Đồ Án Nghiên Cứu Xây Dựng Hệ Thống Điều Khiển Bám Đường Tránh Vật Cản Cho Xe Tự Hành

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (2.91 MB, 78 trang )

<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">

Trải qua 3 năm học tập tại trường Đại học Công nghệ Tp.HCM, nơi đã trang bị cho chúng em những kiến thức về chuyên môn cũng như đời sống để có được hành trang tốt nhất cho tương lai. Đồ án mơn học ngày hơm nay chính là những kiến thức đã được tổng hợp đầy đủ nhất mà chúng em đã tích lũy được trong thời gian học tập tại trường. Qua đây, nhóm xin gửi lời cảm ơn chân thành nhất tới các thầy cô trong viện Kỹ Thuật HUTECH, bộ môn Công nghệ kỹ thuật ô tô và đặc biệt là TS Phạm Văn Thức đã tận tình hướng dẫn chúng em hồn thành đồ án lần này. Chúng em chúc các thầy cô luôn mạnh khỏe, nhiệt huyết để dạy bảo, giúp đỡ các thế hệ sinh viên tiếp theo. Cảm ơn gia đình đã ln tin tưởng và hi vọng, là nguồn động lực lớn nhất cho chúng con.

</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">

<b>d) Nhược điểm của xe tự hành ...10 </b>

<b>e) Dự đốn tương lai của xe tự hành ...10 </b>

<b>1.2. Tình hình nghiên cứu xe tự hành trên thế giới và trong nước. ...13 </b>

<i><b>a) Tình hình nghiên cứu xe tự hành của thế giới...13 </b></i>

<i><b>b) Tình hình nghiên cứu xe tự hành trong nước ...21 </b></i>

<b>1.3. Đặt bài toán xây dựng mơ hình và hệ thống điều khiển xe tự hành ...23 </b>

<b>2.1.1. Thư viện Opencv ...25 </b>

<b>2.1.2. Thư viện wiringPi. ...27 </b>

<b>2.2. Logic mờ và bộ điều khiển mờ ...28 </b>

<b>2.2.1. Lịch sử phát triển của logic và bộ điều khiển mờ. ...28 </b>

</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">

<b>3.1.1. Xây dựng cấu trúc hệ thống và sơ đồ kết nối thiết bị ...41 </b>

<b>3.1.2. Các thiết bị phần cứng sử dụng trong hệ thống. ...42 </b>

<b>3.2. Xây dựng chương trình điều khiển cho xe tự hành ...53 </b>

<b>3.2.1. Xây dựng phần điều khiển bám đường ...54 </b>

<b>3.3. Thử nghiệm và đánh giá ...74 </b>

<b>3.4. Kết luận chương 3 ...76 </b>

<b>Chương 4: KẾT LUẬN CHUNG ...77 </b>

</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">

Hình.1.10: Xe Audi A7 tự hành đầu tiên ...17

Hình.1.11: Xe tự hành đầu tiên hãng Mercedes-Benz ...18

Hình.1.12: Xe tự hành đầu tiên của hãng Apple ...19

Hình.1.13: Xe tự hành của hãng Ford ...20

Hình.1.14: Hình xe tự hành đầu tiên của nước ta ...22

Hình.1.15: Hình xe tự hành của sinh viên FPT ...22

Hình 2.1: Độ cao, miền xác định, miền tin cậy của tập mờ ...31

Hình 2.2: Các nguyên lý giải mờ theo phương pháp cực đại ...35

Hình 2.3: Các khối chức năng của bộ điều khiển mờ ...36

Hình 2.4: Sơ đồ cấu trúc bộ điều khiển mờ ...37

Hình 3.1: Sơ đồ liên kết các phần cứng ...41

Hình 3.2: Raspberry Pi 3 ...43

Hình 3.3: GPIO Raspberry Pi 3 model B ...46

Hình 3.4: Sơ đồ chân của module L298 ...47

Hình 3.5: Sơ đồ chân của module L298 ...48

Hình 3.6: Động cơ servo ...49

Hình 3.7: Sơ đồ chân của động cơ RC servo ...50

Hình 3.8: Camera Module Máy Ảnh 8MP cho Raspberry Pi V2 ...52

Hình 3.9: Sơ đồ thực hiện chương trình ...54

Hình 3.10: Phạm vi tính tâm đường và tâm đường ...55

Hình 3.11: Sơ đồ thực hiện thuật tốn tìm tâm đường ...55

Hình 3.12: Vùng ảnh left và right ...56

Hình 3.13: Xe nằm giữa hai vạch đường ...57

Hình 3.14: Xe nằm bên ngồi bên phải cả hai vạch đường ...58

</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">

Hình 3.16: Xe nằm bên ngồi bên trái cả hai vạch đường ...59

Hình 3.17: Xe nằm bên trong bên trái một vạch đường ...59

Hình 3.18: Xe nằm giữa, mất vạch đường bên phải ...60

Hình 3.19: Xe lệch sang phải, mất vạch đường bên phải ...60

Hình 3.20: Xe nằm giữa, mất vạch đường bên trái ...60

Hình 3.21: Xe lệch sang trái, mất vạch đường bên trái ...61

Hình 3.22: Xe khơng bắt được vạch đường ...61

Hình 3.23: Góc thực ...62

Hình 3.24: Sơ đồ thực hiện của bộ điều khiển mờ ...63

Hình 3.25: Định nghĩa tập mờ cho biến ngơn ngữ gocthuc ...65

Hình 3.26: Định nghĩa tập mờ cho biến ngôn ngữ DeltaPWM ...67

Hình 3.27: Hàm thuộc đầu ra của luật hợp thành với giá tri gocthuc=26,25 ...68

Hình 3.28: Giải mờ sử dụng phương pháp điểm trọng tâm cho luật Sum-Min ...68

Hình 3.29: Sơ đồ thực hiện thuật tốn tìm vật cản ...69

Hình 3.30: Ảnh đầu vào ...70

Hình 3.31: Ảnh sau khi lọc màu ...71

Hình 3.32: Vật cản sau khi tìm được ...71

Hình 3.33: Sơ đồ thực hiện thuật toán điều khiển tránh vật cản ...72

Hình 3.34: Vật cản nằm bên trái đường ...72

Hình 3.35: Vật cản nằm bên phải đường ...72

Hình 3.36: Vật cản nằm giữa đường ...73

Hình 3.37: Tâm đường mới trường hợp vật cản nằm bên trái đường ...73

Hình 3.38: Tâm đường mới trường hợp vật cản nằm bên phải đường ...74

Hình 3.39: Tâm đường mới trường hợp vật cản ở giữa đường...74

</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">

<b>Chương 1: TỔNG QUAN VỀ XE TỰ HÀNH VÀ BÀI TOÁN ĐIỀU KHIỂN XE TỰ HÀNH </b>

Xe tự hành, cũng được biết đến như xe tự lái, là một chiếc xe có khả năng hồn thành các khả năng vận chuyển con người của xe truyền thống. Nó có khả năng cảm nhận môi trường và điều hướng mà không cần sự can thiệp của con người.

<b>b) Lịch sử ra đời và phát triển </b>

Các thí nghiệm về xe tự hành đã được tiến hành ít nhất là từ những năm 1920, thử nghiệm đầy hứa hẹn đã diễn ra vào những năm 1950 và công việc này đã được bắt đầu kể từ đó. Những chiếc xe tự hành đầu tiên xuất hiện vào những năm 1980, do trường đại học Carnegie Mellon của Navlab trong dự án ALV (Autonomous Land Vehicle) năm 1984, Mercedes-Benz và Bundeswehr của trường đại học Munich trong dự án Prometheus EUREKA vào năm 1987. kể từ đó, nhiều cơng ty lớn và các tổ chức nghiên cứu đã phát triển xe tự hành, bao gồm Mercedes-Benz, General Motors, Continental Automotive Systems, IAV, Autoliv Inc., Bosch, Nissan, Renault, Toyota, Audi, Hyundai Motor Công ty, Volvo, Tesla Motors, Peugeot, Local Motors, AKKA Technologies, Vislab từ Đại học Parma, Đại học Oxford và Google. Vào tháng Bảy năm 2013, Vislab chứng minh BRAiVE, một chiếc xe tự hành di chuyển trên một tuyến đường giao thông công cộng. Trong năm 2015, năm quốc gia Mỹ (Nevada, Florida, California, Virginia, và Michigan) cùng với Washington, DC cho phép thử nghiệm xe tự động hoàn toàn trên đường công cộng. Trong khi xe ô tô tự trị nói chung đã được thử nghiệm trong thời tiết bình thường trên những con đường bình thường, Ford đã thử nghiệm xe tự trị của họ trên những con đường phủ đầy tuyết.

</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7">

<i>Hình.1.1: Xe tự hành hãng Mercedes-Benz </i>

<i>Hình.1.2: Xe tự hành cấp độ 3 của hãng Tesla </i>

</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">

<i><b>Hình.1.3: Xe tự hành của hãng Google </b></i>

<i>Hình.1.4: Xe tự hành đầu tiên của hãng Vinfast </i>

</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">

- Tiết kiệm được vô số thời gian của con người. - Giải quyết các vấn đề về môi trường.

- Từ trước đến nay, điều khiển một chiếc xe chỉ dành cho người có thể vượt qua kì thi lấy bằng lái. Những người quá trẻ hoặc quá già, người khuyết tật hoặc có triệu chứng tâm lý khơng thể có được trải nghiệm này. Nhưng với xe tự hành, giao thông cá nhân sẽ mở ra tất cả các phân khúc đơn lẻ của xã hội. Việc làm chủ một thiết bị di chuyển hiện đại sẽ nằm trong tầm tay của tất cả mọi người.

- Về mặt thẩm mỹ, xe tự hành sẽ thay đổi cách nhìn nhận một chiếc xế hộp, hoặc ít nhất về khía cạnh nội thất sẽ rất khác biệt. Vơ-lăng, nút bấm, bàn đạp phanh, ga, cần sang số, đồng hồ tốc độ và nhiều cụm thiết bị khác bỗng trở nên thừa thãi. Những nguyên tắc cứng nhắc như ghế ngồi phải hướng về phía trước sẽ khơng cịn hiệu lực. Nội thất xe sẽ được thiết kế phục vụ nhu cầu sinh hoạt và giải trí của người sử dụng. Bạn có thể ăn, ngủ, nghỉ, thậm chí tận hưởng cuộc sống ngay trong lúc xe vẫn đang

</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">

chạy trên đường. Xét về tính ứng dụng, xe tự hành giống như một ngôi nhà lưu động và trở thành giải pháp cho hiện trạng đô thị chật chội ngày nay.

<b>d) Nhược điểm của xe tự hành </b>

- Hệ thống cơ sở hạ tầng còn chưa phù hợp với xe tự hành. - Kinh phí xây dựng hệ thống giao thơng, biển bảng rất lớn. - Giá thành của các xe sẽ tương đối cao.

- Cơng nghệ cịn chưa thay thế được con người hoàn toàn.

- Vấn đề việc làm sẽ mất cân đối: nhiều tài xế, nhân viên giao thông bị thất nghiệp. - Hệ thống này khơng thực sự hồn hảo bởi sự phụ thuộc vào điều kiện mơi trường. -Tính hiệu quả chỉ phát huy tối đa khi môi trường xung quanh hội tụ đủ tiêu chuẩn nhất định. Thời tiết không thuận lợi sẽ ảnh hưởng tới độ chính xác cũng như an toàn của xe khi vận hành.

- Tuy nhiên, rào cản lớn nhất khơng đến từ khía cạnh kỹ thuật mà là luật pháp. Ví dụ như khi tai nạn xảy ra, thật khó xác định lỗi thuộc về người ngồi trên xe hay không. Luật pháp dù có cải tiến vẫn chậm chạp hơn tốc độ phát triển của công nghệ. Một số tiểu bang Hoa Kỳ đã chú ý tới điều luật dành cho xe tự động và bán tự động.

<b>e) Dự đoán tương lai của xe tự hành </b>

Ơ tơ trong tương lai sẽ được trang bị nhiều công nghệ tự lái hiện đại, giúp làm giảm căng thẳng và mệt mỏi cho các lái xe, đồng thời giảm thiểu khả năng va chạm với phương tiện khác. Công nghệ xe tự hành hứa hẹn mang đến cho con người sự an toàn, thoải mái và cá nhân hoá hơn.

Ở Nhật dường như đang tiến gần hơn tới việc vận hành hệ thống giao thông công cộng một cách tự động sau khi một cơng ty nước này cho trình làng xe bt khơng

</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">

người lái, có tên Robot Shuttle. Hiện tại các cơng nghệ dành cho dịng xe cao cấp trước đây trở thành tiêu chuẩn như: bluetooth, GPS, cảm biến đỗ xe. Xe hơi bây giờ cịn được tích hợp một trạm phát Wi-Fi, cho phép người trên xe có thể truy cập

<b>internet và nó thực thụ trở thành một thiết bị di động với nhiều tính năng khác nhau Năm 2021 sẽ có khoảng 10 chiếc xe tự hành đầu tiên được bán ra trên thị trường, nó </b>

được tích hợp thêm cơng nghệ giao tiếp giữa xe với xe giúp chúng cảm nhận và “nhìn thấy nhau”.Trên xe các tiện ích đa phương tiện như âm nhạc, video, dữ liệu được tích hợp sẵn trong kết nối internet trong xe dựa vào cơng nghệ điện tốn đám mây. Người dùng sử dụng chúng thông qua câu lệnh bằng giọng nói

</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12">

<b>Đến năm 2026, xe tự hành có thể di chuyển hồn tồn tự động, nó đủ tinh vi và hiện </b>

đại để được sử dụng phổ biến. Khi đó sẽ có pháp luật và quy định riêng dành cho xe tự hành. Các vấn đề đạo đức cũng được quan tâm và thực hiện.

Công nghệ xe tự hành hứa hẹn mang đến cho con người sự an tồn, thoải mái và cá nhân hố hơn. Hiện tại thì đã có khá nhiều mẫu xe được trang bị các công nghệ tự động như tự ra/vào garage, hay tự động đỗ xe, … Có lẽ phải mất đến vài năm nữa cho đến khi chúng ta có những mẫu xe tự hành thực thụ có thể chạy trên đường một cách an toàn. Cuộc đua để đưa những chiếc xe tự hành đến với công chúng đang "nóng" hơn bao giờ hết khi những người khổng lồ công nghệ đang thử vận may ở lĩnh vực mới mẻ này và được coi là dòng xe của tương lai.

</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">

<b>1.2. Tình hình nghiên cứu xe tự hành trên thế giới và trong nước. </b>

<i>a) Tình hình nghiên cứu xe tự hành của thế giới </i>

Vào năm 2014, để thấy được tình hình nghiên cứu xe tự hành đang ở cấp độ nào, hiệp hội kỹ sư xe hơi (SAE) đã đưa ra 6 cấp độ cho xe tự hành. Cấp độ 0 hoàn tồn khơng có tính năng tự lái. Nhiều ơ tơ đang được lưu thông hiện nay được xếp vào cấp độ này, kể cả những ô tô được trang bị các tính năng như cảnh báo va chạm phía trước hay công nghệ cảnh báo điểm mù. Ở cấp độ này, người ngồi phía sau vơ lăng phải tự mình điều khiển hồn tồn các tính năng của xe, như lái xe, gia giảm tốc độ, hay phanh khi xe đang chạy.

<b>Cấp độ 1 được trang bị một vài tính năng hỗ trợ người lái. Các loại ơ tơ tự lái ở cấp </b>

độ này có thể có một hoặc nhiều hệ thống điều khiển tốc độ của xe hoặc hướng lái, nhưng không thể đồng thời vận hành cả hai tính năng này. Nhiều mẫu ơ tơ hiện nay được trang bị tính năng Cruise Control nhằm giúp chiếc xe có thể tự vận hành ở tốc độ mong muốn của người lái xe, từ đó giảm tải việc liên tục phải giữ chân ga trên một quãng đường dài. Đây là ví dụ cho một tính năng tự hành cấp độ một. Tới năm 2021, hầu hết ô tô bán ra tại Mỹ sẽ được trang bị hệ thống phanh tự động khẩn cấp, vốn cũng là một tính năng của xe tự hành cấp độ 1. Bên cạnh đó, một vài hãng xe như Subaru cịn có cả hệ thống chủ động kiểm sốt làn đường, qua đó có thể tự động lái xe trở về đúng làn đường khi xe chạy chệch làn trên những xe thuộc phân khúc phổ thông, nhưng các hệ thống này không thịnh hành bằng hệ thống Cruise Control.

</div><span class="text_page_counter">Trang 14</span><div class="page_container" data-page="14">

<b>Cấp độ 2 được trang bị các hệ thống hỗ trợ người lái nhiều hơn. Nhiều nhà sản xuất </b>

ô tô hạng sang hiện đã cung cấp các xe tự hành cấp độ hai có thể đồng thời tự điều khiển hướng lái và tốc độ, mà không cần sự tương tác từ người lái trong một khoảng thời gian ngắn (dưới 1 phút hay vài giây). Hiện tại, các “ông lớn” như Volvo, Mercedes-Benz và BMW đều đã cung cấp các tính năng tự hành cấp độ hai, nhưng tất cả đều yêu cầu người lái phải theo dõi điều kiện môi trường xung quanh khi xe di chuyển. Hệ thống tự hành cấp độ hai nổi tiếng nhất hiện nay có lẽ là Autopilot của Tesla. Hệ thống này có thể đo lực xoay trên vô lăng để đảm bảo rằng người lái đang tập trung lái xe. Xe tự hành ở cấp độ này không thể tự điều khiển ở mọi trường hợp,

</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15">

bao gồm cả việc nhập làn vào đường cao tốc hay lái xe trong trình trạng tắc đường. Hiện nay các xe tự hành đã được ra mắt trên thế giới mới chỉ dừng lại ở cấp độ này.

<b>Cấp độ 3 là xe tự hành có điều kiện. Khơng giống như các xe tự hành cấp độ 2, xe </b>

tự hành cấp độ 3 có thể tự điều khiển trong mọi tình huống, đồng thời liên tục tự theo dõi điều kiện đường xá. Song không giống như những cấp độ tự hành cao hơn, xe cấp độ 3 sẽ chuyển sang chế độ người lái điều khiển khi chúng không thể xử lý tình huống. Theo định nghĩa của SAE, xe tự hành cấp độ 3 sẽ yêu cầu người lái can thiệp khi hệ thống tự lái ngừng hoạt động. Tuy nhiên, một số nhà sản xuất ô tô cho rằng đây là một vấn đề về an toàn đối với người lái vì họ quá phụ thuộc vào các hệ thống này và có thể khơng sẵn sàng để can thiệp khi cần thiết. Đây cũng là lý do mà nhiều hãng xe như Ford hay Volvo cho biết họ sẽ bỏ qua giai đoạn này.

</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16">

<b>Cấp độ 4 được mô tả là gần như tự hành. Ford và Volvo gần đây đều lên báo sẽ cho </b>

ra đời những chiếc xe tự hành cấp độ 4 trước năm 2021. Hiện chưa rõ liệu khách hàng bình thường có được sử dụng những chiếc xe này, hay chúng chỉ dành cho các hoạt động chia sẻ xe hoặc chỉ có mặt ở một số thành phố nhất định, nhưng rõ ràng là nhiều hãng xe đang hướng mục tiêu tới cấp độ này. Xe tự hành cấp độ 4 sẽ không cần đến sự tương tác của người lái nữa mà thay vào đó sẽ tự động dừng lại khi các hệ thống tự hành ngừng hoạt động. Đây là điểm khác biệt quan trọng của xe cấp độ 4 so với cấp độ 3. Nhiều nhà sản xuất ô tơ như Tesla hay Mercedes Benz đã tích hợp tính năng tự giảm dần tốc độ xe đến khi dừng hẳn hoặc bật đèn cảnh báo nguy hiểm khi phát hiện tín hiệu cho thấy người lái khơng tương tác với xe. Nhiều hãng xe cho rằng việc tích hợp cả tính năng tự lái và có người lái là thừa và tốn kém. Volvo là hãng xe duy nhất cho đến nay cho biết họ sẽ tung ra chiếc XC90 tự hành cấp độ 4 với cả hai tính năng này. Cấp độ 5 là những xe tự hành hoàn toàn. Dù cấp độ 4 và

</div><span class="text_page_counter">Trang 17</span><div class="page_container" data-page="17">

vọt khi xe tự hành cấp độ năm hoàn tồn khơng cần đến sự tương tác của người lái trong quá trình vận hành. Các bộ phận cơ bản của xe như vô lăng, chân ga và chân phanh sẽ khơng cịn cần thiết trên một chiếc xe tự hành cấp độ này bởi chúng không cần sự điều khiển của con người nữa.

Hiện nay trên thế giới đã có rất nhiều hãng tham gia nghiên cứu xe tự hành và trong tương lai gần họ sẽ ra mắt và thử nghiệm một số loại xe tự hành vào đời sống như: - Audi: Chiếc Audi A7 đã hồn tất hành trình tự lái dài 885km vào năm 2016 tuy nhiên Audi vẫn chưa có tuyên bố chính thức về ngày ra mắt của chiếc xe. Audi cũng là hãng xe đầu tiên nhận được sự cho phép vận hành xe tự hành ở Nevada (2012) và California (2014)

</div><span class="text_page_counter">Trang 18</span><div class="page_container" data-page="18">

- Daimler: Người đứng đầu của hãng Mercedes-Benz, Thomas Weber tuyên bố Daimler muốn là hãng xe đầu tiên trang bị công nghệ tự hành trên các mẫu xe của mình, và hứa với người tiêu dùng rằng hãng sẽ cho ra mắt mẫu xe tự hành đầu tiên vào cuối thập niên này.

<i>Hình.1.11: Xe tự hành đầu tiên hãng Mercedes-Benz </i>

- Apple: Dự án Titan của Apple dự kiến cho ra mắt vào năm 2019. Tuy nhiên, chưa có thơng báo chính thức nào về việc này nên cũng cịn phải chờ xem liệu Apple có thể đánh bại Google trong lĩnh vực này hay không.

</div><span class="text_page_counter">Trang 19</span><div class="page_container" data-page="19">

<i>Hình.1.12: Xe tự hành đầu tiên của hãng Apple </i>

- General Motors: Hãng xe sẽ cho ra mắt hệ thống xe tự hành dành cho nhân viên của hãng di chuyển trong công ty vào cuối năm 2016. Trên web của hãng cũng có nhắc đến việc cho ra mắt dòng xe bán tự hành vào năm 2020 và dòng xe tự hành 100% vào thập niên kế tiếp.

</div><span class="text_page_counter">Trang 20</span><div class="page_container" data-page="20">

- Ford: Ford cũng vừa thành lập một đội ngũ kỹ sư chuyên nghiên cứu công nghệ tự hành vào tháng 6/2016 vừa qua. Tuy nhiên, hãng cũng cho biết có thể đến năm 2020 các xe của Ford sẽ không phải là mẫu xe sở hữu cơng nghệ tự hành 100% vì Ford muốn phát triển cơng nghệ để có thể trang bị trên tất cả các phân khúc xe của hãng chứ không chỉ trang bị cho phân khúc siêu sang.

- Nissan: Hãng xe Nhật cũng dự kiến cho ra mắt mẫu xe tự hành vào năm 2020. Hãng xe này đã nghiên cứu và làm việc với các nhà nghiên cứu đến từ các trường ĐH lớn trên thế giới như Oxford, Stanford, MIT nhằm sớm biến công nghệ này thành hiện thực.

- Toyota: Người khổng lồ Nhật Bản tuyên bố sẽ cho ra mắt phiên bản Lexus tự lái vào dịp thế vận hội Olympics Tokyo năm 2020.

</div><span class="text_page_counter">Trang 21</span><div class="page_container" data-page="21">

<i>b) Tình hình nghiên cứu xe tự hành trong nước </i>

Trước tình hình nghiên cứu xe tự hành trên thế đang rất sơi động, vào ngày 2/11/2016 tập đồn FPT đã chính thức phát động cuộc thi “Cuộc đua số” với chủ đề “Xe không người lái” nhằm mục đích giúp cho các bạn trẻ Việt Nam xây dựng một nền tảng vững chắc để đón nhận cơ hội và thành công trong cuộc cách mạng số đang diễn ra hết sức mạnh mẽ trên toàn thế giới. Và để có cái nhìn tồn diện về cơng nghệ ô tô và robot trong cuộc cách mạng công nghiệp 4.0 này, ngày 15/4/2017, tại Hà Nội, FPT Software đã phối hợp với Vietnamworks tổ chức hội thảo về "Tương lai công nghệ ô tô và robot trong cuộc cách mạng công nghiệp 4.0". FPT Software cũng giới thiệu mô hình thử nghiệm xe tự hành do cơng ty tự nghiên cứu phát triển từ tháng 8/2016. Nhóm nghiên cứu đã tiến hành lắp ráp và lập trình xe tự hành trong 3 tháng với các linh kiện nhập từ nhiều nước. Theo đại diện FPT Software, xe có thể tự động nhận diện vật cản, leo trèo bãi đất, bãi cát, leo dốc đến 45 độ, lội nước ngập sâu 10cm, lội sình lầy, lội tuyết…

Xe chạy được trên đường cong (địa hình đơn giản) và tránh được vật cản nhờ thuật toán phát hiện biên của ảnh để xác định đường di chuyển của xe, đọc dữ liệu từ cảm biến siêu âm, tính tốc độ động cơ, điều khiển động cơ PID cơ bản cho vịng tốc độ và vị trí … Hiện nay trong nước mới chỉ có tập đồn FPT đang tham gia nghiên cứu công nghệ xe không người lái.

</div><span class="text_page_counter">Trang 22</span><div class="page_container" data-page="22">

</div><span class="text_page_counter">Trang 23</span><div class="page_container" data-page="23">

<b>1.3. Đặt bài tốn xây dựng mơ hình và hệ thống điều khiển xe tự hành </b>

Để nắm bắt được xu thế công nghệ xe tự hành, em lựa chọn đồ án “Nghiên cứu xây dựng hệ thống điều khiển bám đường, tránh vật cản cho xe tự hành”. Với mục đích là xây dựng được mơ hình xe tự hành có thể bám được đường dựa theo mô phỏng đường thực tế và tránh được vật cản. Để đạt được mục đích như vậy, em đưa ra mục tiêu nghiên cứu như cứu như sau:

- Xây dựng được mơ hình xe tự hành có đầy đủ trang, thiết bị cho việc xác định làn đường và vật cản, xe có thể di chuyển được trên sa hình mơ phỏng đường thực tế. - Nắm được các thiết bị phần cứng được trang bị cho xe để có thể lập trình, làm việc được với xe.

- Nắm được các cơ sở liên quan đến việc xác định làn đường, xác định vật cản và các thuật toán điều khiển.

- Nghiên cứu đưa ra được thuật toán xác định làn đường.

- Nghiên cứu đưa ra được thuật toán điều khiển xe bám đường. - Nghiên cứu đưa ra được thuật toán xác định vật cản.

- Nghiên cứu đưa ra được thuật toán điều khiển tránh vật cản.

- Kết hợp các thuật toán lại thành một chương trình điều khiển xe bám đường, tránh vật cản hồn chình.

- Chạy thử nghiệm xe và đưa ra đánh giá.

<b>Để thực hiện được các mục tiêu trên sử dụng các phương pháp sau: </b>

- Phương pháp nghiên cứu tài liệu; - Phương pháp phân tích và tổng hợp;

</div><span class="text_page_counter">Trang 24</span><div class="page_container" data-page="24">

- Phương pháp hỏi ý kiến chuyên gia; - Phương pháp thực nghiệm;

<b>Để thực hiện được đồ án này em đưa ra hướng giải quyết như sau: </b>

- Xây dựng mơ hình;

- Nghiên cứu xử lý ảnh sử dụng thư viện Opencv;

- Nghiên cứu các thiết bị phần cứng Raspberry Pi 3, cảm biến siêu âm HC-SR04, camera A4 tech, điều khiển động cơ qua L298N;

- Nghiên cứu thuật toán xác định làn đường, xác định vật cản và chương trình điều khiển xe.

<b>1.4. Kết luận chương 1 </b>

Trong chương 1, trình bày được khái niệm xe tự hành, lịch sử ra đời và phát triển của xe tự hành, ưu nhược điểm của xe tự hành, dự đốn tương lai và dự đốn cơng nghệ xe tự hành trong vịng 10 năm tới. Trình bày được tình hình nghiên cứu xe tự hành ở thế giới và trong nước. Đưa ra được tính cấp thiết, phạm vi nghiên cứu, phương pháp nghiên cứu và hướng giải quyết của đồ án. Chương 1 giúp chúng tahiểu được tổng quan về xe tự hành, xu thế phát triển của nó và nêu lên được nội dung mà đồ án này sẽ thực hiện. Trong chương 2 em tiếp tục trình bày về cơ sở xây dựng trương trình điều khiển cho xe tự hành. Trong đó em sẽ trình bày tổng quan về thư viện Opencv và wiringPi, cơ sở lý thuyết về thuật toán điều khiển mờ.

</div><span class="text_page_counter">Trang 25</span><div class="page_container" data-page="25">

<b>Chương 2: CƠ SỞ XÂY DỰNG CHƯƠNG TRÌNH ĐIỀU KHIỂN CHO XE TỰ HÀNH </b>

<b>2.1. Tổng quan về các thư viện sử dụng cho hệ thống điều khiển xe tự hành 2.1.1. Thư viện Opencv </b>

<i><b>2.1.1.1. Tổng quan về thư viện Opencv </b></i>

OpenCV là một thư viện mã nguồn mở hàng đầu cho thị giác máy tính (computer vision), xử lý ảnh, máy học, và các tính năng tăng tốc GPU trong hoạt động thời gian thực. OpenCV được phát hành theo giấy phép BSD, do đó nó hồn tồn miễn phí cho cả học thuật và thương mại. Nó có các interface C++, C, Python, Java và hỗ trợ Windows, Linux, Mac OS, iOS và Android. OpenCV được thiết kế để tính toán hiệu quả và với sự tập trung nhiều vào các ứng dụng thời gian thực. Được viết bằng tối ưu hóa C/C++, thư viện có thể tận dụng lợi thế của xử lý đa lõi. Được sử dụng trên khắp thế giới, OpenCV có cộng đồng hơn 47 nghìn người dùng và số lượng download vượt quá 6 triệu lần. Phạm vi sử dụng từ nghệ thuật tương tác, cho đến lĩnh vực khai thác mỏ, bản đồ trên web hoặc công nghệ robot.

OpenCV đang được sử dụng rộng rãi trong các ứng dụng bao gồm: - Hình ảnh street view.

- Kiểm tra và giám sát tự động. - Robot và xe hơi tự lái.

- Phân tích hình ảnh y tế.

- Tìm kiếm và phục hồi hình ảnh/video. - Phim - cấu trúc 3D từ chuyển động. - Nghệ thuật sắp đặt tương tác.

</div><span class="text_page_counter">Trang 26</span><div class="page_container" data-page="26">

OpenCV có một cấu trúc modul, cái mà là các gói thư viện được chia sẻ chung hoặc thư viện tĩnh. Phía dưới là modul có.

- Core – là modul nhỏ gọn xác định cấu trúc dữ liệu cở bản, bao gồm mảng đa chiều Mat và các hàm cơ bản được sử dụng bởi tất cả các modul khác.

- Imgproc – là modul xử lý ảnh bao gồm lọc tuyến tính và phi tuyến tính, biến đổi hình học (thay đổi kích thước, affine và phối cảnh nhân tạo, sửa đổi dựa trên bảng chung), chuyển đổi không gian màu, lược đồ, v.v…

- Video – là modul phân tích video bao gồm đánh giá chuyển động, phép trừ nền và các thuật toán theo dõi đối tượng.

- Calib3d – Các thuật tốn hình học nhiều chiều cơ bản, hiệu chuẩn camera đơn và âm thanh, ước lượng các đối tượng, thuật toán tương phản stereo và các yếu tố tái tạo 3D.

- Features2d – trình dị đặc trưng, mổ tả và kết nối mô tả.

- Objdetect – phát hiện các đối tượng và các lớp được xác định trước (ví dụ khuân mặt, mắt, cốc, người, xe hơi, v.v…).

- Highgui – một giao diện dễ sử dụng để quay video, hình ảnh và codecs video, cũng như giao diện người dùng đơn giản.

- Gpu – Các thuật toán tăng tốc CPU từ các modul opencv khác nhau.

</div><span class="text_page_counter">Trang 27</span><div class="page_container" data-page="27">

<b>2.1.2. Thư viện wiringPi. </b>

WiringPi là thư viện truy cập GPIO dựa trên các mã PIN, viết bằng ngôn ngữ C cho BCM2835 được sử dụng trong Raspberry Pi. Nó được phát hành theo giấy phép của GNU LGPLv3 và có thể sử dụng từ ngơn ngữ C, C++ và RTB (BASIC) cũng như nhiều ngôn ngữ khác với các phiên bản phù hợp. Nó được thiết kế để tương thích với những ai sử dụng “wiring” của hệ thống Arduino. WiringPi bao gồm một tiện ích gpio cho dịng lệnh, cái mà có thể được sử dụng cho chương trình và cài đặt các chân GPIO. Bạn có thể sử dụng nó để đọc và ghi các chân và thậm chí sử dụng để kiểm sốt chúng từ đoạn vỏ. WiringPi có thể mở rộng được và các modul cung cấp để mở rộng wiringPi cho việc sử dụng các thiết bị giao diện tương tự trên Gertboard, và để sử dụng các chip GPIO mở rộng phổ biến MCP23x17/MCP23x08, cũng như mô-đun cho phép các khối lên đến 4 74x595 thanh ghi dịch để kết hợp đồng thời cho việc thêm 32 bit của đầu ra như một đơn vị duy nhất. Một mô-đun mở rộng cho phép bạn sử dụng Atmega (ví dụ Arduino, hoặc Gertboard) cũng như mở rộng nhiều GPIO hơn thông qua cổng truyền thông nối tiếp của Pi. WiringPi hỗ trợ đọc và ghi tín hiệu tương tự mặc dù trong nó khơng có phần cứng tương tự trên Pi theo mặc định. Các mô-đun được cung cấp để hỗ trợ chip tương tự Gertboard và các thiết bị A/D, D/A khác có thể được thực hiện tương đối dễ dàng[10]. Trước khi sử dụng thư viện GPIO WiringPi, bạn cần khai báo file header của nó trong chương trình. Để biên dịch chương trình cần phải bổ sung thêm thuộc tính –lwiringPi. Có 4 cách để khởi tạo wiringPi:

int wiringPiSetup (void); int wiringPiSetupGpio (void); int wiringPiSetupPhys (void); int wiringPiSetupSys (void);

</div><span class="text_page_counter">Trang 28</span><div class="page_container" data-page="28">

Một trong các hàm cài đặt phải được gọi ở đầu của chương trình, nếu khơng chương trình sẽ làm việc khơng đúng.

Sự khác nhau giữa 4 hàm cài đặt được chỉ ra là:

- wiringPiSetup(void) - Hàm này dùng để khởi tạo wiringPi và giả định chương trình sử dụng sơ đồ đánh số chân của wiringPi. Hàm này cần được gọi dưới quyền root. - wiringPiSetupGpio(void) - Hàm này giống hệt như trên, tùy nhiên nó cho phép chương trình sử dụng số chân trực tiếp không cần lập lại bản đồ. Hàm này cũng cần được gọi dưới quyền root.

- wiringPiSetupPhys(void) - Cho phép chương trình sử dụng số chân vật lý trên chỉ trên đầu nối P1. Hàm này cần được gọi với quyền root.

- wiringPiSetupSys(void) - Hàm này khởi tạo wiringPi nhưng sử dung giao diện /sys/class/gpio thay vì truy cập trực tiếp phần cứng. Hàm này có thể được gọi với người dùng khơng cung cấp quyền root nếu các chân GPIO đã được xuất ra trước khi chương trình sử dụng. Số chân trong chế độ này là số GPIO Broadcom gốc, giống như wiring PiSetup Gpio () ở trên, vì vậy cần biết sự khác biệt giữa các bảng Rev 1 và Rev 2[11].

<b>2.2. Logic mờ và bộ điều khiển mờ </b>

<b>2.2.1. Lịch sử phát triển của logic và bộ điều khiển mờ. </b>

Logic mờ được công bố lần đầu tiên tại Mỹ vào năm 1965 do giáo sư Lotfi Zadeh. Kể từ đó, logic mờ đã có nhiều phát triển qua các chặng đường sau phát minh ở Mỹ, áp dụng ở Châu Âu và đưa vào các sản phẩm thương mại ở Nhật. Ứng dụng đầu tiên của logic mờ vào công nghiệp được thực hiện ở Châu Âu, khoảng sau năm 1970. Tại trường Queen Mary ở Luân Đôn – Anh, Ebrahim Mamdani dùng logic mờ để điều khiển một máy hơi nước mà trước đây ông ấy không thể điều khiển được bằng

</div><span class="text_page_counter">Trang 29</span><div class="page_container" data-page="29">

quyết định. Liên tiếp sau đó, logic mờ được áp dụng vào các lĩnh vực khác như điều khiển lị xi măng, … nhưng vẫn khơng được chấp nhận rộng rãi trong công nghiệp. Kể từ năm 1980, logic mờ đạt được nhiều thành công trong các ứng dụng ra quyết định và phân tích dữ liệu ở Châu Âu. Nhiều kỹ thuật logic mờ cao cấp được nghiên cứu và phát triển trong lĩnh vực này. Cảm hứng từ những ứng dụng của Châu Âu, các công ty của Nhật bắt đầu dùng logic mờ vào kỹ thuật điều khiển từ năm 1980. Nhưng do các phần cứng chuẩn tính tốn theo giải thuật logic mờ rất kém nên hầu hết các ứng dụng đều dùng các phần cứng chuyên về logic mờ. Một trong những ứng dụng dùng logic mờ đầu tiên tại đây là nhà máy xử lý nước của Fuji Electric vào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987.

Những thành công đầu tiên đã tạo ra nhiều quan tâm ở Nhật. Có nhiều lý do để giải thích tại sao logic mờ được ưa chuộng. Thứ nhất, các kỹ sư Nhật thường bắt đầu từ những giải pháp đơn giản, sau đó mới đi sâu vào vấn đề. Phù hợp với việc logic mờ cho phép tạo nhanh các bản mẫu rồi tiến đến việc tối ưu. Thứ hai, các hệ dùng logic mờ đơn giản và dễ hiểu. Sự “thông minh” của hệ không nằm trong các hệ phương trình vi phân hay mã nguồn. Cũng như việc các kỹ sư Nhật thường làm việc theo tổ, địi hỏi phải có một giải pháp để mọi người trong tổ đều hiểu được hành vi của hệ thống, cùng chia sẽ ý tưởng để tạo ra hệ. Logic mờ cung cấp cho họ một phương tiện rất minh bạch để thiết kế hệ thống. Và cũng do nền văn hóa, người Nhật khơng quan tâm đến logic Boolean hay logic mờ; cũng như trong tiếngNhật, từ “mờ’ không mang nghĩa tiêu cực. Do đó, logic mờ được dùng nhiều trong các ứng dụng thuộc lĩnh vực điều khiển thông minh hay xử lý dữ liệu. Máy quay phim và máy

chụp hình dùng logic mờ để chứa đựng sự chuyên môn của người nghệ sĩ nhiếp ảnh. Misubishi thông báo về chiếc xe đầu tiên trên thế giới dùng logic mờ trong điều

khiển, cũng như nhiều hãng chế tạo xe khác của Nhật dùng logic mờ trong một số

</div><span class="text_page_counter">Trang 30</span><div class="page_container" data-page="30">

minh về logic mờ. Ngoài ra, logic mờ cũng được dùng để tối ưu nhiều q trình hóa học và sinh học.

Năm năm trôi qua, các tổ hợp Châu Âu nhận ra rằng mình đã mất một kỹ thuật chủ chốt vào tay người Nhật và từ đó họ đã nỗ lực hơn trong việc dùng logic mờ vào các ứng dụng của mình. Đến nay, có khoảng 200 sản phẩm bán trên thị trường và vô số ứng dụng trong điều khiển q trình – tự động hóa dùng logic mờ. Từ những thành công đạt được, logic mờ đã trở thành một kỹ thuật thiết kế “chuẩn” và được chấp nhận rộng rãi trong cộng đồng.

Khái niệm tập hợp được hình thành trên nền tảng 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. Cho một tập hợp A, một phần tử x thuộc A được ký hiệu xA. Để biểu diễn A một tập hợp A trên tập nền X, ta dùng hàm thuộc A(x). (x) chỉ nhận một trong hai giá trị là “1” hoặc “0”. ký hiệu = (xM x thỏa mãn một số tính chất nào đó). Ta nói tập A được định nghĩa trên tập nền X.

<i><b>2.2.2.2. Định nghĩa tập mờ </b></i>

Tập mờ B được xác định trên tập kinh điển M là một tập mà mỗi phân tử của nó được biểu diễn bởi một cặp giá trị (x, µM (x)). Trong đó xM và µB(x) là ánh xạ. - Ánh xạ µB(x) được gọi là hàm liên thuộc của tập mờ B.

- Tập kinh điển M được gọi là cơ sở của tập mờ B.

<i><b>2.2.2.3. Các thông số đặc trưng cho tập mờ </b></i>

Các thông số đặc trưng cho tập mờ là độ cao, miền xác định và miền tin cậy.

</div><span class="text_page_counter">Trang 31</span><div class="page_container" data-page="31">

Một tập mờ có ít nhất một phần tử có độ phụ thuộc bằng 1 được gọi là tập mờ chính tắc (H = 1). Ngược lại, một tập mờ B với H < 1 gọi là tập mờ khơng chính tắc. - Miền xác định của tập mờ B (định nghĩa trên cơ sở M) được ký hiệu bởi S là tập con của M có giá trị hàm liên thuộc khác không.

- Miền tin cậy của tập mờ B (định nghĩa trên cơ sở M) được ký hiệu bởi T, là tập con của M có giá trị hàm liên thuộc bằng 1.

<i><b>2.2.2.4. Các dạng hàm liên thuộc của tập mờ </b></i>

Có rất nhiều cách khác nhau để biểu diễn hàm liên thuộc của tập mờ. Dưới đây là một số dạng hàm liên thuộc thơng dụng:

- Hàm liên thuộc hình tam giác. - Hàm liên thuộc hình thang. - Hàm liên thuộc dạng Gauss. - Hàm liên thuộc dạng Sign. - Hàm Sigmoidal.

</div><span class="text_page_counter">Trang 32</span><div class="page_container" data-page="32">

- Cấu trúc SISO (một vào, một ra): Chỉ có một mệnh đề điều kiện và một mệnh đề kết luận. Ví dụ: nếu χ = A thì γ = B.

- Cấu trúc MISO (Nhiều vào, một ra): Có từ 2 mệnh đề điều kiện trở lên và một mệnh đề kết luận. Ví dụ: nếu 𝜒1 = 𝐴1 và 𝜒2 = 𝐴2 thì γ = B.

- Cấu trúc MIMO (Nhiều vào, nhiều ra): Có ít nhất 2 mệnh đề điều kiện và 2 mệnh đề kết luận. Ví dụ: nếu 𝜒1 = 𝐴1 và 𝜒2 = 𝐴2 thì 𝛾1 = 𝐵1 và 𝛾2 = 𝐵2.

<i><b>2.2.3.2. Mô tả mệnh đề hợp thành </b></i>

Xét mệnh đề hợp thành: nếu χ = A thì γ = B; Từ một giá trị x0 có độ phụ thuộc µA(x0) đối với tập mờ A của mệnh đề điều kiện, ta xác định được độ thoả mãn mệnh đề kết luận. Biểu diễn độ thoả mãn của mệnh đề kết luận như một tập mờ B’ cùng cơ sở với B thì mệnh đề hợp thành chính là ánh xạ: µA(x0) → µB(y). Ánh xạ này chỉ ra rằng mệnh đề hợp thành là một tập mà mỗi phần tử là một giá trị (µA(x0), µB’(y)) tức là mỗi phần tử là một tập mờ. Mô tả mệnh đề hợp thành tức là mô tả ánh

</div><span class="text_page_counter">Trang 33</span><div class="page_container" data-page="33">

xây dựng µB’(y) đã có rất nhiều ý kiến khác nhau. Trong kỹ thuật điều khiển ta thường sử dụng nguyên tắc của Mamdani. Từ đó ta có hai cơng thức xác định hàm liên thuộc cho mệnh đề hợp thành A => B:

- Công thức MIN: - Công thức PROD:

<i><b> 2.2.3.3. Luật hợp thành mờ </b></i>

Luật hợp thành là tên chung gọi mơ hình R biểu diễn (một hay nhiều) hàm liên thuộc µA=>B(x, y) cho (một hay nhiều) mệnh đề hợp thành A ⇒ B. Một luật hợp thành chỉ có 1 mệnh đề hợp thành gọi là luật hợp thành đơn, có từ 2 mệnh đề hợp thành trở lên gọi là luật hợp thành phức. Xét luật hợp thành R gồm 3 mệnh đề hợp thành:

R1: Nếu x = A1 Thì y = B1 hoặc R2: Nếu x = A2 Thì y = B2 hoặc R3: Nếu x = A3 Thì y = B3

Với mỗi giá trị rõ x0 của biến ngơn ngữ đầu vào, ta có 3 tập mờ ứng với 3 mệnh đề hợp thành R1, R2, R3 của luật hợp thành R. Gọi hàm liên thuộc của các tập mờ đầu ra

(y) thì giá trị của luật hợp thành R ứng với x0 là tập mờ B’ thu được qua phép hợp 3 tập mờ: B’ = B1’∪ B2’∪ B3’.

Tuỳ theo cách thu nhận các hàm liên thuộc µ

<b>2.2.4. Phương pháp giải mờ </b>

Từ một giá trị rõ x0 ở đầu vào, sau khi qua khối luật hợp thành ta có tập mờ đầu ra B'. Vấn đề đặt ra là cần phải xác định giá trị rõ y0 từ tập mờ đầu ra đó. Muốn vậy

</div><span class="text_page_counter">Trang 34</span><div class="page_container" data-page="34">

ta cần thực hiện việc giải mờ. Giải mờ là quá trình xác định một giá trị rõ y0 nào đó có thể chấp nhận được từ hàm liên thuộc µ'B (y) của giá trị mờ B’ (tập mờ B’). Có hai phương pháp giải mờ chính là phương pháp cực đại và phương pháp điểm trọng tâm

<i><b>2.2.4.1. Phương pháp cực đại </b></i>

Để giải mờ theo phương pháp cực đại, ta cần thực hiện 2 bước:

- Xác định miền chứa giá trị rõ y0 (miền G): Đó là miền mà tại đó hàm liên thuộc µB’(y) đạt giá trị cực đại (độ cao H của tập mờ B’), tức là miền:

G = {y∈ Y| µ'B(y) = H}

- Xác định y0 có thể chấp nhận được từ G. Hình 2.2 là tập mờ đầu ra của một luật hợp thành gồm 2 mệnh đề hợp thành: R1: Nếu χ = A1 Thì γ = B1 R2: Nếu χ = A2 Thì γ = B2 Miền chứa giá trị rõ G là khoảng [y1, y2] của miền giá trị của tập mờ đầu ra B2 của luật điều khiển: R2: Nếu χ = A2 Thì γ = B2

➨ với y1 là điểm cận trái của G ➨ và y2 là điểm cận phải của G

Khi đó, luật R2 được gọi là luật Điều khiển quyết định.

Vậy luật điều khiển quyết định là luật Rk, k∈ {1, 2, … , p} mà giá trị mở đầu ra của nó có độ cao lớn nhất (Bằng độ cao H của B’).

Để xác định y0 trong khoảng [y1, y2] ta có thể áp dụng theo một trong ba nguyên lý: Nguyên lý trung bình; nguyên lý cận trái và nguyên lý cận phải.

</div><span class="text_page_counter">Trang 35</span><div class="page_container" data-page="35">

<i>Hình 2.2: Các nguyên lý giải mờ theo phương pháp cực đại </i>

- Nguyên lý trung bình: Giá trị rõ y0 sẽ là trung bình cộng của y1 và y2 - Nguyên lý cận trái: Giá trị rõ y0 được lấy bằng cận trái y1 của G - Nguyên lý cận phải: Giá trị rõ y0 được lấy bằng cận phải y2 của G

<i><b>2.2.4.2. Phương pháp điểm trọng tâm (phương pháp độ cao). </b></i>

Giải mờ theo phương pháp điểm trọng tâm sẽ cho ra kết quả y' là hoành độ của điểm trọng tâm miền được bao bởi trục hồnh và đường µ'B(y). Cơng thức xác định:

<i><b>2.2.4.3. Phương pháp điểm trọng tâm cho luật Sum-Min </b></i>

Giả sử có m luật điều khiển được triển khai. Lúc đó mỗi giá trị đầu ra của bộ điều khiển sẽ là tổng của m giá trị mờ đầu ra của từng luật hợp thành. Ký hiệu mờ đầu ra của luật hợp thành thứ k là µ'Bk(y) với k = 1, 2, 3, ... , m. Với quy tắc Sum-Min, hàm liên thuộc sẽ là:

</div><span class="text_page_counter">Trang 36</span><div class="page_container" data-page="36">

<b>2.2.5. Cấu trúc và các bước xây dựng bộ điều khiển mờ </b>

<i><b>2.2.5.1. Cấu trúc bộ điều khiển mờ </b></i>

Hoạt động của một bộ điều khiển mờ phụ thuộc vào kinh nghiệm và phương pháp rút ra kết luận theo tư duy của con người sau đó được cài đặt vào máy tính trên cơ sở logic mờ. Một bộ điều khiển mờ bao gồm 3 khối cơ bản: Khối mờ hoá, thiết bị hợp thành và khối giải mờ. Ngồi ra cịn có thêm 2 khối giao diện vào và ra.

<i>Hình 2.3: Các khối chức năng của bộ điều khiển mờ </i>

</div><span class="text_page_counter">Trang 37</span><div class="page_container" data-page="37">

- Khối mờ hố có chức năng chuyển mỗi giá tri rõ của biến ngôn ngữ đầu vào thành véctơ µ có số phần tử bằng số tập mờ đầu vào.

- Thiết bị hợp thành mà bản chất của nó sự triển khai luật hợp thành R được xây dựng trên cơ sở luật điều khiển.

- Khối giải mờ có nhiệm vụ chuyển tập mờ đầu ra thành giá trị rõ y0 (ứng với mỗi giá tri rõ x0 đề điều khiển đối tượng).

- Giao diện đầu vào thực hiện việc tổng hợp và chuyển đổi tín hiệu vào (từ tương tự sang số), ngồi ra cịn có thể có thêm các khâu phụ trợ để thực hiện bài tốn động như tích phân, vi phân, ...

- Giao diện đầu ra thực hiện chuyển đổi tín hiệu ra (từ số sang tương tự) để điều khiển đối tượng.

<i><b> 2.2.5.2. Nguyên lý bộ điều khiển mờ </b></i>

<i>Hình 2.4: Sơ đồ cấu trúc bộ điều khiển mờ </i>

<b>Nguyên tắc tổng hợp một bộ điều khiển mờ hoàn toàn dựa vào những phương pháp </b>

tốn học trên cơ sở định nghĩa các biến ngơn ngữ vào/ra và sự lựa chọn những luật

</div><span class="text_page_counter">Trang 38</span><div class="page_container" data-page="38">

điều khiển. Do các bộ điều khiển mờ có khả năng xử lý các giá trị vào/ra biểu diễn dưới dạng dấu phẩy động với độ chính xác cao nên chúng hoàn toàn đáp ứng được các yêu cầu của một bài toán điều khiển "rõ ràng" và "chính xác.

<i><b>2.2.5.3. Các bước xây dựng bộ điều khiển mờ </b></i>

<b>Bước 1: Định nghĩa các biến ngôn ngữ vào/ra </b>

Khảo sát đối tượng, từ đó định nghĩa tất cả các biến ngôn ngữ vào, ra và miền xác định của chúng. Trong bước này chúng ta cần chú ý một số đặc điểm cơ bản của đối tượng điều khiển như: Đối tượng biến đổi nhanh hay chậm? Có trễ hay khơng? Tính phi tuyến nhiều hay ít? ... Đây là những thơng tin rất quan trọng để quyết định miền xác định của các biến ngôn ngữ đầu vào, nhất là các biến động học (vận tốc, gia tốc,...). Đối với tín hiệu biến thiên nhanh cần chọn miền xác định của vận tốc và gia tốc lớn và ngược lại.

</div><span class="text_page_counter">Trang 39</span><div class="page_container" data-page="39">

Trong bước này chúng ta cần xác định số lượng tập mờ và hình dạng các hàm liên thuộc cho mỗi biến ngôn ngữ. Số lượng các tập mờ cho mỗi biến ngôn ngữ được chọn tuỳ ý. Tuy nhiên nếu chọn ít q thì việc điều chỉnh sẽ khơng mịn, chọn nhiều quá sẽ khó khăn khi cài đặt luật hợp thành, q trình tính tốn lâu, hệ thống dễ mất ổn định. Hình dạng các hàm liên thuộc có thể chọn hình tam giác, hình thang, hàm Gaus, ...

- Xác định miền giá trị vật lý của biến ngôn ngữ. - Số lượng tập mờ.

- Xác định các hàm thuộc. - Rời xạc hóa tập mờ.

<b>Bước 3: Xây dựng các luật hợp thành </b>

Đây là bước quan trọng nhất và khó khăn nhất trong quá trình thiết kế bộ điều khiển mờ. Việc xây dựng luật điều khiển phụ thuộc rất nhiều vào tri thức và kinh nghiệm vận hành hệ thống của các chuyên gia. Hiện nay ta thường sử dụng một vài nguyên tắc xây dựng luật hợp thành đủ để hệ thống làm việc, sau đó mơ phỏng và chỉnh định dần các luật hoặc áp dụng một số thuật toán tối ưu.

<b>Bước 4: Chọn thiết bị hợp thành </b>

- MAX-MIN hoặc MAX-PROD hoặc SUMMIN hoặc SUM-PRROD

- Chọn nguyên tắc giải mờ: Trung bình, cận trái, cận phải, điểm trọng tâm, độ cao.

</div>