Các nội dung cần thực hiện: Thi công hệ robot delta, Thi công tủ điều khiển, Xây dựng chương trình điềukhiển ở PLC, Xây dựng chương trình xử lý ảnh, Xây dựng ứng dụng điều khiển liênkết
TỔNG QUAN VỀ ĐỀ TÀI
Giới thiệu Robot Delta
Khái niệm robot có cấu trúc song song được Gough và Whitehall đưa ra vào năm
Delta robot, hay còn gọi là robot song song, là loại robot được sử dụng phổ biến trong ngành công nghiệp hiện nay Nhờ vào đặc tính tốc độ cao và độ chính xác vượt trội, Delta robot thường được ứng dụng trong các công đoạn phân loại và đóng gói sản phẩm Với khả năng làm việc nhanh nhẹn và hiệu quả, Delta robot đã trở thành một giải pháp tối ưu cho các quy trình sản xuất tự động, giúp nâng cao năng suất và giảm thiểu sai sót.
Robot Delta có cơ cấu động học song song với ba bậc tự do trong cấu trúc vòng kín, gồm ba nhánh liên kết với giá di động qua các cơ cấu hình bình hành Nhờ thiết kế hình học đặc biệt này, giá di động luôn duy trì hướng cố định và chỉ có thể di chuyển tịnh tiến theo ba trục XYZ Công nghệ robot Delta được ứng dụng phổ biến trong các lĩnh vực đòi hỏi độ chính xác cao và tốc độ di chuyển nhanh.
Robot Delta nổi bật với các đặc tính ưu việt, giúp nó được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau của cuộc sống Trong ngành công nghiệp, Robot Delta thường được sử dụng để nâng cao hiệu suất sản xuất, thực hiện các công đoạn chính xác và nhanh chóng, giúp giảm thiểu sai sót và tăng năng suất lao động Công nghệ này phù hợp cho các ứng dụng tự động hóa trong dây chuyền sản xuất như đóng gói, lắp ráp và vận chuyển hàng hóa Nhờ các tính năng đặc biệt, Robot Delta mang lại hiệu quả tối ưu và góp phần nâng cao tính cạnh tranh của doanh nghiệp trong thị trường hiện nay.
Hình 1.1 Robot Delta công đoạn đóng gói sản phẩm nhà máy Vinamilk
Hình 1.2 Robot Delta trong công nghiệp Ứng dụng trong Y học:
Hình 1.3 Robot Delta sử dụng để nâng kính giúp bác sĩ phẫu thuật Ứng dụng trong học tập, nguyên cứu khoa học:
Hình 1.4 Sáng kiến SV ứng dụng robot Delta diệt cỏ loại sâu
Mục tiêu, nhiệm vụ đề tài
Tìm hiểu cấu tạo thành phần, cấu trúc cơ bản của Robot Delta, tính toán động lực học và áp dụng thực tế về phân loại sản phẩm.
Xây dựng phần mềm điều khiển Robot Delta với cả 2 chế độ Auto và Manual, mô phỏng quá trình phân loại sản phẩm trong công nghiệp.
Phương án
Hệ thống nhận dạng đối tượng bằng camera phía sau xác định chính xác các đặc điểm như tọa độ, màu sắc và kích thước của đối tượng Dữ liệu này sau đó được gửi về PC để xử lý, trong đó PC sử dụng phương trình động lực học để tính toán vị trí và chuyển động của đối tượng Cuối cùng, thông tin từ PC được truyền tới PLC để điều khiển robot nhằm gắp và thả đối tượng vào ô phân loại một cách chính xác và hiệu quả.
Sử dụng động cơ bước cho 3 cánh tay của Robot để robot vận hành một cách linh hoạt.
Sử dụng Webcam để nhận dạng là lựa chọn phù hợp nhờ vào chi phí thấp và khả năng kết nối dễ dàng với PC Webcam vẫn đảm bảo đáp ứng đầy đủ các tiêu chí cần thiết theo yêu cầu của đề tài, mang lại hiệu quả và tiết kiệm chi phí cho dự án.
CƠ SỞ LÝ THUYẾT
Phương trình động lực học Robot Delta
2.1.1 Cấu tạo robot song song Delta
Hình 2.5 Cấu tạo cơ bản của Robot Delta Cấu tạo của robot bao gồm các phần như sau:
- Bàn máy cố định F, bàn máy động E.
Ba khâu chủ động F1J1, F2J2, F3J3 liên kết với bàn máy cố định thông qua các khớp quay chắc chắn, giúp đảm bảo sự chính xác trong quá trình gia công Các khâu này được dẫn động bởi ba động cơ riêng biệt, giúp nâng cao hiệu suất và linh hoạt trong thao tác Động cơ gắn chặt với bàn máy cố định F, góp phần duy trì vị trí ổn định, tối ưu hóa quá trình sản xuất và nâng cao chất lượng sản phẩm.
Ba khâu bị động J1E1, J2E2, J3E3 tạo thành các cấu trúc hình bình hành, nhờ vào tính chất của các hình bình hành này, bàn máy động trở thành một vật rắn chuyển động tịnh tiến trong không gian Điều này giúp robot có 3 bậc tự do, được xác định bởi 3 tọa độ θ1, θ2, θ3 trong không gian khớp, mang lại khả năng điều khiển chính xác và linh hoạt.
Từ các góc θ 1 , θ 2 , θ 3 Tọa độ ( x 0 , y 0 , z 0 )của điểm E0.
Nếu đã biết góc θx, ta có thể dễ dàng xác định tọa độ của các điểm J1, J2 và J3 Các khớp nối J1E1, J2E2 và J3E3 có khả năng tự do quay quanh các điểm J1, J2 và J3, tạo thành ba hình cầu có bán kính re Đây là bước quan trọng trong việc xác định vị trí các điểm trong hệ thống cơ khí, giúp tối ưu hóa quá trình thiết kế và phân tích chuyển động. -**Sponsor**Chào bạn! Nếu bạn đang tìm cách làm mới bài viết của mình và tối ưu hóa nó cho SEO, hãy thử [Article Generation](https://pollinations.ai/redirect-nexad/W7VVob2f?user_id=983577) Công cụ này giúp bạn tạo ra những câu văn chất lượng cao, nắm bắt ý chính của đoạn văn một cách mạch lạc, đồng thời tuân thủ các quy tắc SEO, giúp bài viết của bạn thu hút hơn và tiết kiệm thời gian Hãy để Article Generation giúp bạn nâng cao chất lượng nội dung của mình một cách dễ dàng và hiệu quả!
Hình 2.6 Mô hình động học robot delta
Ta di chuyển các tâm của các hình cầu từ các điểm J 1 , J 2 và J 3 đến các điểm J ’ 1 ,
Trong bài viết này, chúng tôi trình bày cách tính J2 và J3 bằng cách sử dụng các vector chuyển tiếp E1 E0, E2 E0 và E3 E0 tương ứng Sau quá trình chuyển đổi này, tất cả ba hình cầu đều giao nhau tại một điểm duy nhất là E0, như minh họa trong hình dưới đây Phương pháp này giúp xác định chính xác điểm giao nhau của các hình cầu trong không gian, góp phần nâng cao hiệu quả trong các ứng dụng liên quan đến hình học không gian.
Hình 2.7 Mô hình động học robot delta
Vì vậy, để tìm tọa độ ( x 0 , y 0 , z 0 ) của điểm E 0, chúng ta cần giải quyết tập hợp ba phương trình như ( x− x j ) 2 + ( y− y j ) 2 + ( z− z j ) 2 =r e
2, nơi tọa độ các tâm hình cầu ( x j , y j , z j ) và bán kính r e đã biết.
Hình 2.8 Tọa độ các điểm J 1 ' , J ' 2 , J 3 ' trên mặt phẳng Oxy
( ( f 2 − √ 3 e +r f cos θ 2 ) cos30 0 ; ( f 2 − √ 3 e + r f cos θ 2 ) sin 30 0 ;−r f sinθ 2 )
J 3 ' ( ( f 2 −e √ 3 +r f cos θ 3 ) cos30 0 ; ( f 2 − √ 3 e +r f cos ( θ 3 ) ) sin 30 0 ;−r f sin θ 3 )
Trong các phương trình sau đây ta sẽ chỉ định tọa độ của các điểm J 1 , J 2 , J 3 là ( x 1 , y 1 , z 1 ), ( x 2 , y 2 , z 2 ) và ( x 3 , y 3 , z 3 ) Lưu ý rằng x 1 =0 Dưới đây là phương trình của ba hình cầu:
Cuối cùng, ta cần giải phương trình này và tìm z0 (chúng ta nên chọn gốc phương trình âm nhỏ nhất), và sau đó tính x0 và y0 từ (7) và (8).
2.1.3 Động học nghịch Robot Động học nghịch:
Hình 2.9 Mô hình động học robot delta với các thông số cho trước
Các thông số: f, rf, re, e cho trước.
Khớp nối thiết kế của robot F1J1 chỉ cho phép xoay trong mặt phẳng YZ, tạo thành một hình tròn có tâm tại điểm F1 và bán kính rf Thiết kế này đảm bảo khả năng chuyển động chính xác và linh hoạt của robot trong không gian làm việc Việc giới hạn chuyển động trong mặt phẳng YZ giúp tối ưu hóa hiệu suất hoạt động và đảm bảo an toàn cho quá trình thao tác Khớp nối này đóng vai trò quan trọng trong cấu trúc và chức năng của robot F1J1, nâng cao hiệu quả vận hành trong các ứng dụng công nghiệp tự động hóa.
Khớp nối phổ quát J1 và E1 cho phép E1J1 quay tự do so với E1, tạo thành hình cầu có tâm tại điểm E1 và bán kính lớn là re Điều này đảm bảo khả năng chuyển động linh hoạt và liên kết chắc chắn trong các hệ thống cơ khí Khớp nối này giúp truyền chuyển động và lực một cách linh hoạt giữa các bộ phận, phù hợp cho các ứng dụng cần khả năng góc nghiêng và quay đa chiều.
Hình 2.10 mô tả động học của cánh tay đòn, trong đó giao điểm của hình cầu và mặt phẳng YZ tạo thành một đường tròn có tâm tại điểm E1' cùng với bán kính E1' Hình ảnh này giúp hình dung rõ hơn về các chuyển động của cánh tay đòn trong không gian, góp phần nâng cao hiểu biết về cơ cấu cơ học của hệ thống.
Điểm J1 được xác định là giao điểm của các đường tròn có bán kính đã biết, với tâm là E1' và F1, trong đó E1' là phép chiếu của điểm E1 trên mặt phẳng YZ Quá trình tìm điểm J1 đơn giản hóa khi chọn đúng điểm giao nhau có tọa độ phù hợp để đảm bảo tính chính xác của phép tính Đây là bước quan trọng để xác định chính xác vị trí của điểm J1 trong hệ thống tọa độ, giúp hoàn thiện cấu trúc hình học của bài toán.
Y nhỏ hơn) Và nếu ta biết J 1, ta có thể tính được góc θ 1.
Trong hệ thống delta robot, do khớp F ❑ 1 J 1 chỉ di chuyển trong mặt phẳng YZ nên có thể bỏ qua tọa độ X Để tối ưu hóa việc tính toán các góc còn lại θ₂ và θ₃, chúng ta khai thác tính đối xứng của robot bằng cách xoay hệ tọa độ trong mặt phẳng XY quanh trục Z một góc 120° theo chiều ngược chiều kim đồng hồ.
Hình 2.12 Quy đổi tọa độ
Chúng ta đã xây dựng được khung tham chiếu mới X'Y'Z', giúp xác định chính xác góc θ₂ Với khung tham chiếu này, việc tìm góc θ₂ trở nên dễ dàng hơn nhờ vào việc áp dụng cùng một thuật toán đã sử dụng để xác định góc θ₁ Điều này cho phép xử lý chuyển đổi không gian một cách chính xác và hiệu quả hơn trong các bài toán kỹ thuật và đồ họa.
Để cập nhật tọa độ mới \( x'_{0} \) và \( y'_{0} \) cho điểm \( E_0 \), chúng ta cần áp dụng “ma trận xoay” phù hợp, giúp thực hiện chuyển đổi dễ dàng và chính xác Việc xác định góc \( \theta_3 \) đòi hỏi phải xoay khung tham chiếu theo chiều kim đồng hồ để phù hợp với hướng chuyển đổi Quá trình này đảm bảo rằng các tọa độ mới phản ánh đúng vị trí của điểm sau phép biến đổi quay.
Tổng quan về công nghệ xử lý ảnh
2.2.1 Các khái niệm của xử lí ảnh
Xử lý ảnh kỹ thuật số là ngành học nghiên cứu các kỹ thuật xử lý ảnh dựa trên cảm biến thị giác dạng ảnh tĩnh như webcam Trong nghiên cứu này, hình ảnh được xem là một hàm liên tục của cường độ ánh sáng trên trường hai chiều, nhưng để máy tính có thể xử lý, hình ảnh phải được chuyển đổi thành dạng số với các giá trị rời rạc Hình ảnh kỹ thuật số được biểu diễn bằng ma trận hai chiều f(x, y) gồm M cột và N hàng, tạo nền tảng cho các kỹ thuật xử lý và phân tích hình ảnh hiệu quả.
Hình ảnh được định nghĩa là một hàm hai chiều F(x, y), trong đó x và y là các tọa độ không gian, thể hiện mối liên hệ giữa vị trí và cường độ ánh sáng tại điểm đó Cường độ của hình ảnh tại mỗi điểm (x, y) phản ánh mức độ sáng hoặc tối của pixel trong ảnh Khi các giá trị của x, y và biên độ của F có giới hạn hữu hạn, ta gọi đó là ảnh số – dạng ảnh kỹ thuật số phổ biến trong xử lý hình ảnh.
Nói cách khác, một hình ảnh có thể được xác định bởi một mảng hai chiều được sắp xếp cụ thể theo hàng và cột.
Hình 2.13 Biểu diễn ảnh dưới dạng ma trận b Pixel
Quá trình số hóa ảnh chuyển đổi từ giá trị analog sang kỹ thuật số, trong đó lượng tử hóa giúp biểu diễn các giá trị màu sắc mà mắt thường không thể phân biệt được giữa các điểm kề nhau Trong quá trình này, khái niệm Pixel – hay còn gọi là phần tử ảnh, điểm ảnh – được sử dụng để mô tả các điểm nhỏ tạo nên hình ảnh số Một bức ảnh số chính là một tập hợp các Pixel, mỗi Pixel gồm có cặp tọa độ x, y và màu sắc, tạo nên hình ảnh rõ nét và chân thực khi kết hợp lại.
Một Pixel thường được biểu diễn bởi 1, 2, 8 hay 24 bit màu.
Hình 2.14 Ảnh pixel 8 bit c Mức xám (Gray level)
Mức xám thể hiện giá trị mã hóa của cường độ sáng tại mỗi điểm ảnh sau quá trình lượng tử hóa Mức xám 256, phổ biến nhất trong các kỹ thuật xử lý ảnh, cho phép mỗi pixel được biểu diễn bằng 8 bit, giúp cân bằng giữa độ chính xác và dung lượng dữ liệu Chính vì vậy, mức xám là yếu tố quan trọng trong việc lưu trữ và xử lý hình ảnh kỹ thuật số, đảm bảo chất lượng hình ảnh tối ưu.
Ảnh màu là sự kết hợp của ba màu cơ bản: đỏ, lục, xanh dương, thu nhận trên các dải băng tần khác nhau, mỗi màu được phân thành nhiều cấp độ sáng khác nhau Để lưu trữ ảnh màu một cách hiệu quả, người ta có thể lưu trữ từng mặt màu riêng biệt dưới dạng các ảnh đa cấp xám, điều này khiến không gian nhớ dành cho ảnh màu gấp ba lần so với ảnh xám cùng kích thước.
Hình 2.16 Ảnh theo mã màu RGB
Hình 2.17 Ảnh theo mã màu RGB e Ảnh đen trắng
Ảnh đen trắng bao gồm hai màu cơ bản: đen và trắng, thường được phân loại thành ảnh nhị phân khi mức xám L=2 Khi mức xám L > 2, đó gọi là ảnh đa cấp xám, trong đó ảnh 256 mức xám là phổ biến nhất nhờ chất lượng cao và thường được sử dụng trong các ứng dụng xử lý ảnh.
Hình 2.18 Ảnh màu và ảnh đa mức xám
2.2.1 Các vấn đề cơ bản trong xử lý ảnh a Biểu diễn ảnh Ảnh có thể xem là một hàm 2 biến chứa các thông tin như biểu diễn của một ảnh.Các mô hình biểu diễn ảnh cho ta một mô tả logic hay định lượng của hàm này Dựa vào phần tử đặc trưng của ảnh đó là pixel Giá trị pixel có thể là một giá trị vô hướng, hoặc là 1 vector (3 thành phần trong trường hợp ảnh màu).
Ta có thể biểu diễn ảnh bằng hàm toán học, hoặc các ma trận điểm.
Hình 2.19 Chuyển ảnh bằng ma trân điểm b Khôi phục ảnh
Mục đích: Khôi phục lại ảnh ban đầu, loại bỏ các biến dạng ra khỏi ảnh tùy theo nguyên nhân gây ra biến dạng. c Biến đổi ảnh
Mục đích: Biến đổi thể hiện của ảnh dưới các góc nhìn khác nhau tiện cho việc xử lý, phân tích ảnh.
Các phương pháp: Biển đổi Fourier, Sin, Cosin d Phân tích ảnh
Mục đích: Tìm ra các đặc trưng của ảnh, xây dựng quan hệ giữa chúng dựa vào các đặc trưng cục bộ.
Các thao tác: Tìm biên, tách biên, làm mảnh đường biên, phân vùng ảnh, phân loại đối tượng.
Các phương pháp: Phương pháp phát hiện biên cục bộ, dò biên theo qui hoạch động, phân vùng theo miền đồng nhất, phân vùng dựa theo đường biên.
Hình 2.20 Minh họa tìm đường biên bằng bộ lọc Laplacian, Sobel e Ứng dụng
- Thông tin ảnh, truyền thông ảnh.
- Xử lý ảnh vệ tinh, viễn thám
- Thiên văn, nghiên cứu không gian, vũ trụ
- Người máy, tự động hóa
- Máy thông minh, thị giác máy nhân tạo
- Giám sát kiểm soát, quân sự.
2.2.2 Những vấn đề lý thuyết được sử dụng trong đề tài
HSV (Hue, Saturation, Value) là phương pháp phân tích ảnh dựa trên các thuộc tính màu sắc, giúp dễ dàng nhận diện và xử lý màu trong hình ảnh Mô hình HSV giống như một hình trụ màu, chuyển đổi các màu RGB phức tạp thành các giá trị dễ hiểu hơn, gồm màu sắc (Hue), độ bão hòa (Saturation) và độ sáng tối (Value) Đây là công cụ quan trọng trong xử lý ảnh và chỉnh sửa màu, giúp tối ưu hóa các thao tác liên quan đến màu sắc trong các ứng dụng đồ họa và thị giác máy tính.
H (Hue) xác định góc của màu trên vòng tròn màu RGB Màu 0° cho màu đỏ,120° cho màu xanh lục và 240° cho màu xanh lam.
Saturation (S) có giá trị từ 0 đến 1 và quyết định lượng màu sắc được sử dụng trong hình ảnh Màu sắc có độ bão hòa 100% là màu tinh khiết nhất, mang lại độ rực rỡ cao, trong khi độ bão hòa 0% tương đương với màu xám, thể hiện hình ảnh ở mức xám trung tính Hiểu rõ về chỉ số Saturation giúp tối ưu hóa khả năng chuyển đổi và chỉnh sửa màu sắc trong hình ảnh số.
Giá trị V (Value) trong màu sắc dao động từ 0 đến 1, quyết định độ sáng của màu Màu có độ sáng 0% là màu đen tuyền, trong khi màu có độ sáng 100% không còn màu đen lẫn vào, thể hiện độ sáng tối đa Thứ nguyên này thường được gọi là độ sáng, giúp xác định mức độ sáng hoặc tối của màu trong thiết kế và chỉnh sửa hình ảnh.
Vì luận văn sử dụng các khung ảnh có mỗi pixel có độ sâu 8 bit (256 mức), các giá trị H, S, V được quy đổi về khoảng [0, 255], thay vì [0, 360] đối với H và [0, 1] cho S, V Tiếp theo, chúng tôi sử dụng hàm inRange để chuyển đổi ảnh sang dạng ảnh nhị phân, giúp dễ dàng tách vật mẫu khỏi nền ảnh.
2.2.2.2 Xử lý hình thái học (Morphology) a Phép toán giãn nở (Dilation)
Phép toán giãn nở (Dilation) là một hoạt động cơ bản trong hình thái học, có tác dụng làm đối tượng trong ảnh tăng kích thước (giãn nở ra) Đây là một trong những phép toán quan trọng giúp mở rộng các đối tượng hình học, làm nổi bật cấu trúc và đặc điểm của chúng trong quá trình xử lý ảnh Việc áp dụng phép giãn nở giúp cải thiện khả năng phân biệt và nhận diện các đối tượng trong ảnh, đặc biệt trong các ứng dụng liên quan đến phân tích hình ảnh y học, công nghiệp, và quan sát vệ tinh.
Hình 2.22 Mô tả phép giãn ảnh b Phép toán co (Erosion)
Phép toán co (Erosion) là một trong hai hoạt động cơ bản trong hình thái học, cùng với phép giãn nở Đây là kỹ thuật quan trọng giúp giảm kích thước của đối tượng, tách rời các đối tượng gần nhau, làm mảnh và xác định các thành phần cấu trúc của đối tượng Erosion có ứng dụng rộng rãi trong xử lý ảnh để nâng cao khả năng phân tích và nhận dạng các đặc điểm hình thái của hình ảnh.
Trong luận văn, phép co sử dụng phần tử kích thước 8x8 để điều chỉnh kích thước phù hợp giữa các đối tượng trong ảnh Sau quá trình co, phép dãn được thực hiện để đưa ảnh trở về kích thước ban đầu, giúp loại bỏ nhiễu và làm mượt đường viền của các vật thể Quá trình này giúp nâng cao độ chính xác trong phân đoạn, làm cho các đối tượng trong ảnh trở nên rõ ràng hơn Luận văn thực hiện 2 lần co ảnh và 2 lần dãn ảnh để tối ưu hoá kết quả xử lý ảnh.
Hình 2.24 Hình minh họa phép co dãn ảnh c Contours
Contour là đường cong khép kín nối các điểm liên tục trên đường viền bao, nơi các điểm có cùng giá trị màu và cường độ Công cụ này rất hữu ích trong phân tích hình dáng, phát hiện đối tượng và nhận dạng hình ảnh Việc tìm contour giống như tìm các vật thể trắng trên nền đen, do đó, vật thể nên có màu trắng và nền nên có màu đen để đạt hiệu quả tối ưu.
Giới thiệu phần cứng
Bộ điều khiển S7-1200 mang lại sự linh hoạt và mạnh mẽ trong việc điều khiển đa dạng thiết bị, phù hợp với nhu cầu tự động hóa của bạn Với thiết kế nhỏ gọn, khả năng cấu hình linh hoạt và bộ lệnh mạnh mẽ, S7-1200 là giải pháp tối ưu để kiểm soát nhiều ứng dụng tự động hóa khác nhau.
CPU tích hợp nhiều thành phần quan trọng như bộ vi xử lý, nguồn cung cấp điện, mạch đầu vào và đầu ra, cùng các công nghệ tiên tiến như PROFINET và I/O điều khiển chuyển động tốc độ cao trong một thiết kế nhỏ gọn Sau khi tải chương trình, CPU chứa logic cần thiết để giám sát và kiểm soát thiết bị trong hệ thống, thay đổi kết quả đầu ra dựa trên các điều kiện đầu vào và logic của người dùng CPU có khả năng xử lý logic Boolean, đếm, thời gian, các phép toán phức tạp và giao tiếp với các thiết bị thông minh khác để đảm bảo hoạt động hiệu quả của hệ thống tự động hóa.
CPU cung cấp một cổng PROFINET để truyền thông qua mạng PROFINET Các mô-đun bổ sung có sẵn để giao tiếp qua mạng PROFIBUS, GPRS, RS485 hoặc
Hình 2.27 Hình ảnh của PLC 1212C DC/DC/DC
2 Khe cắm thẻ nhớ dưới nắp đậy
3 Kết nối dây dẫn người dùng có thể tháo rời
4 Đèn LED trạng thái cho các ngõ I/O
2.3.2 Sơ đồ kết nối của PLC S7-1200
Hình 2.28 Sơ đồ chân của PLC
4 L+ / 24VDC ngõ ra cảm biến DQ a.1
5 M / 24VDC ngõ ra cảm biến DQ a.2
2.3.3 Module mở rộng SM 1222, DQ 8xRelay/2A (6ES7222-1HF32-0XB0)
Các module mở rộng của PLC S7-1200 giúp mở rộng tín hiệu, nâng cao chức năng và hỗ trợ truyền thông hiệu quả Khả năng mở rộng của từng loại CPU phụ thuộc vào đặc tính, thông số kỹ thuật và quy định từ nhà sản xuất, đảm bảo phù hợp với các yêu cầu ứng dụng khác nhau.
Bộ PLC S7-1200 hỗ trợ tối đa 8 module tín hiệu đa dạng cùng với 1 mạch tín hiệu dành cho bộ vi xử lý có khả năng mở rộng, giúp nâng cao hiệu quả tự động hóa Ngoài ra, hệ thống còn tích hợp 3 module giao tiếp giúp mở rộng khả năng truyền thông, đáp ứng các yêu cầu kết nối linh hoạt trong các ứng dụng công nghiệp Với khả năng mở rộng linh hoạt và đa dạng module, PLC S7-1200 là lựa chọn tối ưu cho các hệ thống tự động hóa hiện đại.
PLC S7-1200 có 3 loại module chính:
Hình 2.29 Hình các loại module mở rộng S7-1200
Hình 2.30 Datasheet của module SM 1222 Cho phép cấp nguồn 24V/2A có thể trực tiếp điều khiển các thiết bị như máy bơm, băng tải trong mô hình.
Động cơ bước là một loại động cơ điện đồng bộ hoạt động dựa trên nguyên lý chuyển đổi các tín hiệu điều khiển dạng xung điện rời rạc thành các chuyển động góc quay chính xác Đây là dòng động cơ đặc biệt khác biệt so với các loại động cơ điện thông thường nhờ khả năng giữ rotor ở các vị trí cố định đã định trước khi nhận được các xung điều khiển tiếp theo Ứng dụng của động cơ bước rất phổ biến trong các hệ thống yêu cầu độ chính xác cao về vị trí và góc quay, như trong tự động hóa, 3D printer, máy CNC và robot.
Động cơ bước có cấu tạo là sự kết hợp giữa động cơ một chiều không tiếp xúc và động cơ đồng bộ giảm tốc công suất nhỏ Nhờ đặc tính chính xác cao, động cơ bước được ứng dụng rộng rãi trong ngành tự động hóa và các thiết bị điều khiển yêu cầu độ chính xác vượt trội Trong lĩnh vực điều khiển chuyển động kỹ thuật, động cơ bước là thành phần quan trọng, giúp thực hiện các lệnh điều khiển dưới dạng số một cách trung thành và hiệu quả.
Trong ngành công nghệ, động cơ bước đóng vai trò quan trọng trong việc điều khiển robot, bắt, và theo dõi các mục tiêu trong thiết bị quan sát Ngoài ra, chúng còn được sử dụng trong điều khiển lập trình của các thiết bị gia công cắt gọt Trong công nghệ máy tính, động cơ bước còn được ứng dụng cho các loại ổ đĩa cứng và máy in, góp phần nâng cao hiệu suất và độ chính xác của các thiết bị này.
Động cơ bước hoạt động dựa trên việc điều khiển các xung điện rời rạc tạo thành các chuyển động góc quay chính xác của Rotor Khác với các loại động cơ thông thường, động cơ bước không quay liên tục mà thực hiện các bước nhờ vào các bộ chuyển mạch điện tử điều khiển đưa tín hiệu đến Stator theo thứ tự và tần số nhất định, giúp đảm bảo độ chính xác cao trong điều khiển.
Động cơ bước thường quay theo các bước xác định, do đó chủ yếu được sử dụng để điều khiển thích nghi với khả năng biến đổi tốc độ quay liên tục Trong quá trình vận hành, động cơ bước có thể phải dừng và đứng yên tại vị trí chính xác, đảm bảo độ chính xác cao Vận tốc quay của động cơ bước thường được xác định dựa trên vận tốc trung bình (vtb), giúp kiểm soát chính xác quá trình điều khiển Hình 2.32 minh họa thứ tự cấp điện các cuộn dây và các bước quay, thể hiện rõ cách điều khiển tốc độ và chiều quay của động cơ bước.
2.3.5 Driver Điều Khiển Động Cơ Microstep TB6600
Hình 2.33 Driver điều khiển động cơ bước TB6600 THÔNG SỐ KỸ THUẬT
- Dòng cấp tối đa là 4A.
- Ngõ vào có cách ly quang, tốc độ cao.
- Có tích hợp đo quá dòng quá áp.
CÀI ĐẶT VÀ GHÉP NỐI:
- DC+: Nối với nguồn điện từ 9 – 40VDC.
- DC-: Điện áp (-) âm của nguồn.
- A+ và A -: Nối vào cặp cuộn dây của động cơ bước.
- B+ và B-: Nối với cặp cuộn dây còn lại của động cơ.
- PUL+: Tín hiệu cấp xung điều khiển tốc độ cho M6600.
- PUL-: Tín hiệu cấp xung điều khiển tốc độ cho M6600.
- DIR+: Tín hiệu cấp xung đảo chiều cho M6600.
- DIR-: Tín hiệu cấp xung đảo chiều (-) cho M6600.
- ENA+ và ENA -: khi cấp tín hiệu cho cặp này động cơ sẽ không có lực momen giữ và quay nữa.
- Có thể đấu tín hiệu dương (+) chung hoặc tín hiệu âm (-) chung.
Công tắc là thiết bị chuyển đổi tín hiệu khi hai thiết bị chạm vào nhau thành tín hiệu điện, phục vụ trong quá trình điều khiển và giám sát hệ thống Nó giúp giới hạn quỹ đạo chuyển động của vật chuyển động, đảm bảo hoạt động chính xác và an toàn Công tắc đóng vai trò quan trọng trong việc điều chỉnh các thiết bị tự động, nâng cao hiệu quả vận hành trong các hệ thống cơ điện.
Công tắc hành trình là thiết bị được ưa chuộng nhờ vào nhiều ưu điểm nổi bật như giá thành hợp lý và độ bền cao, đảm bảo hoạt động lâu dài và ổn định Với đa dạng kích thước phù hợp cho nhiều mục đích sử dụng khác nhau, công tắc hành trình là lựa chọn lý tưởng cho các dự án vừa và nhỏ Không những thế, tính tiện dụng của sản phẩm giúp dễ dàng lắp đặt và vận hành, góp phần nâng cao hiệu quả công việc Chính những lợi ích này đã khiến công tắc hành trình trở nên phổ biến trong các ứng dụng công nghiệp và dân dụng hiện nay.
Công tắc hành trình là thiết bị dùng để đóng cắt mạch điện, có chức năng tương tự như việc nhấn nút bấm bằng tay Thay vì thao tác thủ công, công tắc hành trình hoạt động dựa trên va chạm của các bộ phận cơ khí để tạo ra tín hiệu điện Nhờ vậy, nó giúp tự động hóa quá trình điều khiển thiết bị, nâng cao hiệu quả vận hành Công tắc hành trình được ứng dụng rộng rãi trong các hệ thống tự động, máy móc công nghiệp và các thiết bị cần điều khiển tự động, đảm bảo sự chính xác và độ tin cậy cao trong quá trình hoạt động.
Hình 2.34 Công tắc hành trình KW11
Encoder là 1 cảm biến chuyển động có khả năng chuyển đổi chuyển động thành tín hiệu số hoạc xung.
Encoder là thiết bị được sử dụng để đo lường và quản lý vị trí góc quay của một trục quay, thường là động cơ điện, giúp xác định chính xác tọa độ góc hiện tại của trục quay Việc sử dụng encoder giúp nâng cao độ chính xác trong điều khiển và tự động hóa hệ thống cơ khí, đặc biệt trong các ứng dụng đòi hỏi độ chính xác cao Với khả năng cung cấp thông tin về vị trí góc quay, encoder đóng vai trò quan trọng trong việc điều chỉnh và kiểm soát các quá trình công nghiệp, đảm bảo hoạt động hiệu quả và ổn định của máy móc.
Khi đĩa quay quanh trục, các rãnh trên đĩa cho phép tín hiệu quang đi qua (Led), xác định số xung dựa trên số lần ánh sáng xuyên qua khe Những chỗ có rãnh cho phép ánh sáng truyền qua, trong khi những phần không có rãnh cản trở ánh sáng, tạo nên tín hiệu điện tương ứng Quá trình này giúp đo lường tốc độ quay của đĩa qua việc đếm số xung ánh sáng xuyên qua khe trong quá trình vận hành.
Hình 2.35 Cấu tạo chính Encoder Encoder bao gồm:
- 1 đĩa quay có khoét lỗ gắn vào trục động cơ.
- 1 đèn Led dùng làm nguồn phát sáng.
- 1 mắt thu quang điện được sắp xếp thẳng hàng.
- Bảng mạch điện giúp khuếch đại tín hiệu.
THUẬT TOÁN ĐIỀU KHIỂN
Thuật toán điều khiển cho PLC
PLC S7-1200 được thiết kế để thực hiện tuần tự các chuỗi công việc dựa trên chương trình đã nạp vào, giúp tự động hóa quá trình sản xuất hiệu quả hơn Với mỗi trạng thái của Robot, người dùng có thể lập trình riêng các khối FB/FC để dễ dàng điều khiển và điều chỉnh hoạt động của robot một cách chính xác và linh hoạt Sử dụng PLC S7-1200 giúp tối ưu hóa quy trình vận hành, nâng cao năng suất và đảm bảo độ chính xác trong các hệ thống tự động hóa công nghiệp.
Hình 3.55 Sơ đồ hoạt động của các chương trình con của PLC
Chương trình điều khiển được chia thành các khối FC và FB, mỗi khối đảm nhận nhiệm vụ cụ thể để tối ưu hóa hoạt động điều khiển Các khối này được quản lý chung bởi khối OB, giúp tổ chức cấu trúc hệ thống rõ ràng và dễ dàng bảo trì Phương pháp lập trình này làm giảm độ phức tạp của các bài toán điều khiển phức tạp, nhiều chức năng, đồng thời giúp người lập trình dễ dàng nâng cấp và hiệu chỉnh trong tương lai.
3.1.1 Chương trình điều khiển robot delta
Hình 3.56 Lưu đồ điều khiển PLC với 3 nút nhấn START, STOP, RESET được tạo bởi WinForm.
Hình 3.57 Khối Power Khối Power để khởi động và tắt 3 trục động cơ chuyển động, khối này được điều khiển nút nhấn START của ứng dụng điều khiển.
Hình 3.58 Khối Homing Khối Homing để điều khiển động cơ thu các trục về công tắc hành trình để tiến hành đặt vị trí Home.
Khối điều khiển vị trí của động cơ bước (Hình 3.59) sử dụng khối Pick_and_place để điều khiển vị trí của ba trục chuyển động dựa trên các góc theta1, theta2 và theta3 Các giá trị góc này được nhận từ hệ thống Kepserver để điều chỉnh chính xác vị trí của hệ thống, đảm bảo quá trình di chuyển linh hoạt và chính xác Việc sử dụng khối Pick_and_place giúp tối ưu hóa quá trình điều khiển, nâng cao hiệu suất hoạt động của hệ thống robot hoặc máy tự động.
Khối Manual là bộ phận dùng để điều khiển thủ công chuyển lên xuống các trục, được kích hoạt khi nhận lệnh từ PC Thường xuyên được sử dụng trong các công đoạn thử nghiệm và tinh chỉnh hệ thống khi phát hiện lỗi, giúp kiểm soát chính xác quá trình di chuyển Hình 3.60 minh họa rõ khối điều khiển bằng tay, thể hiện rõ chức năng của nó trong hệ thống tự động hóa.
3.1.1 Chương trình tính toán tốc độ động cơ băng tải
Sau khi nhận tín hiệu xung tốc độ cao từ Encoder, hệ thống sử dụng khối lệnh HSC để chuyển đổi xung thành số vòng quay của động cơ băng tải trong 1 phút Thông tin về tốc độ băng tải sau đó được truyền qua ứng dụng C# để tính toán chính xác tọa độ của robot gắp vật Quá trình này giúp điều khiển chính xác và hiệu quả quá trình vận hành của hệ thống tự động.
Hình 3.61 Lưu đồ tính toán tốc độ động cơ băng tải
Hình 3.62 Khối điều khiển HSC
Chương trình điều khiển cho ứng dụng Winform
Lưu đồ giao diện điều khiển:
Hình 3.63 thể hiện lưu đồ điều khiển chương trình điều khiển robot, trong đó giao diện điều khiển được chia thành 4 phần chính gồm kết nối với PLC, chế độ điều khiển bằng tay, chế độ điều khiển tự động và tùy chỉnh thông số Các phần này giúp người vận hành dễ dàng quản lý và vận hành robot một cách hiệu quả và chính xác Việc kết nối với PLC là bước nền đảm bảo truyền dữ liệu chính xác, trong khi chế độ điều khiển thủ công và tự động cung cấp sự linh hoạt phù hợp với từng ứng dụng Tùy chỉnh thông số cho phép tối ưu hóa hoạt động của robot theo yêu cầu cụ thể của từng quy trình sản xuất.
Trang kết nối sẽ giúp liên kết Application C# với PLC thông qua OPC Kepserver.
Chế độ điều khiển bằng tay cho phép người dùng tùy chỉnh góc theta của từng động cơ một cách chính xác Bạn có thể chọn điểm đến thủ công và dễ dàng xem tọa độ hiện tại của robot cũng như các góc của động cơ Tính năng này giúp nâng cao khả năng điều chỉnh vị trí và góc quay của robot một cách linh hoạt và chính xác.
Chế độ tự động sẽ cho phép tắt mở camera, cho phép robot bắt vị trí và gắp vật theo màu tự động.
3.2.1 Chương trình nhận diện màu và xác định tọa độ
Lưu đồ xử lý ảnh:
Hình 3.64 Lưu đồ xử lý ảnh
- Ảnh gốc được thu vào từ camera sẽ có kích thước 480x640 sẽ được chuyển đổi từ hệ ảnh màu RGB sang hệ màu HSV.
- Sau đó ảnh màu HSV sẽ được nhị phân hóa theo các khoảng sau:
Ảnh nhị phân sau đó sẽ trải qua quá trình co vào hai lần và dãn ra hai lần, sử dụng cấu trúc ma trận 8x8 để làm cho việc xác định đường biên trở nên dễ dàng hơn Quá trình này giúp làm rõ các cạnh của hình ảnh nhị phân, tối ưu việc phân tích và xử lý hình ảnh trong các ứng dụng công nghệ Áp dụng kỹ thuật co giãn qua ma trận 8x8 là bước quan trọng để nâng cao độ chính xác trong nhận diện biên của đối tượng.
- Cuối cùng ảnh sau khi làm mượt sẽ được tìm biên và tìm tọa độ tâm.
Hình 3.65 Ảnh vật qua chuyển đổi HSV
Hình 3.66 Ảnh sau khi nhị phân hóa theo ngưỡng dùng hàm InRange
Hình 3.67 Ảnh qua 1 lần co dãn ảnh
Hình 3.68 Ảnh qua 2 lần co dãn ảnh
2.4.3 Điều khiển robot tự động gắp vật:
Khi băng tải chuyển động, tọa độ X của vật giữ nguyên trong khi tọa độ Y thay đổi, do đó để gắp chính xác, hệ thống cần bù trừ tọa độ (X, Y) Tọa độ sau khi gửi xuống PLC sẽ là (X, Y + a), trong đó biến a được điều chỉnh dựa trên tốc độ của băng tải và robot Việc này đảm bảo robot có thể bắt chính xác vật đang di chuyển trên băng tải, tối ưu hóa quá trình xử lý ảnh và nâng cao hiệu suất làm việc.
2.4.4 Sắp xếp vật theo thứ tự trên băng tải
Mục tiêu của bài toán là xác định tọa độ (X, Y), màu sắc, kích thước và hình dáng phù hợp của vật cần gắp trên băng tải theo thứ tự xuất hiện Đặc biệt, luận văn tập trung nhận dạng ba màu cơ bản đặc trưng gồm Đỏ (Red), Lục (Green) và Lam (Blue) để tăng độ chính xác trong quá trình phân loại và xử lý vật thể trên băng tải Việc nhận dạng chính xác các yếu tố này giúp nâng cao hiệu quả vận hành của hệ thống tự động, đảm bảo quá trình gắp và sắp xếp vật liệu diễn ra chính xác và nhanh chóng.
Vị trí của vật đến trước, dựa trên tọa độ của camera và băng tải, có tung độ y lớn hơn so với vật đến sau, do đó vật gần đầu hút nhất sẽ có tung độ cao hơn Quá trình so sánh được thực hiện để xác định và lưu lại vị trí của vật đến trước (x(0), y(0)), giúp xác định chính xác vị trí vật cần xử lý trong hệ thống Đây là bước quan trọng nhằm tối ưu hóa quá trình nhận diện và điều khiển robot trong hệ thống tự động.
Chúng ta tiến hành xác định 3 màu cơ bản là Red, Green, và Blue dựa trên các thông số HSV đã được định sẵn, từ đó thu thập các cặp tọa độ gần nhất lần lượt là (X R, Y R), (X G, Y G) và (X B, Y B) Quá trình này giúp nhận diện chính xác các màu sắc trong ảnh, hỗ trợ cho các ứng dụng xử lý hình ảnh và phân tích màu sắc Việc so sánh các tọa độ này là bước quan trọng để xác định đúng vị trí màu sắc cần thiết, từ đó nâng cao hiệu quả của các hệ thống nhận diện màu tự động Kỹ thuật này áp dụng trong nhiều lĩnh vực như thiết kế đồ họa, thị giác máy tính, và các ứng dụng phân tích dữ liệu màu sắc trong thực tế.
3 tung độ Y R , Y G , Y B để xác định tọa độ vật cần gắp (X, Y).
Hình 3.70 Thuật toán nhận diện vật theo thứ tự trên băng tải
3.2.2 Phương pháp chuyển đổi tọa độ khung hình sang tọa độ của hệ Robot
Gọi hệ trục tọa độ khung ảnh là O1x1y1, hệ trục tọa độ gắn vào đáy Robot là O2x2y2.
Hình 3.71 Minh họa trục tọa độ gốc robot và trục tọa độ vật
Ví dụ, một khung ảnh chụp bằng camera có độ phân giải 640x480 pixel Trong đó, chiều dài tia O1x1 là 640 pixel, còn tia O1y1 là 480 pixel Để xác định khoảng cách thực tế, ta đo ngoài mô hình và thấy tia O1x1 dài 10 cm, tương đương với 640 pixel Như vậy, có thể áp dụng các công thức tính toán để xác định khoảng cách thực tế của các điểm trong ảnh dựa trên độ phân giải và đo đạc ngoài thực tế.
Ta sẽ thực hiện việc chuyển đổi từ hệ trục tọa độ O1x1y1 sang hệ trục tọa độ O2x2y2.
Để xác định tọa độ của robot tại điểm A trong hệ trục O1x1y1, ta cần tính vector 𝐴O2 dựa trên tọa độ của các hệ trục O2 và điểm A Trong không gian hình học, tia O1y1 và tia O2y2 cùng phương nhưng ngược chiều, trong khi tia O2x2 và tia O1x1 cùng phương và hướng Từ đó, tọa độ vector 𝐴O2 có thể xác định là (Px, Py), với Px = xO – xA và Py = -yO + yA, tính theo pixel Khi chuyển đổi sang hệ tọa độ thực tế trên mặt phẳng, Px và Py được quy đổi thành đơn vị centimet, lần lượt là Px = (xO - xA)/32 và Py = (-yO + yA)/32.
Vì đề tài chỉ tập trung vào xử lý ảnh 2D, chỉ cần xác định tọa độ Px, Py để phân tích dữ liệu Tọa độ Pz sẽ được định nghĩa bằng một hằng số cố định, giúp đơn giản hóa quá trình xử lý hình ảnh Khi đã xác định được giá trị của cả Px và Py, ta có thể dễ dàng thực hiện các bước tiếp theo trong xử lý ảnh 2D một cách chính xác và hiệu quả.
Pz ta sẽ xác định được các giá trị góc xoay θ 1 , θ 2 , θ 3 từ đó Robot sẽ di chuyển đến vị trí mà ta mong muốn.
THI CÔNG MÔ HÌNH
Thi công phần cứng
Bảng 4.10 Danh sách các nguyên liệu của mô hình
STT Tên linh kiện Thông số kĩ thuật Số lượng Chú Thích
(1212 DC/DC/DC) Điện áp HĐ: 24V 8I/6O
2 SM-1222 RLY Điện áp HĐ :24V
3 Băng tải Chiều dài 60cm
1 Mặt băng tải màu trắng
4 Nguồn tổ ong Điện áp vào: 220VAC Điện áp ra: 24VDC Dòng ra: 10A
5 Adapter Điện áp vào: 220VAC Điện áp ra: 5VDC Dòng ra:
6 Bơm chân không Điện áp HĐ: 24V 1 có kèm van
7 Nút hút châm không Đường kính: 2cm 1
Delta + 3 thanh carbon mắt trâu
12 CB LS 40 Áp định mức 220V
13 Rotary encoder 400 Tiêu chuẩn với cáp 1,5 m
Hiệu suất: 400 xung / vòng Điện áp HĐ: DC5-24V
4.1.1 Thi công robot delta và tủ điều khiển a Robot Delta
Các thành phần chính của Robot Delta được in 3D với các thông số sau:
- Khoảng các từ tâm đế robot tới trục trục động cơ là f = 75mm
- Khoảng cách từ trục động cơ đến cánh tay đòn là rf = 80 mm
- Độ dài cánh tay đòn là re = 235 mm
- Khoảng các từ tâm giác hút đến cánh tay đòn là e = 20 mm
Hình 4.73 Hình ảnh thiết kế 3D sử dụng phần mềm Fusion 360
Hình 4.74 Các linh kiện của Robot Delta sau khi in 3D b Khung đặt robot
Phần khung được lắp ghép mới các thanh nhôm định hình độ dài 50cm để cố định robot.
Hình 4.75 Ráp khung Robot c Động cơ điều khiển Robot
Đầu ra của PLC S7-1200 có điện áp 24V, do đó cần thêm điện trở 2.4kΩ để giảm điện áp xuống còn khoảng 5V, phù hợp cấp xung cho chân PUL+ và chân DIR+ của driver TB6600, đảm bảo hoạt động an toàn và ổn định của hệ thống điều khiển.
Hình 4.76 Sơ đồ đấu nối PLC điều khiển động cơ
Hình 4.77 Mô hình sử dụng Stepmotor và driver TB6600
Hình 4.78 Vị trí lắp đặt công tắc hành trình d Bơm và băng tải
Hình 4.79 Sơ đồ kết nối module SM-1222 với băng tải và bơm
Hình 4.80 Bơm và động cơ băng tải e Encoder
Hình 4.81 Sơ đồ kết nối encoder với PLC
Hình 4.82 Hình ảnh Encoder trong mô hình f Tủ điều khiển
Hình 4.83 Tủ điều khiển Robot Delta, băng tải và bơm sử dụng nguồn 24V và 12V Các thành phần chính của tủ điều khiển:
- 3 Driver TB6600 cho 3 động cơ.
- 1 PLC 1212C DC/DC/DC và 1 signal boad 1222 8DO Relay.
- 1 động cơ hút chân không 24VDC.
- 1 CB LS C40. g Mô hình hoàn chỉnh
Hình 4.84 Mô hình thực tế
Thi công phần mềm
Giao diện phần mềm điều khiển:
Hình 4.85 Trang điều khiển kết nối
Hình 4.86 Trang điều khiển chế độ Manual
Hình 4.87 Trang điều khiển Auto
Hình 4.88 Trang điều khiển Setting
ĐÁNH GIÁ KẾT QUẢ VÀ NHẬN XÉT
Kết quả
5.1.1 Kết quả xử lý ảnh
Hình ảnh thực tế sau khi áp dung lên mô hình:
Hình 5.89 thể hiện hình ảnh thực tế sau quá trình xử lý và lọc màu, giúp định vị chính xác các vật thể Ảnh sau xử lý đã đóng khung ôm sát các vật thể, từ đó xác định được tâm của đường biên, hỗ trợ robot gắp chính xác vật thể Quá trình xử lý hình ảnh này nâng cao độ chính xác trong công việc của robot nhờ việc xác định vị trí và hình dạng vật thể một cách hiệu quả.
5.1.1 Kết quả robot gắp vật
Hình 5.90 Robot gắp vật màu đỏ
Hình 5.91 Robot gắp vật màu xanh dương
Hình 5.92 Robot gắp vật màu xanh lá Bảng 5.11 Bảng đánh giá thực nghiệm
Sản phẩm Đỏ Xanh lá Xanh dương
Kết quả 33/33 32/33 32/33 Độ chính xác (%) 100% 96.7% 96.7%
Tỷ lệ tìm được màu sắc vật và gắp đúng vật là 97.8%.
Sau 99 lần thực hiện thí nghiệm với cách sắp xếp ngẫu nhiên, hệ thống phân loại sản phẩm cho số liệu chính xác tương đối cao hệ thống hoạt động ổn định, không bị nhầm lẫn phân loại cũng như bỏ sót sản phẩm nhiều Tuy nhiên ở đây chỉ thực hiện khoảng 33 lần trên mỗi sản phẩm ở điều kiện ánh sáng ổn định, nếu có sự thay đổi ánh sáng lớn dẫn đến làm nhòe vật, hoặc vận hành lâu dẫn đến các cơ cấu cơ khí không còn đảm bảo được như lúc đầu sẽ dẫn đến sai số lớn hơn Ngoài ra còn nhiều nguyên nhân khác như: giới hạn cơ khí của robot, mật độ sản phẩm lớn khiến robot không đáp ứng đủ tốc độ để gắp hết các vật, phạm vi camera hạn chế nên robot bị giới hạn tầm nhìn…
Nhận xét
5.2.1 Những kiến thức đã nguyên cứu
- Nguyên cứu lý thuyết về Robot Delta, phương trình động lực học.
- Nguyên cứu lý thuyết về xử lý ảnh nhằm tách vật thể màu ra khỏi nền.
- Tìm hiểu cách xây dựng một Application bằng Winform C# để dễ dàng điều khiển hệ Robot Delta.
- Nguyên cứu về đông cơ bước, cách điều khiển motion control bằng PLC S7- 1200.
- Tìm hiểu cách liên kết biến giữa Application Winform và phần mềm TIA Portal V15.
- Đọc và xử lý giá trị của encoder để tính toán tốc độ động cơ.
5.2.1 Những hạng mục đạt được
- Xây dựng được phương trình tính toán động lực nghịch đưa áp dụng vào Application để điều khiển Robot Delta.
- Áp dụng xử lý ảnh tìm tìm tọa độ của vật real time qua camera sử dụng thư viện EmguCV của C#.NET.
- Xây dựng liên kết giữa Appllication trên PC và PLC thông OPC KepserverEX V6.
- Điều khiển cùng lúc 3 động cơ bước bằng PLC S7-1200 (1212C DC/DC/DC) sử dụng motion control của phần mềm TIA Portal V15.
- Vận hành được Robot Delta để gắp, phân loại sản phẩm trên băng tải theo màu sắc, hình khối.
- Đọc được tốc độ băng tải giúp tăng độ chính xác gắp vật thể.
- Lưu trữ dữ liệu vào SQL.
- Phần cứng Robot do tự thiết kế và thi công nên vẫn còn nhiều lỗi dẫn đến sai số trong quá trình vận hành.
- Thuật toán tự thiết kế nên chưa hoàn toàn tối ưu.
Chương trình xử lý ảnh hoạt động tốt nhất trong môi trường có ánh sáng ổn định, giúp đảm bảo độ chính xác trong các phép tính và phân tích hình ảnh Tuy nhiên, khi có sự thay đổi về ánh sáng, khả năng chính xác của hệ thống có thể bị ảnh hưởng, gây ảnh hưởng đến kết quả xử lý Do đó, duy trì điều kiện ánh sáng ổn định là yếu tố quan trọng để đảm bảo hiệu quả và độ tin cậy của quy trình xử lý ảnh.
- Tích hợp trí tuệ nhân tạo để Robot linh hoạt, phù hợp với nhiều điều kiện hoạt động hơn.
Nâng cấp phần cứng như động cơ, camera và chất liệu của khớp robot giúp hệ thống hoạt động chính xác hơn, nhanh hơn và ổn định hơn trong quá trình vận hành Việc cải thiện các thành phần này là chiến lược tối ưu hóa hiệu suất, đảm bảo hệ thống robot hoạt động hiệu quả và linh hoạt hơn Đầu tư vào phần cứng chất lượng cao giúp nâng cao độ chính xác, tốc độ phản ứng và độ bền của hệ thống trong các ứng dụng công nghiệp và tự động hóa.
- Nâng cấp thuật toán xử lý ảnh mở rộng vùng nhận diện màu ra nhận diện kích thước, hình thái, màu sắc, QRcode…
- Cập nhật cơ sở dữ liệu lên internet để theo dõi từ xa.