Phương án thiết kế
Thiết kế cơ khí
Cánh tay robot cần có độ cứng vững và động lực học tối ưu trong khi vẫn giữ kích thước nhỏ gọn Hiện nay, có hai loại cơ cấu tay máy toàn khớp bản lề phổ biến, được phân loại dựa trên cách sắp đặt động cơ.
Cơ cấu truyền động hệ hở:
Sơ đồ nguyên lý của robot dạng chuỗi cho thấy các động cơ được lắp đặt tại các khớp nối, tạo thành một chuỗi động hở Robot này có độ linh động cao và tính động lực học đơn giản, mang lại nhiều ưu điểm trong ứng dụng.
Nhược điểm của hệ thống là độ cứng vững kém khi thiếu cơ cấu đỡ lực, cùng với việc các động cơ phía sau được bố trí xa trọng tâm, dẫn đến việc tăng mô-men tác động lên các khớp.
Cơ cấu hình bình hành hệ kín:
Hình 2.2: Mô hình cơ cấu hình bình hành
Tay máy toàn khớp bản lề hình bình hành được cải tiến với hai hình bình hành ở khâu 1 và khâu 2, giúp giữ hướng xoay của khâu cuối song song với mặt đất Cấu trúc này mang lại độ cứng vững tốt hơn và phân chia lực hiệu quả hơn, cho phép tay máy di chuyển các vật nặng với tốc độ cao Đặc điểm nổi bật là các động cơ được tập trung vào một khâu, với cơ cấu hình bình hành dẫn động từ động cơ số 3 lên khâu 3 Ưu điểm chính bao gồm độ cứng vững cao, giảm trọng lượng khâu 2 và khâu 3, và khả năng hoạt động với tốc độ nhanh hơn.
Nhược điểm của hệ thống là tính động lực học khó khăn do nó là hệ kín và là phần quan trọng nhất trong luận án này, với nhiều khâu Hệ thống cũng bị giới hạn khi phát triển lên robot 6 bậc, dẫn đến tính linh động không cao bằng cánh tay dạng truyền thống.
Cơ cấu hình bình hành được ứng dụng trong các robot palletizing như robot ABB IRB 460, nhằm tối ưu hóa độ cứng vững của robot Thiết kế này không chỉ giữ vững hướng của khâu cuối mà còn giúp tiết kiệm chi phí cho bộ phận công.
Robot ABB IRB 460, như được thể hiện trong sơ đồ nguyên lý, là một thiết bị điều hướng khâu cuối lý tưởng cho các ứng dụng không yêu cầu độ linh động cao Nó phù hợp cho nhiều nhiệm vụ như gắp vật, hàn mạch và khâu vá, mang lại hiệu quả cao trong các quy trình sản xuất.
Sơ đồ nguyên lý của cơ cấu robot palletizing được chọn vì độ cứng vững cao, giúp giảm thiểu moment cần cung cấp và đạt tốc độ hoạt động nhanh Cơ cấu này rất phù hợp cho các ứng dụng trong văn phòng và dễ dàng trong việc lựa chọn động cơ.
Cơ cấu định hướng của tay máy:
Cơ cấu định hướng của khâu cuối tay máy được thiết kế song song với mặt đất và cố định, nhằm tối giản hóa hoạt động của tay máy và đáp ứng mục đích sử dụng tay máy cơ cấu hình bình hành Để kết nối tool, chúng tôi lựa chọn hệ thống hút chân không.
Thiết kế hệ thống điện
• Kết cấu nhỏ gọn, có bán nhiều trên thị trường
• Tối ưu về năng lượng
• Thích hợp hoạt động trong văn phòng
• Trong các nguồn truyền động là thủy lực, khí nén và điện cơ thì truyền động điện cơ là phù hợp với mục tiêu đặt ra nhất
• Có 2 loại động cơ thường kể đến trong công nghiệp đó là động cơ DC servo, động cơ bước: Động cơ bước: Ưu điểm:
• Độ chính xác cao nếu moment tải nằm trong giới hạn cho phép của động cơ
• Điều khiển đơn giản khi động cơ bước thực hiện quay qua các bước góc của động cơ, không cần dùng giải thuật điều khiển phức tạp
• Hiệu suất không cao (tầm 50-60%)
Quá trình kiểm tra độ chính xác trong điều khiển động cơ DC servo gặp khó khăn do không có phản hồi, đặc biệt khi hiện tượng trượt xung xảy ra Ưu điểm của hệ thống này là khả năng điều khiển chính xác và hiệu suất cao trong các ứng dụng cần độ nhạy và tốc độ phản ứng nhanh.
• Có tín hiệu hồi tiếp từ encoder phục vụ cho luật điều khiển
• Đường đặc tuyến giữa moment và tốc độ là tuyến tính
• Moment cấp hoạt động từ vị trí dừng lớn
• Thường xuyên bảo trì chổi than để đảm bảo động cơ hoạt động tốt
• Độ chính xác phụ thuộc vào encoder và bộ điều khiển
Động cơ DC servo được lựa chọn cho luận văn này nhờ vào ưu điểm tối ưu về moment so với động cơ bước và giá thành hợp lý.
Truyền động qua bộ trung gian:
Bộ truyền bánh răng: Ưu điểm:
• Tỷ số truyền không thay đổi do không có hiện tượng trượt trơn
• Hiệu suất truyền cao, có thể đạt 0,97 ÷ 0,99
• Tuổi thọ cao, làm việc với độ tin cậy cao
• Kết cấu trở nên cồng kềnh và nặng nề khi khoảng cách hai trục truyền lớn
• Cần có phương pháp bôi trơn, che chắn
Bộ truyền xích: Ưu điểm:
• Chủ động trong việc bố trí khoảng cách 2 trục
• Ồn khi các mắt xích và bánh xích vào ra khớp
• Cần phải có giả pháp bôi trơn che chắn
Bộ truyền đai răng: Ưu điểm:
• Kích thước bộ truyền nhỏ gọn, dễ bố trí, và tìm mua
• Hiện tượng trượt đai do quán tính
• Cần phải có giải pháp căng đai
Vì yêu cầu thiết kế nhỏ gọn, truyền động trực tiếp được lựa chọn khi động cơ thường được bán sẵn kèm hộp số hành tinh.
Cảm biến
Yêu cầu: Cảm biến có khả năng nhận biết vị trí của vật cần thao thác với vị trí khâu cuối của tay máy robot
Với mục tiêu đề ra cho đề tài ta chọn camera là cảm biến định hướng cho tay máy robot
2.4 Thiết kế bộ điều khiển:
Có hai phương án phổ biến để lựa chọn cho thiết bị điều khiển của hệ thống
Vi điều khiển là một hệ thống bao gồm vi xử lý hiệu suất đủ dùng và giá thành thấp, kết hợp với các khối ngoại vi như bộ nhớ, mô đun I/O, và mô đun ADC/DAC để điều khiển thiết bị điện tử Với ưu điểm nhỏ gọn và chi phí thấp, vi điều khiển phù hợp cho các mạch điện tử và hệ thống nhúng Tuy nhiên, nhược điểm của nó là độ tin cậy trong công nghiệp thấp và hoạt động ở điện áp thấp.
PLC là thiết bị điều khiển lập trình linh hoạt, cho phép thực hiện các thuật toán điều khiển logic thông qua ngôn ngữ lập trình Nó hoạt động bằng cách quét trạng thái đầu vào và đầu ra, với khả năng thay đổi đầu ra khi có sự thay đổi ở đầu vào PLC nổi bật với độ tin cậy cao, hỗ trợ nhiều chuẩn giao tiếp công nghiệp và dễ dàng lập trình với dung lượng bộ nhớ lớn Tuy nhiên, nhược điểm của nó là giá thành tương đối cao, thường được sử dụng trong các ứng dụng công nghiệp lớn hơn là các dự án nhỏ lẻ.
Với kích thước nhỏ gọn của tay máy, vi điều khiển được lựa chọn là thiết bị điều khiển cho hệ thống trong luận văn.
Cấu trúc điều khiển
Có 2 loại điều khiển là điều khiển tập trung và cấu trúc điều khiển phân cấp Điều khiển tập trung:
Cấu trúc điều khiển trung tâm đảm nhận toàn bộ quá trình tính toán, nhận tín hiệu phản hồi, xuất tín hiệu cho cơ cấu chấp hành và giao tiếp với máy tính Ưu điểm của hệ thống này là khả năng quản lý hiệu quả và chính xác các tín hiệu, giúp tối ưu hóa quy trình điều khiển.
• Khối lượng lập trình và đi dây được giảm tải khi giao tiếp truyền thông giữa các bộ xử lí được giảm tải
• Bộ điều khiển đơn giản, dễ xử lí
• Dễ kiểm tra khi có lỗi xảy ra, dễ quản lí
• Đòi hỏi bộ xử lí trung tâm mạnh
• Đòi hỏi bộ xử lí tập trung nhiều chức năng để sử dung dẫn đến khó khăn trong lựa chọn Điều khiển phân cấp:
Là cấu trúc điều khiển gồm 1 bộ xử lí trung tâm và nhiều bộ xử lí nhỏ lẻ để thực hiện các tác khác nhau đồng thời Ưu điểm:
• Giảm thiểu tính toán cho bộ trung tâm
• Dễ dàng đáp ứng thời gian thực khi có nhiều bộ xử lí đồng thời
• Bộ xử lí slave không đòi hỏi quá mạnh
• Truyền thông giữa các vi điều khiển tương đối phức tạp
• Khó quản lí, phát hiện lỗi
• Đi dây rối rắm, bộ điều khiển cồng kềnh
Bộ điều khiển tập trung được lựa chọn trong luận văn này nhờ vào thiết kế tay máy với 3 bậc tự do, mang lại sự đơn giản và dễ quản lý.
Luật điều khiển robot
Có nhiều luật điều khiển được áp dụng ở robot có 2 luật điều khiển đặc trưng: điều khiển PID, điều khiển moment Điều khiển PID:
Hình 2.4: Minh họa giải thuật PID (nguồn Internet)
PID là một bộ điều khiển kết hợp ba thành phần: tỉ lệ, tích phân và vi phân, giúp điều chỉnh sai số ở mức tối thiểu, tăng tốc độ phản hồi, giảm độ vọt lố và hạn chế dao động Những ưu điểm này làm cho PID trở thành một lựa chọn phổ biến trong các hệ thống điều khiển tự động.
• Không cần phần cứng quá mạnh
• Giải thuật đơn giản và đã được ứng dụng rộng rãi trong một thời gian dài
• Đa dạng trong tùy chỉnh để cải thiện chất lượng điều khiển
• Phụ thuộc nhiều và mô hình toán của Plant để điều khiển chính xác ref Điều khiển moment:
Hình 2.5: Minh họa giải thuật điều khiển moment (nguồn Internet)
Giải thuật điều khiển moment dựa vào phương trình động lực học để tính ra moment cần thiết ở các khớp Ưu điểm:
• Giải thuật giúp robot đạt được tốc độ cao
• Khối lượng tính toán lớn và đòi hỏi phải đáp ứng nhanh trong quá trình vận hành robot
• Yêu cầu thiết kế về phần cứng cao
Vì giới hạn robot đòi hỏi tốc độ không cao nên giải thuật PID được lựa chọn trong luận văn nay.
Lựa chọn phương pháp thu nhận tín hiệu camera cho Visual servoing
Để điều khiển robot thông qua phương pháp visual servoing, cần phân tích vị trí và độ sâu của vật thể từ hình ảnh thu được từ camera.
Để xác định vị trí của vật trong hình ảnh, phương pháp phân loại vùng (Feature extraction region) dựa trên màu sắc là một lựa chọn hiệu quả.
Feature extraction region sẽ cho ta biết các đặc điểm về màu sắc, hình dạng, trọng tâm, hướng của vật hay đặc điểm được phân tính trong ảnh
Để xác định chiều sâu của vật trong hình ảnh, phương pháp so sánh sự khác biệt giữa hai điểm nhìn (Binocular disparity) được sử dụng để tính toán khoảng cách từ vật đến camera.
Với camera stereo, chúng ta có thể chụp hình ảnh của một vật từ hai góc nhìn khác nhau, từ đó xác định khoảng cách giữa vật cần đo và camera được lắp đặt ở vị trí cuối.
Tổng kết lựa chọn
Bảng 2.1: Phương án lựa chọn
BẢNG LỰA CHỌN PHƯƠNG ÁN
Kết cấu tay máy Dạng hình bình hành palletizing
Truyền động Động cơ DC servo
Cơ cấu truyền động Truyền động trực tiếp
Cảm biến HOME Công tắc hành trình
Thiết bị điều khiển Vi điều khiển
Kiểu điều khiển Điều khiển tập trung
Thông số cho Visual servoing Nhận diện màu sắc kết hợp stereo camera
Mô hình hóa động học
Động học thuận
Phân tích động học thuận là quá trình xác định mối quan hệ toán học giữa vị trí và hướng của tay máy dựa trên các giá trị đã biết của các khớp góc.
Hình 3.1: Sơ đồ nguyên lý động học thuận của rbot
• Từ sơ đồ ta có ta thiết lập như sau:
Ma trận chuyển đổi từ khâu i về khâu i-1:
Từ đó ta có ma trận chuyển đổi lần lượt từ các hệ tọa độ từ 0 đến 4:
Hệ tọa độ khâu 4 chuyển về tọa độ gốc: (2), (3), (4), (5)
Ta có tọa độ điểm cuối của tay máy trong hệ tọa độ gốc là: Đặt:
Ta có vận tốc khâu cuối liên hệ với vận tốc các khớp thông qua biểu thức: v = ṗ = J 𝜃̇ => 𝜃̇ = J −1 v (9)
Với: v là vận tốc của vị trí khâu cuối theo x,y,z
Công thức (9) sẽ được sử dụng để mô phỏng tính toán vận tốc các khớp khi khâu cuối di chuyển.
Động học nghịch
Bài toán phân tích động học ngược nhằm xác định các giá trị biến khớp dựa trên vị trí và hướng của công cụ Trong luận văn này, robot palletzing giữ hướng khâu cuối, do đó việc tính toán trở nên đơn giản hơn so với các loại robot cần điều khiển hướng khâu cuối phức tạp hơn, như robot 6 bậc tự do Phương pháp giải hình học được áp dụng để tìm ra các góc quay tại các khớp, từ đó đạt được giá trị điểm D mong muốn.
Hình 3.3: Sơ đồ tính toán động học nghịch theo hình chiếu bằng
Dựa theo hình 3.2 và hình 3.3, Với tọa độ điểm mong muốn D là [𝑥 𝐷 ,𝑦 𝐷 ,𝑧 𝐷 ]:
• Áp dụng định lý cosin và pytago trong tam giác ACG:
• Áp dụng định luật cosin trong tam giác ABC:
Từ (11), (14) ta tính được góc θ2 của khớp 2: θ2=𝐵𝐴𝐶̂+𝐶𝐴𝐺̂= 𝑎𝑟𝑐𝑡𝑎𝑛 ( 𝑧 𝐷 −𝑑
2.𝐿 2 √(𝑋 𝐷 −𝐿 4 ) 2 +(𝑍 𝐷 −𝑑) 2 ) (15) Áp dụng định luật cosin trong tam giác ABC:
Ta có góc θ3 của khớp 3: θ30 0 − 𝐴𝐵𝐶̂ 0 0 −arcos( 𝐿 2 2 +𝐿 3 2 −(𝑋 𝐷 −𝐿 4 ) 2 −(𝑍 𝐷 −𝑑) 2
Dựa vào hình 3.3, Ta có góc quay θ1 của khớp 1 là : θ1=𝑎𝑟𝑐𝑡𝑎𝑛 ( 𝑦𝑑
Kết luận động học ngược của robot, mối liên hệ giữa tọa độ mong muốn
D [xd, yd, zd] và các khớp quay là: θ1= 𝑎𝑟𝑐𝑡𝑎𝑛 ( 𝑦𝑑
Moment của tay máy
Do cấu trúc tay máy palletizing phức tạp, tầm với tối đa bị giới hạn ở góc θ2 là 10 độ và θ3 là 15 độ Sản phẩm được phát triển trong luận văn này vẫn đang ở giai đoạn thử nghiệm nhằm nghiên cứu thuật toán, với yêu cầu về tốc độ không quá cao.
Dựa theo datasheet của robot ABB IBR 460 ta có yêu cầu kỹ thuật của momen các khớp: ζ1max = 8,8875 Nm ζ2max = 3,5147 Nm
Moment khớp 1 và 3 đạt tối đa khi gia tốc từ vị trí tĩnh đến chuyển động Khớp
2 đạt moment tối đa khi cả 3 khớp đang di chuyển và khớp 1,3 giảm tốc, khớp 2 tăng tốc.
Thiết kế cơ khí
Thiết kế 2D
Hình 4.1: Sơ đồ sơ lược và các vị trí tọa độ của robot
Thông số thiết kế
Vùng làm việc của tay máy được xác định bởi hai thông số chính là L2 và L3 Để đạt được tầm với lý tưởng là 475 mm, tổng chiều dài L được tính bằng công thức L = L2 + L3 + L4 = 475 mm.
Theo tài liệu, tỷ số r tối ưu nằm trong khoảng 0,5 ÷ 0,6, với r = 𝐿2
Từ yêu cầu đề bài, chọn L2 = 250 mm , L3 = 230 mm , L4 = 25 mm , lúc đó tỉ số r = 0,52 nằm trong khoảng tối ưu cần thiết kế
Các giá trị tham số phụ như a1, a2, a3, β, γ không tham gia vào thiết kế vùng làm việc của robot, nhưng chúng rất quan trọng trong việc thiết kế hình bình hành để điều khiển các khâu 3 và 4 của robot Những giá trị này được lựa chọn để đảm bảo tính phù hợp với thiết kế nhỏ gọn của robot.
Bảng 4.1: Thông số kích thước và góc của các khâu d mm
L4 mm a1 mm a2 mm a3 mm β độ γ độ
Bảng 4.2: Thông số bản DH, để thiết kế
Hướng khâu cuối của robot palletizing được xác định nhờ thiết kế hình bình hành OABC và FCGH OA cố định với khâu 1 và tạo với phương nằm ngang một góc β Do OABC là hình bình hành và OA cố định, hướng BC cũng sẽ cố định vì BC song song với OA Trong tam giác FCB, FC tạo với BC một góc γ, dẫn đến hướng cố định của FC và tam giác FCB Đối với khâu cuối GHIP, vì GHCF là hình bình hành, FC song song với GH, nên GH cũng có hướng cố định Điều này cho thấy toàn bộ khâu cuối GHIP sẽ có hướng cố định tùy theo góc thiết lập Trong luận văn này, chúng tôi muốn IH song song với mặt đất, do đó thiết kế khâu cuối sẽ có dạng tam giác với IH tạo với GH một góc α = 180 − (β + γ) 40°.
Hình 4.3: Minh họa sơ đồ các góc của robot
Lựa chọn vật liệu cho robot
Cánh tay robot cần phải nhẹ để đảm bảo tốc độ và quán tính, đồng thời phải có độ cứng vững để thao tác lâu dài mà không bị hư hại Các vật liệu như nhựa HPDE, sợi carbon fiber và gỗ đáp ứng tiêu chí này với giá thành hợp lý Tuy nhiên, trong luận văn này, vật liệu được chọn là nhôm, vì nhôm có độ cứng vững theo khối lượng vượt trội so với thép Ngoài ra, nhôm còn dễ gia công bằng các phương pháp thông thường như tiện, phay và CNC Hợp kim nhôm 6061 sẽ được sử dụng trong nghiên cứu này.
Hợp kim nhôm 6061, được sử dụng chủ yếu cho các bộ phận của cánh tay robot, là một loại hợp kim nhôm cứng kết tủa với thành phần chính là magiê và silicon Với tính chất cơ học vượt trội và khả năng hàn tốt, nhôm 6061 rất phổ biến trong ngành công nghiệp, chỉ sau hợp kim 6063.
Bảng 4.3: Tính chất vật lý của nhôm 6061
Giời hạn bền 310 (MPa) Độ cứng 95 (HB)
Mô đun đàn hồi 68,9 (GPa)
Bộ phận đế của robot chịu tải trọng chính, được làm từ thép AISI 304, một vật liệu cứng vững và nặng, phổ biến trên thị trường với nhiều kích thước khác nhau Các bộ phận mặt bích kết nối các khâu và động cơ cũng sử dụng thép AISI 304 để đảm bảo khả năng chịu lực tốt từ trục động cơ.
Khối lượng của các khâu
Bảng 4.4: Chi tiết và khối của khâu 1
Khớp nối mặt bích 0.98 kg
Bảng 4.5: Chi tiết và khới lượng của khâu 2
2xChi tiết vai cánh tay 0.26 kg Đồ bảo vệ vai cánh tay 0.20 kg
Khớp tam giác 110 độ 0.02 kg Thanh nối khới tam giác 0.02 kg
Thanh nối với khâu 4 0.02 kg
Bảng 4.6: Chi tiết và khối lượng của khâu 3
2xChi tiết khuỷ tay 0.20 kg
Thanh nối khủy tay 0.02 kg
Bảng 4.7: Chi tiết và khối lượng của khâu 4
Khung xương đối diện 0.01 kg
• Tổng khối lượng của các chi tiết: 16.055 kg
Tải trọng, ứng suất tác động lên máy
Tải trọng tác dụng lên máy và chi tiết máy bao gồm lực, momen và áp suất, là đại lượng vec tơ được xác định bởi cường độ, phương, chiều, điểm đặt và đặc tính của tải trọng.
• Lực, được ký hiệu bằng chữ F, đơn vị đo là N , 1 N = 1 kg.m/s
• Momen uốn, ký hiệu là M, đơn vị đo là Nmm
• Momen xoắn, ký hiệu là T, đơn vị đo là Nmm
• Áp suất, ký hiệu là p, đơn vị đo là MPa, 1 MPa = 1 N/mm 2
Tải trọng không đổi, là tải trọng có phương, chiều, cường độ không thay đổi theo thời gian Sơ đồ của tải trọng không đổi biểu diễn trên Hình 4.5
Tải trọng thay đổi là loại tải trọng có ít nhất một trong ba yếu tố: phương, chiều, hoặc cường độ thay đổi theo thời gian Trong quá trình tính toán chi tiết máy, tải trọng có cường độ thay đổi thường gặp Sơ đồ biểu diễn tải trọng thay đổi được thể hiện trong Hình 4.6.
Hình 4.5: Tải trọng không thay đổi theo thởi gian
Ứng suất là lực tác động lên các phần tử của chi tiết máy khi chịu tải trọng, được biểu thị dưới dạng vectơ với phương, chiều và cường độ cụ thể Đơn vị đo của ứng suất là megapascal (MPa), trong đó 1 MPa tương đương với 1 N/mm².
Ứng suất được phân chia thành hai nhóm chính: ứng suất pháp (ký hiệu là σ) và ứng suất tiếp (ký hiệu là τ) Ứng suất pháp có phương trùng với phương pháp tuyến của phân tố được tách ra từ chi tiết góc, trong khi ứng suất tiếp có phương trùng với mặt phẳng của phân tố được tách ra từ chi tiết máy.
Ứng suất được phân loại thành hai loại chính: ứng suất không đổi và ứng suất thay đổi Ứng suất không đổi, hay còn gọi là ứng suất tĩnh, có phương, chiều và cường độ không thay đổi theo thời gian, như được minh họa trong Hình 4.7 Ngược lại, ứng suất thay đổi có ít nhất một đại lượng (phương, chiều, cường độ) thay đổi theo thời gian, có thể là thay đổi ngẫu nhiên hoặc theo chu kỳ Trong thiết kế chi tiết máy, loại ứng suất thay đổi thường gặp là ứng suất có chu kỳ tuần hoàn hoặc gần như tuần hoàn, được thể hiện trong Hình 4.8.
Hình 4.7: Ứng suất không thay đổi theo thời gian
Hình 4.8: Ứng suất thay đổi theo thời gian
Phương trình ứng suất tổng quan: σ = F A
Trong đó: σ là ứng suất, F là lực và A diện tích bề mặt.
Mô phỏng ứng suất, chuyển vị
Sử dụng tải lớn nhất tại các khớp, tiến hành mô phỏng trong SolidWorks Simulation để tính toán ứng suất uốn và chuyển vị của các khâu, dựa trên độ bền uốn của vật liệu.
Dựa vào thông tin về vật liệu, trọng lượng và kích thước của các khâu (mục 4.3, 4.4), ta có thể xác định tải trọng tương đương mà từng chi tiết có thể chịu đựng dựa trên khối lượng của chúng.
Kết quả của thí nghiệm mô phỏng nhằm xác định mức tải trọng mà các khâu của robot có thể chịu đựng, khi một bậc tự do được giữ cố định theo nguyên lý hoạt động của robot.
Mức tải trọng lý tưởng: bao gồm cân nặng của các chi tiết mà khâu phải chịu, lẫn khối lượng hàng mà Robot phải nâng đó là 500gram
Việc xác định ứng suất và chuyển vị lớn nhất là vì mục đích đảm bảo kết cấu làm việc trong giai đoạn đàn hồi
Giúp tối ưu hóa kết cấu các khâu nhằm phục vụ cho mục đích làm việc với năng suất cao nhất, hiệu quả nhất
Hoàn thiện hơn về nặt thẩm mỹ của Robot
Xác định được những rủi ro, hư hỏng trong tương lai
Hỗ trợ thêm có việc tính toán tuổi thọ của của Robot
Hình 4.9: Mô phỏng phân tích ứng suất khâu 2
Hình 4.10: Mô phỏng sự chuyển vị khâu 2:
• Sau khi mô phỏng phân tích khâu 2, ta có kết quả:
Hình ảnh mô phỏng cho thấy đám mây ứng suất tại điểm max 5.530e MPA có sự phá hủy nhỏ, vượt quá mức cho phép của vật liệu là 3.100e +02 MPA, dẫn đến hiện tượng uốn cong Tuy nhiên, hiện tượng này chỉ xảy ra khi khâu này phải chịu tải Khâu 2, với chức năng chuyển động liên tục, sẽ không gặp phải tình trạng phá hủy và biến dạng ngay lập tức, nhưng theo thời gian làm việc lâu dài, hiện tượng phá hủy có thể xảy ra.
Hình 4.11 cho thấy đám mây chuyển vị đang di chuyển từ vị trí đám mây xanh sang đám mây cam, với hướng di chuyển từ dưới lên trên Điều này mô phỏng lực tác động theo phương ngang trong khi vật được giữ cố định theo phương thẳng Chuyển vị xảy ra tại những nơi có lực tác dụng, với giá trị chuyển vị lớn nhất đạt 3.27e+01 MPA, nhỏ hơn 2.1 so với mức độ cho phép của vật liệu.
Hình 4.11: Mô phỏng phân tích ứng suất khâu 3
Hình 4.12: Mô phỏng sự chuyển vị khâu 3
• Sau khi mô phỏng phân tích khâu 3, ta có kết quả:
Hình ảnh mô phỏng cho thấy đám mây ứng suất trong hình 4.12 không có dấu hiệu phá hủy, vì cả ứng suất tối đa và tối thiểu đều nằm dưới mức cho phép của vật liệu.
Hình 4.13 cho thấy đám mây chuyển vị đang di chuyển và thay đổi từ vị trí của đám mây xanh sang đám mây cam, theo hướng từ trên xuống.
Sự chuyển vị lớn ở đây đạt mức tối đa 8.975e+00 MPA, vượt quá giới hạn cho phép của vật liệu Tuy nhiên, không có biến dạng ngoại hình nào xảy ra; sự thay đổi duy nhất là vị trí của phần chịu lực.
Hình 4.13: Mô phỏng phân tích ứng suất khâu 7
Hình 4.14: Mô phỏng sự chuyển vị khâu 7
• Sau khi mô phỏng phân tích khâu 7, ta có kết quả:
Hình ảnh mô phỏng cho thấy đám mây ứng suất ở hình 4.14 đang gặp hiện tượng phá hủy xung quanh rãnh đáy của chi tiết, với giá trị ứng suất màu cam đạt tối đa 6.364e+00 MPA, vượt mức cho phép của vật liệu là 3.100e+02 MPA Tuy nhiên, hiện tượng này chỉ xảy ra khi khâu này phải chịu tải Đối với khâu 7, do là khâu chuyển động liên tục trong cơ cấu di chuyển của robot, việc phá hủy và biến dạng sẽ không xảy ra ngay lập tức, nhưng có thể xảy ra theo thời gian làm việc lâu dài.
Hình 4.15 cho thấy đám mây chuyển vị đang di chuyển và thay đổi từ vị trí của đám mây xanh sang đám mây cam, theo hướng từ dưới lên trên.
Sự chuyển vị nhỏ xảy ra với đám mây lớn nhất đạt 3.356e+01, không vượt quá mức cho phép của vật liệu Tuy nhiên, có sự thay đổi về vị trí ban đầu tại điểm tác động lực, đây là nơi lực được áp dụng.
Hình 4.15: Mô phỏng phân tích ứng suất khâu 1
Hình 4.16: Mô phỏng sự chuyển vị khâu 1
• Sau khi mô phỏng khâu 1 xong và cho ra kết quả:
Hình ảnh mô phỏng cho thấy đám mây ứng suất hình 4.16 đang biến dạng rõ rệt, với ứng suất tối đa đạt 8.629e+08 MPA, cao hơn nhiều so với 3.100e+02 MPA của vật liệu Lực tập trung chủ yếu vào phần khớp nối, không phân bổ đều ra xung quanh.
Hình 4.17 cho thấy sự thay đổi ứng suất rõ rệt, điều này đã ảnh hưởng đến sự biến đổi của đám mây chuyển vị, dẫn đến sự chuyển vị mạnh mẽ tại khu vực khớp nối.
Thông qua mô phỏng lực tác dụng, các khâu của robot cho thấy không có sự phá hủy và biến dạng lớn khi chịu tải lý tưởng Mặc dù một số khâu xảy ra biến dạng và thay đổi, nhưng mức độ không đáng kể Điều này cho thấy rằng độ ứng suất và chuyển vị của các khâu đều nằm trong mức cho phép của vật liệu, từ đó đảm bảo độ bền cho robot trong quá trình gia công.
Nhưng ở khâu 1, sự phá hủy và biến dạng đã xảy ra, khiến cho chi tiết bị biến dạng và thay đổi về ngoại hình
Nhóm đã đề xuất một phương án nhằm giảm thiểu tối đa sự biến dạng do tác động của tải trọng lên các khâu Xem chi tiết ở phần 4.7.
Cách khắc phục sự phá hủy và biến dạng ở các khâu
Gắn gối SKF FYJ 40mm ở khâu 1 giúp giảm lực tác động và giữ cố định thân với đế, đồng thời đóng vai trò khớp trung gian Đối với các khâu còn lại, chỉ cần thêm bulong ở các khớp để cố định các chi tiết, từ đó tăng cường độ vững chắc và kiên cố cho toàn bộ hệ thống.
Hình 4.17: Bản vẽ chi tiết, Gối SKF FYJ 40mm
• d1= 51.8mm là đường kính ngoài của vòng trong
• A = 36mm là chiều rộng tổng thể
• A1 = 14mm là chiều rộng mặt bích
• A3 = 3.2mm là chiều sâu rãnh định tâm
• B = 49.2mm là chiều rộng tổng thể ổ lăn
• B4 = 8mm là khoảng cách từ mặt hông thiết bị khóa đến tâm ren
• L = 130mm là chiều dài tổng thể
• J = 102mm là khoảng cách lỗ bulong ở đế
Hình 4.18: Bulong đai ốc, ví dụ 1 số vị trí gắn bulong
Thông qua tính toán, mô phỏng và thiết kế thì ta có hình dáng thiết kế đầy đủ của robot:
Hình 4.19: Robot khi hoàn thiện
Thiết kế hệ thống điện
Sơ đồ hệ thống điện sơ bộ
Hình 5.1: Sơ đồ điện tổng quát
Sơ đồ hệ thống điện tổng quát gồm có 3 khối chủ đạo:
Khối động cơ bao gồm ba động cơ DC tích hợp encoder và driver để kết nối với vi điều khiển, cùng với van điện và camera nhận diện hình ảnh gửi tín hiệu về máy tính Khối cảm biến sử dụng camera stereo để thu thập hình ảnh phục vụ cho việc điều khiển.
Khối mạch điều khiển bao gồm một mạch trung tâm có nhiệm vụ nhận tín hiệu từ camera, phân tích và điều khiển chuyển động của động cơ, đồng thời truyền tín hiệu quan sát đến máy tính qua mạng ROS.
Khối nguồn: Gồm 2 nguồn chính là 24V để nuôi động cơ, nguồn 5V để nuôi vi điều khiển, driver, encoder.
Sơ đồ đấu nối
Hình 5.2: Sơ đồ đấu nối linh kiện điện tử
• Nguyên lý hoạt động của sơ đồ đấu nối:
Nguồn 24 V được cấp vào mạch hạ áp Module DCLM25963A (24 V – 5 V), với đầu ra 5 V để nuôi Raspberry pi hoạt động điều khiển toàn bộ hệ thống
Driver điều khiển động cơ DC Servo PID MSD_EM với nguồn cấp 5 V có khả năng điều khiển động cơ có encoder Thiết bị này có thể dò tìm thông số của hệ thống, từ đó đưa ra các chuẩn đoán về các hệ số điều khiển của động cơ.
Raspberry Pi được kết nối với Driver điều khiển DC Servo PID MSD_Em, trong đó các chân PUL1, PUL2, PUL3 được kết nối với GPIO 12, GPIO 13, và GPIO 18 để điều khiển động cơ 1, 2, và 3.
DIR: Là chân đảo chiều với 2 giá trị 0 và 1: 0 quay cùng chiều kim đồng hồ , 1 quay ngược chiều kim đồng hồ
PUL là tín hiệu từ vi điều khiển tới driver điều khiển động cơ Động cơ DC Servo PID MSD_EM hoạt động với nguồn 24V, được kết nối đúng chiều với các chân P+ và P- của driver Động cơ được nối vào các chân L và R, trong khi encoder được kết nối theo thứ tự chân B, A, 5V và GND để cung cấp tín hiệu và nguồn.
Switch: Có chức năng bật tắt khởi động cánh tay
Công tắc hành trình: Đưa tay máy về vị trí home
Van điện: Dùng để hút chân không di chuyển đồ vật
Camera: gửi hình ảnh nhận được đến Raspberry Pi để tiến hành phân tích.
Lựa chọn động cơ
Dựa trên kết quả từ chương 4, tải lớn nhất tác động lên các khớp gắn động cơ được xác định là ζ1max = 8,8875 Nm, ζ2max = 3,5147 Nm và ζ3max = 2,1213 Nm Do đó, cần lựa chọn thiết bị sao cho moment xoắn tối đa lớn hơn 8,8875 Nm.
Hình 5.3: Động cơ 24 V 60 W có gắn hộp số hành tinh và encoder (nguồn Internet)
Hình 5.4: Bản vẽ thiết kế Các thông số của động cơ bao gồm:
• Tốc độ qua giảm tốc: 30 vòng/phút
• Động cơ planet cao cấp, bền bỉ với thời gian Hộp số mạnh mẽ với nhông ăn khớp trong chính xác, giảm tiếng ồn
Kết luận: Động cơ 24 V 60 W có gắn hộp số hành tinh và encoder đáp ứng đủ yêu cầu của đồ án:
• Tốc độ qua giảm tốc: 60 vòng/phút
Công suất 60 W với động cơ planet cao cấp, mang lại độ bền vượt trội theo thời gian Hộp số mạnh mẽ với nhông ăn khớp chính xác giúp giảm thiểu tiếng ồn Lựa chọn driver động cơ linh hoạt và hiệu quả.
Sử dụng động cơ trên cho cả 3 khớp quay.
Lựa chọn driver động cơ
Nhờ sự tiến bộ của công nghệ, các driver hiện nay không chỉ nhận tín hiệu từ vi điều khiển mà còn tích hợp vi xử lý, cho phép điều khiển động cơ như một thiết bị slave với khả năng truyền thông đơn giản.
Luận văn này sử dụng driver PID MSD_EM có tích hợp nhân ARM Coretex- M3 với công nghệ mosfet tiên tiến
Hình 5.5: DC driver PID MSD_EM của CCSmart (nguồn Internet)
Hình 5.6: Sơ đồ đấu chân driver PID MSD_Em
Các thông số kĩ thuật của driver:
• Tần số xung input tối đa: 500 KHz
• Dòng tiêu thụ đối đa: 10 A
• Dòng tiêu thụ nhân xử lí: 150 mA
Lựa chọn vi điều khiển
Hình 5.7: Raspberry Pi 4 (nguồn Internet)
• Broadcom BCM2711, Quad core Cortex-A72 (ARM v8) 64-bit SoC @ 1.5GHz
• 2GB, 4GB hoặc 8GB LPDDR4-3200 SDRAM (tùy thuộc vào kiểu máy)
• Đầu cắm GPIO 40 chân tiêu chuẩn Raspberry Pi
• Khe cắm thẻ nhớ Micro-SD để tải hệ điều hành và lưu trữ dữ liệu
• 5V DC qua đầu nối USB-C (tối thiểu 3A *)
• 5V DC qua đầu cắm GPIO (tối thiểu 3A *)
• Nhiệt độ hoạt động: 0-50 độ C
Hình 5.8: Sơ đồ chân và các cổng giao tiếp của mạch (nguồn Internet)
Trong 40 chân GPIO bao gồm:
• 26 chân GPIO Khi thiết lập là input, GPIO có thể được sử dụng như chân interupt, GPIO 14 & 15 được thiết lập sẵn là chân input
• 2 chân nguồn 5V, 2 chân nguồn 3.3V, 8 chân GND
Hình 5.9: Giá trị điện áp của 40 chân (nguồn Internet) Điện áp
• Các chân inputs và outputs - 3V3(high) và 0V (low)
Cần 3 cặp chân xuất tín hiệu xung điều khiển và chiều quay đến driver
Cần cổng USB để đọc tín hiệu từ camera
Phần cứng có khả năng cài đặt hệ điều hành để kết nối với máy tính qua mạng ROS, đáp ứng nhu cầu điều khiển robot trong thời gian thực Đồng thời, nó cũng truyền tải các giá trị điều khiển và hình ảnh từ camera về máy tính, giúp người dùng dễ dàng giao tiếp và quan sát.
Dựa vào các yêu cầu, tiến hành chọn Raspberry Pi Model B - 4GiB với các thông số kỹ thuật và ưu điểm sau:
• CPU ARM Cortex-A72 lõi tứ 64-bit 1.5GHz (ARM v8, BCM2837)
• RAM 1GB, 2GB hoặc 4GB (LPDDR4)
• Tích hợp Wireless LAN (băng tần kép 802.11 b/g/n/ac)
Lựa chọn thiết bị cho hệ thốn hút chân không
Van xả điện từ hai chiều:
• Dòng định mức: < 150 mA, < 100 mA, < 70 mA
• Tỷ lệ khử khí: < 3s ( thời gian cần thiết cho áp suất không khí từ 300mmHg đến 15mmHg trong thùng 500cc)
• Phạm vi áp suất: 0-350 mmHg
Khả năng bịt kín của sản phẩm được kiểm tra bằng cách thổi phồng sau khi áp suất tăng từ 0 đến 300mmHg trong thùng chứa 500 cc Sau 30 giây ổn định, giá trị áp suất giảm nhỏ hơn 5mmHg/phút, cho thấy hiệu suất giữ áp suất rất tốt.
Hình 5.10: Van xả điện từ hai chiều (nguồn Internet) Máy bơm hút chân không:
Hình 5.11: Máy bơm hút chân không Micro (nguồn Internet)
• Dòng định mức: 1500 mA, 900 mA
• Áp suất tối đa: > 525 mmHg (+701 Kpa) Kín : < 100 mmHg/ phút
Hình 5.12: Giác hút chân không (nguồn Internet)
Bộ giác hút chân không được chế tạo từ kim loại, kết hợp với cốc hút silicone dẻo giúp tăng cường lực hút và giữ chắc chắn các vật thể Hệ thống này được sử dụng cùng với van xả điện tử, ống dẫn khí mềm silicone trắng và bơm hút chân không mini, rất phù hợp cho các mô hình robot và ứng dụng gắp, thả sản phẩm Việc lắp ráp bộ hút chân không và hiểu rõ nguyên lý hoạt động của nó là rất quan trọng trong các ứng dụng này.
Hình 5.14: Hệ thống thực tế (nguồn Internet)
Bộ hút chân không bao gồm các thành phần chính như giác hút chân không, van xả điện tử và máy bơm hút chân không, tất cả được kết nối với nhau qua ống dẫn khí.
Máy bơm hút chân không hoạt động bằng cách liên tục hút khí ra ngoài, với luồng khí được kiểm soát bởi van điện Khi giác hút chân không tiếp xúc với bề mặt cần hút, van điện sẽ đóng lại, cho phép máy tiếp tục loại bỏ lượng khí còn lại bên ngoài.
Khi hết khí vật được cố định chặt vào cốc hút và được vận chuyển đến vị trí yêu cầu
Khi đến vị trí yêu cầu, van điện mở khí đưa vật được đặt tại vị trí yêu cầu.
Stereo Camera
Stereo Camera từ Stereolabs là cảm biến 3D tiên tiến, giúp nhận diện chiều sâu và theo dõi chuyển động, đồng thời tích hợp AI không gian Thiết bị này cho phép các nhà phát triển xây dựng hệ thống thông minh, giúp hiểu rõ hơn về môi trường xung quanh và thực hiện các hành động thông minh.
• Cảm biến có độ sâu
• Phát hiện đối tượng trong không gian
• Khung hoàn toàn bằng nhôm với kiểm soát nhiệt
• Bộ xử lý lõi kép 2.3 GHz hoặc nhanh hơn
Công tắc hành trình
Hình 5.16: Công tắc hành trình (nguồn Internet)
Công tắc hành trình là thiết bị có bánh xe lăn, được sử dụng để giới hạn chuyển động và thực hiện chức năng đóng mở mạch điện Nó được lắp đặt trên hành trình hoạt động của cơ cấu, giúp ngắt hoạt động khi cơ cấu đạt đến một vị trí nhất định Hành trình có thể diễn ra theo dạng tịnh tiến hoặc quay tròn.
• Cường độ dòng điện chịu được có thể lên tới 10A ở điện áp 250V
• Đòn bẩy có con lăn giúp giảm ma sát và kẹt khi hoạt động
• Có 3 tiếp điểm COM, NC và NO (thường đóng và thường mở)
• Đầu ra tiếp điểm có thể hàn hoặc cắm giắc kết nối nhanh
• Khả năng chịu lực tác dụng đầu đòn bẩy tối đa lên tới 1.96N
• Hoạt động được ở nhiệt độ lên tới 80 độ C
• Lỗ bắt vào khung máy có đường kính 3.1mm, dễ dàng sử dụng với các loại bulong M3 thông thường.
Lựa chọn nguồn
Bảng 5.1: Lựa chọn thiết bị
Thiết bị Điện áp Dòng điện tiêu thụ SL Động cơ DC Servo 24 V 10000 mA 3
Bơm hút chân không 24 V 1500 mA 1
Từ Bảng trên ta có dòng tiêu thụ tối đa cho nguồn 5 V là:
I 5V = 25.3 + 3000 + 150.3 + 150 = 3675 mA (25) Dòng tiêu thụ tối đa cho nguồn 24V là:
Tiến hành chọn nguồn tổ ong 12V-5V và nguồn meanwell 24 V-30 A 750 W:
Hình 5.17: Nguồn tổ ong 12 V-5 A (nguồn Internet)
Hình 5.18: Nguồn meanwell 24 V-30 A 750 W (nguồn Internet)
Thiết kế chương trình điều khiển và mô phỏng
Phương trình động học của motor
Ta có các phương trình động học của motor như sau:
𝑑𝑡 Áp dụng biến đổi Laplace ta được:
Từ những phương trình trên ta có hàm truyền:
• Hàm truyền theo vị trí và điện áp:
• Hàm truyền theo vận tốc điện áp:
Các thông số của động cơ:
• Moment quán tính của roto: 𝐽 𝑚 = 0.02215 (Kgm 2 )
• Hằng số ma sát: 𝐷 𝑚 = 0,002953 (Nm/rad)
• Hằng số điện áp cảm ứng: 𝐾 𝑏 = 0.0045 (Vs/rad)
Tìm các thông số cho visual servoing qua xử lý hình ảnh
Tìm tọa độ của vật trên camera:
Hình ảnh được máy tính biểu diễn dưới dạng ma trận, với bức ảnh màu được chia thành ba lớp khác nhau: lớp đỏ, xanh lá và xanh dương Do đó, bức ảnh màu còn được gọi là hình ảnh RGB (Red, Green, Blue).
Hình 6.1: Ví dụ về màu sắc (nguồn Internet)
Trong lớp màu đỏ, các đoá hoa cúc màu đỏ, vàng và hồng nổi bật hơn nhờ gần với tông màu đỏ, trong khi hoa xanh và tím cùng lá lại tối hơn Hoa màu vàng cũng sáng hơn do được tạo thành từ sự pha trộn giữa xanh lá và đỏ Cuối cùng, trong lớp màu xanh, hoa màu xanh, tím và hồng có sắc thái sáng hơn nhờ chứa nhiều sắc tố màu xanh.
Trước khi bắt tay vào lập trình phân loại màu sắc trong hình ảnh, chúng ta cần xem xét một số điều kiện bên ngoài có thể tác động đến quá trình phân loại.
• Ảnh hưởng của ánh sáng môi trường:
Hình 6.2: Màu sắc và độ sáng (nguồn Internet)
Màu cam có thể hiển thị khác nhau dưới các điều kiện ánh sáng khác nhau, ví dụ, khi đặt ngoài trời với độ sáng 100%, giá trị màu là (253, 124, 27), nhưng khi ở trong phòng tối với độ sáng 50%, giá trị màu giảm xuống còn (105, 46, 13), dẫn đến sự sai lệch trong việc phân loại màu sắc Để hiểu rõ hơn về màu sắc, chúng ta có thể sử dụng hệ thống HSB, bao gồm hue (họ màu), saturation (độ bão hòa), và brightness (độ sáng tối), cho phép biểu thị màu sắc dưới dạng tọa độ sắc độ (chromaticity coordinate).
Hình 6.3: Toạ độ sắc độ (Chromaticity coordinate) (nguồn Internet)
Để khắc phục vấn đề về độ sáng và tối của màu sắc, chúng ta sẽ chuyển đổi các giá trị RGB của bức ảnh sang HSB Qua đó, màu sắc sẽ được biểu diễn bằng hai giá trị: tọa độ sắc độ (chromaticity coordinate) và độ sáng tối (brightness).
Chromaticity coordinate được xác định bởi các giá trị X, Y, Z tương ứng với layer đỏ, layer xanh và layer xanh dương Ví dụ này giúp chúng ta hiểu rõ cách mà tọa độ sắc thái có thể giải quyết vấn đề về độ sáng trong môi trường.
Hình 6.4: Ví dụ Chromaticity coordinate (nguồn Internet)
Khi ánh sáng mặt trời chiếu sáng quả táo, màu sắc phản xạ vào mắt ta có giá trị RGB khoảng (0,6, 0,4, 0,3), cho phép chúng ta nhận diện màu đỏ Tuy nhiên, khi có mây che khuất ánh sáng từ mặt trời, giá trị RGB giảm xuống còn (0,3, 0,2, 0,1), làm cho màu sắc trở nên nhạt hơn.
Nếu áp dụng chromaticity coordinate ta sẽ có giá trị của rgb là:
Giá trị chromaticity không thay đổi bất chấp sự thay đổi của giá trị RGB do ánh sáng từ nguồn sáng giảm Vì tổng r + g + b luôn bằng 1, chúng ta chỉ cần hai giá trị r và g để xác định một màu sắc.
Mã hoá gamma là một khái niệm quan trọng trong lịch sử phát triển của tivi, đặc biệt là khi tivi sử dụng ống tia cực âm (Cathode ray tube) để hiển thị hình ảnh Những ống tia cực âm này là thiết bị phi tuyến, nghĩa là đầu ra của chúng không thể được tính toán đơn giản từ đầu vào Do đó, để giải phương trình đầu ra của hệ phi tuyến, người ta thường sử dụng các phương pháp xấp xỉ bằng hệ tuyến tính.
Độ sáng của màn hình tivi (𝐿 𝑡𝑖𝑣𝑖) được tính bằng cách xấp xỉ điện áp đầu vào (V) nhân với giá trị gamma (𝛾), trong đó gamma thường có giá trị là 2,2.
Khi sử dụng một camera để ghi lại một đoạn phim và kết nối với tivi, camera sẽ tiếp nhận độ sáng từ môi trường thực tế và chuyển đổi thông tin này thành tín hiệu điện áp đầu ra.
Và ta sử dụng tín hiệu này truyền vào tivi, ta sẽ có:
Việc áp dụng gamma lên độ sáng môi trường thực tế có thể dẫn đến hiệu ứng màu sắc tương phản kém Để cải thiện tình trạng này, chúng ta cần thực hiện quá trình tuyến tính hóa ngược cho đầu vào L, giúp hệ thống trở nên tuyến tính hơn.
𝐿 𝑡𝑖𝑣𝑖 = 𝐿 Phương pháp chuyển đổi trên trong camera thường được gọi là gamma encoder
Và hình ảnh trước khi được hiển thị sẽ được màn hình chuyển đổi qua gamma decoder hay còn gọi là gamma corrector
Dưới đây là hình ảnh minh hoạ để ta hiểu rõ hơn vấn đề:
Mặc dù công nghệ hiện đại đã thay thế ống tia cực âm trong thiết bị hiển thị, nhưng nhiều thiết bị vẫn mô phỏng theo nguyên lý hoạt động của chúng Do đó, mã hóa gamma (gamma encoder) vẫn tiếp tục được sử dụng trong các ứng dụng ngày nay.
Ảnh hưởng của gamma encoder đến việc xử lý ảnh rất lớn, vì tất cả hình ảnh từ camera đều đã trải qua quá trình này, dẫn đến màu sắc không hoàn toàn phản ánh thực tế.
Hình 6.6 minh họa tác động của gamma encoder đến màu sắc của quả táo Màu sắc ban đầu của quả táo trong môi trường bên ngoài là (0,6 0,4 0,2) Sau khi qua gamma encoder, màu sắc của quả táo được điều chỉnh thành (0,793 0,659 0,481).
Ta có thể thấy chúng khác với giá trị ban đầu mà ta tính được là: 0,6 và 0,4
Tìm chiều sâu của vật:
Điều khiển bằng phương pháp VISUAL SERVOING cho Robot
Trong phần này, nhóm sẽ trình bày các thuật toán áp dụng trong visual servoing, đồng thời tìm ra các thông số chuyển động của camera, vị trí và hình ảnh của vật thể cần thao tác Qua đó, chúng tôi sẽ cung cấp các thông số đầu vào cần thiết cho robot thực hiện chuyển động.
Hình 6.11: Sơ đồ điều khiển vòng kín của robot
Hình 6.12: Lưu đồ giải thuật Các thành phần cơ bản của visual servoing:
Ta có hàm biểu thị độ sai lệch với phương pháp điều khiển bằng visual servoing như sau
• e(t): là sai lệch mà ta cần giảm
• s(m(t),a): là giá trị biểu diễn vị trí hiện tại của vật, m(t) là giá trị ta đo được từ hình ảnh hiển thị trên camera, a là thông số của camera
• s*: là giá trị biểu diễn vị trí của vật mà ta mong muốn
Giải bài toán điều khiển và tìm ra các tham số cần thiết:
Mối quan hệ giữa sai lệch mong muốn e(t) và chuyển động của camera 𝑣 𝑐 (v,𝜔): Đạo hàm s(m(t),a) ta có:
▪ Ls là ma trận Jacobian của hình ảnh
▪ vc là vận tốc chuyển động của camera, nó bao gồm vận tốc v và vận tốc góc
Tương tự ta có đạo hàm của e(t):
• 𝐿 𝑒 = 𝐿 𝑠 do 𝑠 ∗ là một hằng số
Để đạt được độ chính xác, mục tiêu không phải là giảm ngay lập tức sai lệch giữa vị trí mong muốn và vị trí hiện tại của vật mà cần giảm dần sai lệch theo thời gian, vì vậy tham số lambda 𝜆 là cần thiết.
Giả sử ta chỉ muốn giảm thiểu sai lệch 10% cho mỗi lần, khi đó ta có:
Từ biểu thức (39) cho thấy, để tìm ra vận tốc của khâu cuối robot hay nói cách
Ta có thể tính e(t) thông qua biểu thức (33) như sau: s(m(t), a) = {𝑥 = 𝑋/𝑍 = (𝑢 − 𝑐 𝑢 )/𝑓
• X, Y, Z là toạ độ của vật trong không gian 3 chiều.
• u, v lần lượt là giá trị toạ độ vị trí của vật hiện tại được hiển thị trong ảnh
• 𝑢 ∗ , 𝑣 ∗ lần lượt là giá trị toạ độ vị trí của vật mà ta mong muốn được hiển thị trong ảnh
Toạ độ điểm chính (c_u, c_v) trong hình ảnh từ camera đại diện cho tâm của bức ảnh Ví dụ, với một camera cung cấp ảnh có kích thước 800x800 pixel, toạ độ điểm chính sẽ là 400x400.
• f là tiêu cự của ống kính camera
Để xác định các giá trị 𝑢 ∗ và 𝑣 ∗, ta sử dụng các thông số 𝑐 𝑢, 𝑐 𝑣 và f của camera đã thiết lập Việc nhận diện hình ảnh dựa trên màu sắc qua camera và xác định trọng tâm của chúng sẽ giúp chúng ta thu được các giá trị 𝑢 và 𝑣.
Như vậy ta có thể dễ dàng tiến hành việc tính toán e(t)
Tiếp theo để tìm được Le = Ls ta cần phải xác định được 𝑠̇, do đó ta có:
Đạo hàm vị trí của một điểm trong không gian 3 chiều có thể được biểu diễn thông qua vận tốc và vận tốc góc.
Với biểu thức (34) ta có:
Chúng ta đã xác định được ma trận Jacobian của hình ảnh dựa trên các tham số x và y thông qua biểu thức đã trình bày trước đó.
Z là tham số đại diện cho chiều sâu của vật, tức là khoảng cách giữa vật cần thao tác và vị trí của camera trong không gian ba chiều.
Thông qua việc sử dụng camera Stereo, chúng ta có thể truyền vào các tọa độ u và v từ hình ảnh hiển thị của vật thể cần thao tác Sau đó, hệ thống sẽ cung cấp giá trị khoảng cách của vật thể so với camera.
Để thực hiện Visual Servoing cho một vật, cần ít nhất tham số của 3 điểm, vì biểu thức (47) chỉ cho phép biểu diễn ma trận Jacobian hình ảnh của một điểm, từ đó chỉ xác định được vận tốc và vận tốc góc của điểm đó Do đó, việc gộp nhiều ma trận Jacobian thành một ma trận Jacobian tổng hợp là cần thiết.
Với 3 ma trận Jacobian cho 3 điểm được gộp lại ta sẽ có ma trận với kích thước 6x6 Tuy nhiên nếu bài toán cần đến nhiều điểm hơn để có độ chính xác cao khi đó ma trận L sẽ không còn là một ma trận vuông và điều đó dẫn đến việc ta không thể áp dụng biểu thức (5) để tính toán vận tốc cho camera do lúc đó L không còn khả nghịch. Để khắc phục điều này ta sẽ cần một phương pháp thay thế đó là sử dụng ma trận giả nghịch đảo (Pseudo inverse) cho L:
• 𝐿 + : là ma trận giả nghịch đảo (Pseudo inverse) của chuỗi ma trận Jacobian hình ảnh của nhiều điểm.
• 𝐿 𝑇 : là ma trận chuyển vị của chuỗi ma trận Jacobian hình ảnh của nhiều điểm
Ma trận giả nghịch đảo có thể được tính dễ dàng bằng câu lệnh pinv(L) trong matlab
Với các tham số cần thiết để xác định vận tốc và vận tốc góc của khâu cuối tay máy robot và camera, chúng ta có thể truyền giá trị vận tốc đã tính toán cho robot nhằm thực hiện chuyển động hiệu quả.
Thực nghiệm mô phỏng nhận diện màu sắc cho camera với matlab
Khai báo thông tin camera và thiết lập đầu vào:
Trước tiên hết để bắt đầu ta cần phải khai báo thông tin camera sử dụng trên matlab thông qua các câu lệnh sau:
%Xác định camera đầu vào
%Khai báo thông số của Gamma decoder
• hga mma = vision.GammaCorrector(3,'Correction','De-gamma');
% Thiết lập tham số đầu vào của video
Trước tiên để thử nghiệm, ta thiết lập một vòng lặp mà sẽ dừng sau 200 khung hình:
% Lấy hình ảnh từ khung hình hiện tại và lưu vào data
%Áp dụng gamma decoder vào khung hình hiện tại
Trong MATLAB, giá trị của hình ảnh được mặc định biểu diễn dưới dạng kiểu dữ liệu uint8, với khoảng giá trị từ 0 đến 255 Tuy nhiên, khi giá trị hình ảnh nằm ngoài khoảng này, như 0,5, sẽ ảnh hưởng đến các phép toán Do đó, cần chuyển đổi kiểu dữ liệu hình ảnh từ uint8 sang double để đảm bảo tính chính xác trong tính toán.
%Chuyển đổi kiểu dữ liệu của ma trận từ uint8 sang double
• diff_im = im2double(data1);
%Chuyển đổi giá trị RGB của ảnh sang Chromaticity coordinate
Thiết lập tham số cho màu sắc cần nhận dạng:
Để phân loại đối tượng, bước đầu tiên là xác định màu sắc, trong bài viết này, chúng ta sẽ tập trung vào ba màu cơ bản: đỏ, xanh lá và xanh dương Việc khảo sát và xác định giá trị thực tế của màu sắc sẽ giúp loại bỏ những màu sắc tương tự như đỏ, cam và vàng.
Dựa trên kết quả khảo sát, giá trị màu đỏ của khối Rubik trong ma trận r sẽ nằm trong khoảng từ 0,5 trở lên.
Trên ma trận g sẽ có giá trị bé hơn 0,17 Để thực hiện việc này ta có thể sử dụng câu lệnh sau:
Biến diff_imr được gán giá trị phân loại màu đỏ từ hình ảnh Qua các biểu đồ bên dưới, biểu đồ cuối cùng cho thấy các ô rubik màu đỏ hiển thị dưới dạng ô màu trắng, trong khi phần còn lại sẽ là màu đen sau khi tiến hành lượt bỏ.
Hình 6.13: Kiểm tra giá trị tham số cho nhận diện màu đỏ
Chúng tôi đã tiến hành kiểm tra các màu sắc khác trên khối rubik, bao gồm màu xanh lá và xanh dương Kết quả khảo sát cho thấy giá trị của màu xanh lá nằm trong khoảng r0,35.
Hình 6.14: Kiểm tra giá trị tham số cho nhận diện màu xanh dương
Và đối với màu xanh dương giá trị đó sẽ là: r < 0,25 và g
