Đồ án xe hai bánh tự cân bằng di chuyển trên địa hình phẳng

ĈҤI HӐC QUӔC GIA TP HӖ CHÍ MINH
TRѬӠNG ĈҤI HӐC BÁCH KHOA

KHOA CѪ KHÍ

LUҰN VĂN TӔT NGHIӊP ĈҤI HӐC

XE HAI BÁNH TӴ CÂN BҴNG
DI CHUYӆN
TRÊN ĈӎA HÌNH PHҶNG
MÃ NGÀNH: 128

SVTH :MAI TUҨN ĈҤT
CBHD :KS. VÕ TѬӠNG QUÂN

CHѬѪNG TRÌNH ĈÀO TҤO KӺ SѬ CHҨT LѬӦNG CAO
KHÓA 2: 2000 – 2005

TP. HӖ CHÍ MINH, 07/2005


ĈҤI HӐC QUӔC GIA TP HӖ CHÍ MINH
TRѬӠNG ĈҤI HӐC BÁCH KHOA

KHOA CѪ KHÍ

LUҰN VĂN TӔT NGHIӊP ĈҤI HӐC

XE HAI BÁNH TӴ CÂN BҴNG
DI CHUYӆN
TRÊN ĈӎA HÌNH PHҶNG

MÃ NGÀNH:128

SVTH :MAI TUҨN ĈҤT
MSSV :P0000016
CBHD :KS. VÕ TѬӠNG QUÂN

CHѬѪNG TRÌNH ĈÀO TҤO KӺ SѬ CHҨT LѬӦNG CAO
KHÓA 2: 2000 – 2005

TP. HӖ CHÍ MINH, 07/2005


Lời cảm ơn
Tơi khơng thӇ theo ÿuәi và hồn thành ÿӅ tài cӫa luұn văn trong
vịng 16 tuҫn nӃu khơng có sӵ giúp ÿӥ cӫa nhӳng ngѭӡi thân và ngѭӡi
bҥn xung quanh. Do vұy, vӟi sӵ trân trӑng và cҧm kích, tơi xin gӱi lӡi
cҧm ѫn ÿӃn ơng bà và cha mҽ, nhӳng ngѭӡi thân trong gia ÿình hӃt
lịng chăm sóc, an ӫi khi gһp trӣ ngҥi và ÿӝng viên tôi trong thӡi gian
thӵc hiӋn luұn văn, xin cҧm ѫn TS. NguyӉn Văn Giáp và giáo viên trӵc
tiӃp hѭӟng dүn luұn văn, thҫy Võ Tѭӡng Quân ÿã cho phép tôi theo
ÿuәi ÿӅ tài và cho nhӳng lӡi khuyên xác ÿáng, kӏp thӡi nhӳng lúc gһp
khó khăn khi thӵc hiӋn trong suӕt q trình làm luұn văn tӕt nghiӋp ÿҥi
hӑc. Ngồi ra, tôi cNJng xin chân thành cҧm ѫn anh Quân và anh Kiên ӣ
cơng ty máy tính Bách Khoa ÿã hӛ trӧ mӝt phҫn kinh phí và thiӃt bӏ ÿӇ
thӵc hiӋn ÿӅ tài; cҧm ѫn ngѭӡi anh – Th.S Trҫn Công Binh, giҧng viên
bӝ môn ThiӃt bӏ ĈiӋn – nhiӋt tình giúp ÿӥ vӅ mһt lý thuyӃt ÿӇ hồn
thành phҫn ÿiӋn ÿӝng cѫ cơng suҩt cao, mӝt phҫn khá hóc búa cӫa ÿӅ
tài. Ngoài ra, cNJng xin cҧm ѫn Thy và Tâm, hai ngѭӡi bҥn thân thiӃt
nhҩt ÿã giúp tôi hồn thành bҧn thuyӃt minh mà chúng ta ÿang có trên
tay.

Cuӕi cùng em xin cҧm ѫn tҩt cҧ quý Thҫy Cơ tham gia giҧng
dҥy chѭѫng trình Kӻ sѭ chҩt lѭӧng cao ViӋt Pháp khóa 2000-2005,
và Khoa Cѫ Khí, bӝ mơn Cѫ ĈiӋn tӱ, Trѭӡng Ĉҥi Hӑc Bách Khoa
TP.HCM ÿã trang bӏ cho em nhӳng kiӃn thӭc cѫ sӣ cNJng nhѭ ÿã giúp
ÿӥ tôi trong thӡi gian làm Luұn văn tӕt nghiӋp.
Tp. H͛ Chí Minh, ngày 03 tháng 07 năm 2005
Mai Tuҩn Ĉҥt


SVTH: Mai Tuҩn Ĉҥt

MỤC LỤC
Lӡi cҧm ѫn
Mөc lөc .......................................................................................................................... i
Tóm tҳt ÿӅ tài............................................................................................................... iv
Abstract..........................................................................................................................v
CHѬѪNG 1 TӘNG QUAN........................................................................................1
1.1 Lӡi nói ÿҫu ........................................................................................................1
1.2 ThӃ nào là xe hai bánh tӵ cân bҵng (two wheels self balancing) .................2
1.3 Tҥi sao phҧi thiӃt kӃ xe hai bánh tӵ cân bҵng ...............................................3
1.4 Ѭu nhѭӧc ÿiӇm cӫa xe hai bánh tӵ cân bҵng ................................................4
1.4.1 ˰u ÿi͋m cͯa xe scooter t͹ cân b̹ng trên hai bánh...................................4
1.4.2 Nh˱ͫc ÿi͋m cͯa xe.....................................................................................4
1.5 Khҧ năng ӭng dөng ..........................................................................................5
1.6 Tình hình nghiên cӭu trong và ngoài nѭӟc....................................................5
1.6.1 M͡t s͙ d̩ng xe hai bánh t͹ cân b̹ng dùng trên robot .............................5
1.6.2 M͡t s͙ d̩ng scooter hai bánh t͹ cân b̹ng ...............................................9
1.7 Nhu cҫu thӵc tӃ ...............................................................................................14
CHѬѪNG 2 NHIӊM VӨ LUҰN VĂN...................................................................15
2.1 Mөc tiêu ÿӅ tài.................................................................................................15

2.2 Phѭѫng pháp nghiên cӭu ...............................................................................15
CHѬѪNG 3 LÝ THUYӂT TIӂP CҰN ....................................................................17
3.1 Phѭѫng pháp tính ÿӝng lӵc hӑc ....................................................................17
3.2 Thuұt toán ÿiӅu khiӇn - Kӻ thuұt ÿiӅu khiӇn hiӋn ÿҥi ................................24
3.3 Các phѭѫng pháp xӱ lý tín hiӋu tӯ cҧm biӃn...............................................29
3.3.1 L͕c b͝ phͭ thông t̯n (complementaty filter) ..........................................29
3.3.2 L͕c thích nghi - B͡ l͕c Kalman ...............................................................32
3.3.3 So sánh các b͡ l͕c vͣi b͡ l͕c Kalman.....................................................40
3.4 Mô hinh lý thuyӃt ÿӝng cѫ DC ......................................................................43
CHѬѪNG 4 TÍNH TỐN MƠ PHӒNG .................................................................45
4.1 Các thơng sӕ trong mơ hình mơ phӓng ÿѭӧc xây dӵng ..............................45

i


SVTH: Mai Tuҩn Ĉҥt

4.2 Mô phӓng MatLAB ........................................................................................46
4.2.1 Giͣi thi͏u v͉ ph̯n m͉m MatLAB, cơng cͭ Simulink...............................46
4.2.2 K͇t qu̫ tính b̹ng MatLAB ......................................................................46
4.3 Mô phӓng VisualNastran và Simulink .........................................................48
4.3.1 Giͣi thi͏u v͉ ph̯n m͉m VisualNastran...................................................48
4.3.2 Cách th͹c hi͏n mô ph͗ng b̹ng vN Desktop 4D......................................49
4.3.4 K͇t qu̫ mô ph͗ng ....................................................................................50
CHѬѪNG 5 THӴC HIӊN ........................................................................................54
5.1 ThiӃt kӃ cѫ khí.................................................................................................54
5.1.1 Tóm t̷t thi͇t k͇ ........................................................................................54
5.1.2 Tính tốn sͱc b͉n.....................................................................................54
5.2 Mҥch ÿiӋn tӱ ...................................................................................................59
5.2.1 Ngu͛n ÿi͏n ...............................................................................................60

5.2.2 M̩ch công sṷt ÿi͉u khi͋n ÿ͡ng c˯ ........................................................61
5.2.2.1 Bӝ ÿӋm (MOSFET driver) ................................................................61
5.2.2.2 MOSFET công suҩt – mҳc bә phө ....................................................63
5.2.2.3 Mҥch Snubber ...................................................................................66
5.2.2.4 MOSFET thҳng .................................................................................66
5.2.3 C̫m bi͇n ..................................................................................................66
5.2.3.1 ThiӃt bӏ ÿo góc gyro Murata ENC-03 ...............................................67
5.2.3.2 ADXL202A .......................................................................................68
5.2.3.3 Cҧm biӃn ÿo vӏ trí- encoder...............................................................73
5.2.3.4 Cҧm biӃn ÿo dòng hӗi tiӃp (ĈiӋn trӣ shunt)......................................75
5.2.4 B͡ x͵ lý trung tâm - vi ÿi͉u khi͋n PIC 18F452.......................................76
5.2.4.1 Các khҧ năng cӫa vi ÿiӅu khiӇn Microchip PIC 18F452: .................76
5.2.4.2 Mҥch ÿiӅu khiӇn trung tâm................................................................79
5.2.5 B̫ng ÿi͉u khi͋n và hi͋n th͓......................................................................80
5.2.6 Ĉ͡ng c˯....................................................................................................80
5.2.7 Hình chͭp các m̩ch ÿi͏n t͵ ....................................................................85
5.3 Giҧi thuұt - Lѭu ÿӗ chѭѫng trình .................................................................88
5.3.1 Ch˱˯ng trình chính..................................................................................88
5.3.2 Ch˱˯ng trình ng̷t....................................................................................89
5.3.3 C̵p nh̵t encoder.....................................................................................91
5.3.4 Ĉi͉u khi͋n ÿ͡ng c˯ ..................................................................................92
5.4 KӃt quҧ.............................................................................................................94
CHѬѪNG 6 CÁCH VҰN HÀNH ..........................................................................95
6.1 Cách sӱ dөng...................................................................................................95
6.2 Bҧo dѭӥng........................................................................................................97
CHѬѪNG 7 KӂT LUҰN.........................................................................................98

ii

SVTH: Mai Tuҩn Ĉҥt

7.1
7.2
7.3
7.4

Nhӳng kӃt quҧ ÿҥt ÿѭӧc ................................................................................98
Nhӳng kӃt quҧ chѭa ÿҥt ÿѭӧc .......................................................................98
Nhӳng vҩn ÿӅ chѭa giҧi quyӃt .......................................................................99
Hѭӟng phát triӇn ............................................................................................99

TÀI LIӊU THAM KHҦO.........................................................................................100
PHӨ LӨC .................................................................................................................102
1.
2.
3.
4.
5.
6.

GIӞI THIӊU PHҪN MӄM VISUALNASTRAN ...........................................102
LӐC THÍCH NGHI – BӜ LӐC KALMAN ....................................................105
GYRO MURATA ENC-03..............................................................................118
CҦM BIӂN GIA TӔC ACCELEROMETER ADXL202 ...............................122
CHUҬN TRӴC CÁC CҦM BIӂN ĈO GĨC..................................................128
TÍNH NĂNG VI ĈIӄU KHIӆN PIC 18FXX2 ................................................131

iii

SVTH: Mai Tuҩn Ĉҥt

TĨM TҲT Ĉӄ TÀI

ĈӅ tài này có thӇ xem là mӝt cҫu nӕi kinh nghiӋm tӯ mô hình thăng bҵng con
lҳc ngѭӧc ÿӃn viӋc nghiên cӭu và chӃ tҥo các loҥi robot hai chân và robot ngѭӡi
(humanoid robot) trong tѭѫng lai. Mөc tiêu cӫa ÿӅ tài là thiӃt kӃ và chӃ tҥo mӝt xe
hai bánh tӵ cân bҵng, dӵa trên lý thuyӃt cân bҵng con lҳc ngѭӧc. Không giӕng nhѭ
các xe scooter hay xe 2 bánh thông thѭӡng có hai bánh xe nҵm trѭӟc sau, xe scooter
trong ÿӅ tài có hai bánh nҵm song song vӟi nhau, giúp nó trӣ nên cӵc kǤ gӑn gàng ÿӇ
di chuyӇn bҵng nhӳng bánh xe trong nhӳng khoҧng chұt hҽp mà thѭӡng chӍ có thӇ ÿi
bӝ.
ĈӅ tài này ÿѭӧc quan tâm tӯ viӋc tính tốn các thơng sӕ ÿҫu vào và ra, dӵa trên
ÿó ÿӇ xây dӵng các mơ phӓng, ÿӃn viӋc thiӃt kӃ mơ hình, thӵc hiӋn phҫn ÿiӋn tӱ và
ÿiӅu khiӇn, viӃt các chѭѫng trình ÿiӅu khiӇn vӟi mөc ÿích cuӕi cùng là tҥo ra mӝt mơ
hình xe di chuyӇn cân bҵng trên hai bánh xe ÿӗng trөc ÿѭӧc lҳp trên hai ÿӝng cѫ dӵa
theo các ÿӏnh luұt cѫ hӑc Newton và cѫ hӑc vұt rҳn: ÿiӅu khiӇn ÿӇ ln duy trì bӅ
mһt chân ÿӃ (hai bánh xe) ӣ vӏ trí ngay dѭӟi trӑng tâm cӫa xe khi ÿӭng yên, và tҥo
mӝt sai sӕ nhӓ vӅ góc nghiêng cӫa thân xe vӟi nӅn khi muӕn xe chuyӇn ÿӝng.
Sѭ cân bҵng ÿѭӧc tính tốn và mơ phӓng bҵng 2 phҫn mӅm MatLABSIMULINK và Visual Nastran, ÿӇ chӭng minh rҵng hoàn tồn có khҧ năng ÿӇ ÿiӅu
khiӇn mӝt mơ hình xe tӵ cân bҵng chӍ nhӡ mӝt hӋ thӕng ÿiӅu khiӇn hoҥt ÿӝng cӫa
ÿӝng cѫ ÿiӋn gҳn trên mӛi bánh xe.
Mô hình bao gӗm mӝt thân mang hai ÿӝng cѫ DC ÿѭӧc tích hӧp trong mӛi bánh
xe ÿҥp ÿiӋn 400 mm phә biӃn trong thӡi gian gҫn ÿây tҥi ViӋt Nam, bo mҥch sӱ dөng
bӝ ÿiӅu khiӇn trung tâm PIC18Fxxx cӫa hãng Microchip ÿӇ ÿiӅu khiӇn nhӳng mҥch
khuӃch ÿҥi công suҩt, lái công suҩt (MOSFET driver) cho nhӳng ÿӝng cѫ, ÿiӅu khiӇn
nhӳng cҧm biӃn cҫn thiӃt ÿӇ ÿo các giá trӏ góc và qng ÿѭӡng ÿi. Các tín hiӋu ÿo
góc tӯ hai cҧm biӃn accelerometer và gyro ÿѭӧc thông qua mӝt bӝ lӑc Kalman ÿѭӧc
lұp trình trên vi ÿiӅu khiӇn PIC ÿӇ có các thơng sӕ ÿo góc chính xác. Bҧng ÿiӋn kiӇm

soát và hiӇn thӏ chӭc năng hoҥt ÿӝng cӫa xe. Bình ÿiӋn ÿѭӧc lҳp dѭӟi sàn xe bҵng
nhơm ÿӇ cung cҩp toàn bӝ năng lѭӧng cho xe hoҥt ÿӝng.

iv


SVTH: Mai Tuҩn Ĉҥt

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 MatLABSIMULINK 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


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

Chѭѫng 1
TӘNG QUAN

1.1 Lӡi nói ÿҫu
Bài luұn văn xuҩt phát tӯ ý tѭӣng ÿã ÿѭӧc thѭѫng mҥi hóa cӫa cơng ty Segway:
kӃt hӧp ý tѭӣng vӅ cách giӳ thăng bҵng cӫa con ngѭӡi trên ÿôi chân và ÿӝ cѫ ÿӝng
trong di chuyӇn cӫa các loҥi xe di chuyӇn bҵng bánh. Thông qua bài nghiên cӭu, ta có
thӇ phҫn nào nҳm bҳt nhӳng ý tѭӣng giӳ thăng bҵng cho các loҥi humanoid robot
(robot dҥng ngѭӡi), cách phӕi hӧp và xӱ lý tín hiӋu tӕt nhҩt tӯ cҧm biӃn. Tuy vұy, giá
thành cӫa sҧn phҭm Segway khơng rҿ (khoҧng 5000USD/xe) do chi phí rҩt cao tӯ các
cҧm biӃn ÿã ÿѭӧc tích hӧp và xӱ lý vӟi ÿӝ chính xác và tin cұy cao (khoҧng
900USD/bӝ). Do vұy, chúng ta sӁ tìm cách kӃt hӧp các cҧm biӃn riêng lҿ vӟi giá thành
thҩp (4 - 40USD/cҧm biӃn) và xӱ lý tín hiӋu cҧm biӃn cӫa chúng ÿӇ có ÿѭӧc các tín

hiӋu tinh khiӃt và chính xác nhѭ mong muӕn vӟi giá thành khơng cao.
Mơ hình là mӝt chiӃc xe có hai bánh ÿѭӧc ÿһt dӑc trөc vӟi nhau (khác vӟi xe ÿҥp
là trөc cӫa hai bánh xe song song). Trên mơ hình sӱ dөng các cҧm biӃn ÿӇ ÿo góc
nghiêng cӫa thân xe, vұn tӕc quay (lұt) cӫa sàn xe quanh trөc bánh và vұn tӕc di
chuyӇn cӫa xe so vӟi mһt ÿҩt. Nhӡ các cҧm biӃn này, xe sӁ có thӇ tӵ giӳ thăng bҵng và
di chuyӇn. Vӟi cҩu trúc này, trӑng tâm cӫa mơ hình phҧi luôn nҵm trong vùng ÿӥ cӫa
bánh xe (supporting area) ÿӇ có thӇ thăng bҵng khi di chuyӇn ӣ mӑi bӅ mһt tӯ ÿѫn giҧn
ÿӃn phӭc tҥp.
Trong hӋ thӕng các cҧm biӃn, ÿӇ loҥi trӯ các tín hiӋu nhiӉu tӯ hӋ thӕng và nhiӉu
tӯ tín hiӋu ÿo, sai sӕ cӫa ngõ ra, ÿӗng thӡi có thӇ ѭӟc lѭӧng chính xác giá trӏ ÿo trong
tѭѫng lai cӫa cҧm biӃn cNJng nhѭ kӃt hӧp các tín hiӋu, bӝ lӑc Kalman ÿѭӧc nghiên cӭu
và sӱ dөng nhҵm cho mӝt kӃt quҧ tӕi ѭu vӅ tình trҥng cӫa xe gӗm góc nghiêng, vұn tӕc
quay cӫa xe tӯ mơ hình và các cҧm biӃn thành phҫn. Nói cách khác, hӋ thӕng xӱ lý tín
hiӋu và lӑc Kalman là công cө ÿӇ biӃn các cҧm biӃn ÿѫn giҧn, giá rҿ thành tұp hӧp
cҧm biӃn có giá trӏ trong hӋ thӕng. Tӯ các tín hiӋu ÿo, thơng qua mӝt sӕ ÿҥi lѭӧng ÿһc
trѭng cӫa mơ hình (khӕi lѭӧng, chiӅu dài, chiӅu cao vұt, ÿѭӡng kính bánh…) ta sӁ tính
ÿѭӧc momen qn tính nghiêng (lұt cӫa mơ hình), tӯ ÿó ÿѭa ra các giá trӏ ÿiӅu khiӇn
phù hӧp cho các bánh xe ÿӇ giӳ cho mơ hình ln ÿӭng vӳng hoһc di chuyӇn vӟi mӝt
vұn tӕc әn ÿӏnh.
Toàn bӝ mơ hình ÿѭӧc ÿiӅu khiӇn bҵng mӝt vi ÿiӅu khiӇn PIC 18F452. Ĉây là
thӃ hӋ tѭѫng ÿӕi cao cҩp cӫa hӑ PIC có thӇ xӱ lý và thӵc thi chѭѫng trình ӣ tӕc ÿӝ cao
(ÿҥt ÿӃn 10MIPs) trong viӋc tính toán các giá trӏ cҧm biӃn và ÿѭa ra bӝ truyӅn ÿӝng
(ÿӝng cѫ ÿiӋn). Bӝ vi ÿiӅu khiӇn ÿóng vai trò thӭ nhҩt trong ÿӅ tài nhѭ mӝt bӝ lӑc
Kalman vӟi tín hiӋu vào tӯ thiӃt bӏ inclinometer và gyro. Vӟi các dӳ liӋu vӅ góc ÿã xӱ
Trang 1


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

lý và tín hiӋu hӗi tiӃp vӅ vӏ trí ÿo encoder ÿѭa vӅ (incremental encoder), vai trò thӭ hai
cӫa vi ÿiӅu khiӇn trong ÿӅ tài sӁ tính tốn và ÿѭa ra tín hiӋu ÿiӅu khiӇn bӝ truyӅn ÿӝng,
ÿӃn bánh xe ÿӇ giӳ thăng bҵng/di chuyӇn, ÿi thҷng, quay, quҽo.
Ĉây là mӝt phѭѫng tiӋn vұn chuyӇn mӟi tҥi các thành phӕ trong tѭѫng lai vӟi
nhiӅu ѭu ÿiӇm: gӑn, nhҽ, ít chiӃm diӋn tích ÿѭӡng phӕ, dӉ mang vác, tháo lҳp và vұn
chuyӇn, nhiên liӋu sҥch, dӉ ÿiӅu khiӇn cho ngѭӡi lӟn và trҿ em, ÿi ÿѭӧc trên mӝt sӕ ÿӏa
hình phӭc tҥp.
1.2 ThӃ nào là xe hai bánh tӵ cân bҵng (two wheels self balancing)

Bӏ nghiêng

Cân bҵng

Hình 1.1 Mơ tɠ ngun lý giͯ thăng bɮng

Ĉӕi vӟi các xe ba hay bӕn bánh, viӋc thăng bҵng và әn ÿӏnh cӫa chúng là nhӡ
trӑng tâm cӫa chúng nҵm trong bӅ mһt chân ÿӃ do các bánh xe tҥo ra. Ĉӕi vӟi các xe 2
bánh có cҩu trúc nhѭ xe ÿҥp, viӋc thăng bҵng khi không di chuyӇn là hồn tồn khơng
thӇ, vì viӋc thăng bҵng cӫa xe dӵa trên tính chҩt con quay hӗi chuyӇn ӣ hai bánh xe
khi ÿang quay. Còn ÿӕi vӟi xe hai bánh tӵ cân bҵng, là loҥi xe chӍ có hai bánh vӟi trөc
cӫa hai bánh xe trùng nhau, ÿӇ cho xe cân bҵng, trӑng tâm cӫa xe (bao gӗm cҧ ngѭӡi
sӱ dөng chúng) cҫn ÿѭӧc giӳ nҵm ngay giӳa các bánh xe. ĈiӅu này giӕng nhѭ ta giӳ
mӝt cây gұy dӵng thҷng ÿӭng cân bҵng trong lòng bàn tay.
Thӵc ra, trӑng tâm cӫa tồn bӝ scooter khơng ÿѭӧc biӃt nҵm ӣ vӏ trí nào, cNJng
khơng có cách nào tìm ra nó, và có thӇ khơng có khҧ năng di chuyӇn bánh xe ÿӫ nhanh
ÿӇ giӳ nó ln ӣ dѭӟi tồn bӝ trӑng tâm.
VӅ mһt kӻ thuұt, góc giӳa sàn scooter và chiӅu trӑng lӵc có thӇ biӃt ÿѭӧc. Do
vұy, thay vì tìm cách xác ÿӏnh trӑng tâm nҵm giӳa các bánh xe, tay lái cҫn ÿѭӧc giӳ
thҷng ÿӭng, vng góc vӟi sàn xe (góc cân bҵng khi ҩy là zero).

Hình 1.2 Mô tɠ cách bɬt ÿɤu di chuyʀn

Trang 2


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

NӃu tay lái ÿѭӧc ÿҭy hѫi nghiêng tӟi trѭӟc, scooter sӁ chҥy tӟi trѭӟc và khi nó
ÿѭӧc ÿҭy nghiêng ra sau, scooter sӁ chҥy lùi. Ĉây là mӝt phân tích lý tính. Hҫu hӃt mӑi
ngѭӡi ÿӅu có thӇ kiӇm sốt tay lái trong vịng vài giây ÿӇ giӳ lҩy nó.
ĈӇ dӯng lҥi, chӍ cҫn kéo trӑng tâm xe nghiêng ngѭӧc hѭӟng ÿang di chuyӇn thì
tӕc ÿӝ xe giҧm xuӕng. Do tӕc ÿӝ cҧm nhұn và phҧn ӭng thăng bҵng cӫa mӛi ngѭӡi là
khác nhau, nên xe scooter hai bánh tӵ cân bҵng chӍ ÿѭӧc thiӃt kӃ cho mӝt ngѭӡi sӱ
dөng.
1.3 Tҥi sao phҧi thiӃt kӃ xe hai bánh tӵ cân bҵng
Nhӳng mobile robot xây dӵng hҫu hӃt robot là nhӳng robot di chuyӇn bҵng ba
bánh xe, vӟi hai bánh lái ÿѭӧc lҳp ráp ÿӗng trөc, và mӝt bánh ÿi nhӓ. Có nhiӅu kiӇu
khác nhau, nhѭng ÿây là kiӇu thơng dөng nhҩt. Cịn ÿӕi vӟi các xe 4 bánh, thѭӡng mӝt
ÿҫu xe có hai bánh truyӅn ÿӝng và ÿҫu xe còn
lҥi ÿѭӧc gҳn mӝt hoһc hai bánh lái.
ViӋc thiӃt kӃ ba hay bӕn bánh làm cho
xe/mobile robot ÿѭӧc thăng bҵng әn ÿӏnh nhӡ
trӑng lѭӧng cӫa nó ÿѭӧc chia cho hai bánh lái
chính và bánh ÿi, hay bҩt kǤ cái gì khác ÿӇ
ÿӥ trӑng lѭӧng cӫa xe. NӃu trӑng lѭӧng ÿѭӧc
ÿһt nhiӅu vào bánh lái thì xe/robot sӁ khơng әn
ÿӏnh dӉ bӏ ngã, cịn nӃu ÿһt nhiӅu vào bánh

ÿi thì hai bánh chính sӁ mҩt khҧ năng bám.
NhiӅu thiӃt kӃ xe/robot có thӇ di chuyӇn tӕt
trên ÿӏa hình phҷng, nhѭng khơng thӇ di
chuyӇn lên xuӕng trên ÿӏa hình lӗi lõm (mһt
phҷng nghiêng). Khi di chuyӇn lên ÿӗi, trӑng
lѭӧng xe/robot dӗn vào ÿuôi xe làm bánh lái
mҩt khҧ năng bám và trѭӧt ngã, ÿӕi vӟi nhӳng
bұc thang, thұm chí nó dӯng hoҥt ÿӝng và chӍ
quay trịn bánh xe.
Khi di chuyӇn xuӕng ÿӗi, sӵ viӋc còn tӋ
hѫn, trӑng tâm thay ÿәi vӅ phía trѭӟc và thұm
chí làm xe/robot bӏ lұt úp khi di chuyӇn trên
bұc thang. Hҫu hӃt nhӳng xe/robot này có thӇ
leo lên nhӳng dӕc ít hѫn là khi chúng di
chuyӇn xuӕng, bӏ lұt úp khi ÿӝ dӕc chӍ 15o hay Hình 1.3 Trɞng thái xe ba bánh khi di
20o. ViӋc bӕ trí bӕn bánh xe, giӕng nhѭ xe hѫi chuyʀn trên ÿʈa hình bɮng phɰng, d͑c [16]
ÿӗ chѫi hay các loҥi xe bӕn bánh hiӋn ÿang sӱ
dөng trong giao thông không gһp vҩn ÿӅ nhѭng ÿiӅu này sӁ làm các mobile robot
không gӑn gàng và thiӃt kӃ bӝ phұn lái (cua quҽo) gһp mӝt chút phiӅn tối ÿӇ có thӇ
xác ÿӏnh chính xác qng ÿѭӡng ÿã ÿi [16].
Ngѭӧc lҥi, các xe dҥng hai bánh ÿӗng trөc lҥi thăng bҵng rҩt linh ÿӝng khi di
chuyӇn trên ÿӏa hình phӭc tҥp, mһc dù bҧn thân là mӝt hӋ thӕng khơng әn ÿӏnh. Khi nó
leo sѭӡn dӕc, nó tӵ ÿӝng nghiêng ra trѭӟc và giӳ cho trӑng lѭӧng dӗn vӅ hai bánh lái
Trang 3


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

chính. Tѭѫng tӵ vұy, khi bѭӟc xuӕng dӕc, nó nghiêng ra sau và giӳ trӑng tâm rѫi vào
các bánh lái. Chính vì vұy, khơng bao giӡ có hiӋn tѭӧng trӑng tâm cӫa xe rѫi ra ngồi
vùng ÿӥ cӫa các bánh xe ÿӇ có thӇ gây ra sӵ lұt úp.

Hình 1.4 Trɞng thái xe hai bánh ÿ͓ng trͥc khi di chuyʀn trên ÿʈa hình bɮng phɰng, d͑c[16]

Ĉӕi vӟi nhӳng ÿӏa hình lӗi lõm và nhӳng ӭng dөng thӵc tӃ, sӵ thăng bҵng cӫa xe
hai bánh có thӇ sӁ mang lҥi nhiӅu ý nghƭa thӵc tiӉn trong giӟi hҥn әn ÿӏnh hѫn là ÿӕi
vӟi xe ba bánh truyӅn thӕng.
1.4 Ѭu nhѭӧc ÿiӇm cӫa xe hai bánh tӵ cân bҵng
1.4.1

˰u ÿi͋m cͯa xe scooter t͹ cân b̹ng trên hai bánh

 Khơng ơ nhiӉm, sӱ dөng bình ÿiӋn, và có thӇ sҥc ÿiӋn.
 Sӱ dөng khơng gian hiӋu quҧ, ÿa năng (sӱ dөng trong nhà và ngoài phӕ).
 DӉ dàng lái xuӕng ÿѭӡng, dӯng lҥi và trò chuyӋn vӟi bҥn bè. Scooter tӵ cân
bҵng này khác hҷn vӟi các loҥi xe ÿҥp hay xe ÿҭy bình thѭӡng, vì chúng dӉ
kéo ÿҭy và khơng gây khó khăn khi dӯng lҥi.
 Khá dӉ ÿӇ lái vòng quanh trong văn phòng, chҥy ngang qua cӱa ra vào do tӕc
ÿӝ thҩp. Ngoài ra, nó cịn có thӇ xuӕng các bұc thӅm/ bұc thang thҩp.
 ChiӃm ít diӋn tích (chӍ hѫn mӝt con ngѭӡi) nên nó khơng gây tҳt nghӁn giao
thơng nhѭ các loҥi xe bӕn bánh. Nhѭ mӝt phѭѫng tiӋn vұn chuyӇn trên vӍa
hè, nó cho phép di chuyӇn trong nѫi ÿơng ÿúc, và hồn tồn có thӇ ÿi trên
lịng ÿѭӡng.
 Giá thành thҩp hѫn so vӟi xe hѫi.
 Cuӕn hút ngѭӡi sӱ dөng cNJng nhѭ mӑi ngѭӡi xung quanh vì hình dáng kǤ lҥ
cӫa nó, phá vӥ các hình ҧnh thѭӡng thҩy vӅ các phѭѫng tiӋn giao thông cӫa
con ngѭӡi.
Trang 4

Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

1.4.2

Nh˱ͫc ÿi͋m cͯa xe

 Không thӇ thѭ giãn và khá mӋt khi lái do phҧi ÿӭng trong khi ÿiӅu khiӇn. Vì
ÿӭng trên mһt sàn rung (do ÿӝng cѫ gây ra) và cӭng làm chân mӓi. Do luôn
giӳ tѭ thӃ thҷng ÿӭng ÿӇ trӑng lѭӧng cѫ thӇ ÿһt ӣ trӑng tâm và ÿôi lúc gһp
nhӳng ÿoҥn ÿѭӡng xҩu khiӃn cѫ thӇ ngѭӡi ÿiӅu khiӇn mӋt mӓi.
 Không thӇ làm các viӋc khác khi ÿӭng trên scooter này, chҷng hҥn vӯa ÿi
vӯa nghe ÿiӋn thoҥi, hoһc vӯa uӕng nѭӟc.
 Scooter không ÿӫ nhanh ÿӇ ÿi ÿѭӡng trѭӡng và khơng ÿӫ an tồn ÿӇ lên
xuӕng lӅ ÿѭӡng.
 Không thӇ vұn chuyӇn hai ngѭӡi trên cùng mӝt xe. ViӋc này không thành
vҩn ÿӅ khi xe tӵ cân bҵng ÿóng vai trị mӝt platform cӫa mobile robot, vì
khӕi lѭӧng tҧi là tƭnh.
 Khơng thӇ leo bұc thang có chiӅu cao q ½ bán kính bánh xe.
1.5 Khҧ năng ӭng dөng
Xây dӵng ÿѭӧc mӝt phѭѫng tiӋn vұn chuyӇn mӟi trong khu vӵc chұt hҽp có thӇ
di chuyӇn ngay trong các chung cѭ tòa nhà cao tҫng, dùng trӧ giúp di chuyӇn cho
ngѭӡi già, và trҿ em vұn chuyӇn.
Làm phѭѫng tiӋn vұn chuyӇn hàng hoá ÿӃn nhӳng nѫi ÿã ÿѭӧc lұp trình sҹn ӣ
trong các tịa nhà, phịng làm viӋc, nhӳng khơng gian chұt hҽp, khó xoay trӣ.
Thұm chí kӃt hӧp trên các humanoid robot, nӃu ÿѭӧc kӃt hӧp vӟi các robot
camera, robot dị ÿѭӡng, robot lái mһt ÿѭӡng thì hiӋu quҧ các công dөng cө thӇ cӵc kǤ

linh hoҥt. Tuy vұy, cҫn phҧi tiӃn hành giҧi quyӃt thêm vӅ phҫn xuӕng cҫu thang
(không thӇ leo lên các bұc thang cao).
1.6 Tình hình nghiên cӭu trong và ngồi nѭӟc
HiӋn nay chѭa có thơng tin cө thӇ nào vӅ
viӋc chӃ tҥo xe hai bánh tӵ cân bҵng dùng trên
robot cNJng nhѭ xe hai bánh tӵ cân bҵng ӣ ViӋt
Nam. Nhѭng trên thӃ giӟi, ӣ mӝt vài nѭӟc, các kӻ
thuұt viên và mӝt sӕ sinh viên ÿã nghiên cӭu và
cho ra ÿӡi các dҥng xe hai bánh nhѭ thӃ. Dѭӟi ÿây
là mӝt sӕ thông tin vӅ chúng.
1.6.1 M͡t s͙ d̩ng xe hai bánh t͹ cân
b̹ng dùng trên robot
1.6.1.1 nBot[16]
nBot do David P. Anderson sáng chӃ. nBot
ÿѭӧc lҩy ý tѭӣng ÿӇ cân bҵng nhѭ sau: các bánh
xe sӁ phҧi chҥy xe theo hѭӟng mà phҫn trên robot
sҳp ngã. NӃu bánh xe có thӇ ÿѭӧc lái theo cách
Trang 5

Hình 1.5 nBot


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

ÿӭng vӳng theo trӑng tâm robot, robot sӁ vүn ÿѭӧc giӳ cân bҵng. Trong thӵc tӃ, ÿiӅu
này ÿịi hӓi hai cҧm biӃn thơng tin phҧn hӗi: cҧm biӃn góc nghiêng ÿӇ ÿo góc nghiêng
cӫa robot vӟi trӑng lӵc, và encoder trên bánh xe ÿӇ ÿo vӏ trí cѫ bҧn cӫa robot. Bӕn
thơng sӕ ngõ vào ÿӇ xác ÿӏnh hoҥt ÿӝng và vӏ trí cӫa xe con lҳc ngѭӧc cân bҵng là:

1) góc nghiêng.
2) ÿҥo hàm cӫa góc nghiêng, vұn tӕc góc.
3) vӏ trí bánh xe.
4) ÿҥo hàm vӏ trí bánh, vұn tӕc bánh xe.
Bӕn giá trӏ ÿo lѭӡng ÿѭӧc cӝng lҥi và phҧn hӗi tӟi ÿiӋn áp ÿӝng cѫ, tѭѫng ӭng
vӟi momen quay, cân bҵng, và bӝ phұn lái robot.
1.6.1.2 Balance bot I [28]
Balance-bot I (do Sanghyuk, Hàn Quӕc thӵc hiӋn) là
mӝt robot hai bánh tӵ cân bҵng bҵng cách kiӇm sốt thơng
tin phҧn hӗi. HӋ thӕng cao 50cm. Khung chính ÿѭӧc làm
bҵng nhơm. Nó có hai trөc bánh xe nӕi vӟi hӝp giҧm tӕc và
ÿӝng cѫ DC cho sӵ phát ÿӝng. Tәng cӝng có ba bӝ vi xӱ lý
Atmel ÿѭӧc sӱ dөng. Vi ÿiӅu khiӇn chính (master) thi hành
nhӳng ngun lý kiӇm sốt và thuұt toán ѭӟc lѭӧng. Mӝt vi
ÿiӅu khiӇn khác kiӇm soát tҩt cҧ cҧm biӃn analog. Vi ÿiӅu
khiӇn thӭ ba ÿiӅu khiӇn ÿӝng cѫ DC.
Linear quadratic regulator (LQR) ÿѭӧc thiӃt kӃ và thӵc
thi mҥch ÿiӅu khiӇn. Nó có bӕn giá trӏ khác nhau – góc
nghiêng, vұn tӕc góc nghiêng, góc quay bánh xe, và vұn tӕc
góc quay, sau ÿó nó tҥo lӋnh cho ÿӝng cѫ DC ÿӇ ÿiӅu chӍnh
tӕc ÿӝ bánh xe.

Hình 1.6 Balance-bot

1.6.1.3 Balancing robot (Bbot[26])
Vào năm 2003, Jack Wu và Jim Bai là
nhӳng sinh viên trѭӡng Ĉҥi hӑc Carnegie
Mellon dѭӟi sӵ trӧ giúp cӫa GS. Chris
Atkeson ÿã thӵc hiӋn ÿӅ tài robot hai bánh
tӵ cân bҵng nhѭ luұn văn tӕt nghiӋp. Robot

này có thӇ xác ÿӏnh vӏ trí hѭӟng cӫa nó ÿӕi
vӟi mơi trѭӡng và lái ÿӝng cѫ theo hѭӟng
này.
ĈӇ ÿo góc nghiêng cӫa robot, các sinh
viên này ÿã sӱ dөng hӋ thӕng ÿo lѭӡng góc
2DOF ÿѭӧc tích hӧp sҹn cӫa hãng
Rotomotion. HӋ thӕng này gӗm gia tӕc kӃ
Trang 6

Hình 1.7 Balancing robot


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

ADXL202 và mҥch con quay hӗi chuyӇn. Vi mҥch ÿiӅu khiӇn dùng trên robot này là
BasicX 24, có nhiӅu tính năng khác nhau. Nó ÿѭӧc dùng nhѭ bӝ ÿiӅu khiӇn ÿӝng cѫ,
COM1 ÿѭӧc nӕi vӟi Pocket PC và COM3 thì nӕi vӟi bӝ ÿiӅu khiӇn servo Mini SSC
12. Nó cịn ÿѭӧc sӱ dөng nhѭ CPU chính cho viӋc ÿiӅu khiӇn thăng bҵng cho robot.
1.6.1.4 JOE [18]
Phịng thí nghiӋm ÿiӋn tӱ cơng nghiӋp cӫa ViӋn Công nghӋ Federal, Lausanne,
Thөy Sƭ, ÿã tҥo ra cuӝc cách mҥng ÿҫu tiên khi xây dӵng mơ hình xe hai bánh. Robot
JOE cao 65cm, nһng 12kg, tӕc ÿӝ tӕi ÿa khoҧng 1,5m/s, có khҧ năng leo dӕc nghiêng
ÿӃn 30o. Nguӗn ÿiӋn cҩp là nguӗn pin 32V khҧ năng 1,8Ah.
Hình dҥng cӫa nó gӗm hai bánh xe trөc, mӛi
bánh gҳn vӟi mӝt ÿӝng cѫ DC, chiӃc xe này có thӇ
chuyӇn ÿӝng xoay theo hình U. HӋ thӕng ÿiӅu
khiӇn ÿѭӧc lҳp tӯ hai bӝ ÿiӅu khiӇn state-space
tách rӡi nhau, kiӇm soát ÿӝng cѫ ÿӇ giӳ cân bҵng

cho hӋ thӕng. Nhӳng thông tin vӅ trҥng thái cӫa
JOE ÿѭӧc cung cҩp bӣi hai encoder quang và vұn
tӕc cӫa con quay hӗi chuyӇn.
JOE ÿѭӧc ÿiӅu khiӇn bӣi mӝt bӝ ÿiӅu khiӇn
tӯ xa R/C thѭӡng ÿѭӧc sӱ dөng ÿӇ ÿiӅu khiӇn các
máy bay mơ hình. Bӝ ÿiӅu khiӇn trung tâm và xӱ
lý tín hiӋu là mӝt board xӱ lý tín hiӋu sӕ (DSP)
ÿѭӧc phát triӇn bӣi chính nhóm và cӫa viӋn
Federal, có khҧ năng xӱ lý dҩu chҩm ÿӝng
(SHARC floating point), FPGA XILINC, 12 bӝ
biӃn ÿәi A/D 12bit và 4 bӝ biӃn ÿәi D/A 10bit.

Hình 1.8 Hình chͥp JOE

1.6.1.5 Equibot [27]
Equibot là robot cân bҵng do Dan Piponi thӵc
hiӋn. Cѫ bҧn nó dӵa vào vi ÿiӅu khiӇn ATMega32
RISC.
Cҧ hai servo Hitec HS-311 chuҭn ÿѭӧc sӱa ÿәi
cho xoay vòng 360o và nguӗn ÿiӋn vào ÿѭӧc nӕi trӵc
tiӃp vӟi các ÿӝng cѫ ÿӇ PWM kiӇm soát chúng. Mӝt
trong hai servo ÿѭӧc gҳn vӟi bӝ ÿiӅu khiӇn tӭ cӵc
LQR, ÿó là phҫn phӭc tҥp nhҩt trong cҩu trúc robot,
bánh còn lҥi bҳt chѭӟc tӕc ÿӝ cӫa bánh thӭ nhҩt.
Equibot chӍ có mӝt loҥi cҧm biӃn hӗng ngoҥi Sharp
thay cho cҧm biӃn vӅ góc. Nó ÿѭӧc ÿһt thҩp ÿӇ ÿo
khoҧng cách vӟi sàn. Ngõ ra tӯ thiӃt bӏ ÿѭӧc dùng ÿӇ
xác ÿӏnh hѭӟng robot di chuyӇn.

Trang 7

Hình 1.9 Equibot


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

1.6.1.6 BaliBot [29]
Balibot, mӝt robot hai bánh tӵ cân bҵng, là mӝt trong các mүu ÿҫu tiên vӅ robot
hai bánh có trӑng tâm phía trên các bánh xe. Khơng có hӋ thӕng ÿiӅu khiӇn hoҥt ÿӝng,
robot sӁ bӏ ngã. Khi robot có nhұn biӃt hѭӟng mà nó sҳp ngã, các bánh xe sӁ di chuyӇn
vӅ phía ngã và thҷng góc vӟi chính nó.

Hình 1.11 Các tɤng mɞch, g͓m
ngu͓n, vi ÿiɾu khiʀn và cɠm biɼn

Hình 1.10 Balibot

Cҧm biӃn góc nghiêng ÿӇ ÿo góc nghiêng cӫa robot, gia tӕc kӃ Motorola
MMA2260 ÿѭӧc sӱ dөng, thiӃt bӏ có cҩu trúc MEMS.
PIC16F876 cӫa hãng Microchip© ÿѭӧc chӑn làm trung tâm ÿiӅu khiӇn cho robot.
PIC tích hӧp mӝt bӝ biӃn ÿәi A/D nhiӅu kênh ÿӇ ÿo cҧm biӃn góc nghiêng và các ngõ
I/O ÿӇ kiӇm soát hai servo ÿѭӧc mơ tҧ cho sӵ quay vịng tiӃp theo. ĈiӋn ÿѭӧc cung cҩp
bҵng bӕn cөc pin AA và ÿѭӧc әn áp dropout. Nguӗn ÿiӋn 6V không qua әn áp ÿѭӧc
phân phӕi ÿӃn ÿӝng cѫ servo qua tө ÿiӋn 3300μF qua bù năng lѭӧng cho vi mҥch ÿiӅu
khiӇn khi công suҩt ngõ ra tӯ các servo ÿѭӧc hoҥt ÿӝng. Mҥch ÿiӋn tӱ ÿѭӧc xây dӵng
trên bҧng project board Radio Shack RS 276-150 và lҳp ráp phía trên các motor servo,
trên khung bҵng nhôm. Nguӗn ÿiӋn ÿѭӧc ÿһt gҫn ÿӍnh và hoҥt ÿӝng nhѭ trӑng lѭӧng

Trang 8


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

cӫa con lҳc ngѭӧc. Mӝt phiên bҧn khác cӫa BaliBot sӱ dөng các cҧm biӃn hӗng ngoҥi
ÿӇ ÿo khoҧng cách thay vì dùng các cҧm biӃn ÿo góc.
1.6.1.7 Bender [21]
Robot cân bҵng Bender là ÿӅ án do TedLarson, San Francisco thӵc hiӋn. Mөc
tiêu hiӋn tҥi cӫa ông là xây dӵng robot tӵ cân bҵng trên mһt sàn, và tӯ ÿó dùng làm
nӅn cѫ bҧn (platform) ÿӇ xây dӵng robot tӵ hành dùng bánh xe.

Hình 1.12 Hình chͥp robot Bender

1.6.1.8
Lo̩i Robot phͭc vͭ con ng˱ͥi, ki͋u rolling phͭc vͭ con ng˱ͥi
cͯa hãng TOYOTA
Ĉây là mӝt trong nhӳng loҥi robot có cơng
dөng phөc vө cho con ngѭӡi do hãng TOYOTA
thiӃt kӃ. Nó cao 100cm và nһng 35kg. Mүu robot
này có khҧ năng di chuyӇn nhanh mà không chiӃm
mӝt không gian lӟn, ÿӗng thӡi ÿôi tay cӫa nó có thӇ
làm nhiӅu cơng viӋc khác nhau, chӫ yӃu ÿѭӧc dùng
làm trӧ lý trong cơng nghiӋp.
Hình 1.13 Loɞi robot, kiʀu
Rolling cͧa TOYOTA

1.6.2

M͡t s͙ d̩ng scooter hai bánh t͹ cân b̹ng

1.6.2.1

Segway [33]

Không giӕng nhѭ mӝt chiӃc xe hѫi, Segway chӍ có hai bánh – trơng nó nhѭ mӝt
chiӃc xe ÿҭy bҵng tay thơng thѭӡng – nó cịn kiӇm sốt hoҥt ÿӝng ӣ tѭ thӃ thҷng ÿӭng.
ĈӇ di chuyӇn ÿӃn trѭӟc hay lùi ra sau, ngѭӡi lái ÿӭng trên Segway chӍ viӋc hѫi
nghiêng vӅ phía trѭӟc hay phía sau. ĈӇ quҽo trái hay phҧi, ngѭӡi lái quay tay lái qua
phҧi hѭӟng ra trѭӟc hay ra sau.
Trang 9


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

Hoҥt ÿӝng cân bҵng ӣ Segway là mӝt ÿiӅu thú vӏ nhҩt, ÿó là chiӃc chìa khóa cӫa
q trình hoҥt ÿӝng. Xem xét vӅ mơ hình Karmen vӅ thăng bҵng cӫa cѫ thӇ ngѭӡi ÿӇ
hiӇu hӋ thӕng làm viӋc nhѭ thӃ nào. NӃu ta ÿӭng và nghiêng ngѭӡi vӅ phía trѭӟc,
khơng cịn thăng bҵng, bҥn sӁ ngã vӅ trѭӟc. Bӝ não biӃt rҵng bҥn khơng cịn thăng
bҵng nӳa, bӣi vì chҩt dӏch trong tai trong dao ÿӝng, nên nó truyӅn tín hiӋu ra lӋnh cho
chân bҥn ÿһt lên phía trѭӟc và bҥn lҩy lҥi thăng bҵng. NӃu bҥn giӳ mình trong trҥng
thái nghiêng vӅ trѭӟc, bӝ não ÿiӅu khiӇn chân bҥn ÿһt lên trѭӟc và giӳ bҥn ÿӭng thҷng.
Thay vì ngã, bҥn bѭӟc ÿӃn trѭӟc.

Hình 1.14 Segway

Segway tҥo ra khá giӕng nhѭ vұy, ngoҥi trӯ nó có bánh xe thay vì ÿơi chân, ÿӝng
cѫ thay cho bҳp cѫ, tұp hӧp các vi mҥch xӱ lý thay cho mӝt bӝ não và mӝt dãy các
cҧm biӃn nghiêng thay cho hӋ thӕng cân bҵng tai trong. Nhѭ bӝ não cӫa bҥn, Segway
nhұn biӃt khi ta hѭӟng vӅ trѭӟc. ĈӇ duy trì cân bҵng, nó quay bánh xe ÿӃn trѭӟc chӍ
vӟi tӕc ÿӝ vӯa phҧi (chính xác), nên ta di chuyӇn ÿӃn trѭӟc.
Sӵ phân chia rõ ràng (con quay hӗi chuyӇn chính yӃu – trҥng thái cân bҵng).
Khӕi Segway ÿѭӧc lҳp ÿһt nhiӅu hѫn hai bánh xe. ThiӃt bӏ lái tұn dөng cҧ công nghӋ
drive-by-wire và thiӃt bӏ cѫ khí có hӋ thӕng. Trong khi viӋc thiӃt kӃ bӕn bánh ÿѭa ÿӃn
vұn ÿӝng dӉ dàng và tӕc ÿӝ cao hѫn mӝt tí, ngѭӡi lái có thӇ chӑn lӵa giӳa viӋc sӱ dөng
bӕn bánh hay chӍ hai bánh xe.
ĈiӅu cѫ bҧn nhҩt, Segway là sӵ kӃt hӧp cӫa mӝt dãy các cҧm biӃn, mӝt hӋ thӕng
kiӇm soát và mӝt hӋ thӕng ÿӝng cѫ.
HӋ thӕng cҧm biӃn chӫ yӃu là sӵ kӃt hӧp các con quay hӗi chuyӇn (gyroscope).
Mӝt con quay hӗi chuyӇn cѫ hӑc cѫ bҧn là mӝt bánh xe quay tròn bên trong cѫ cҩu
vӳng chҳc. Mөc ÿích sӵ quay trịn nhҵm kháng lҥi sӵ thay ÿәi trөc quay cӫa nó, bӣi vì
lӵc tác ÿӝng di chuyӇn dӑc theo cѫ cҩu. NӃu ta ÿҭy mӝt ÿiӇm trên bánh xe quay, ví dө,
ÿiӇm này di chuyӇn quanh bánh trѭӟc trong khi nó vүn cịn giӳ lӵc tác ÿӝng. Khi mӝt
ÿiӇm lӵc giӳ di chuyӇn, nó kӃt thúc lӵc tác dөng ÿӕi diӋn vӟi ÿiӇm cuӕi cӫa bánh xe –
khơng cịn cân bҵng lӵc.

Trang 10


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

Bӣi vì nó kháng ÿӕi vӟi lӵc bên ngoài, bánh xe quay hӗi chuyӇn sӁ duy trì vӏ trí
cӫa nó trong khơng gian (liên hӋ vӟi mһt ÿҩt) thұm chí nӃu bҥn nghiêng nó ÿi. Nhѭng
hӋ thӕng con quay hӗi chuyӇn sӁ di chuyӇn tӵ do trong khơng gian. Bҵng viӋc ÿo

lѭӡng vӏ trí cӫa bánh xe quay liên hӋ vӟi cѫ cҩu, cҧm biӃn chính xác có thӇ cho ta biӃt
ÿӝ dӕc cӫa vұt (nó nghiêng bao nhiêu so vӟi vӏ trí thҷng ÿӭng) cNJng nhѭ tӕc ÿӝ dӕc
(nó nghiêng nhanh nhѭ thӃ nào).
Mӝt con quay hӗi chuyӇn thông thѭӡng sӁ cӗng kӅnh và khó bҧo dѭӥng xe, nên
Segway tiӃp thu hiӋu quҧ này vӟi hình thӭc khác cӫa cѫ khí. Segway vұn dөng mӝt
cҧm biӃn tӕc ÿӝ nghiêng bán dүn ÿһc biӋt ÿѭӧc tҥo tӯ silic. Loҥi con quay hӗi chuyӇn
này quy ÿӏnh sӵ quay vòng cӫa vұt thӇ sӱ dөng hiӋu ӭng Coriolis trên mӝt lӟp rҩt nhӓ.
Segway HT có năm cҧm biӃn hӗi chuyӇn, mһc dù nó chӍ cҫn ba cҧm biӃn ÿӇ phát
hiӋn ra mӭc ÿҭy ra trѭӟc và ra sau cNJng nhѭ nghiêng bên trái hay bên phҧi. Các cҧm
biӃn còn lҥi làm cho phѭѫng tiӋn chҳc chҳn hѫn. Thêm vào ÿó, Segway có hai cҧm
biӃn nghiêng chӭa ÿҫy dung dӏch ÿiӋn phân. Giӕng nhѭ tai trong, hӋ thӕng nhұn biӃt vӏ
trí nghiêng có liên hӋ vӟi mһt ÿҩt trong trҥng thái nghiêng cӫa bӅ mһt chҩt dӏch.
Tҩt cҧ thông tin vӅ trҥng thái nghiêng truyӅn ÿӃn “bӝ não” cӫa xe, hai bҧng mҥch
ÿiӅu khiӇn ÿiӋn tӱ bao gӗm mӝt bó vi mҥch xӱ lý. Segway có tәng cӝng 10 bҧng mҥch
vi xӱ lý, vӟi năng lӵc gҩp ba lҫn năng lӵc PC ÿiӇn hình. Thơng thѭӡng cҧ hai bҧng
mҥch làm viӋc chung vӟi nhau nhѭng nӃu mӝt bҧng bӏ hѭ, bҧng còn lҥi nhұn tҩt cҧ các
chӭc năng ÿӇ hӋ thӕng báo tín hiӋu cho ngѭӡi lái biӃt sӵ trөc trһc ÿӇ khӣi ÿӝng lҥi.
Segway ÿòi hӓi năng lӵc làm viӋc cao cӫa bӝ não vì nó cҫn ÿiӅu chӍnh cӵc kǤ
chính xác ÿӇ giӳ khơng bӏ ngã. Trong nhӳng máy thông thѭӡng, bҧng mҥch ÿiӅu khiӇn
kiӇm tra vӏ trí cҧm biӃn khoҧng 100 lҫn/giây. Mҥch vi xӱ lý ÿiӅu hành phҫn mӅm
tѭѫng thích ÿӇ phát tín hiӋu tҩt cҧ các thông tin әn ÿӏnh và ÿiӅu chӍnh tӕc ÿӝ cho nhiӅu
ÿӝng cѫ ÿiӋn phù hӧp. Ĉӝng cѫ ÿiӋn ÿѭӧc nҥp năng lѭӧng tӯ mӝt cһp pin (Ni-MH) có
thӇ sҥc lҥi, làm quay ÿӝc lұp mӛi bánh xe vӟi tӕc ÿӝ khác nhau.
Khi xe nghiêng vӅ trѭӟc, ÿӝng cѫ làm cҧ hai bánh xe quay vӅ trѭӟc và giӳ vӅ
trҥng thái nghiêng. Khi xe nghiêng ra sau, ÿӝng cѫ làm cҧ hai bánh xe quay ra sau. Khi
ngѭӡi lái ÿiӅu khiӇn tay lái quҽo trái hay phҧi, ÿӝng cѫ làm mӝt trong hai bánh xe
quay nhanh hѫn bánh xe kia hay hai bánh xe quay ngѭӧc chiӅu ÿӇ xe xoay quanh.
Nó chӍ ÿi khoҧng 12 dһm/giӡ (20km/giӡ), và nó cҫn nҥp ÿiӋn khoҧng 6 giӡ ÿӇ dӵ
trӳ dùng ÿӫ cho mӝt chuyӃn ÿi 15 dһm (24km).
Segway là sӵ lӵa chӑn cao trong thành phӕ. Vì các xe hѫi ÿҳt tiӅn và nӃu có

lѭӧng lӟn xe hѫi chҥy trên ÿѭӡng phӕ sӁ gây nên ùn tҳt giao thông, và thiӃu chӛ ÿұu
xe. Tҩt cҧ nhӳng ÿiӅu ҩy, xe hѫi không là phѭѫng tiӋn tӕi ѭu nhҩt trong khu dân cѭ
ÿông ÿúc.
Segway không thӇ ÿѭa con ngѭӡi ÿi ÿӃn nѫi muӕn ÿӃn vӟi tӕc ÿӝ cao nhҩt,
nhѭng Segway có thӇ ÿi bҵng sӵ di chuyӇn chұm, nӕi ÿuôi nhau. Mӝt khi chúng ÿӃn
nѫi, ngѭӡi lái có thӇ mang Segway vào bên trong mà khơng phҧi lo lҳng gì vӅ chӛ ÿұu
xe. Và cNJng không cҫn dӯng ӣ nhӳng trҥm xăng dҫu, mà chӍ cҫn nҥp ÿiӋn cho xe tҥi
nhà.

Trang 11


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

Segway cNJng là chiӃc máy tӕt dùng ÿӇ ÿi trong các kho hàng, nѫi có nhiӅu hành
lang. Ngѭӡi ta cịn nhұn thҩy sӵ hӳu dөng khi ÿi quanh trong các khu dân cѭ, sân bay
hay cơng viên. Thұt sӵ khơng có giӟi hҥn khơng gian trong viӋc sӱ dөng xe. Segway
giúp bҥn ÿi nhanh hѫn mà không mҩt nhiӅu năng lѭӧng.
x

Tӕc ÿӝ cao nhҩt: 12,5 dһm/giӡ (20 km/giӡ). Gҩp ba lҫn tӕc ÿӝ ÿi bӝ bình
thѭӡng.

x

Trӑng lѭӧng khơng tҧi: 80 lbs (36 kg).

x

ChiӅu rӝng: không gian bao phӫ trên mһt ÿҩt cӫa Segway là 19 – 25 inch (48 –
63,5 cm). Segway có chiӅu rӝng gҫn bҵng kích thѭӟc cӫa mӝt ngѭӡi trung bình,
nên nó khơng mҩt nhiӅu diӋn tích trên ÿѭӡng. Bàn ÿҥp dài 8 inch (20 cm).

x

Tҧi trӑng: mӝt ngѭӡi nһng 250 pound (110kg) vӟi hàng hóa nһng 75 pound
(34kg).

x

Phҥm vi: ÿi khoҧng 17 dһm (28 km) vӟi mӝt bình sҥc ÿѫn. Trên mơ hình tính
tốn, ngѭӡi thiӃt kӃ ѭӟc tính xe ÿi trong phҥm vi 11 dһm (17 km) vӟi mӝt bình
sҥc ÿѫn.

x

Giao diӋn hiӇn thӏ xe hoҥt ÿӝng: Segway có
màn hình LCD nhӓ cho ngѭӡi lái biӃt năng
lѭӧng pin cịn bao nhiêu và hoҥt ÿӝng cӫa xe
nhѭ thӃ nào, còn tӕt khơng. Màn hình trình bày
nhѭ bӅ mһt hoҥt hình, biӇu diӉn trҥng thái
chung cӫa phѭѫng tiӋn.
1.6.2.2

Balancing scooter [17]

Trevor Blackwell chӃ tҥo ra xe scooter dӵa theo
Segway cӫa hãng Mӻ. Xe scooter tӵ cân bҵng này

ÿѭӧc xây dӵng tӯ nhӳng bӝ phұn giӕng ÿӝng cѫ xe
lăn và tӯ các cөc pin xe RC. Nhӳng bӝ phұn và
module ÿӇ chӃ tҥo có giá thành thҩp hѫn phân nӱa
Segway. Nó khơng cҫn phҫn mӅm thӵc thi cao hay
phӭc tҥp. Phiên bҧn ÿҫu tiên ÿѭӧc viӃt trong Python
và sӱ dөng port sӕ ÿӇ truyӅn thông tin ÿӃn con quay
hӗi chuyӇn và mҥch ÿiӅu khiӇn ÿӝng cѫ.
Xe ÿѭӧc sӱ dөng vi ÿiӅu khiӇn 8-bit tӯ Atmel,
chҥy trên code C vӟi mӝt sӕ ÿiӇm trôi. Nó gӣi nhӳng
Hình 1.15 Xe 2 bánh tͱ cân bɮng
lӋnh kiӇm soát tӕc ÿӝ ra port serial khoҧng 9600 baud
cͧa Trevor Blackwell
trong ASCII ÿӕi vӟi bӝ phұn lái ÿӝng cѫ, có giá
10USD do Digikey tҥo. Mӝt con quay hӗi chuyӇn ceramic và gia tӕc kӃ hai trөc ÿӇ
ÿiӅu chӍnh hѭӟng chính xác, cùng hoҥt ÿӝng vӟi vi mҥch ÿiӅu khiӇn Atmel, vӟi giá
149USD do Rotomotion tҥo ra.
1.6.2.3

HTV [18]
Trang 12


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

Nhóm sinh viên ngành kӻ thuұt HTV cӫa trѭӡng ÿҥi hӑc Camosun gӗm các thành
viên Brian Beckwith, Eric Desjardins, Chris Howard, Joel Murphy, Matt Uganecz,
Jack Woolley ÿӃn tӯ các bang khác nhau Victoria, British Columbia cӫa Canada.
Tháng 3/2004, hӑ ÿã cho ra ÿӡi sҧn phҭm scooter HTV nhѭ mӝt ÿӅ án tӕt nghiӋp ÿҥi

hӑc cӫa hӑ.

Hình 1.16 Xe tͱ cân bɮng HTV và nhóm thͱc hiʄn

Nhóm HTV ÿã sӱ dөng ADXR150EB tӯ thiӃt bӏ analog ÿo vұn tӕc góc nghiêng.
Ĉó là mӝt gyro tuyӋt vӡi, có các tính năng, nhѭ: loҥi bӓ ÿӝ rung cao, tӍ sӕ cao r150o/s,
ÿӝ nhҥy cao 12mV/deg/s, ÿѭӧc cài ÿһt sҹn tín hiӋu ÿiӅu kiӋn. MMA2260D tӯ
Motorola, mӝt gia tӕc kӃ có ÿӝ nhҥy cao (1200mV/g), và cNJng ÿѭӧc cài ÿһt sҹn tín
hiӋu ÿiӅu kiӋn, dùng ÿo góc nghiêng tƭnh. Bӝ ÿiӇu khiӇn sӱ dөng Logic mӡ (Fuzzy
Logic) trong viӋc ÿiӅu khiӇn cân bҵng và di chuyӇn cӫa xe.
1.6.2.4

Spider [20]

Francisco Lobo cho ra ÿӡi Spider vào cuӕi tháng
2/2004, trông giӕng là scooter hѫn là robot, tuy nhiên nó
có ӭng dөng trong cҧ hai lƭnh vӵc. Nó có thӇ giӳ cân bҵng
hҫu nhѭ ӣ mӑi tình huӕng, di chuyӇn, lѭӧn vòng quanh.
Scooter ÿѭӧc ÿiӅu khiӇn bҵng hai ÿӝng cѫ cӫa hãng NPC
và gia tӕc kӃ hai trөc bҵng thiӃt bӏ analog, chӭa hai thành
phҫn chính: Gyro kӻ thuұt cҧm biӃn silicon và BasicX (vi
ÿiӅu khiӇn). Khung xe ÿѭӧc chӃ tҥo tӯ khung nhôm và sӧi
carbon. Bӝ lái MOSFET ÿӝng cѫ lái là module tӯ Roboteq
ÿѭӧc dùng trên robot chiӃn ÿҩu. Nguӗn ÿiӋn là loҥi dùng
trong mơ hình RC (NiMh 3000mAh).

Hình 1.17 Spider

1.7 Nhu cҫu thӵc tӃ
HiӋn tҥi, trong ÿiӅu kiӋn ÿѭӡng xá giao thơng ngày càng chұt hҽp, khơng khí

ngày càng ô nhiӉm, viӋc nghiên cӭu và chӃ tҥo mӝt mơ hình xe ÿiӋn gӑn nhҽ, dӉ xoay
Trang 13


Chѭѫng 1 Tәng quan

SVTH: Mai Tuҩn Ĉҥt

xӣ, không sӱ dөng nhiên liӋu ÿӕt trong là mӝt nhu cҫu thӵc sӵ. Bên cҥnh ÿó, thiӃt kӃ
mӝt platform cho mobile robot cNJng là mӝt ÿӅ tài cҫn thiӃt trong lƭnh vӵc tӵ ÿӝng hóa
ngày nay, nhҵm trӧ giúp cho trҿ em, ngѭӡi già, vұn chuyӇn hàng hóa, giám sát …
trong cuӝc sӕng hàng ngày vӕn có nhiӅu nhu cҫu trong viӋc ÿi lҥi và vұn chuyӇn tҥi
các thành phӕ lӟn.
VӅ khía cҥnh khoa hӑc và cơng nghӋ, mơ hình xe hai bánh tӵ cân bҵng thӵc sӵ là
mӝt bѭӟc ÿӋm quan trӑng ÿӇ có kinh nghiӋm trong viӋc tính tốn, mơ hình và chӃ tҥo
các robot hai chân (biped-robot, humanoid robot), là ÿӍnh cao vӅ khoa hӑc và công
nghӋ mà các trѭӡng ÿҥi hӑc trên toàn thӃ giӟi mong muӕn vѭѫn tӟi. Ngồi ra, mơ hình
cNJng sӁ là sӵ bә sung cҫn thiӃt vӅ các giҧi pháp công nghӋ di chuyӇn cӫa các mobile
robot 3 bánh, 4 bánh cNJng nhѭ mobile robot có chân, làm phong phú nhӳng lӵa chӑn
giҧi pháp ÿӇ chuyӇn ÿӝng trong không gian cho các robot.
VӅ yӃu tӕ tâm lý con ngѭӡi, mơ hình xe hai bánh tӵ cân bҵng thӵc sӵ là mӝt dҩu
chҩm hӓi lӟn cho nhӳng ngѭӡi tӯng thҩy hay dùng nó: tҥi sao có thӇ di chuyӇn và
thăng bҵng ÿѭӧc? ĈiӅu này cuӕn hút nhu cҫu ÿѭӧc sӱ dөng mӝt chiӃc xe hai bánh tӵ
cân bҵng. Và ÿó chính là lý do cӫa sӵ thành cơng lӟn trên thӃ giӟi cӫa mơ hình xe
Segway trong năm 2003.
Vӟí nhӳng lý do khách quan nhѭ ÿã nӃu, ÿӅ tài có lӁ có mӝt nhu cҫu nhҩt ÿӏnh
trong tình hình hiӋn nay cӫa ViӋt Nam cNJng nhѭ toàn thӃ giӟi.

Trang 14

Chѭѫng 2 NhiӋm vө luұn văn

SVTH: Mai Tuҩn Ĉҥt

Chѭѫng 2
NHIӊM VӨ LUҰN VĂN

2.1 Mөc tiêu ÿӅ tài
Mөc tiêu cӫa ÿӅ tài là xây dӵng phѭѫng tiӋn xe hai bánh cân bҵng di chuyӇn
trên ÿӏa hình phҷng, dӵa trên nӅn tҧng lý thuyӃt mơ hình con lҳc ngѭӧc. Khҧ năng di
chuyӇn cân bҵng trên hai bánh làm phѭѫng tiӋn di chuyӇn hiӋu quҧ và linh ÿӝng hѫn,
dӉ dàng xoay trӣ trong ÿiӅu kiӋn không gian chұt hҽp. Trong khuôn khә 16 tuҫn thӵc
hiӋn luұn văn tӕt nghiӋp ÿҥi hӑc, nhӳng mөc tiêu cӫa ÿӅ tài ÿѭӧc ÿӅ ra nhѭ sau:
 Tìm hiӇu vӅ các loҥi scooter, nguyên lý cѫ bҧn vӅ cân bҵng.
 Tính tốn các tham sӕ ÿӝng lӵc hӑc, hàm trҥng thái (space-state) cӫa mơ hình.
 Xây dӵng mơ phӓng trên MSc Nastran và Matlab 7-Simulink.
 ThiӃt kӃ bҧn vӁ, chӃ tҥo mơ hình theo kích thѭӟc thӵc, có thӇ vұn chuyӇn mӝt
ngѭӡi trѭӣng thành.
 ThiӃt kӃ mҥch ÿiӅu khiӇn trung tâm, làm nhiӋm vө xӱ lý tín hiӋu ÿo và ÿѭa ra
các quyӃt ÿӏnh ÿiӅu khiӇn.
 ThiӃt kӃ mҥch ÿiӋn tӱ kӃt hӧp các cҧm biӃn thӵc hiӋn chӭc năng ÿo góc (phҫn
cӭng).
 ThiӃt kӃ mҥch lái các MOSFET cơng suҩt cho hai ÿӝng cѫ (MOSFET driver)
có khҧ năng hoҥt ÿӝng ӣ tҫn sӕ tӯ 7-15KHz.
 Giҧi thuұt cho vi ÿiӅu khiӇn kӃt hӧp và bù trӯ các cҧm biӃn ÿӇ có ÿѭӧc giá trӏ
ÿo góc chính xác.
 Xây dӵng thuұt toán ÿiӅu khiӇn cho ÿӝng cѫ, giӳ thăng bҵng và ngăn ngӯa
quá tҧi cӫa các bánh xe.
 Lұp trình ÿiӅu khiӇn.

2.2 Phѭѫng pháp nghiên cӭu
 Xây dӵng mơ hình lý thuyӃt gӗm có:
ƒ TiӃp cұn tӯ mơ hình tѭѫng ÿѭѫng – mơ hình con lҳc ngѭӧc ÿӃn mơ hình thұt
cӫa ÿӅ tài.
ƒ Mơ phӓng mơ hình bҵng VN Nastran và MatLAB: scooter tӵ cân bҵng trên
hai bánh.

Trang 15


Chѭѫng 2 NhiӋm vө luұn văn

SVTH: Mai Tuҩn Ĉҥt

 TiӃp cұn mơ hình thӵc, gӗm có:
ƒ ThiӃt kӃ khung sѭӡn cѫ khí cӫa mơ hình.
ƒ Cơng suҩt ÿiӋn và ÿiӋn tӱ (ÿiӅu khiӇn bánh xe).
ƒ Mҥch cҧm biӃn (góc, vӏ trí, vұn tӕc góc và vұn tӕc dài).
ƒ Calibre cҧm biӃn.
ƒ Bӝ ÿiӅu khiӇn trung tâm.
ƒ Lұp trình vi ÿiӅu khiӇn.

Trang 16


Chѭѫng 3 Lý thuyӃt tiӃp cұn

SVTH: Mai Tuҩn Ĉҥt

Chѭѫng 3

LÝ THUYӂT TIӂP CҰN

3.1 Phѭѫng pháp tính ÿӝng lӵc hӑc
Có nhiӅu phѭѫng pháp dùng ÿӇ tính ÿӝng lӵc hӑc, chҷng hҥn: phѭѫng pháp
Newton, phѭѫng pháp Lagrange, phѭѫng pháp theo năng lѭӧng…Nhѭng trong ÿӅ tài
này, phѭѫng pháp Newton ÿѭӧc sӱ dөng vӟi các ѭu ÿiӇm cӫa nó. Thӭ nhҩt, nó sӱ
dөng các phѭѫng pháp tính cѫ hӑc thơng thѭӡng. Thӭ hai, các cơng thӭc và hӋ
phѭѫng trình trong q trình tính khơng quá phӭc tҥp. Thӭ ba, kӃt quҧ tính ÿӝng lӵc
hӑc cӫa mơ hình con lҳc ngѭӧc ÿѭӧc phә biӃn hiӋn nay ӣ các tài liӋu tham khҧo ÿѭӧc
sӱ dөng ÿӇ kiӇm tra sӵ sai sót trong q trình tính tốn ÿӝng lӵc hӑc cӫa mơ hình xe
hai bánh tӵ cân bҵng.
Bên cҥnh các ѭu ÿiӇm này, nó vүn có nhѭӧc ÿiӇm là phҧi tuyӃn tính hóa tính
tốn tҥi vӏ trí góc D = 0o. Tuy nhiên viӋc này khơng trҫm trӑng trong mơ hình cӫa ÿӅ
tài, vì mơ hình chӍ hoҥt ÿӝng xung quanh vӏ trí 0o ( ±10 o).
3.1.1

N͉n t̫ng nghiên cͱu tͳ con l̷c ng˱ͫc

– Ta xem xét mơ hình tốn hӑc cӫa con lҳc ngѭӧc vӟi các tham sӕ nhѭ sau:
M

Khӕi lѭӧng xe (kg).

m

Khӕi lѭӧng con lҳc (kg).

b

Ma sát cӫa xe (N).

L

ChiӅu dài ½ con lҳc (m).

I

Momen quán tính cӫa con lҳc (Nm).

F

Lӵc tác ÿӝng vào xe (N).

X

Vӏ trí cӫa xe (m).

ș

Góc cӫa con lҳc so vӟi phѭѫng thҷng ÿӭng (rad).

Hình 3.1 Phân tích lͱc trên xe và trên con lɬc

Trang 17

[34]