đó là loại robot tự hành chuyển động bằng chân và robot tự hành chuyển động bằng bánh. Ngoài ra một số loại robot hoạt động dưới nước hay trên khơng trung thì được trang bị cơ cấu di chuyển đặc trưng.
1.2.1 Robot tự hành di chuyển bằng chân
Ưu điểm lớn nhất của loại robot này là có thể thích nghi và di chuyển trên các địa hình gồ ghề. Hơn nữa chúng cịn có thể đi qua những vật cản như hố, vết nứt sâu. Nhược điểm chính của robot loại này chính là chế tạo quá phức tạp. Chân robot là kết cấu nhiều bậc tự do, đây là nguyên nhân làm tăng trọng lượng của robot đồng thời giảm tốc độ di chuyển. Các kĩ năng như cầm, nắm hay nâng tải cũng là nguyên nhân làm giảm độ cứng vững của robot. Robot loại này càng linh hoạt thì chi phí chế tạo càng cao.
Robot tự hành di chuyển bằng chân được mô phỏng theo các lồi động vật vì thế mà chúng có loại 1 chân, loại 2,4,6 chân và có thể nhiều hơn. Dưới đây là một số loại robot điển hình chuyển động bằng chân.
</div><span class="text_page_counter">Trang 14</span><div class="page_container" data-page="14">
a) Robot 6 chân b) Robot chó Titan
</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15">4 - Bánh xe tiêu chuẩn: 2 bậc tự do có thể quay quanh trục bánh xe và điểm tiếp
xúc.
- Bánh lái: 2 bậc tự do có thể quay quanh khớp lái.
- Bánh Swedish: 3 bậc tự do có thể quay đồng thời xung quanh trục bánh xe, trục lăn và điểm tiếp xúc.
Hình 1.3 Các loại bánh xe cơ bản dùng trong robot tự hành Sơ đồ bánh xe của robot tự hành 2 bánh, 3 bánh, 4 bánh, 5 bánh và 6 bánh: Bảng 1. Sơ đồ bánh xe của robot tự hành
</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16">3 bánh Swedisk được đặt ở các đỉnh của một tam giác đều, kết cấu này cho phép robot di chuyển theo đa hướng.
lái ở phía trước.
Hai bánh phía trước vừa là bánh lái vừa là bánh chủ động.
Cả 4 bánh đều là bánh truyền động và lái.
Hai bánh truyền động độc lập ở phía trước/sau, 2 bánh lái đa hướng ở phía sau/trước.
</div><span class="text_page_counter">Trang 17</span><div class="page_container" data-page="17">bánh đa hướng ở xung quanh.
Hai bánh truyền động vi sai ở giữa, bốn bánh đa hướng ở 4 góc.
Bảng 2. Kí hiệu các loại bánh xe
Kí hiệu các loại bánh xe
Bánh đa hướng không truyền động. Bánh truyền động Swedish (đa hướng). Bánh quay tự do tiêu chuẩn.
Bánh truyền động tiêu chuẩn. Bánh vừa truyền động vừa là bánh lái. Bánh lái tiêu chuẩn.
</div><span class="text_page_counter">Trang 18</span><div class="page_container" data-page="18">Các bánh xe được nối với nhau.
1.3 Phương pháp điều hướng cho robot tự hành
Kỹ thuật điều hướng sử dụng trí thơng minh nhân tạo trong robot tự hành có thể được chia thành 2 loại chính, đó là điều hướng có tính tốn và điều hướng theo phản ứng. Đúng như tên gọi, điều hướng có tính tốn là phương pháp điều hướng có kế hoạch còn điều hướng theo phản ứng là điều hướng tức thời, là quá trình tự động thực hiện các phản ứng theo mơi trường xung quanh. Ngồi ra cịn có phương pháp điều hướng lai ghép là phương pháp kết hợp cả hai phương pháp có tính tốn và điều hướng theo phản ứng để xây dựng một bộ điều khiển thông minh hơn.
1.3.1 Phương pháp điều hướng có tính tốn
Phương pháp điều hướng có tính tốn là phương pháp thực hiện theo trình tự: quan sát – lập kế hoạch – hành động. Thơng thường một hệ thống có tính toán bao gồm 5 khâu: nhận thức (perception), mơ hình thế giới (word modelling), lập kế hoạch (planning), thực hiện công việc (task excution) và điều khiển động cơ (motor control). Các khâu trên có thể được coi như là một chuỗi các “lát mỏng theo phương thẳng đứng” với các đầu vào là tín hiệu nhận được từ cảm biến ở phía bên trái và đầu ra tới các khâu chấp hành ở phía bên phải.
Hình 1.4 Sơ đồ cấu trúc của phương pháp điều khiển có tính tốn - Khâu nhận thức có nhiệm vụ điều khiển các thiết bị cảm ứng, các thiết bị này
được nối với robot sẽ cho các thông tin về môi trường quan sát được.
</div><span class="text_page_counter">Trang 19</span><div class="page_container" data-page="19">8 - Khâu mơ hình thế giới: chuyển các tín hiệu từ cảm biến thành mô tả mối liên
quan giữa robot với mơ hình bên trong mơi trường.
- Khâu lập kế hoạch: cố gắng xây dựng kế hoạch thực hiện của robot sao cho đạt được mục tiêu phù hợp với tình trạng thế giới hiện tại.
- Khâu thực hiện công việc: chia kế hoạch vừa được xây dựng thành các lệnh điều khiển chuyển động chi tiết.
- Khâu điều khiển động cơ: dùng để thực hiện các lệnh này.
Mỗi một hệ thống con như là một khâu tương đối phức tạp và tất cả phải hoạt động một cách đồng bộ với hoạt động của robot tại mọi thời điểm. Phương pháp này đòi hỏi phải trang bị các cảm biến, các thiết bị đo để nhận biết thông tin từ môi trường hoặc dạng thông tin dự đốn trước từ bản đồ tồn cục. Thơng tin đó sẽ được tham chiếu với một bản đồ môi trường nếu có thể, và sử dụng thuật tốn lập kế hoạch để tạo ra quỹ đạo chuyển động giúp robot tránh vật cản và tăng xác suất tới mục tiêu đến tối đa. Do sự phức tạp của môi trường làm tăng thời gian để nhận biết, xây dựng mô hình và lập kế hoạch về thế giới cũng tăng theo hàm mũ. Đây cũng chính là bất lợi của phương pháp này. Phương pháp này tỏ ra rất hữu hiệu cho các tình huống mà trong đó mơi trường làm việc là tương đối tĩnh (mơi trường trong đó có thể bao gồm vật cản, tường chắn, hành lang, điểm đích, v.v… là các đối tượng có vị trí khơng thay đổi trong bản đồ tồn cục).
Trong phương pháp điều hướng có tính tốn, khâu lập kế hoạch đường đi cho robot là cực kì quan trọng. Việc lập kế hoạch đường đi cho mobile robot thường có hai giai đoạn đó là lập kế hoạch toàn cục và lập kế hoạch cục bộ. Lập kế hoạch tồn cục có thể được hiểu như là cách di chuyển robot qua một môi trường tùy ý và môi trường này là tương đối lớn. Còn lập kế hoạch cục bộ sẽ đưa ra quyết định khi robot đối mặt với môi trường tĩnh, ví dụ như khi robot gặp phải vật cản, hành lang... Kế hoạch cục bộ đưa ra phương pháp để đi tới đích ngắn nhất, an tồn nhất. Chính vì thế khi gặp phải các vật cản, kế hoạch cục bộ sẽ giúp cho robot tránh không va chạm rồi mới tiếp tục thực hiện kế hoạch toàn cục để tới đích.
1.3.2 Phương pháp điều hướng robot theo phản ứng
</div><span class="text_page_counter">Trang 20</span><div class="page_container" data-page="20">9 Như phân tích ở phần trên, phương pháp điều hướng có tính tốn có nhiều ưu điểm đối với quá trình điều hướng cho mobile robot. Tuy nhiên, điều hướng có tính tốn thường u cầu khối lượng tính tốn tương đối lớn và phương pháp này tỏ ra không tối ưu khi môi trường hoạt động của robot thay đổi.
Phương pháp điều hướng theo phản ứng ra đời nhằm giải quyết các vấn đề có liên quan tới mơi trường không biết trước hoặc môi trường thường xuyên thay đổi. Điều hướng theo phản ứng khắc phục được những hạn chế của phương pháp điều hướng tính tốn, giúp giảm khối lượng tính tốn, tăng tốc độ xử lý trong môi trường phức tạp. Điều hướng theo phản ứng là phương pháp kết hợp các phản ứng thực hiện một cách tự động với các kích thích từ cảm biến để điều khiển robot sao cho an toàn và đạt hiệu suất cao nhất. Phương pháp này đặc biệt phù hợp đối với những ứng dụng nơi mà môi trường là hồn tồn động hoặc khơng biết trước, ví dụ như trong không gian hoặc dưới nước. Trong thực tế, các thiết bị vệ tinh thám hiểm kiểu robot đã sử dụng phương pháp điều hướng theo phản ứng, lí do là phương pháp điều hướng theo tính tốn địi hỏi việc lập kế hoạch phức tạp có quá nhiều phép tính tốn bị giới hạn bởi khả năng của bộ nhớ và tốc độ tính tốn. Điều hướng theo phản ứng chỉ phụ thuộc vào trạng thái hiện thời của robot và địi hỏi rất ít các phép tính tốn để tác động lại mơi trường hoạt động.
Tuy nhiên, phương pháp điều hướng theo phản ứng cũng có nhiều mặt hạn chế, việc khơng có kế hoạch tồn cục có thể khiến cho q trình điều khiển gặp phải những khó khăn. Các hoạt động tối ưu cục bộ chủ yếu thu được nhờ điều khiển theo phản ứng, chính vì thế mà có thể gây ra hiện tượng lệch hướng tồn cục. Trong phương pháp điều hướng theo tính tốn, hệ thống khơng bao giờ mất tầm quan sát đích trong khi các hệ thống điều hướng theo phản ứng cần phải giữ các đích tức thời để độ lệch hướng so với đích tồn cục là khơng q lớn.
Một thuận lợi ở điều hướng theo phản ứng so với các phương pháp tính tốn đó là khả năng mở rộng bộ điều khiển để thêm vào các thành phần phản ứng khác mà khơng cần phải điều chỉnh lại tồn bộ phần mềm điều khiển. Chính vì thế, ta có thể dễ dàng bổ sung thêm tính năng cho robot bằng cách thêm vào các hoạt động mới mà không làm thay đổi những hoạt động đã có trước. Ví dụ, để robot phản ứng với một kích
</div><span class="text_page_counter">Trang 21</span><div class="page_container" data-page="21">10 thích thu được từ một cảm biến mới, ta chỉ cần thêm một thành phần khác vào bộ điều khiển để nó phản ứng với kích thích thu được từ cảm biến đó. Cịn ở các phương pháp tính tốn, bạn cần phải xây dựng một thuật tốn hồn tồn mới để sử dụng dữ liệu thu được từ cảm biến mới được thêm vào này.
Trong thời kỳ đầu, các nhà nghiên cứu đã thiết kế hệ thống điều hướng thuần tuý phản ứng bằng cách dựa vào hoạt động của côn trùng để áp dụng vào kỹ thuật robot. Nhiều nghiên cứu về hệ thống sinh học đã được ứng dụng cho quá trình điều khiển mobile robot. Chuyển động của một số loại cơn trùng trong thế giới sinh học có thể được sử dụng để xây dựng thành công các thuật tốn điều khiển hoạt động cho robot. Ví dụ, khi nghiên cứu về hành vi của một con gián, các nhà khoa học nhận ra một con gián chỉ có một vài hoạt động riêng biệt. Các hoạt động này có thể bao gồm hoạt động tìm thức ăn, hoạt động tránh ánh sáng và hoạt động sinh sản. Dựa vào những gì mà cảm nhận được, con gián sẽ quyết định thực hiện một trong số những hoạt động trên. Nếu con gián cảm thấy đói, nó sẽ lục lọi để tìm thức ăn. Tuy nhiên, nếu một bóng đèn chợt bật sáng, con gián đó sẽ từ bỏ việc tìm kiếm thức ăn và chui ngay vào gầm tủ lạnh chẳng hạn. Đây là một ví dụ về điều khiển theo phản ứng. Dựa vào những kích thích hiện thời, con gián sẽ chọn một hoạt động thích hợp mà khơng cần phải lập kế hoạch hay tính tốn gì cả. Vậy thì tại sao những hoạt động như thế lại không thể được dịch thành những thuật tốn điều khiển đơn giản cho robot. Đây chính là những lý thuyết cơ bản của kỹ thuật điều khiển dựa hành vi (behavior-base control) cho mobile robot.
1.3.3 Phương pháp điều hướng lai ghép
Điều hướng lai ghép là phương pháp kết hợp các ưu điểm của phương pháp điều hướng theo tính tốn truyền thống với các hệ thống điều hướng dựa phản ứng. Mỗi phương pháp đều có những nhược điểm mà phương pháp kia có thể khắc phục được. Phương pháp điều hướng theo tính tốn gặp phải khó khăn khi hoạt động trong các môi trường động, là nơi yêu cầu khả năng tính tốn nhanh cũng như các kỹ năng tránh vật cản. Nếu phương pháp điều hướng theo phản ứng khơng kết hợp với bất cứ q trình lập kế hoạch chuyển động nào thì có thể sẽ khơng đưa robot theo quỹ đạo tối ưu.Phương pháp điều khiển lai ra đời nhằm kết hợp các hoạt động có tính tốn bậc
</div><span class="text_page_counter">Trang 22</span><div class="page_container" data-page="22">11 cao vớicác hoạt động phản ứng bậc thấp. Các hoạt động phản ứng giúp robot an tồn và xử lý các tình trạng khẩn cấp trong khi phần điều khiển có tính tốn sẽ giúp robot đạt được mục đích cuối cùng. Phương pháp điều khiển lai ghép có thể cho ta kết quả khả quan hơn khi chỉ sử dụng phương pháp điều hướng theo phản ứng hoặc điều hướng theo tính tốn.
</div><span class="text_page_counter">Trang 23</span><div class="page_container" data-page="23">35 đặc trưng. Hàm đặc trưng là ánh xạ tập hợp các giá trị vật lý thành tập giá trị phụ thuộc với các giá trị ngôn ngữ. Dưới đây là một số dạng đặc trưng:
Dạng tuyến tính
Là dạng đơn giản nhất, thường dùng mô tả các khái niệm chưa biết hay chưa rõ ràng.
<small> </small>
Dạng dường cong
Công thức xác định độ phụ thuộc x:
Dạng hình thang
Độ phụ thuộc x được xác định:
0 khi x<a( ) / ( ) khi x( ) 1 khi
( ) / ( ) khi 0 khi x>
x
</div><span class="text_page_counter">Trang 24</span><div class="page_container" data-page="24">
Dạng tam giác
Độ phụ thuộc x được xác định: 0 khi x<a(x- )/( - ) khi( )
0 khi x>
1 khi x>
Hình 3.4 Các hàm đặc trưng g) Mệnh đề hợp thành, luật hợp thành
</div><span class="text_page_counter">Trang 25</span><div class="page_container" data-page="25">37 Quy tắc hợp thành MIN: giá trị của mệnh đề hợp thành mờ là một tập mờ B’ định nghĩa trên nền Y (khơng gian nền của tập B) và có hàm liên thuộc: mB’ = min {mA, mB(y)}.
Quy tắc hợp thành PROD: Giá trị của mệnh đè hợp thành mờ B’ định nghĩa trên nền Y (khơng gian nền của B) và có hàm liên thuộc: mB’ = mA. mB(y). - Luật hợp thành
Luật hợp thành mờ là tên chung gọi mơ hình R biểu diễn một hay nhiều hàm liên thuộc cho một hay nhiều mệnh đề hợp thành. Nói cách khác đó chính là tập hợp của nhiều mệnh đề hợp thành. Các luật hợp thành được xây dựng theo các quy tắc hợp thành. Như thế sẽ có các luật hợp thành khác nhau như:
+ Luật hợp thành MAX-MIN + Luật hợp thành MAX-PROD + Luật hợp thành SUM-MIN + Luật hợp thành SUM-PROD g) Giải mờ
Giải mờ là quá trình xác định rõ giá trị đầu ra từ hàm phụ thuộc của tập mờ. Có 3 phương pháp chính thường được dùng trong bước này:
1. Phương pháp cực đại 2. Phương pháp điểm trọng tâm 3. Phương pháp độ cao
3.2.2 Bộ điều khiển mờ
Cấu trúc bên trong một bộ điều khiển mờ có dạng như hình 3.5 nó gồm 3 khâu: + Mờ hóa
</div><span class="text_page_counter">Trang 26</span><div class="page_container" data-page="26">+ Thực hiện luật hợp thành + Giải mờ
Hình 3.5 Mơ hình cấu trúc bên trong một bộ điều khiển mờ Một bộ điều khiển mờ hoạt động theo nguyên lý sau:
Hình 3.6 Sơ đồ nguyên lý một bộ điều khiển mờ Các nguyên lý thiết kế bộ điều khiển mờ:
- Giao diện đầu vào gồm các khâu: Mờ hóa, các khẩu hiệu chỉnh tỷ lệ, tích phân, vi phân…
</div><span class="text_page_counter">Trang 27</span><div class="page_container" data-page="27">39 - Thiết bị hợp thành: sự triển khai luật hợp thành Mờ.
- Giao diện đầu ra gồm: khâu giải mờ và các khâu trực tiếp với đối tượng. - Phản hồi: Phản hồi thông tin được trả về từ hệ thống và được sử dụng để điều chỉnh các giá trị đầu vào, các quy tắc mờ của bộ điều khiển để đạt được hiệu suất tối ưu. Các bước xây dựng bộ điều khiển mờ:
- Bước 1: định nghĩa tất cả các biến ngôn ngữ vào/ra. - Bước 2: xác định các tập mờ cho từng biến ngon ngữ vào/ra. - Bước 3: xây dựng luật hợp thành.
- Bước 4: chọn thiết bị hợp thành. - Bước 5: giải mờ và tối ưu hóa.
</div><span class="text_page_counter">Trang 28</span><div class="page_container" data-page="28">- Giới thiệu về Fuzzy Logic ToolBox
- Xây dựng bộ điều khiển Fuzzy Control trong Fuzzy Logic Toolbox
- Xây dựng và mô phỏng robot bám quỹ đạo xác định sử dụng bộ điều khiển Fuzzy Logic Control (FLC)
- Xây dựng và mô phỏng robot tự điều hướng tránh vật cản sử dụng bộ điều khiển mờ [12].
4.1 Giới thiệu về Mathlab Simulink và Fuzzy Logic Toolbox
Mathlab là phần mềm tính tốn, mơ phỏng được ứng dụng rộng rãi trong các lĩnh vực khoa học và trở thành cơng cụ tính tốn kỹ thuật hàng đầu, bao gồm phân tích dữ liệu, thiết kế mơ phỏng… rất phù hợp cho những bài tốn về điều khiển tự động và xử lý tín hiệu. Mathlab có nhiều tính năng về đồ họa, có thể vẽ các đặc tính bất kỳ trên mặt phẳng hai chiều hoặc khơng gian 3 chiều. Mathlab cịn có khả năng lập trình như một ngơn ngữ thực sự có cấu trúc lệnh giống Pasal hoặc C [6].
4.1.1 Mathlab Simulink
Mathlab Simulink được viết tắt từ Simulation and Link là một chương trình đi chung với Mathlab, là một phương trình đồ họa cho phép mô phỏng rất tốt cho các hệ thống tự động. Đây là một chương trình đồ họa cho phép mô phỏng các hệ thống
</div><span class="text_page_counter">Trang 29</span><div class="page_container" data-page="29">41 bằng cách sử dụng các khối trong thư viện Simulinlk và kết nối chúng lại với nhau một cách linh hoạt theo ý muốn bằng cách nhấp nhả chuột. Simulink có thể mơ phỏng hầu hết các hệ thống phi tuyến, tuyến tính…
Simulink cho phép chúng ta dễ dàng xây dựng các mơ hình từ đầu hoặc lấy các mơ hình đã tạo sẵn và thêm những khối cho chúng. Simulink cho phép thay đổi các thông số của các khối trong hệ thống. Ta có thể sử dụng tất cả các cơng cụ trong Mathlab do đó sẽ rất dễ dàng để lấy kết quả tính tốn được để trực tiếp mơ phỏng, phân tích và làm trực quan hóa chúng. Simulink biến máy tính thành một phịng thí nhiệm thu nhỏ cho việc mơ phỏng, mơ hình hóa và phân tích hệ thống mà điều này rất khó làm được trong thực tế.
Hình 4.1 Giao diện phần mềm Matlab 2018a
Tổng quát, Simulink là một phần mềm sử dụng cho việc mơ phỏng hóa, mơ phỏng và phân tích hệ thống động. Nó hỗ trợ cả hai hệ thống phi tuyến và tuyến tính, mơ phỏng trong khoảng thời gian liên tục, các khoảng thời gian lấy mẫu. Mơ hình có thể được mơ phỏng bằng các phương pháp phân tích mơ hình từ các Menu của Simuink hoặc từ các cửa sổ lệnh của Mathlab. Có thể sử dụng đồng hồ đo, dao động kí hoặc các khối hiển thị kết quả để lấy kết quả mô phỏng. Từ đó có thể thay đổi các thơng số của hệ thống để đạt được kết quả như ý muốn. Sau đó các kết quả mơ phỏng có thể đưa vào vùng làm việc của Mathlab để xử lý tiếp. Ngoài ra để phục vụ cho việc
</div><span class="text_page_counter">Trang 30</span><div class="page_container" data-page="30">42 mô phỏng các hệ thống khác nhau trên máy tính, Mathlab được tích hợp một bộ cơng cụ Toolbox với nhiều mơ hình dành cho việc mơ phỏng các hệ thống khác nhau như: xử lý tín hiệu số, hệ thống tự động điều khiển, hệ thống điện, mạng nơ-ron, hệ thống suy luận mờ…
Hình 4.2 Cửa sổ công cụ mô phỏng Simulink
Chương trình mơ phỏng Simulink được gọi ra từ chương trình chính Mathlab bằng lệnh >>simulink hoặc nút trên thanh công cụ của Mathlab. Cửa sổ xây dựng mơ hình mơ phỏng như hình 4.3.
</div><span class="text_page_counter">Trang 31</span><div class="page_container" data-page="31">43 Hình 4.3 Cửa sổ xây dựng mơ hình
4.1.2 Fuzzy Logic Toolbox
Fuzzy Logic Toolbox là tập hợp những hàm xây dựng trong mơi trường tính tốn số của Mathlab. Nó cũng cấp nhiều cơng cụ hữu ích cho con người sử dụng để tạo và soạn thảo hệ thống suy luận mờ (FIS) trong Command Windown của Mathlab hoặc chúng có thể xây dựng riêng bằng ngơn ngữ lập trình mà gọi các hệ thống mờ trong Fuzzy Logic Toolbox. Người sử dụng có thể làm việc bằng các dịng lệnh đó, những Toolbox này thiên về những cơng cụ giao diện đồ họa (GUI) để giúp người sử dụng hoàn tất công việc một cách dễ dàng hơn.
</div><span class="text_page_counter">Trang 32</span><div class="page_container" data-page="32">44 Hình 4.4 Fuzzy Logic Toolbox
4.2 Xây dựng bộ điều khiển Fuzzy Logic Controller (FLC) trên Fuzzy Logic Toolbox
4.2.1 Thuật toán điều khiển Mobile robot, định nghĩa các biến vào ra Như mơ hình mobile robot đã được xây dựng ở chương 2, robot gồm 3 bánh, 2 bánh chủ động ở phía sau được gắn hai động cơ và 1 bánh lái phía trước có khả năng quay tự do. Nhiệm vụ của robot là bám quỹ đạo và tránh chướng ngại vật, di chuyển đến điểm đích. Robot được trang bị 16 cảm biến siêu âm để đo khoảng cách của các chướng ngại vật xung quanh nó. Trong mơ hình robot này các yếu tố như nhiễu, ma sát trượt, lực quán tính của xe được bỏ qua. Ở đây chỉ xét tới các yêu tố liên quan tới robot là góc θ, tọa độ hiện tại robot xy và tọa độ mục tiêu (đích) xT, yT. Bộ phận được tác động điều khiển là 2 động cơ gắn với 2 bánh phải và trái.
Giả sử robot di chuyển từ một tọa độ gốc đến một tọa độ mục tiêu đã biết trước. Khi robot di chuyển, nó bị lệnh ra khỏi đường đi do gặp vật cản hay chướng ngại vật,
</div><span class="text_page_counter">Trang 33</span><div class="page_container" data-page="33">45 lúc đó sẽ có sự sai lệnh về cả vị trí và tư thế của nó so với yêu cầu. Bộ điều khiển sẽ có nhiệm vụ xử lý các tín hiệu được gửi về từ cảm biến để xác định các sai lệnh, từ đó đưa ra tín hiệu để điều khiển hai động cơ như thế nào để robot về được quỹ đạo như ban đầu. Tại mỗi thời điểm lấy mẫu mo-dun tính tốn sai số vị trí và hướng
, ,
x y giữa các tọa độ thực tế (x, y, θ) được nhận từ các cảm biến trong thực tế và tọa độ quỹ đạo (xd, yd, θd). Bộ điều khiển mờ được thiết kế trong Fuzzy Logic Toolbox sẽ có bốn đầu vào là khoảng cách, góc của robot so với mục tiêu và khoảng cách và góc của robot so với vật cản, hai đầu ra là tín hiệu điều khiển hai động cơ chủ động, thực tế là các xung điện điều khiển tốc độ hai động cơ.
Hình 4.5 Robot trong tọa độ Decade
Để điều khiển hệ thống, biểu diễn giá trị 2 biến trạng thái nằm trong khoảng
trị đầu ra cho bộ điều khiển mờ (FLC) sẽ là giá trị vận tốc góc bánh phải <small>r</small> và vận tốc góc bánh trái <sub>l</sub> . Các giá trị này còn phụ thuộc vào rằng buộc kết cấu cơ khí của robot. Trong trường hợp này ta chọn trong dải từ
0
<sub>r</sub>,
<sub>l</sub>6
. </div><span class="text_page_counter">Trang 34</span><div class="page_container" data-page="34">46 Hình 4.6 Sơ đồ khối tồn bộ Mobile Robot
4.2.2 Xác định tập mờ
a) Miền giá trị vật lý cơ sở của các biến ngôn ngữ - Sai lệnh khoảng cách giữa robot và mục tiêu:
0X1 25
(cm) - Tín hiệu sai lệnh giữa góc giữa robot và mục tiêu: </div><span class="text_page_counter">Trang 35</span><div class="page_container" data-page="35">47 Về nguyên tắc, số lượng tập mờ cho mỗi biến ngôn ngữ thường nằm trong khoảng từ 3 đến 10 giá trị. Nếu số lượng tập mờ ít hơn 3 thì ít có ý nghĩa vì khơng thể thực hiện được việc chi tiết hóa các phương án xử lý. Nếu lớn hơn 10 thì địi hỏi người lập trình phải xử lý một lượng lớn các suy luận, phải nghiên cứu đầy đủ để đồng thời phân biệt khoảng từ 5 đến 9 phương án khác nhau và phần cứng phải có khả năng lưu trữ lớn, cũng như khả năng xử lý nhanh đặc biệt trong bài toàn điều hướng robot hoạt động trong mơi trường thực (là bài tốn u cầu cần có tốc độ xử lý và khả năng lưu trữ rất lớn).
Đối với q trình điều khiển robot có thể chọn giá trị ngôn ngữ sau: +
X1Near Medium F,, ar
+
X2 Nagative, Zero, Positive,
+
X3Near Medium F,, ar
+
X4 Nagative, Zero, Positive,
+
RightZ o Slower , , Medium, Fast
+
LeftZ o Slower , , Medium, Fast
c) Các hàm liên thuộc
Đây là điểm cực kì quan trọng vì quá trình làm việc của bộ điều khiển mờ phụ thuộc rất nhiều vào dạng và kiểu hàm liên thuộc. Do vậy cần chọn kiểu hàm liên thuộc có phần chồng lên nhau và phủ kín miền giá trị vật lý, để trong q trình điều khiển khơng xuất hiện “lỗ hổng” và tránh trường hợp với một giá trị vật lý rõ đầu vào Xo mà tập mờ đầu ra có độ cao bằng 0 (miền xác định tập rỗng) và bộ điều khiển không thể đưa ra một quyết định điều khiển nào đó gọi là hiện tượng “cháy nguyên tắc”.
</div><span class="text_page_counter">Trang 36</span><div class="page_container" data-page="36">48 Mặt khác, hàm liên thuộc được chọn sao cho miền tin cậy của nó chỉ có một phần tử, hay nói cách khác chỉ tồn tại một điểm vật lý có độ phụ thuộc bằng độ cao của tập mờ. Đối với q trình điều khiển Mobile robot có 4 tập mờ. Mỗi tập mờ có 3 biến ngơn ngữ, tương ứng với nó là các giá trị ngơn ngữ:
+ Sai lệch khoảng cách mục tiêu và chướng ngại vật có các biến giá trị: NEAR (gần), MEDIUM (trung bình), FAR (xa).
+ Sai lệnh góc của robot so với mục tiêu và chướng ngại vật có các biến giá trị: NEGATIVE (âm), ZERO (không), POSITIVE (dương).
+ Giá trị đầu ra là vận tốc góc <small>Right</small>và <small>Left</small>là các biến giá trị: ZERO (khơng), SLOW (chậm), MEDIUM (trung bình), FAST (nhanh).
Mỗi giá trị ngôn ngữ sẽ được gắn với một hàm phụ thuộc dạng tam giác, hình thang.
Hình 4.7 Hàm phụ thuộc sai lệch khoảng cách của robot so với mục tiêu
</div><span class="text_page_counter">Trang 37</span><div class="page_container" data-page="37">49 Hình 4.8 Hàm phụ thuộc của sai lệnh góc giữa robot và mục tiêu
Hình 4.9 Hàm phụ thuộc của sai lệnh khoảng cách của robot so với chướng ngại vật
Hình 4.10 Hàm phụ thuộc của sai lệnh góc giữa robot và chướng ngại vật
</div><span class="text_page_counter">Trang 38</span><div class="page_container" data-page="38">50 Hình 4.11 Hàm phụ thuộc đầu ra bánh phải
Hình 4.12 Hàm phụ thuộc đầu ra bánh trái
Thứ tự quá trình xây dựng bộ điều khiển Fuzzy Logic Controller được thực hiện trong Fuzzy Logic Toolbox theo thứ tự dưới đây:
Hình 4.13 Xây dựng các biến vào/ra của FLC
</div><span class="text_page_counter">Trang 39</span><div class="page_container" data-page="39">51 d) Xây dựng các luật điều khiển
</div><span class="text_page_counter">Trang 40</span><div class="page_container" data-page="40">52 Hình 4.14 Xây dựng các luật điều khiển
Trong trường hợp khơng có vật cản trong khơng gian làm việc (vật cản ở xa), robot sẽ di chuyển nhanh khi khơng có vật cản xung quanh và giảm tốc độ khi gần điểm đích để dừng lại một cách an toàn. Các luật điều khiển thể hiện hành vi của robot trong trường hợp này:
R1: If (X1 is N) and (X2 is Z) then (Wp is Z) (Wt is Z) or
R2: If (X1 is M) and (X2 is N) and (X3 is F) then (Wp is M) (Wt is Z) or R3: If (X1 is F) and (X2 is P) and (X3 is F) then (Wp is Z) (Wt is M) or R4: If (X1 is F) and (X2 is N) and (X3 is F) then (Wp is F) (Wt is S) or R5: If (X1 is F) and (X2 is P) and (X3 is F) then (Wp is F) (Wt is S) or R6: If (X1 is M) and (X2 is Z) and (X3 is F) then (Wp is S) (Wt is S) or R7: If (X1 is N) and (X2 is N) and (X3 is F) then (Wp is S) (Wt is Z) or R8: If (X1 is N) and (X2 is P) and (X3 is F) then (Wp is Z) (Wt is S) or R9: If (X1 is F) and (X2 is Z) and (X3 is F) then (Wp is F) (Wt is F) or
Khi cảm nhận được sự hiện diện của các vật cản trong không gian làm việc thông qua các cảm biến, robot sẽ phải giảm tốc độ để tránh các vật cản này. Nếu robot gần vật cản nó sẽ thay đổi tốc độ và góc đánh lái để tránh vật cản đó. Các luật điều khiển bên dưới thể hiện hành vi chính của robot trong trường hợp này
R10: If (X3 is M) and (X4 is N) then (Wp is M) (Wt is S) or R11: If (X3 is M) and (X4 is Z) then (Wp is M) (Wt is S) or R12: If (X3 is M) and (X4 is P) then (Wp is S) (Wt is M) or
</div>
