ROBOT 2 BÁNH TỰ CÂN BẰNG FULL

I HC QUC GIA TP H CHÍ MINH
TRNG I HC BÁCH KHOA
KHOA C KHÍ







LUN VN TT NGHIP I HC


XE HAI BÁNH T CÂN BNG
DI CHUYN
TRÊN A HÌNH PHNG



MÃ NGÀNH: 128





SVTH :MAI TUN T
CBHD :KS. VÕ TNG QUÂN

CHNG TRÌNH ÀO TO K S CHT LNG CAO
KHÓA 2: 2000 – 2005

TP. H CHÍ MINH, 07/2005

I HC QUC GIA TP H CHÍ MINH
TRNG I HC BÁCH KHOA
KHOA C KHÍ







LUN VN TT NGHIP I HC


XE HAI BÁNH T CÂN BNG
DI CHUYN
TRÊN A HÌNH PHNG


MÃ NGÀNH:128

SVTH :MAI TUN T
MSSV :P0000016
CBHD :KS. VÕ TNG QUÂN





CHNG TRÌNH ÀO TO K S CHT LNG CAO
KHÓA 2: 2000 – 2005
TP. H CHÍ MINH, 07/2005


Lôøi caûm ôn



Tôi không th theo đui và hoàn thành đ tài ca lun vn trong
vòng 16 tun nu không có s giúp đ ca nhng ngi thân và ngi
bn xung quanh. Do vy, vi s trân trng và cm kích, tôi xin gi li
cm n đn ông bà và cha m, nhng ngi thân trong gia đình ht
lòng chm sóc, an i khi gp tr ngi và đng viên tôi trong thi gian
thc hin lun vn, xin cm n TS. Nguyn Vn Giáp và giáo viên tr
c
tip hng dn lun vn, thy Võ Tng Quân đã cho phép tôi theo

đui đ tài và cho nhng li khuyên xác đáng, kp thi nhng lúc gp
khó khn khi thc hin trong sut quá trình làm lun vn tt nghip đi
hc. Ngoài ra, tôi cng xin chân thành cm n anh Quân và anh Kiên 
công ty máy tính Bách Khoa đã h tr mt phn kinh phí và thit b đ
thc hin đ tài; cm n ngi anh – Th.S Trn Công Binh, gi
ng viên
b môn Thit b in – nhit tình giúp đ v mt lý thuyt đ hoàn
thành phn đin đng c công sut cao, mt phn khá hóc búa ca đ
tài. Ngoài ra, cng xin cm n Thy và Tâm, hai ngi bn thân thit
nht đã giúp tôi hoàn thành bn thuyt minh mà chúng ta đang có trên
tay.

Cui cùng em xin cm n tt c quý Thy Cô tham gia ging
dy chng trình K s cht lng cao Vit Pháp khóa 2000-2005,
và Khoa C Khí, b môn C in t, Trng i Hc Bách Khoa
TP.HCM đã trang b cho em nhng kin thc c s cng nh đã giúp
đ tôi trong thi gian làm Lun vn tt nghip.


Tp. H Chí Minh, ngày 03 tháng 07 nm 2005

Mai Tun t
SVTH: Mai Tun t




Li cm n
Mc lc i
Tóm tt đ tài iv

Abstract v

CHNG 1 TNG QUAN 1
1.1 Li nói đu 1
1.2 Th nào là xe hai bánh t cân bng (two wheels self balancing) 2
1.3 Ti sao phi thit k xe hai bánh t cân bng 3
1.4 u nhc đim ca xe hai bánh t cân bng 4
1.4.1 u đim ca xe scooter t cân bng trên hai bánh 4
1.4.2 Nhc đim ca xe
4
1.5 Kh nng ng dng 5
1.6 Tình hình nghiên cu trong và ngoài nc 5
1.6.1 Mt s dng xe hai bánh t cân bng dùng trên robot 5
1.6.2 Mt s dng scooter hai bánh t cân bng 9
1.7 Nhu cu thc t 14

CHNG 2 NHIM V LUN VN 15
2.1 Mc tiêu đ tài 15
2.2 Phng pháp nghiên cu 15

CHNG 3 LÝ THUYT TIP CN 17
3.1 Phng pháp tính đng lc hc 17
3.2 Thut toán điu khin - K thut điu khin hin đi 24
3.3 Các phng pháp x lý tín hiu t cm bin 29
3.3.1 Lc b ph thông tn (complementaty filter) 29
3.3.2 Lc thích nghi - B lc Kalman 32
3.3.3 So sánh các b lc vi b lc Kalman 40
3.4 Mô hinh lý thuyt đng c
 DC 43

CHNG 4 TÍNH TOÁN MÔ PHNG 45
4.1 Các thông s trong mô hình mô phng đc xây dng 45
i
SVTH: Mai Tun t

4.2 Mô phng MatLAB 46
4.2.1 Gii thiu v phn mm MatLAB, công c Simulink 46
4.2.2 Kt qu tính bng MatLAB 46
4.3 Mô phng VisualNastran và Simulink 48
4.3.1 Gii thiu v phn mm VisualNastran 48
4.3.2 Cách thc hin mô phng bng vN Desktop 4D 49
4.3.4 Kt qu mô phng 50

CHNG 5 THC HIN 54
5.1 Thit k c khí 54
5.1.1 Tóm tt thit k 54
5.1.2 Tính toán sc bn 54
5.2 Mch đin t 59
5.2.1 Ngun đin 60
5.2.2 Mch công sut điu khin đng c 61
5.2.2.1 B đm (MOSFET driver) 61
5.2.2.2 MOSFET công sut – mc b ph 63
5.2.2.3 Mch Snubber 66
5.2.2.4 MOSFET thng 66
5.2.3 Cm bin 66
5.2.3.1 Thit b
đo góc gyro Murata ENC-03 67
5.2.3.2 ADXL202A 68
5.2.3.3 Cm bin đo v trí- encoder 73
5.2.3.4 Cm bin đo dòng hi tip (in tr shunt) 75

5.2.4 B x lý trung tâm - vi điu khin PIC 18F452 76
5.2.4.1 Các kh nng ca vi điu khin Microchip PIC 18F452: 76
5.2.4.2 Mch điu khin trung tâm 79
5.2.5 Bng điu khin và hin th 80
5.2.6 ng c 80
5.2.7 Hình chp các mch đin t 85
5.3 Gii thut - Lu đ
chng trình 88
5.3.1 Chng trình chính 88
5.3.2 Chng trình ngt 89
5.3.3 Cp nht encoder 91
5.3.4 iu khin đng c 92
5.4 Kt qu 94

CHNG 6 CÁCH VN HÀNH 95
6.1 Cách s dng 95
6.2 Bo dng 97

CHNG 7 KT LUN 98
ii
SVTH: Mai Tun t

7.1 Nhng kt qu đt đc 98
7.2 Nhng kt qu cha đt đc 98
7.3 Nhng vn đ cha gii quyt 99
7.4 Hng phát trin 99

TÀI LIU THAM KHO 100
PH LC 102
1. GII THIU PHN MM VISUALNASTRAN 102

2. LC THÍCH NGHI – B LC KALMAN 105
3. GYRO MURATA ENC-03 118
4. CM BIN GIA TC ACCELEROMETER ADXL202 122
5. CHUN TRC CÁC CM BIN O GÓC 128
6. TÍNH NNG VI IU KHIN PIC 18FXX2 131

iii
SVTH: Mai Tun t






TÓM TT  TÀI




 tài này có th xem là mt cu ni kinh nghim t mô hình thng bng con
lc ngc đn vic nghiên cu và ch to các loi robot hai chân và robot ngi
(humanoid robot) trong tng lai. Mc tiêu ca đ tài là thit k và ch to mt xe
hai bánh t cân bng, da trên lý thuyt cân bng con lc ngc. Không ging nh
các xe scooter hay xe 2 bánh thông thng có hai bánh xe nm trc sau, xe scooter
trong đ tài có hai bánh nm song song vi nhau, giúp nó tr nên cc k gn gàng đ
di chuy
n bng nhng bánh xe trong nhng khong cht hp mà thng ch có th đi
b.
 tài này đc quan tâm t vic tính toán các thông s đu vào và ra, da trên
đó đ xây dng các mô phng, đn vic thit k mô hình, thc hin phn đin t và

điu khin, vit các chng trình điu khin vi mc đích cui cùng là to ra mt mô
hình xe di chuyn cân bng trên hai bánh xe đ
ng trc đc lp trên hai đng c da
theo các đnh lut c hc Newton và c hc vt rn: điu khin đ luôn duy trì b
mt chân đ (hai bánh xe)  v trí ngay di trng tâm ca xe khi đng yên, và to
mt sai s nh v góc nghiêng ca thân xe vi nn khi mun xe chuyn đng.
S cân bng đc tính toán và mô phng bng 2 phn mm MatLAB-
SIMULINK và Visual Nastran, đ chng minh r
ng hoàn toàn có kh nng đ điu
khin mt mô hình xe t cân bng ch nh mt h thng điu khin hot đng ca
đng c đin gn trên mi bánh xe.
Mô hình bao gm mt thân mang hai đng c DC đc tích hp trong mi bánh
xe đp đin 400 mm ph bin trong thi gian gn đây ti Vit Nam, bo mch s dng
b đ
iu khin trung tâm PIC18Fxxx ca hãng Microchip đ điu khin nhng mch
khuch đi công sut, lái công sut (MOSFET driver) cho nhng đng c, điu khin
nhng cm bin cn thit đ đo các giá tr góc và quãng đng đi. Các tín hiu đo
góc t hai cm bin accelerometer và gyro đc thông qua mt b lc Kalman đc
lp trình trên vi điu khin PIC đ có các thông s đo góc chính xác. Bng đi
n kim
soát và hin th chc nng hot đng ca xe. Bình đin đc lp di sàn xe bng
nhôm đ cung cp toàn b nng lng cho xe hot đng.


iv
SVTH: Mai Tun t

ABSTRACT




This project can be an useful experiment to the research and manufacture in
balancing robot and humanoid robot in future. The main purposes of my project are
designing and manufacturing a self-balancing scooter, based on the theory of the
balancing inverted pendulum. It is unlike the popular scooter or bicycle, which have
two wheels being in a same surface (the wheel’s axes are parallel). Its parallel wheels
configuration make it compact enough to be maneuvered through most pedestrian
spaces that accommodate wheelchairs.
Calculating parameters of the model to construct the simulation, designing the
model, making electronic boards and controller, and programming the
microcontroller are the missions in the project, to reach the main goal of building a
scooter that could balance in its two coaxial wheels driven by two intergrated motors.
The method analysing the auto-balancing scooter’s dynamic is roughly based on
Newton’s laws and mechanics of solid. To keep the scooter remains balanced when
scooter don’t move, it must drive the wheels staying under the scooter’s gravity, and
making a small error in tilt angle (angle of the chassis with respect to the ground)
when the scooter moves.
The balance of scooter is also calculated and simulated by MatLAB-
SIMULINK and Visual Nastran, to show that it is clearly possible to control such a
system using an electric motor mounted on each of the two wheels.
The self-balancing scooter is structured of a chassis carrying two wheels
coupled a DC motors for each. The wheel which is used in my final project is a
wheel of electric bicycle (400 mm of diameter), lately popular in Viet Nam.
PIC18Fxxx, a micro-controller of Microchip’s family is used to implement as the
main controller of scooter’s system, manages the works of the electric power

amplifiers, MOSFET driver for the motors and of the necessary sensors to measure
the vehicle’s states. To have the exact information of angle received from the noisy
accelerometer and piezo-electric gyro, a discrete Kalman filter is implemented in PIC
microcontroller. A control board is used to display the state of sensors, operation of
scooter and to control the speed and steering. Batteries are bolted under the chassis
of scooter, supply electric energies for scooter’s operation.


v
SVTH: Mai Tun t Chng 1 Tng quan
Chng 1
TNG QUAN




1.1 Li nói đu
Bài lun vn xut phát t ý tng đã đc thng mi hóa ca công ty Segway:
kt hp ý tng v cách gi thng bng ca con ngi trên đôi chân và đ c đng
trong di chuyn ca các loi xe di chuyn bng bánh. Thông qua bài nghiên cu, ta có
th phn nào nm bt nhng ý tng gi thng bng cho các loi humanoid robot
(robot dng ngi), cách phi hp và x
 lý tín hiu tt nht t cm bin. Tuy vy, giá
thành ca sn phm Segway không r (khong 5000USD/xe) do chi phí rt cao t các
cm bin đã đc tích hp và x lý vi đ chính xác và tin cy cao (khong
900USD/b). Do vy, chúng ta s tìm cách kt hp các cm bin riêng l vi giá thành
thp (4 - 40USD/cm bin) và x lý tín hiu cm bin ca chúng đ có đc các tín
hiu tinh khit và chính xác nh mong mu
n vi giá thành không cao.
Mô hình là mt chic xe có hai bánh đc đt dc trc vi nhau (khác vi xe đp

là trc ca hai bánh xe song song). Trên mô hình s dng các cm bin đ đo góc
nghiêng ca thân xe, vn tc quay (lt) ca sàn xe quanh trc bánh và vn tc di
chuyn ca xe so vi mt đt. Nh các cm bin này, xe s có th t gi thng bng và
di chuyn. Vi cu trúc này, trng tâm ca mô hình phi luôn nm trong vùng
đ ca
bánh xe (supporting area) đ có th thng bng khi di chuyn  mi b mt t đn gin
đn phc tp.
Trong h thng các cm bin, đ loi tr các tín hiu nhiu t h thng và nhiu
t tín hiu đo, sai s ca ngõ ra, đng thi có th c lng chính xác giá tr đo trong
tng lai ca cm bin cng nh k
t hp các tín hiu, b lc Kalman đc nghiên cu
và s dng nhm cho mt kt qu ti u v tình trng ca xe gm góc nghiêng, vn tc
quay ca xe t mô hình và các cm bin thành phn. Nói cách khác, h thng x lý tín
hiu và lc Kalman là công c đ bin các cm bin đn gin, giá r thành tp hp
cm bin có giá tr trong h thng. T các tín hiu đo, thông qua m
t s đi lng đc
trng ca mô hình (khi lng, chiu dài, chiu cao vt, đng kính bánh…) ta s tính
đc momen quán tính nghiêng (lt ca mô hình), t đó đa ra các giá tr điu khin
phù hp cho các bánh xe đ gi cho mô hình luôn đng vng hoc di chuyn vi mt
vn tc n đnh.
Toàn b mô hình đc điu khin bng mt vi điu khin PIC 18F452. ây là
th h tng đi cao cp ca h PIC có th x lý và thc thi chng trình  tc đ cao
(đt đn 10MIPs) trong vic tính toán các giá tr cm bin và đa ra b truyn đng
(đng c đin). B vi điu khin đóng vai trò th nht trong đ tài nh mt b lc
Kalman vi tín hiu vào t thit b inclinometer
và gyro. Vi các d li
u v góc đã x
Trang 1
SVTH: Mai Tun t Chng 1 Tng quan
lý và tín hiu hi tip v v trí đo encoder đa v (incremental encoder), vai trò th hai

ca vi điu khin trong đ tài s tính toán và đa ra tín hiu điu khin b truyn đng,
đn bánh xe đ gi thng bng/di chuyn, đi thng, quay, quo.
ây là mt phng tin vn chuyn mi ti các thành ph trong tng lai vi
nhiu u đim: gn, nh
, ít chim din tích đng ph, d mang vác, tháo lp và vn
chuyn, nhiên liu sch, d điu khin cho ngi ln và tr em, đi đc trên mt s đa
hình phc tp.

1.2 Th nào là xe hai bánh t cân bng (two wheels self balancing)

B nghiêng
Cân bng

Hình 1.1 Mô t nguyên lý gi thng bng
i vi các xe ba hay bn bánh, vic thng bng và n đnh ca chúng là nh
trng tâm ca chúng nm trong b mt chân đ do các bánh xe to ra. i vi các xe 2
bánh có cu trúc nh xe đp, vic thng bng khi không di chuyn là hoàn toàn không
th, vì vic thng bng ca xe da trên tính cht con quay hi chuyn  hai bánh xe
khi đang quay. Còn đi vi xe hai bánh t cân bng, là loi xe ch có hai bánh vi trc
ca hai bánh xe trùng nhau, đ cho xe cân bng, tr
ng tâm ca xe (bao gm c ngi
s dng chúng) cn đc gi nm ngay gia các bánh xe. iu này ging nh ta gi
mt cây gy dng thng đng cân bng trong lòng bàn tay.
Thc ra, trng tâm ca toàn b scooter không đc bit nm  v trí nào, cng
không có cách nào tìm ra nó, và có th không có kh nng di chuyn bánh xe đ nhanh
đ gi nó luôn  di toàn b trng tâm.
V mt k thu
t, góc gia sàn scooter và chiu trng lc có th bit đc. Do
vy, thay vì tìm cách xác đnh trng tâm nm gia các bánh xe, tay lái cn đc gi
thng đng, vuông góc vi sàn xe (góc cân bng khi y là zero).

Hình 1.2 Mô t cách bt đu di chuyn
Trang 2
SVTH: Mai Tun t Chng 1 Tng quan
Nu tay lái đc đy hi nghiêng ti trc, scooter s chy ti trc và khi nó
đc đy nghiêng ra sau, scooter s chy lùi. ây là mt phân tích lý tính. Hu ht mi
ngi đu có th kim soát tay lái trong vòng vài giây đ gi ly nó.
 dng li, ch cn kéo trng tâm xe nghiêng ngc hng đang di chuyn thì
tc đ xe gim xung. Do tc đ cm nhn và phn ng thng bng ca m
i ngi là
khác nhau, nên xe scooter hai bánh t cân bng ch đc thit k cho mt ngi s
dng.
1.3 Ti sao phi thit k xe hai bánh t cân bng
Nhng mobile robot xây dng hu ht robot là nhng robot di chuyn bng ba
bánh xe, vi hai bánh lái đc lp ráp đng trc, và mt bánh đuôi nh. Có nhiu kiu
khác nhau, nhng đây là kiu thông dng nht. Còn đi vi các xe 4 bánh, thng mt
đu xe có hai bánh truyn đ
ng và đu xe còn
li đc gn mt hoc hai bánh lái.
Vic thit k ba hay bn bánh làm cho
xe/mobile robot đc thng bng n đnh nh
trng lng ca nó đc chia cho hai bánh lái
chính và bánh đuôi, hay bt k cái gì khác đ
đ trng lng ca xe. Nu trng lng đc
đt nhiu vào bánh lái thì xe/robot s không n
đnh d b ngã, còn nu đt nhiu vào bánh
đuôi thì hai bánh chính s mt kh nng bám.
Nhi
u thit k xe/robot có th di chuyn tt
trên đa hình phng, nhng không th di

chuyn lên xung trên đa hình li lõm (mt
phng nghiêng). Khi di chuyn lên đi, trng
lng xe/robot dn vào đuôi xe làm bánh lái
mt kh nng bám và trt ngã, đi vi nhng
bc thang, thm chí nó dng hot đng và ch
quay tròn bánh xe.
Khi di chuyn xung đi, s vic còn t
hn, trng tâm thay đi v phía trc và th
m
chí làm xe/robot b lt úp khi di chuyn trên
bc thang. Hu ht nhng xe/robot này có th
leo lên nhng dc ít hn là khi chúng di
chuyn xung, b lt úp khi đ dc ch 15
o
hay
20
o
. Vic b trí bn bánh xe, ging nh xe hi
đ chi hay các loi xe bn bánh hin đang s
dng trong giao thông không gp vn đ nhng điu này s làm các mobile robot
không gn gàng và thit k b phn lái (cua quo) gp mt chút phin toái đ có th
xác đnh chính xác quãng đng đã đi
[16]
.
Ngc li, các xe dng hai bánh đng trc li thng bng rt linh đng khi di
chuyn trên đa hình phc tp, mc dù bn thân là mt h thng không n đnh. Khi nó
leo sn dc, nó t đng nghiêng ra trc và gi cho trng lng dn v hai bánh lái
Hình 1.3 Trn
g
thái xe ba bánh khi di

chuyn trên đa hình bng phng, dc
[
16]
Trang 3
SVTH: Mai Tun t Chng 1 Tng quan
chính. Tng t vy, khi bc xung dc, nó nghiêng ra sau và gi trng tâm ri vào
các bánh lái. Chính vì vy, không bao gi có hin tng trng tâm ca xe ri ra ngoài
vùng đ ca các bánh xe đ có th gây ra s lt úp.

Hình 1.4 Trng thái xe hai bánh đng trc khi di chuyn trên đa hình bng phng, dc
[16]

i vi nhng đa hình li lõm và nhng ng dng thc t, s thng bng ca xe
hai bánh có th s mang li nhiu ý ngha thc tin trong gii hn n đnh hn là đi
vi xe ba bánh truyn thng.

1.4 u nhc đim ca xe hai bánh t cân bng
1.4.1
u đim ca xe scooter t cân bng trên hai bánh

− Không ô nhim, s dng bình đin, và có th sc đin.
− S dng không gian hiu qu, đa nng (s dng trong nhà và ngoài ph).
− D dàng lái xung đng, dng li và trò chuyn vi bn bè. Scooter t cân
bng này khác hn vi các loi xe đp hay xe đy bình thng, vì chúng d
kéo đy và không gây khó khn khi dng li.
− Khá d đ lái vòng quanh trong vn phòng, chy ngang qua ca ra vào do tc
đ thp. Ngoài ra, nó còn có th xung các bc thm/ bc thang thp.
− Chim ít din tích (ch hn mt con ngi) nên nó không gây tt nghn giao
thông nh các loi xe bn bánh. Nh mt phng tin vn chuyn trên va
hè, nó cho phép di chuyn trong ni đông đúc, và hoàn toàn có th đi trên

lòng đng.
− Giá thành thp hn so vi xe hi.
− Cun hút ngi s dng cng nh
mi ngi xung quanh vì hình dáng k l
ca nó, phá v các hình nh thng thy v các phng tin giao thông ca
con ngi.
Trang 4
SVTH: Mai Tun t Chng 1 Tng quan
1.4.2 Nhc đim ca xe
− Không th th giãn và khá mt khi lái do phi đng trong khi điu khin. Vì
đng trên mt sàn rung (do đng c gây ra) và cng làm chân mi. Do luôn
gi t th thng đng đ trng lng c th đt  trng tâm và đôi lúc gp
nhng đon đng xu khin c th ngi điu khin mt mi.
− Không th làm các vic khác khi đng trên scooter này, ch
ng hn va đi
va nghe đin thoi, hoc va ung nc.
− Scooter không đ nhanh đ đi đng trng và không đ an toàn đ lên
xung l đng.
− Không th vn chuyn hai ngi trên cùng mt xe. Vic này không thành
vn đ khi xe t cân bng đóng vai trò mt platform ca mobile robot, vì
khi lng ti là tnh.
− Không th leo bc thang có chiu cao quá ½ bán kính bánh xe.
1.5 Kh
nng ng dng
Xây dng đc mt phng tin vn chuyn mi trong khu vc cht hp có th
di chuyn ngay trong các chung c tòa nhà cao tng, dùng tr giúp di chuyn cho
ngi già, và tr em vn chuyn.
Làm phng tin vn chuyn hàng hoá đn nhng ni đã đc lp trình sn 
trong các tòa nhà, phòng làm vic, nhng không gian cht hp, khó xoay tr.
Thm chí kt hp trên các humanoid robot, nu đc kt h

p vi các robot
camera, robot dò đng, robot lái mt đng thì hiu qu các công dng c th cc k
linh hot. Tuy vy, cn phi tin hành gii quyt thêm v phn xung cu thang
(không th leo lên các bc thang cao).

1.6 Tình hình nghiên cu trong và ngoài nc
Hin nay cha có thông tin c th nào v
vic ch to xe hai bánh t cân bng dùng trên
robot cng nh xe hai bánh t cân bng  Vit
Nam. Nhng trên th gi
i,  mt vài nc, các k
thut viên và mt s sinh viên đã nghiên cu và
cho ra đi các dng xe hai bánh nh th. Di đây
là mt s thông tin v chúng.

Hình 1.5 nBot
1.6.1
Mt s dng xe hai bánh t cân
bng dùng trên robot
1.6.1.1 nBot
[16]

nBot do David P. Anderson sáng ch. nBot
đc ly ý tng đ cân bng nh sau: các bánh
xe s phi chy xe theo hng mà phn trên robot
sp ngã. Nu bánh xe có th đc lái theo cách
Trang 5
SVTH: Mai Tun t Chng 1 Tng quan
đng vng theo trng tâm robot, robot s vn đc gi cân bng. Trong thc t, điu
này đòi hi hai cm bin thông tin phn hi: cm bin góc nghiêng đ đo góc nghiêng

ca robot vi trng lc, và encoder trên bánh xe đ đo v trí c bn ca robot. Bn
thông s ngõ vào đ xác đnh hot đng và v trí ca xe con lc ngc cân bng là:
1) góc nghiêng.
2) đo hàm ca góc nghiêng, vn tc góc.
3) v trí bánh xe.
4) đo hàm v trí bánh, vn tc bánh xe.
Bn giá tr đo lng đc cng li và phn hi ti đin áp đng c, tng ng
vi momen quay, cân bng, và b phn lái robot.

1.6.1.2 Balance bot I
[28]


Hình 1.6 Balance-bot
Balance-bot I (do Sanghyuk, Hàn Quc thc hin) là
mt robot hai bánh t cân bng bng cách kim soát thông
tin phn hi. H thng cao 50cm. Khung chính đc làm
bng nhôm. Nó có hai trc bánh xe ni vi hp gim tc và
đng c DC cho s phát đng. Tng cng có ba b vi x lý
Atmel đc s dng. Vi điu khin chính (master) thi hành
nhng nguyên lý kim soát và thut toán c lng. Mt vi
điu khin khác kim soát tt c cm bin analog. Vi điu
khin th
ba điu khin đng c DC.
Linear quadratic regulator (LQR) đc thit k và thc
thi mch điu khin. Nó có bn giá tr khác nhau – góc
nghiêng, vn tc góc nghiêng, góc quay bánh xe, và vn tc
góc quay, sau đó nó to lnh cho đng c DC đ điu chnh
tc đ bánh xe.

1.6.1.3 Balancing robot (Bbot
[26]
)
Vào nm 2003, Jack Wu và Jim Bai là
nhng sinh viên trng i hc
Carnegie
Mellon
di s tr giúp ca GS. Chris
Atkeson đã thc hin đ tài robot hai bánh
t cân bng nh lun vn tt nghip. Robot
này có th xác đnh v trí hng ca nó đi
vi môi trng và lái đng c theo hng
này.
 đo góc nghiêng ca robot, các sinh
viên này đã s dng h thng đo lng góc
2DOF đc tích hp sn ca hãng
Rotomotion. H thng này gm gia tc k

Hình 1.7 Balancing robot
Trang 6
SVTH: Mai Tun t Chng 1 Tng quan
ADXL202 và mch con quay hi chuyn. Vi mch điu khin dùng trên robot này là
BasicX 24, có nhiu tính nng khác nhau. Nó đc dùng nh b điu khin đng c,
COM1 đc ni vi Pocket PC và COM3 thì ni vi b điu khin servo Mini SSC
12. Nó còn đc s dng nh CPU chính cho vic điu khin thng bng cho robot.

1.6.1.4 JOE
[18]

Phòng thí nghim đin t công nghip ca Vin Công ngh Federal, Lausanne,

Thy S, đã to ra cuc cách mng đu tiên khi xây dng mô hình xe hai bánh. Robot
JOE cao 65cm, nng 12kg, tc đ ti đa khong 1,5m/s, có kh nng leo dc nghiêng
đn 30
o
. Ngun đin cp là ngun pin 32V kh nng 1,8Ah.
Hình dng ca nó gm hai bánh xe trc, mi
bánh gn vi mt đng c DC, chic xe này có th
chuyn đng xoay theo hình U. H thng điu
khin đc lp t hai b điu khin state-space
tách ri nhau, kim soát đng c đ gi cân bng
cho h thng. Nhng thông tin v trng thái ca
JOE đ
c cung cp bi hai encoder quang và vn
tc ca con quay hi chuyn.
JOE đc điu khin bi mt b điu khin
t xa R/C thng đc s dng đ điu khin các
máy bay mô hình. B điu khin trung tâm và x
lý tín hiu là mt board x lý tín hiu s (DSP)
đc phát trin bi chính nhóm và ca vin
Federal, có kh nng x lý du chm đng
(SHARC floating point), FPGA XILINC, 12 b
bin đi A/D 12bit và 4 b bin đi D/A 10bit.


Hình 1.8 Hình chp JOE
Hình 1.9 Equibot
1.6.1.5 Equibot
[27]

Equibot là robot cân bng do Dan Piponi thc

hin. C bn nó da vào vi điu khin ATMega32
RISC.
C hai servo Hitec HS-311 chun đc sa đi
cho xoay vòng 360
o
và ngun đin vào đc ni trc
tip vi các đng c đ PWM kim soát chúng. Mt
trong hai servo đc gn vi b điu khin t cc
LQR, đó là phn phc tp nht trong cu trúc robot,
bánh còn li bt chc tc đ ca bánh th nht.
Equibot ch có mt loi cm bin hng ngoi Sharp
thay cho cm bin v góc. Nó đc
đt thp đ đo
khong cách vi sàn. Ngõ ra t thit b đc dùng đ
xác đnh hng robot di chuyn.
Trang 7
SVTH: Mai Tun t Chng 1 Tng quan

1.6.1.6 BaliBot
[29]

Balibot, mt robot hai bánh t cân bng, là mt trong các mu đu tiên v robot
hai bánh có trng tâm phía trên các bánh xe. Không có h thng điu khin hot đng,
robot s b ngã. Khi robot có nhn bit hng mà nó sp ngã, các bánh xe s di chuyn
v phía ngã và thng góc vi chính nó.




Cm bin góc nghiêng đ đo góc nghiêng ca robot, gia tc k Motorola

MMA2260 đc s dng, thit b có cu trúc MEMS.
Hình 1.10 Balibot
Hình 1.11 Các tng mch, gm
ngun, vi điu khin và cm bin
PIC16F876 ca hãng Microchip
©
đc chn làm trung tâm điu khin cho robot.
PIC tích hp mt b bin đi A/D nhiu kênh đ đo cm bin góc nghiêng và các ngõ
I/O đ kim soát hai servo đc mô t cho s quay vòng tip theo. in đc cung cp
bng bn cc pin AA và đc n áp dropout. Ngun đin 6V không qua n áp đc
phân phi đn đng c servo qua t đin 3300µF qua bù nng lng cho vi mch điu
khi
n khi công sut ngõ ra t các servo đc hot đng. Mch đin t đc xây dng
trên bng project board Radio Shack RS 276-150 và lp ráp phía trên các motor servo,
trên khung bng nhôm. Ngun đin đc đt gn đnh và hot đng nh trng lng
Trang 8
SVTH: Mai Tun t Chng 1 Tng quan
ca con lc ngc. Mt phiên bn khác ca BaliBot s dng các cm bin hng ngoi
đ đo khong cách thay vì dùng các cm bin đo góc.

1.6.1.7 Bender
[21]

Robot cân bng Bender là đ án do TedLarson, San Francisco thc hin. Mc
tiêu hin ti ca ông là xây dng robot t cân bng trên mt sàn, và t đó dùng làm
nn c bn (platform) đ xây dng robot t hành dùng bánh xe.


Hình 1.12 Hình chp robot Bender

1.6.1.8 Loi Robot phc v con ngi, kiu rolling phc v con ngi
ca hãng TOYOTA

Hình 1.13 Loi robot, kiu
Rolling ca TOYOTA
ây là mt trong nhng loi robot có công
dng phc v cho con ngi do hãng TOYOTA
thit k. Nó cao 100cm và nng 35kg. Mu robot
này có kh nng di chuyn nhanh mà không chim
mt không gian ln, đng thi đôi tay ca nó có th
làm nhiu công vic khác nhau, ch yu đc dùng
làm tr lý trong công nghip.




1.6.2
Mt s dng scooter hai bánh t cân bng

1.6.2.1 Segway
[33]

Không ging nh mt chic xe hi, Segway ch có hai bánh – trông nó nh mt
chic xe đy bng tay thông thng – nó còn kim soát hot đng  t th thng đng.
 di chuyn đn trc hay lùi ra sau, ngi lái đng trên Segway ch vic hi
nghiêng v phía trc hay phía sau.  quo trái hay phi, ngi lái quay tay lái qua
phi hng ra trc hay ra sau.
Trang 9
SVTH: Mai Tun t Chng 1 Tng quan
Hot đng cân bng  Segway là mt điu thú v nht, đó là chic chìa khóa ca

quá trình hot đng. Xem xét v mô hình Karmen v thng bng ca c th ngi đ
hiu h thng làm vic nh th nào. Nu ta đng và nghiêng ngi v phía trc,
không còn thng bng, bn s ngã v trc. B não bit rng bn không còn thng
bng na, bi vì ch
t dch trong tai trong dao đng, nên nó truyn tín hiu ra lnh cho
chân bn đt lên phía trc và bn ly li thng bng. Nu bn gi mình trong trng
thái nghiêng v trc, b não điu khin chân bn đt lên trc và gi bn đng thng.
Thay vì ngã, bn bc đn trc.


Hình 1.14 Segway

Segway to ra khá ging nh vy, ngoi tr nó có bánh xe thay vì đôi chân, đng
c thay cho bp c, tp hp các vi mch x lý thay cho mt b não và mt dãy các
cm bin nghiêng thay cho h thng cân bng tai trong. Nh b não ca bn, Segway
nhn bit khi ta hng v trc.  duy trì cân bng, nó quay bánh xe đn trc ch
vi tc đ va phi (chính xác), nên ta di chuyn đn trc.
S phân chia rõ ràng (con quay h
i chuyn chính yu – trng thái cân bng).
Khi Segway đc lp đt nhiu hn hai bánh xe. Thit b lái tn dng c công ngh
drive-by-wire và thit b c khí có h thng. Trong khi vic thit k bn bánh đa đn
vn đng d dàng và tc đ cao hn mt tí, ngi lái có th chn la gia vic s dng
bn bánh hay ch hai bánh xe.
iu c b
n nht, Segway là s kt hp ca mt dãy các cm bin, mt h thng
kim soát và mt h thng đng c.
H thng cm bin ch yu là s kt hp các con quay hi chuyn (gyroscope).
Mt con quay hi chuyn c hc c bn là mt bánh xe quay tròn bên trong c cu
vng chc. Mc đích s quay tròn nhm kháng li s thay đi trc quay c
a nó, bi vì

lc tác đng di chuyn dc theo c cu. Nu ta đy mt đim trên bánh xe quay, ví d,
đim này di chuyn quanh bánh trc trong khi nó vn còn gi lc tác đng. Khi mt
đim lc gi di chuyn, nó kt thúc lc tác dng đi din vi đim cui ca bánh xe –
không còn cân bng lc.
Trang 10
SVTH: Mai Tun t Chng 1 Tng quan
Bi vì nó kháng đi vi lc bên ngoài, bánh xe quay hi chuyn s duy trì v trí
ca nó trong không gian (liên h vi mt đt) thm chí nu bn nghiêng nó đi. Nhng
h thng con quay hi chuyn s di chuyn t do trong không gian. Bng vic đo
lng v trí ca bánh xe quay liên h vi c cu, cm bin chính xác có th cho ta bit
đ dc ca vt (nó nghiêng bao nhiêu so vi v trí thng đng) cng nh
tc đ dc
(nó nghiêng nhanh nh th nào).
Mt con quay hi chuyn thông thng s cng knh và khó bo dng xe, nên
Segway tip thu hiu qu này vi hình thc khác ca c khí. Segway vn dng mt
cm bin tc đ nghiêng bán dn đc bit đc to t silic. Loi con quay hi chuyn
này quy đnh s quay vòng ca vt th s dng hiu ng Coriolis trên mt l
p rt nh.
Segway HT có nm cm bin hi chuyn, mc dù nó ch cn ba cm bin đ phát
hin ra mc đy ra trc và ra sau cng nh nghiêng bên trái hay bên phi. Các cm
bin còn li làm cho phng tin chc chn hn. Thêm vào đó, Segway có hai cm
bin nghiêng cha đy dung dch đin phân. Ging nh tai trong, h thng nhn bit v
trí nghiêng có liên h vi mt đt trong tr
ng thái nghiêng ca b mt cht dch.
Tt c thông tin v trng thái nghiêng truyn đn “b não” ca xe, hai bng mch
điu khin đin t bao gm mt bó vi mch x lý. Segway có tng cng 10 bng mch
vi x lý, vi nng lc gp ba ln nng lc PC đin hình. Thông thng c hai bng
mch làm vic chung vi nhau nhng nu mt b
ng b h, bng còn li nhn tt c các
chc nng đ h thng báo tín hiu cho ngi lái bit s trc trc đ khi đng li.

Segway đòi hi nng lc làm vic cao ca b não vì nó cn điu chnh cc k
chính xác đ gi không b ngã. Trong nhng máy thông thng, bng mch điu khin
kim tra v trí cm bi
n khong 100 ln/giây. Mch vi x lý điu hành phn mm
tng thích đ phát tín hiu tt c các thông tin n đnh và điu chnh tc đ cho nhiu
đng c đin phù hp. ng c đin đc np nng lng t mt cp pin (Ni-MH) có
th sc li, làm quay đc lp mi bánh xe vi tc đ khác nhau.
Khi xe nghiêng v trc,
đng c làm c hai bánh xe quay v trc và gi v
trng thái nghiêng. Khi xe nghiêng ra sau, đng c làm c hai bánh xe quay ra sau. Khi
ngi lái điu khin tay lái quo trái hay phi, đng c làm mt trong hai bánh xe
quay nhanh hn bánh xe kia hay hai bánh xe quay ngc chiu đ xe xoay quanh.
Nó ch đi khong 12 dm/gi (20km/gi), và nó cn np đin khong 6 gi đ d
tr dùng đ cho mt chuyn đi 15 dm (24km).
Segway là s la ch
n cao trong thành ph. Vì các xe hi đt tin và nu có
lng ln xe hi chy trên đng ph s gây nên ùn tt giao thông, và thiu ch đu
xe. Tt c nhng điu y, xe hi không là phng tin ti u nht trong khu dân c
đông đúc.
Segway không th đa con ngi đi đn ni mun đn vi tc đ cao nht,
nhng Segway có th đi bng s di chuy
n chm, ni đuôi nhau. Mt khi chúng đn
ni, ngi lái có th mang Segway vào bên trong mà không phi lo lng gì v ch đu
xe. Và cng không cn dng  nhng trm xng du, mà ch cn np đin cho xe ti
nhà.
Trang 11
SVTH: Mai Tun t Chng 1 Tng quan
Segway cng là chic máy tt dùng đ đi trong các kho hàng, ni có nhiu hành
lang. Ngi ta còn nhn thy s hu dng khi đi quanh trong các khu dân c, sân bay
hay công viên. Tht s không có gii hn không gian trong vic s dng xe. Segway

giúp bn đi nhanh hn mà không mt nhiu nng lng.
• Tc đ cao nht: 12,5 dm/gi (20 km/gi). Gp ba ln tc đ đi b bình
thng.
• Trng lng không ti: 80 lbs (36 kg).
• Chiu rng: không gian bao ph trên mt đt ca Segway là 19 – 25 inch (48 –
63,5 cm). Segway có chiu rng gn bng kích thc ca mt ngi trung bình,
nên nó không mt nhiu din tích trên đng. Bàn đp dài 8 inch (20 cm).
• Ti trng: mt ngi nng 250 pound (110kg) vi hàng hóa nng 75 pound
(34kg).
• Phm vi: đi khong 17 dm (28 km) vi mt bình sc đn. Trên mô hình tính
toán, ngi thit k c tính xe đi trong phm vi 11 dm (17 km) vi mt bình
sc đn.

• Giao din hin th xe hot đng: Segway có
màn hình LCD nh cho ngi lái bit nng
lng pin còn bao nhiêu và hot đng ca xe
nh th nào, còn tt không. Màn hình trình bày
nh b mt hot hình, biu din trng thái
chung ca phng tin.

1.6.2.2 Balancing scooter
[17]

Trevor Blackwell ch to ra xe scooter da theo
Segway ca hãng M. Xe scooter t cân bng này
đc xây dng t nhng b phn ging đng c xe
ln và t các cc pin xe RC. Nhng b phn và
module đ ch to có giá thành thp hn phân na
Segway. Nó không cn phn mm thc thi cao hay
phc tp. Phiên bn đu tiên đc vit trong Python

và s dng port s đ truyn thông tin đn con quay
hi chuyn và m
ch điu khin đng c.
Xe đc s dng vi điu khin 8-bit t Atmel,
chy trên code C vi mt s đim trôi. Nó gi nhng
lnh kim soát tc đ ra port serial khong 9600 baud
trong ASCII đi vi b phn lái đng c, có giá
10USD do Digikey to. Mt con quay hi chuyn ceramic và gia tc k hai trc đ
điu chnh hng chính xác, cùng hot đng vi vi mch
điu khin Atmel, vi giá
149USD do Rotomotion to ra.

1.6.2.3 HTV
[18]



Hình 1.15 Xe 2 bánh t cân bng
ca Trevor Blackwell
Trang 12
SVTH: Mai Tun t Chng 1 Tng quan
Nh thut HTV ca trng đi hc Camosun gm các thành
viên
óm sinh viên ngành k
Brian Beckwith, Eric Desjardins, Chris Howard, Joel Murphy, Matt Uganecz,
Jack Woolley đn t các bang khác nhau Victoria, British Columbia ca Canada.
Tháng 3/2004, h đã cho ra đi sn phm scooter HTV nh mt đ án tt nghip đi
hc ca h.

Hình 1.16 Xe t cân bng HTV và nhóm thc hin

hóm HTV đã s dng ADXR150EB t thit b analog đo vn tc góc nghiêng.
ó là
1.6.2.4 Spider
[20]

Fra Lob i Spider vào cui tháng
2/200
1. Nhu cu thc t
n đng xá giao thông ngày càng cht hp, không khí
ngày càng ô nhim, vic nghiên cu và ch to mt mô hình xe đin gn nh, d xoay
N
mt gyro tuyt vi, có các tính nng, nh: loi b đ rung cao, t s cao ±150
o
/s,
đ nhy cao 12mV/deg/s, đc cài đt sn tín hiu điu kin. MMA2260D t
Motorola, mt gia tc k có đ nhy cao (1200mV/g), và cng đc cài đt sn tín
hiu điu kin, dùng đo góc nghiêng tnh. B điu khin s dng Logic m (Fuzzy
Logic) trong vic điu khin cân bng và di chuyn ca xe.


Hình 1.17 Spider
ncisco o cho ra đ
4, trông ging là scooter hn là robot, tuy nhiên nó
có ng dng trong c hai lnh vc. Nó có th gi cân bng
hu nh  mi tình hung, di chuyn, ln vòng quanh.
Scooter đc điu khin bng hai đng c ca hãng NPC
và gia tc k hai trc bng thit b analog, cha hai thành
phn chính: Gyro k thut cm bin silicon và BasicX (vi

điu khin). Khung xe đc ch to t khung nhôm và si
carbon. B lái MOSFET đng c lái là module t Roboteq
đc dùng trên robot chin đu. Ngun đin là loi dùng
trong mô hình RC (NiMh 3000mAh).

7
Hin ti, trong điu ki
Trang 13
SVTH: Mai Tun t Chng 1 Tng quan
x, k
trng đ có kinh nghim trong vic tính toán, mô hình và ch to
các r
i sao có th di chuyn và
thng
í nhng lý do khách quan nh đã nu, đ tài có l có mt nhu cu nh
t đnh
trong tình hình hin nay ca Vit Nam cng nh toàn th gii.
hông s dng nhiên liu đt trong là mt nhu cu thc s. Bên cnh đó, thit k
mt platform cho mobile robot cng là mt đ tài cn thit trong lnh vc t đng hóa
ngày nay, nhm tr giúp cho tr em, ngi già, vn chuyn hàng hóa, giám sát …
trong cuc sng hàng ngày vn có nhiu nhu cu trong vic đi li và vn chuyn ti
các thành ph ln.
V khía cnh khoa hc và công ngh, mô hình xe hai bánh t cân b
ng thc s là
mt bc đm quan
obot hai chân (biped-robot, humanoid robot), là đnh cao v khoa hc và công
ngh mà các trng đi hc trên toàn th gii mong mun vn ti. Ngoài ra, mô hình
cng s là s b sung cn thit v các gii pháp công ngh di chuyn ca các mobile
robot 3 bánh, 4 bánh cng nh mobile robot có chân, làm phong phú nhng la chn
gii pháp đ chuyn đng trong không gian cho các robot.

V yu t tâm lý con ng
i, mô hình xe hai bánh t cân bng thc s là mt du
chm hi ln cho nhng ngi tng thy hay dùng nó: t
bng đc? iu này cun hút nhu cu đc s dng mt chic xe hai bánh t
cân bng. Và đó chính là lý do ca s thành công ln trên th gii ca mô hình xe
Segway trong nm 2003.

V

Trang 14
SVTH: Mai Tun t Chng 2 Nhim v lun vn

Chng 2
NHIM V LUN VN




2.1 Mc tiêu đ tài
Mc tiêu ca đ tài là xây dng phng tin xe hai bánh cân bng di chuyn
trên đa hình phng, da trên nn tng lý thuyt mô hình con lc ngc. Kh nng di
chuyn cân bng trên hai bánh làm phng tin di chuyn hiu qu và linh đng hn,
d dàng xoay tr trong điu kin không gian cht hp. Trong khuôn kh 16 tun thc
hin lun vn tt nghip đi h
c, nhng mc tiêu ca đ tài đc đ ra nh sau:
− Tìm hiu v các loi scooter, nguyên lý c bn v cân bng.
− Tính toán các tham s đng lc hc, hàm trng thái (space-state) ca mô hình.
− Xây dng mô phng trên MSc Nastran và Matlab 7-Simulink.
− Thit k bn v, ch to mô hình theo kích thc thc, có th vn chuyn mt
ngi trng thành.

− Thit k mch điu khi
n trung tâm, làm nhim v x lý tín hiu đo và đa ra
các quyt đnh điu khin.
− Thit k mch đin t kt hp các cm bin thc hin chc nng đo góc (phn
cng).
− Thit k mch lái các MOSFET công sut cho hai đng c (MOSFET driver)
có kh nng hot đng  tn s t 7-15KHz.
− Gii thut cho vi điu khin kt hp và bù tr các cm bin đ có đc giá tr
đo góc chính xác.
− Xây dng thut toán điu khin cho đng c, gi thng bng và ngn nga
quá ti ca các bánh xe.
− Lp trình điu khin.

2.2 Phng pháp nghiên cu
− Xây dng mô hình lý thuyt gm có:
̇ Tip cn t mô hình tng đng – mô hình con lc ngc đn mô hình tht
ca đ tài.
̇ Mô phng mô hình bng VN Nastran và MatLAB: scooter t cân bng trên
hai bánh.
Trang 15
SVTH: Mai Tun t Chng 2 Nhim v lun vn

− Tip cn mô hình thc, gm có:
̇ Thit k khung sn c khí ca mô hình.
̇ Công sut đin và đin t (điu khin bánh xe).
̇ Mch cm bin (góc, v trí, vn tc góc và vn tc dài).
̇ Calibre cm bin.
̇ B điu khin trung tâm.
̇ Lp trình vi điu khin.

Trang 16
SVTH: Mai Tun t Chng 3 Lý thuyt tip cn
Chng 3
LÝ THUYT TIP CN




3.1 Phng pháp tính đng lc hc
Có nhiu phng pháp dùng đ tính đng lc hc, chng hn: phng pháp
Newton, phng pháp Lagrange, phng pháp theo nng lng…Nhng trong đ tài
này, phng pháp Newton đc s dng vi các u đim ca nó. Th nht, nó s
dng các phng pháp tính c hc thông thng. Th hai, các công thc và h
phng trình trong quá trình tính không quá phc tp. Th ba, kt qu
tính đng lc
hc ca mô hình con lc ngc đc ph bin hin nay  các tài liu tham kho đc
s dng đ kim tra s sai sót trong quá trình tính toán đng lc hc ca mô hình xe
hai bánh t cân bng.
Bên cnh các u đim này, nó vn có nhc đim là phi tuyn tính hóa tính
toán ti v trí góc α = 0
o
. Tuy nhiên vic này không trm trng trong mô hình ca đ
tài, vì mô hình ch hot đng xung quanh v trí 0
o
( ±10
o
).

3.1.1 Nn tng nghiên cu t con lc ngc

– Ta xem xét mô hình toán hc ca con lc ngc vi các tham s nh sau:
M Khi lng xe (kg).
m Khi lng con lc (kg).
b Ma sát ca xe (N).
L Chiu dài ½ con lc (m).
I Momen quán tính ca con lc (Nm).
F Lc tác đng vào xe (N).
X V trí ca xe (m).
 Góc ca con lc so vi phng thng đng (rad).


Hình 3.1 Phân tích lc trên xe và trên con lc
[34]
Trang 17