Điều khiển xe cân bằng hai bánh dùng dsp tms320f28335

• Mô phỏng hệ thống robot 2 bánh tự cân bằng dùng Matlab/Simulink sử dụng các giải thuật: điều khiển LQR, LQR thêm khâu tích phân vị trí,PI kết hợp giải thuật Back stepping,PI kết hợp Ba

Trang 1

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA

_o0o _

NGUYỄN LÝ TUYẾT HƯƠNG

ĐIỀU KHIỂN XE CÂN BẰNG HAI

BÁNH DÙNG DSP TMS320F28335 CHUYÊN NGÀNH: TỰ ĐỘNG HÓA

Niên khóa: 2008

LUẬN VĂN THẠC SĨ

Tp Hồ Chí Minh, tháng 12 năm 2010

BKTP.HCM

Trang 2

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP.HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học: TS NGUYỄN VĨNH HẢO

Trang 3

TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HOÀ XÃ HỘI CHỦ NGHIÃ VIỆT NAM KHOA ĐIỆN – ĐIỆN TỬ Độc Lập - Tự Do - Hạnh Phúc

Tp HCM, ngày tháng năm

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ và tên học viên: NGUYỄN LÝ TUYẾT HƯƠNG Phái: ……NỮ………

Ngày, tháng, năm sinh: 03-06-1966 Nơi sinh: Bến Tre

Chuyên ngành: TỰ ĐỘNG HÓA MSHV: 01508340 1- TÊN ĐỀ TÀI:

ĐIỀU KHIỂN XE CÂN BẰNG HAI BÁNH DÙNG DSP TMS320F28335

2- NHIỆM VỤ LUẬN VĂN:

• Mô hình hóa hệ Robot 2 bánh tự cân bằng

• Mô phỏng hệ thống robot 2 bánh tự cân bằng dùng Matlab/Simulink sử dụng các giải thuật: điều khiển LQR, LQR thêm khâu tích phân vị trí,PI kết hợp giải thuật Back stepping,PI kết hợp Back stepping và mạng thần kinh suy diễn mờ thích nghi ANFIS So sánh kết quả giữa các bộ điều khiển

• Xây dựng bộ lọc Kalman mô hình 3 biến trạng thái để ước lượng giá trị góc nghiêng và vận tốc góc nghiêng trong điều khiển thực đối tượng robot

• Xây dựng bộ điều khiển nhúng cho xe cân bằng 2 bánh sử dụng vi điều khiển thời gian thực TMS320F28335 của Texas Instrument với các giải thuật điều khiển: điều khiển LQR và LQR kết hợp mạng thần kinh suy diễn mờ thích nghi ANFIS

• Đánh giá kết quả dựa trên mô hình thực nghiệm, và so sánh kết quả giữa hai bộ điều khiển

3- NGÀY GIAO NHIỆM VỤ : 02-02-2010

4- NGÀY HOÀN THÀNH NHIỆM VỤ : 10-12-2010

5- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN (Ghi đầy đủ học hàm, học vị ): TS NGUYỄN VĨNH HẢO

Nội dung và đề cương Luận văn thạc sĩ đã được Hội Đồng Chuyên Ngành thông qua

CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN KHOA QL CHUYÊN NGÀNH

(Họ tên và chữ ký) QUẢN LÝ CHUYÊN NGÀNH (Họ tên và chữ ký)

(Họ tên và chữ ký)

TS Nguyễn Vĩnh Hảo GVC.TS Nguyễn Đức Thành PGS.TS Nguyễn Hữu Phúc

Trang 4

Luận văn Thạc sĩ Nguyễn Lý Tuyết Hương

LỜI CẢM ƠN

Xin gởi lời cảm ơn chân thành nhất tới TS Nguyễn Vĩnh Hảo, người đã tận

tình hướng dẫn, chỉ bảo và giúp đỡ tác giả trong suốt thời gian thực hiện luận văn này Và quan trọng hơn hết, TS Nguyễn Vĩnh Hảo là người đã gợi mở cho tác giả một đề tài, một hướng nghiên cứu mới mẻ, độc đáo, có tính ứng dụng cao

Bên cạnh đó tác giả xin chân thành cảm ơn quý thầy cô trong bộ môn Điều Khiển Tự Động đã trang bị cho tác giả những kiến thức quý báu để hoàn thành tốt luận văn này

Lời cảm ơn cuối cùng xin dành cho người thân, bạn bè đã hỗ trợ tác giả trong suốt thời gian thực hiện luận văn Sự giúp đỡ của các bạn về mặt chuyên môn là nguồn động lực không nhỏ cho tác giả trong suốt thời gian qua

Trang 5

TÓM TẮT LUẬN VĂN

Xe cân bằng hai bánh đã được nghiên cứu nhiều trên thế giới vì đặc tính mô hình tóan có tính phi tuyến cao, làm nền tảng cho nhiều thiết kế tự động hóa, theo nhiều giải thuật điều khiển: LQR, điều khiển trượt, điều khiển mờ, điều khiển back stepping; điều khiển mạng thần kinh nhân tạo….Sự phát triển trong việc chế tạo tích hợp mạch điện tử lẫn công nghệ phần mền đã tạo ra các chip vi điều khiển thời gian thực có tốc độ tính tóan và xử lý cao như DSP LMS320F28335 hổ trợ rất mạnh cho việc thiết kế và nhúng các giải thuật điều khiển lý thuyết vào thực tế Luận văn này trình bày đáp ứng mô phỏng các giải thuật điều khiển như LQR, Bacs stepping, mạng thần kinh suy diễn mờ ANFIS và nhúng các giải thuật điều khiển vào mô hình thực xe hai bánh tự cân bằng di chuyển trên các địa hình Trong luận văn này

có trình bày một giải thuật điều khiển mới mang thần kinh suy diễn mờ thích nghi dùng để cập nhật online các trọng số mô hình để đối tượng thích nghi tốt với các tác động tác động bên ngoài không biết và sai số của mô hình tóan Kết quả điều khiển thực minh chứng tính ưu việt của mạng thần kinh suy diễn mờ thich nghi

Trang 6

ABSTRACT

Balanced two-wheeled vehicles have been extensively studied in the world because mathematical modeling characteristic are highly nonlinear, on the basis of many design automation, according to various control algorithms: LQR, sliding mode control, fuzzy control, back stepping control and artificial neural network

…The growth in manufacturing integrated circuits and software technologies have created the real time microcontroller chip having high calculated speed like DSP TMS320F28335,which supported for the design and embedded control algorithms into practice This thesis presents simulation responses of algorithms such as LQR control, back stepping, adaptive neural fuzzy inference system and embedded control algorithms into the seft balancing two wheeled vehicle moving over the terrain This thesis presents a new control algorithm ‘Adaptive neural fuzzy inference system ‘ is used to updates online weights of the object model Real control results demonstrate the superiority of adaptive neural fuzzy inference system

Trang 7

Luận văn Thạc Sĩ Nguyễn Lý Tuyết Hương

MỤC LỤC

Trang

Chương 1: Tổng quan……… 1

1.1 Giới thiệu hệ robot 2 bánh tự cân bằng……… …… … 1

1.2 Tìm hiểu xe hai bánh cân bằng ……… ….… 2

1.3 Các công trình nghiên cứu liên quan ……… .3

1.3.1 JOE – A mobile inverted pendulum……… 3

1.3.2 Nbot và Legway ……… … 3

1.3.3 Balancing robot(Bbot) ……… ……….4

1.3.4 Balibot ……….…….5

1.3.5 Điều khiển xe cân bằng hai bánh dùng tự chỉnh định PID 6

1.3.6 Grepl ……… … 7

1.4 Giới thiệu cấu hình của mô hình xe hai bánh tự cân bằng trong luận văn ……… 8

1.4 1 Phần cứng ……… 9

1.4.2 Mục tiêu của luận văn ……… 10

1.5 Nội Dung luận văn thạc sỹ ……… 12

Chương 2: Xây dựng mô hình tóan hệ thống robot………13

2.1 Động cơ một chiều ……… 13

2.2 Hệ phương trình trạng thái cho xe cân bằng hai bánh ……….… 15

2.3 Khảo sát ảnh đặc tính phi tuyến và nhiễu lên đối tượng …….….25

Chương 3: Cơ sở lý thuyết……….30

3.1 Lý thuyết mạng thần kinh nhân tạo ……… 30

3.1.1 Tế bào thần kinh ……… 31

3.1.2 Phân loại mạng thần kinh nhân tạo ……….34

3.1.3 Các phương pháp huấn luyện mạng thần kinh nhân tạo… 34

3.1.4 Mạng truyền thẳng một lớp……… 36

3.1.5 Mạng truyền thẳng nhiều lớp ……… 38

Trang 8

3.1.6 Cấu trúc mạng hàm cơ sở xuyên tâm………45

3.1.7 Mạng thần kinh suy diễn mờ thích nghi ……….….49

3.2 Phương pháp ổn định Lyapunov ………51

3.3 Phương Pháp điều khiển cuốn chiếu Back stepping ………… 54

3 4 Hệ mờ ………56

3.4.1 Sơ đồ khối ………56

3.4.2 Mờ hóa ………56

3.4.3 Giải mờ ………59

3.5 Cơ sở lý thuyết bộ lọc Kalman ……… 72

3.5.1 Giới thiệu về bộ lọc Kalman ……… ….… 72

3.5.2 Quá trình ước lượng……… … 73

3.5.3 Bản chất xác suất của bộ lọc….……… …… 75

3.5.4 Thuật toán Kalman rời rạc… ……… …… 75

Chương 4: Giải thuật điều khiển cho hệ robot 2 bánh tự cân bằng………….79

4.1 Cấu trúc hệ thống điều khiển……… …… 79

4.2 Mô hình tóan của hệ thống robot ……… …… 79

4.3 Giải thuật điều khiển PI ……… ……… ….… 81

4.4 Giải thuật điều khiển Back stepping ……… ….88

4.5 Giải thuật mạng thần kinh suy diễn mờ thích nghi ANFIS ….… 91

4.6 Sơ đồ giải thuật Backstepping+PI+Neural ….……… 97

Chương 5:Đáp ứng mô hình thực……… 105

5.1 Giới thiệu mô hình robot trong luận văn……… 105

5.2 Thiết kế mô hình robot 2 bánh tự cân bằng………105

5.3 Bộ lọc Kalman………113

5.4 Hệ thống điều khiển nhúng DSP……….……… 118

5.4 Tóm lược chương……….……… 123

Chương 6: Kết quả đạt được và hướng phát triển ……….…124

6.1 Kết quả đạt được………124

6.2 Một số hạn chế……… …125

Trang 9

6.3 Hướng phát triển………126

Phụ lục 1………127 Phụ lục 2………133

Tài liệu tham khảo

Trang 10

Điều khiển cân bằng xe hai bánh dùng bộ điều khiển tín hiệu số DSP TMS320F28335 là một sự nghiên cứu kết hợp tính năng xử lý mạnh, mền dẻo, tốc

độ xử lý cao, có khả năng xử lý dấu chấm động giúp cải thiện khả năng tính tóan trên số thực, đây là một trong những ưu điểm rất lớn tạo tiền đề cho việc nhúng các giải thuật điều khiển hiện đại của con DSP vào việc kiểm sóat khống chế, điều khiển, ổn định các hệ thống thực tế

Mục tiêu cuối cùng của đề tài này là điều khiển xe hai bánh tự xử lý các tình huống phát sinh để tự cân bằng theo chương trình điều khiển.Thông qua đề tài, chúng ta sẽ được giới thiệu công nghệ xử lý tín hiệu số IC DSP, các cảm biến dùng trong hệ thống cân bằng như gyroscope IDG-500, ADXL 202

Mô hình là chiếc xe có hai bánh được đặt dọc trục với nhau (khác với xe đạp là trục của hai bánh xe song song) Trên mô hình sử dụng các cảm biến để đo góc nghiêng của thân xe, vận tốc quay của sàn xe quanh trục bánh và vận tốc di chuyển của xe Nhờ các cảm biến này và chương trình điều khiển ( điều khiển LQR kết hợp mạng ANFIS) mà xe có thể tự giữ cân bằng và di chuyển.Với cấu trúc này, trọng tâm của mô hình phải luôn nằm trong vùng đỡ của bánh xe để có thể cân bằng khi

di chuyển ở mọi bề mặt địa hình từ đơn giản đến phức tạp

1.2 Tìm hiểu xe hai bánh cân bằng :

Đối với các xe ba và bốn bánh, việc thăng bằng và ổn định của chúng là nhờ trọng tâm nằm trong mặt phẳng chân đế do các bánh xe tạo ra Còn đối với xe hai

Trang 11

Nguyên lý: Xe nghiêng về phía trước, xe sẽ chạy về phía trước Còn khi xe nghiêng

về phía sau thì xe sẽ chạy về sau Î Để đứng yên, xe chạy cùng với hướng nghiêng

Do đặc điểm trọng tâm nên xe ba hoặc bốn bánh sẽ không ổn định dễ bị ngã nếu trọng lượng đặt nhiều vào bánh lái hoặc mất khả năng bám khi đặt nhiều vào bánh đuôi Nó có thể di chuyển tốt trên địa hình phẳng nhưng không thể di chuyển lên xuống trên địa hình lồi lõm (mặt phẳng nghiêng ): mất khả năng bám khi lên dốc và

có thể lật úp khi khi xuống dốc

Hình 1.2: Trạng thái xe ba bánh ở các địa hình

Ngược lại, xe hai bánh đồng trục lại thăng bằng rất linh động khi di chuyển

Hình 1.3: Trạng thái xe hai bánh trên mặt phẳng nghiêng

Trang 12

1.3 Các công trình nghiên cứu liên quan:

1.3.1Nghiên cứu ở phòng thí nghiệm điện tử công nghiệp (Thụy sĩ )

Hình 1.4: JOE

Điều khiển xe cân bằng dùng DSP trên căn bản con lắc ngược với trọng lượng gán ở

hệ thống giả lập như con người Hệ điều khiển trạng thái tuyến tính có biến trạng thái là thông tin cảm biến từ gyros và encoder motor.(Grasser al.2002)

Giải thuật điều khiển : phương pháp đặt cực trên các biến trạng thái mô tả hệ thống

1.3.2 Nbot và Legway

Đáp ứng của hệ thống

Trang 13

Giải thuật điều khiển:

Giải thuật sử dụng hai khối điều khiển PD: một khối PD điều khiển vị trí bánh

xe, một khối PD điều khiển góc nghiêng robot Tổng hai khối điều khiển PD này dùng để điều khiển hệ cân bằng xe robot hai bánh

1.3.3 Balancing robot(Bbot):

Carnegie Mellon dưới sự trợ giúp của GS.Chris Atkeson đã thực hiện đề tài robot

Giải Thuật Điều Khiển

Trang 14

Hệ thống gồm gia tốc kế ADXL 202 và mạch con quay hồi chuyển.Vi mạch điều khiển dùng trên robot này là BasicX24, có nhiều tính năng: được dùng như bộ điều khiển động cơ, COM1 được nối với PC, COM3 thì nối với bộ điều khiển servo Mini SSC12 và nó còn là bộ CPU chính điều khiển cân bằng xe

1.3.4.BaliBot:

Balibot, một robot hai bánh tự cân bằng, là một trong các mẫu đầu tiên về robot hai bánh có trọng tâm phía trên các bánh xe Khi hệ thống điều khiển không họat động, robot sẽ bị ngã Khi robot có nhận biết hướng mà nó sắp ngã, các bánh

xe sẽ di chuyển về phía ngã và thẳng góc với chính nó

Hệ thống sử dụng cảm biến góc nghiêng ,gia tốc kế Motorola MMA260, vi điều khiển là PIC 16F876 PIC tích hợp một bộ biền đổi A/D nhiều kênh để đo cảm biến góc nghiêng Nguồn điện được đặt gần đỉnh và họat động như trọng lượng của con lắc ngược

Một phiên bản khác của Balibot sử dụng các cảm biến hồng ngọai để đo

khỏang cách thay vì dùng các cảm biến đo góc

Trang 16

1.3.6 Grepl ( sách Engineering Mecahnics,Vol.16,2009)

Hình 1.9 Mô hình điều khiển dùng Matlab Real Time Toolbox

Thuật tóan điều khiển là LQR trong simulink

Hình 1.10 Điều khiển LQR

Việc nối giữa máy tính và mô hình bằng card MF 624 và dùng Real Time Toolbox for matlab với động lực (driver) tương ứng Dữ liệu cảm biến (encoder và

Trang 17

CHƯƠNG 1 Tổng Quan

CBHD : TS Nguyễn Vĩnh Hảo HVTH : Nguyễn Lý Tuyết Hương

8

-cặp accelerometer) được đọc bằng encoder built-in và các kênh analog Động

cơ DC được điều khiển bằng bộ biến đổi điều rộng xung (PWM) với điện tử công suất

1.4 Giới thiệu cấu hình của mô hình xe hai bánh tự cân bằng(Luận văn) :

DMOS bằng phương pháp điều rộng xung

Trang 18

accelerometer

Encoder 1 Encoder 2

Điều khiển động cơ A3949LBT

Hình 1.12 : Sơ Đồ Khối Mô Hình Xe Cân Bằng Hai Bánh

Động cơ 2

Trang 19

10

CN9100, CN9200 là các socket chân ra của con DSP TMS320F28335

1.4.2) Mục tiêu của luận văn:

Accelerometer

AD 202

Giao tiếp nối tiếp USB Encoder 1

Encoder 2

PWM động cơ 2 PWM động cơ 1

Bluetooth C

Trang 20

Dựa vào các tìm hiểu trên, luận văn này trình bày hệ điều khiển robot hai bánh theo một hệ thống điều khiển hai vòng thích nghi căn bản trên back stepping

và mạng nơron mờ(FNN) được thiết kế Vòng trong dùng bộ điều khiển PI để điều khiển gia tốc góc bánh xe, vòng ngòai dùng điều khiển back stepping, đảm bảo sự

ổn định và sai số góc tiến về không Mạng nơron mờ dùng để xấp xỉ hàm phi tuyến không biết trong mỗi bước thiết kế

- Tích phân vị trí

- Back stepping

Trang 21

12

Dựa vào khả năng tính tóan mạnh mẽ của vi điều khiển thời gian thực DSP TMS320F28335, luận văn này trình bày cách giải quyết bài tóan trên cơ sở lý thuyết điều khiển phi tuyến: điều khiển back stepping và mạng thần kinh fuzzy và nhúng giải thuật điều khiển vào mô hình phần cứng dùng vi điều khiển DSP TMS320F28335

1.5) Nội Dung Luận Văn Thạc Sỹ :

Luận văn gồm các chương chính như sau:

Chương 1: Giới thiệu tổng quát về hệ thống robot hai bánh tự cân bằng, một

số nghiên cứu trên thế giới về robot hai bánh, các giải thuật đã ứng dụng và hướng giải thuật của luận văn

Chương2: Cơ sở lý thuyết dẫn đến mô hình toán của hệ thống robot áp dụng cho luận văn

Chương 3: Cơ sở lý thuyết điều khiển bao gồm mạng thần kinh nhân tạo, điều khiển back stepping, lý thuyết ổn định Lyapunov làm nền tảng cho giải thuật điều khiển của luận văn

Chương 4: Giải thuật điều khiển back stepping kết hợp neural fuzzy, mô phỏng đáp ứng của hệ thống theo giải thuật điều khiển

Chương 5: Đáp ứng thực của hệ thống So sánh kết quả thực nghiệm và lý thuyết Đánh giá kết quả

Trang 22

CHƯƠNG 2 Xây dựng mô hình toán hệ thống robot

13

CHƯƠNG 2: XÂY DỰNG MÔ HÌNH HỆ THỐNG

Robot phải được mô tả bởi một mô hình tóan học tạo thuận tiện trong việc

phát triển một hệ thống điều khiển robot cân bằng Sau đây chúng ta sẽ đi sâu vào

chi tiết việc xây dựng hệ phương trình trạng thái cho xe cân bằng hai bánh và motor

DC

2.1) Động Cơ một chiều ( Động cơ DC tuyến tính ):

Xe cân bằng hai bánh được truyền động bởi motor DC, trong đó có mối liên

hệ giữa và điện áp DC cung cấp và momen quay

Trang 23

trục, áp dụng định luật Newton cho chuyển động quay, ta có phương trình cân bằng

momen trên trục động cơ, ta có :

dt

dIk

k k

Cả hai phương trình trên là hàm tuyến tính theo dòng và tốc độ theo sai phân

thời gian Xấp xỉ sai phân dòng điện i, ta được :

m R

e m

I

V R I

k R I

k k dt

− +

ω

−

=

Đặt biến trạng thái như sau: θ là thông số góc quay (vị trí ), ω là vận tốc quay

Ta được hệ phương trình biến trạng thái biểu diễn động cơ DC như sau:

Trang 24

2.2) Hệ Phương Trình Trạng Thái cho xe cân bằng hai bánh:

Hai bánh xe lắc ngược mặc dù phức tạp hơn trong hệ thống động lực nhưng

nó tương đồng với hệ con lắc ngược trên xe Hai bánh con lắc ngược được phân tích

tách biệt giai đoạn đầu nhưng cuối cùng hai phương trình của chuyển động đó hòan

tòan mô tả các hành vi của robot cân bằng Robot có thể bị ảnh hưởng bởi nhiễu

cũng như momen xoắn từ động cơ, do đó để sát thực tế mô hình tóan phải bao gồm

cả các đại lượng này

Trang 25

α : gia tốc góc của trục (rad/s2)

=

w e m

R

k R

k k dt

d

Thay vào phương trình (2.13) , ta có:

r H V R

k R

k k

w e m w

a

m w e m

I V Rr

k R

k k

w a

m w e m

r

I V R

k R

k k x

*Cho bánh xe phải:

R w

w a

m w e m

r

I V R

k R

k k x

Bởi vì chuyển động tuyến tính tác động trên tâm bánh xe nên góc quay có thể

đựợc biến đổi thành chuyển động tuyến tính như sau:

r

x x

Trang 26

17

r

x x

m

r

I V Rr

k x Rr

k k x

*Cho bánh xe phải:

a m e

m

r

I V Rr

k x Rr

k k x

k k x r

I

Từ đây ta có sơ đồ tương đương như sau:

Hình 2.3: Sơ đồ lực tác động khung xe robot

Trang 27

18

-Lần nữa, áp dụng định luật newton’s cho chuyển động, ta có tổng lực tác

dụng theo phương ngang:

x M l

M l

M H

Hl+ R) − p θpcos θp+ p θ p sin θp = p

Từ đó,

x M l

M l

M H

p p p p p R l p R

L p R

Momen xoắn tác dụng vào con lắc từ motor được định nghĩa từ phương trình

(5.15) sau khi được tuyến tính hóa:

a m e

m R

R

k r

x R

k k C

C + = −2 +2

Thay vào phương trình (5.26), ta được:

p p a m e

m p

R L p R

R

k x Rr

k k l

P P l

L p R

R

k x Rr

k k l

P P l

p p p p

a m e

m

R

k x Rr

k k

I θ− 2 + 2 + sin θ + 2 θ = − cos θ

(2.22)

Trang 28

19

-p p p p p p p a m e

m w

Rr

k x Rr

k k x r

p p

a m e

m p p

R

k x Rr

k k l

p p p e

m p

w w a

Rr

kkxMr

IMV

Rr

k

θθ

−θθ++

++

Sau đây, ta sẽ tìm biểu diễn hệ phương trình tuyến tính khi góc dao động nhỏ

k x Rr

k k l

I M V

Rr

k

p e

m p

w w a

m

2 2

2

)

Cuối cùng, hệ phương trình trạng thái tuyến tính của hệ xe hai bánh cân bằng

quanh điểm cân bằng:

Trang 29

20

l:khoảng cách tâm bánh xe và trọng tâm robot

r:bán kính bánh xe

được:

φ

= φ

− +

− θ

R

k x Rr

k k l

M

p p

IMV

Rr

k

p p

p e

m p

w w a

2 2

22

p p e

Rr

kmp

lMl

MxRr

kkx

Trang 30

2

3

2 1

Rr k

V (M *l*cos r * B ) M *g *l* B *sin Rr

R *r

km Mp*l* sin *A *V (A Mp*l*r *cos )

R *r (Mp*l) *g *sin *cos

A

B A

3

5 6 1 B

B A

A − * ;

Trang 31

5 3 7

biểu diễn robot mới: (phần chứng minh ở Phụ Lục I)

B A r

Z B

B A A r

Z B

B A A

r

A M

r R

ke km A

M r R

ke km A

r

A M

r R

ke km A

M r R

ke km A

0 1

0 0

0 2 3

6 6 2

2 3

4 6 2 2

2 3

4 6 2

0

24 2

2

22 2

2 22

0

24 2

2

22 2

2 22

0 7

3 5 4 4

0 0

2

3 3

1 6 2

4 3

2 6

2

21 2

22

2

21 2

22

A

B A r f r f

Var

Val

Z

A B

B A Z

A B

B A

M r R

km r

B M

r R

km r

B

M r R

km r

B M

r R

km r

B

* )

* ( )

* (

)

*

* (

)

*

* (

)

*

* (

)

*

* (

Với:

Trang 32

23

-} ) cos

*

* (

* {

2 1

1

2 5 4 22

A r R

r ke km l

Mp A ke km Z

A

A B B A

2

3 1

1 1

6 24

) cos

*

* (

A l M Z

B A

p

) cos

*

* (

* {

r km l Mp A km Z

A

A B B B

B

p

3 1

1 1

1

3 5 1 22 21

2

2 2

3 1 7

5 5 4

) cos

*

* (

*

sin

* cos

=

l M B A

g l M A

B A

f

p p

)

*

* (

r

I r M D

Ipdel r

β

−

+ α

− +

− α

− +

− α

− + +

α

− +

Var

Val

r R

r l Mp km r

R

r l M km

M r R

km r

R

r l M l M I km M

r R

km r

R

r l M l M I

km

M r R

km r

R

r l M l M I km M

r R

km r

R

r l M l M I

km

p

p p

p p p p

p p

0 0

2 2

2

2 2

2

2 2

* ( )

* (

* ( )

*

(

Trang 33

l M I r l M ke

Ipdel r

+

= 2 2

Trang 34

25

-2 3) Khảo Sát Đặc tính của hệ thống Robot:

Mô hình hệ robot hai bánh:

Trang 35

=1 ở ngõ ra vận tốc góc bánh trái và bánh phải

nghiêng, vận tốc bánh xe, khi góc đặt θ

ban đầu = 0 , không nhiễu

Trang 36

Trang 37

Trang 38

29

Nhận xét: Dù không có tín hiệu điều khiển vào nhưng robot sẽ ngã về góc

nghiêng theta = pi ( hoặc – pi) khi góc đặt theta ban dầu khác zero

Trang 39

CHƯƠNG 3 Cơ sở lý thuyết điều khiển

Bộ não con người là hệ thống xử lý thông tin phức hợp, phi tuyến và song

song có khả năng học, ghi nhớ, tổng quát hóa và xử lý lỗi Bộ não con người gồm

học có cấu tạo như hình 3.2b, mỗi tế bào thần kinh sinh học gồm ba thành phần

chính là thân tế bào (soma), một hệ thống hình cây các đầu dây thần kinh vào (dendrite) và một trục (axon) dẫn đến đầu dây thần kinh ra, tại đầu của các dây thần

kinh có các khớp thần kinh (synapse) để kết nối với các tế bào thần kinh khác Mỗi

Tín hiệu truyền trong các dây thần kinh vào và dây thần kinh ra của các tế

bào thần kinh là tín hiệu điện phát sinh thông qua các quá trình phản ứng và giải

phóng các chất hữu cơ Các chất này được phát ra từ các khớp nối dẫn đến các dây

thần kinh vào sẽ làm tăng hay giảm điện thế của nhân tế bào Khi điện thế này đạt

đến một ngưỡng nào đó, sẽ tạo ra một xung điện dẫn đến trục dây thần kinh ra

Xung này được truyền theo trục, tới các nhánh rẽ khi chạm tới các khớp nối với các

tế bào thần kinh khác sẽ giải phóng các chất truyền điện Quá trình lan truyền tín

hiệu cứ tiếp tục như vậy cho đến khi đến đầu ra cuối cùng

Mạng thần kinh nhân tạo là mô hình tóan học đơn giản của bộ não con

ngừơi, bản chất mạng thần kinh là mạng tính tóan phân bố song song Trái với các

mô h́nh tính tóan thông thường, hầu hết các mạng thần kinh phải được huấn luyện

trước khi sử dụng Các nghiên cứu về mạng thần kinh nhân tạo đã bắt đầu từ thập

niên 1940 Năm 1944, McCulloch và Pitts công bố công trình nghiên cứu về liên kết

của các tế bào thần kinh Năm 1949, Hebb công bố nghiên cứu về tính thích nghi

của mạng thần kinh Cuối những năm 1950, Rosenblatt đưa ra mạng Perceptron

Nghiên cứu về mạng thần kinh chỉ phát triển mạnh từ sau những năm 1980 sau giai

đọan thóai trào từ năm 1969, khi Minsky và Papert chỉ ra một số khuyết điểm của

Trang 40

CHƯƠNG 3 Cơ sở lý thuyết điều khiển

mạng Perceptron Năm 1985, mạng Hopfield ra đời và sau đó một năm là mạng lan

truyền ngược Đến nay đã có rất nhiều cấu hình mạng và các thuật toán huấn luyện

tương ứng được công bố để giải quyết các bài toán khác nhau

Phần này trình bày cơ bản về tế bào thần kinh, cấu trúc và thuật toán huấn

luyện các loại mạng thần kinh sử dụng phổ biến trong lĩnh vực điều khiển

3.1.1 Tế bào thần kinh:

Mạng thần kinh nhân tạo có thể xem như mô hình toán học đơn giản của bộ

não con người Mạng thần kinh nhân tạo gồm các tế bào thần kinh kết nối với nhau

bởi các liên kết Mỗi liên kết kèm theo một trọng số, đặc trưng cho đặc tính kích

thích hay ức chế giữa các tế bào thần kinh

Hình 3.1 – Tế bào thần kinh nhân tạo

Mỗi tế bào thần kinh được nối với các tế bào thần kinh khác và nhận các tín

Quá trình xử lý thông tin của tế bào thần kinh có thể chia thành hai phần: xử

lý ở ngõ vào và xử lý ở ngõ ra Hàm xử lý ở ngõ vào là hàm tổng có dạng như sau:

Hàm tuyến tính ( linear function):

j j j

Định dạng
Số trang	148
Dung lượng	2,53 MB