Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.

vn/
i

ĐẠI HỌC THÁI NGUYÊN

TRƢỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP
–––––––––––––––––

MẪN XUÂN HẢI

NGHIÊN CỨU THIẾT KẾ HỆ THỐNG ĐIỀU

KHIỂN XE HAI BÁNH TỰ CÂN BẰNG

Chuyên ngành: Kỹ thuật điều khiển và tự động hóa

LUẬN VĂN THẠC SỸ KỸ THUẬT

Thái Nguyên, năm 2014

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
ii

LỜI CAM ĐOAN

Tên tôi là: Mẫn Xuân Hải

Sinh ngày 03 tháng 11 năm 1988

Học viên lớp cao học khoá 14 - Tự động hoá - Trƣờng Đại học Kỹ thuật

Công nghiệp Thái Nguyên.

Hiện đang công tác tại Công ty Cổ phần Đầu tƣ Bất động sản Hapulico.

Tôi xin cam đoan: đề tài “Nghiên cứu thiết kế hệ thống điều khiển xe hai bánh
tự cân bằng” do thầy giáo, TS. Nguyễn Duy Cƣơng hƣớng dẫn là công trình nghiên cứu
của riêng tôi. Tất cả các tài liệu tham khảo đều có nguồn gốc, xuất xứ rõ ràng.

Tác giả xin cam đoan tất cả những nội dung trong luận văn đúng nhƣ nội
dung trong đề cƣơng và yêu cầu của thầy giáo hƣớng dẫn. Nếu sai tôi hoàn toàn
chịu trách nhiệm trƣớc Hội đồng khoa học và trƣớc pháp luật.

Thái Nguyên, ngày tháng năm 2014

Tác giả luận văn

Mẫn Xuân Hải

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
iii

LỜI CẢM ƠN

Sau sáu tháng nghiên cứu, làm việc khẩn trƣơng, đƣợc sự động viên, giúp đỡ
và hƣớng dẫn tận tình của thầy giáo hƣớng dẫn TS. Nguyễn Duy Cƣơng, luận văn
với đề tài “Nghiên cứu thiết kế hệ thống điều khiển xe hai bánh tự cân bằng”
đã hoàn thành.

Tác giả xin bày tỏ lòng biết ơn sâu sắc đến:

Thầy giáo hƣớng dẫn TS. Nguyễn Duy Cƣơng đã tận tình chỉ dẫn, giúp đỡ
tác giả hoàn thành luận văn này.

Khoa đào tạo Sau đại học, các thầy giáo, cô giáo thuộc bộ môn Kỹ thuật điện
- Khoa Điện, phòng thí nghiệm Khoa Điện tử - Trƣờng Đại học Kỹ thuật Công
nghiệp Thái Nguyên đã giúp đỡ tác giả trong suốt quá trình học tập cũng nhƣ quá
trình nghiên cứu thực hiện luận văn.

Toàn thể các đồng nghiệp, bạn bè, gia đình và ngƣời thân đã quan tâm, động
viên, giúp đỡ tác giả trong suốt quá trình học tập và hoàn thành bản luận văn.

Tác giả luận văn

Mẫn Xuân Hải

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
iv

LỜI CẢM ƠN
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
v

MỤC LỤC

CHƢƠNG I. GIỚI THIỆU .................................................................................................... 1

1.1 Tại sao phải thiết kế xe hai bánh tự cân bằng [1] ............................................................ 1
1.2 Nguyên lýcân bằng của xe hai bánh (two wheels self balancing) [1].............................. 2
1.3 Ƣu nhƣợc điểm của xe hai bánh tự cân bằng [1] ............................................................ 3
1.3.1 Ƣu điểm của xe hai bánh tự cân bằng ........................................................................... 3
1.3.2 Nhƣợc điểm của xe hai bánh tự cân bằng ..................................................................... 4
1.4 Các khó khăn khi thiết kế bộ điều khiển cho xe hai bánh tự cân bằng. ........................... 4
1.4.1 Tính phi tuyến, khả năng giữ thăng bằng và hiện tƣợng xen kênh ............................... 5
1.4.2 Bất định mô hình [2] ..................................................................................................... 5
1.5 Tình hình nghiên cứu trong và ngoài nƣớc ...................................................................... 5
1.5.1 Một số dạng xe hai bánh tự cân bằng dùng trên robot .................................................. 6
1.5.1.1 nBot [3] ...................................................................................................................... 6
1.5.1.2 Balance bot I [4] ........................................................................................................ 7
1.5.1.3 Balancing robot (Bbot [5])......................................................................................... 7
1.5.1.4 JOE [6] ....................................................................................................................... 8
1.5.1.5Loại Robot phục vụ con ngƣời, kiểu rolling phục vụ con ngƣời của hãng TOYOTA 9
1.5.1.6 Segway [7] ............................................................................................................... 10
1.5.1.7 Balancing scooter [9] ............................................................................................... 11
1.5.2 Mô hình toán [10] ....................................................................................................... 12
1.5.3 Chiến lƣợc điều khiển ................................................................................................. 12
1.6 Động lực cho việc sử dụng điều khiểnPID thích nghi trực tiếp dựa trên cơ sở mô hình
mẫu (Model Reference Adaptive Systems MRAS): ............................................................ 14
1.7 Thiết kế hệ thống điều khiển? Nhiệm vụ của tác giả? ................................................... 15
Kết luận Chƣơng I ............................................................................................................... 16
Chƣơng II: MÔ HÌNH TOÁN HỌC .................................................................................... 17
Kết luận Chƣơng II .............................................................................................................. 23
Chƣơng III: THIẾT KẾ VÀ MÔ PHỎNG BỘ ĐIỀU KHIỂN PID THÍCH NGHI TRỰC
TIẾP DỰA TRÊN CƠ SỞ MÔ HÌNH MẪU ĐỂ ĐIỀU KHIỂN XE HAI BÁNH TỰ CÂN
BẰNG .................................................................................................................................. 24
3.1 Lý thuyết điều khiển thích nghi theo mô hình mẫu MRAS ........................................... 24
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
vi

3.1.1 Lịch sử phát triển của hệ điều khiển thích nghi .......................................................... 24
3.1.2 Khái quát về hệ điều khiển thích nghi ........................................................................ 26
3.1.3 Cơ chế thích nghi – thiết kế bộ điều khiển thích nghi dựa vào luật MIT: .................. 32
.................... 51
......................................................................................................... 52
3.3.1 Tính toán thông số cho bộ điều khiển PID ................................................................. 52
3.3.2 Tính toán thông số cho bộ điều khiển PID thích nghi ................................................ 53
3.4 Mô phỏng hệ thống ........................................................................................................ 55
Kết luận Chƣơng III ............................................................................................................. 60
......................................................................................... 61
4.1 Giới thiệu hệ thống xe hai bánh tự cân bằng ................................................................. 61
4.3 Cấu trúc điều khiển hệ thống ......................................................................................... 64
4.4 Sơ đồ điều khiển và các kết quả thực nghiệm ............................................................... 64
KẾT LUẬN – ĐÁNH GIÁ .................................................................................................. 67
TÀI LIỆU THAM KHẢO ................................................................................................... 68
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
vii

DANH MỤC HÌNH VẼ

Hình 1.1: Trạng thái xe hai bánh đồng trục khi di chuyển trên địa hình bằng phẳng, dốc[1]2
Hình 1.2: Mô tả nguyên lý giữ thăng bằng [1] ...................................................................... 2
Hình 1.3: Mô tả cách bắt đầu di chuyển [1]........................................................................... 3
Hình 1.4: nBot [3] .................................................................................................................. 6
Hình 1.5: Balance-bot [4] ...................................................................................................... 7
Hình 1.6: Balancing robot [5] ................................................................................................ 8
Hình 1.7: Hình chụp JOE [6] ................................................................................................. 9
Hình 1.8:Loại robot, kiểu Rolling của TOYOTA ................................................................ 10
Hình 1.9: Segway [7] ........................................................................................................... 11
Hình 1.10: Xe 2 bánh tự cân bằng của Trevor Blackwell [9] .............................................. 12
Hình 2.1: Sơ đồ tự do của các bánh ..................................................................................... 18
Hình 2.2: Sơ đồ tự do của khung ......................................................................................... 20
Hình 3.1a: Hệ thích nghi tham số ........................................................................................ 30
Hình 3.1b: Hệ thích nghi tín hiệu ........................................................................................ 30
Hình 3.2: Điều khiển ở cấp 1 và cấp 2 ................................................................................ 32
Hình 3.3: Mô hình đối tƣợng và mô hình mẫu .................................................................... 33
Hình 3.4a: Sự thay đổi tham số bp dẫn tới sự thay đổi đáp ứng đầu ra................................ 34
Hình 3.4b: Đáp ứng đầu ra của đối tƣợng (Yp), đáp ứng mô hình mẫu (Yp1) và sai lệch hai
đáp ứng đầu ra (e) khi thay đổi tham số bp. ......................................................................... 35
Hình 3.5a: Bộ điều khiển thích nghi dựa vào luật MIT theo tham số Kb. ........................... 35
Hình 3.5b: Kết quả việc thích nghi dựa vào luật MIT theo tham số Kb. ............................. 36
Hình 3.6: Kết quả việc thích nghi của Ka và Kb .................................................................. 38
Hình 3.7: Việc chỉnh định của Ka và Kb với tốcđộ cao hơn của bộ thích nghi .................... 39
Hình 3.8: Tính phi tuyến trong hệ thống điều khiển thích nghi. ......................................... 40
Hình 3.9a: Hệ thống thích nghi đƣợc thiết kế theo phƣơng pháp ổn định Liapunov. ......... 47
Hình 3.9.b: Đáp ứng đầu ra của mô hình mẫu (Ym), mô hình đối tƣợng (Yp), .................... 48
sai lệch (e), và tham số chỉnh định (Ka, Kb)......................................................................... 48
Hình 3.9.c: Hệ thống thích nghi đƣợc thiết kế theo phƣơng pháp ổn định Liapunov có bổ
xung khâu tỷ lệ. .................................................................................................................... 49
Hình 3.9.d: Các đáp ứng nhận đƣợc khi tham số Ka, Kbbổ xung khâu tỷlệ......................... 50
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
viii

Hình 3.10: Cấu trúc xe hai bánh tự cân bằng với PID thƣờng............................................. 51
2 kênh ........... 52
.................... 56
Hình 3.13: Kết quả mô phỏng với PID thƣờng khi không có nhiễu .................................... 56
Hình 3.14: Kết quả mô phỏng với PID thƣờng khi có nhiễu ............................................... 57
........................................ 57
........ 58
................... 58
1 cho góc nghiêng .................. 59
2 cho độ di chuyển ................. 59
Hình 4.1. Mô hình thực nghiệm ........................................................................................... 61
.................................................................................................... 62
4.3: Một số hình ảnh phần cứng. ................................................................................ 63
4.4: C ........................................................................ 64
Hình 4.5: Tín hiệu góc nhận về khi sử dụng và không sử dụng bộ lọc Kalman .................. 65
4.6: Tín hiệu đặt và tín hiệu phản hồi. ........................................................................ 65
 1

CHƢƠNG I. GIỚI THIỆU

1.1 Tại sao phải thiết kế xe hai bánh tự cân bằng [1]

Với những robot di động, chúng thƣờng đƣợc chế tạovới ba bánh: hai bánh lái
đƣợc lắp ráp đồng trục và một bánh đuôi nhỏ. Có nhiều loại khác nhau nhƣng đây là
kiểu thông dụng nhất. Còn đối với các xe 4 bánh, thƣờng một đầu xe có hai bánh
truyền động và đầu xe còn lại đƣợc gắn một hoặc hai bánh lái.

Việc thiết kế ba hay bốn bánh làm cho xe/ robot di động đƣợc thăng bằng ổn
định nhờ trọng lƣợng của nó đƣợc chia cho hai bánh lái chính và bánh đuôi, hay bất
kỳ cái gì khác để đỡ trọng lƣợng của xe. Nếu trọng lƣợng đƣợc đặt nhiều vào bánh
lái thì xe/robot sẽ không ổn định dễ bị ngã, còn nếu đặt nhiều vào bánh đuôi thì hai
bánh chính sẽ mất khả năng bám.

Nhiều thiết kế xe/robot có thể di chuyển tốt trên địa hình phẳng, nhƣng không
thể di chuyển lên xuống trên địa hình lồi lõm (mặt phẳng nghiêng). Khi di chuyển
lên đồi, trọng lƣợng xe/robot dồn vào đuôi xe làm bánh lái mất khả năng bám và
trƣợt ngã, đối với những bậc thang, thậm chí nó dừng hoạt động và chỉ quay tròn
bánh xe. Khi di chuyển xuống đồi, sự việc còn tệ hơn, trọng tâm thay đổi về phía
trƣớc và thậm chí làm xe/robot bị lật úp khi di chuyển trên bậc thang. Hình 1.1trạng
thái xe ba bánh khi di chuyển với độ dốc 20o.

Ngƣợc lại, các xe dạng hai bánh đồng trục lại thăng bằng rất linh động khi di
chuyển trên địa hình phức tạp, mặc dù bản thân là một hệ thống không ổn định. Khi
nó leo sƣờn dốc, nó tự động nghiêng ra trƣớc và giữ cho trọng lƣợng dồn về hai
bánh lái chính. Tƣơng tự vậy, khi bƣớc xuống dốc, nó nghiêng ra sau và giữ trọng
tâm rơi vào các bánh lái. Chính vì vậy, không bao giờ có hiện tƣợng trọng tâm của
xe rơi ra ngoài vùng đỡ của các bánh xe để có thể gây ra sự lật úp.
 2

Hình 1.1: Trạng thái xe hai bánh đồng trục khi di chuyển trên địa hình bằng phẳng,
dốc[1]

Đối với những địa hình lồi lõm và những ứng dụng thực tế, sự thăng bằng của xe
hai bánh có thể sẽ mang lại nhiều ý nghĩa thực tiễn trong giới hạn ổn định hơn là đối
với xe ba bánh truyền thống.

1.2 Nguyên lýcân bằng của xe hai bánh (two wheels self balancing) [1]

Hình 1.2: Mô tả nguyên lý giữ thăng bằng [1]

Đối với các xe ba hay bốn bánh, việc thăng bằng và ổn định của chúng là nhờ
trọng tâm của chúng nằm trong bề mặt chân đế do các bánh xe tạo ra. Đối với các
xe 2 bánh có cấu trúc nhƣ xe đạp, việc thăng bằng khi không di chuyển là hoàn toàn
không thể, vì việc thăng bằng của xe dựa trên tính chất con quay hồi chuyển ở hai
bánh xe khi đang quay. Còn đối với xe hai bánh tự cân bằng, là loại xe chỉ có hai
 3

bánh với trục của hai bánh xe trùng nhau, để cho xe cân bằng, trọng tâm của xe (bao
gồm cả ngƣời sử dụng chúng) cần đƣợc giữ nằm ngay giữa các bánh xe. Điều này
giống nhƣ ta giữmột cây gậy dựng thẳng đứng cân bằng trong lòng bàn tay.

Thực ra, trọng tâm của toàn bộ xe hai bánh không đƣợc biết nằm ở vị trí nào,
cũng không có cách nào tìm ra nó, và có thể không có khả năng di chuyển bánh xe
đủ nhanh để giữ nó luôn ở dƣới toàn bộ trọng tâm.

Về mặt kỹ thuật, góc giữa sàn xe hai bánh và chiều trọng lực có thể biết đƣợc.
Do vậy, thay vì tìm cách xác định trọng tâm nằm giữa các bánh xe, tay lái cần đƣợc
giữthẳng đứng, vuông góc với sàn xe (góc cân bằng khi ấy là zero).

Hình 1.3: Mô tả cách bắt đầu di chuyển [1]

Nếu tay lái đƣợc đẩy hơi nghiêng tới trƣớc, xe hai bánh sẽ chạy tới trƣớc và khi
nó đƣợc đẩy nghiêng ra sau, xe hai bánh sẽ chạy lùi. Đây là một phân tích lý tính.
Hầu hết mọi ngƣời đều có thể kiểm soát tay lái trong vòng vài giây để giữ lấy nó.

Để dừng lại, chỉ cần kéo trọng tâm xe nghiêng ngƣợc hƣớng đang di chuyển thì
tốc độ xe giảm xuống. Do tốc độ cảm nhận và phản ứng thăng bằng của mỗi ngƣời
là khác nhau, nên xe hai bánh tự cân bằng chỉ đƣợc thiết kế cho một ngƣời sử dụng.

1.3 Ƣu nhƣợc điểm của xe hai bánh tự cân bằng [1]

1.3.1 Ưu điểm của xe hai bánh tự cân bằng

- Không ô nhiễm, sử dụng bình điện, và có thể sạc điện.

- Sử dụng không gian hiệu quả, đa năng (sử dụng trong nhà và ngoài phố).
 4

- Dễ dàng lái xuống đƣờng, dừng lại và trò chuyện với bạn bè. Xe hai bánh tự
cân bằng này khác hẳn với các loại xe đạp hay xe đẩy bình thƣờng, vì chúng dễ kéo
đẩy và không gây khó khăn khi dừng lại.

- Khá dễ để lái vòng quanh trong văn phòng, chạy ngang qua cửa ra vào do tốc
độ thấp. Ngoài ra, nó còn có thể xuống các bậc thềm/ bậc thang thấp.

- Chiếm ít diện tích (chỉ hơn một con ngƣời) nên nó không gây tắt nghẽn giao
thông nhƣ các loại xe bốn bánh. Nhƣ một phƣơng tiện vận chuyển trên vỉa hè, nó
cho phép di chuyển trong nơi đông đúc, và hoàn toàn có thể đi trên lòng đƣờng.

- Giá thành thấp hơn so với xe hơi.

- Cuốn hút ngƣời sử dụng cũng nhƣ mọi ngƣời xung quanh vì hình dáng kỳ lạ của
nó, phá vỡ các hình ảnh thƣờng thấy về các phƣơng tiện giao thông của con ngƣời.

1.3.2 Nhược điểm của xe hai bánh tự cân bằng

- Không thể thƣ giãn và khá mệt khi lái do phải đứng trong khi điều khiển. Vì
đứng trên mặt sàn rung (do động cơ gây ra) và cứng làm chân mỏi. Do luôn giữ tƣ
thế thẳng đứng để trọng lƣợng cơ thể đặt ở trọng tâm và đôi lúc gặp những đoạn
đƣờng xấu khiến cơ thể ngƣời điều khiển mệt mỏi.

- Không thể làm các việc khác khi đứng trên xe hai bánh này, chẳng hạn vừa đi
vừa nghe điện thoại, hoặc vừa uống nƣớc.

- Xe hai bánh không đủ nhanh để đi đƣờng trƣờng và không đủ an toàn để lên

xuống lề đƣờng.

- Không thể vận chuyển hai ngƣời trên cùng một xe.

- Không thể leo bậc thang có chiều cao quá ½ bán kính bánh xe.

1.4 Các khó khăn khi thiết kế bộ điều khiển cho xe hai bánh tự cân bằng.

Thiết kế các bộ điều khiển thời gian thực thích ứng và phù hợp đòi hỏi mô hình
toán học hệ thống có độ chính xác cao. Tuy nhiên với hệ thống nhƣ xe hai bánh có
tính phi tuyến bậc cao, độ giữ thăng bằng kém, đặc biệt là hiện tƣợng xen kênh giữa
 5

các đầu vào và các đầu ra thì điều này là hết sức phức tạp khi muốn điều khiển xe
hai bánh di chuyển nhanh, ổn định và chính xác đến các vị trí mong muốn.

1.4.1 Tính phi tuyến, khả năng giữ thăng bằng và hiện tượng xen kênh

Xe hai bánh là một hệ phi tuyến nhiều đầu vào nhiều đầu ra và có hiện tƣợng
xen kênh rõ rệt, hiện tƣợng xen kênh đƣợc quan sát giữa sự hoạt động của các động
cơ, mỗi động cơ đều ảnh hƣởng đến cả hai vị trí và góc nghiêng của xe. Đồng thời
động học không ổn định là thuộc tính của xe hai bánh tự cân bằng. Do vậy việc thiết
kế bộ điều khiển phải quan tâm tới các vấn đề trên và đó là những thách thức chính
khi thực hiện điều khiển xe hai bánh tự cân bằng.

1.4.2 Bất định mô hình [2]

Trong thực tế, các hệ thống điều khiển chuyển động luôn luôn hoạt động với bất
định mô hình. Tính bất định là không có thông tin, có thể không đƣợc mô tả và đo
lƣờng. Tính bất định mô hình có thể bao gồm bất định tham số và các động học
không mô hình. Nhƣ đã giải thích trong [8], bất định tham số có thể do tải biến đổi,
các khối lƣợng và các quán tính ít biết đến, hoặc không rõ và các thông số ma sát
biến đổi chậm theo thời gian, vv. Trong lý thuyết điều khiển, bất định mô hình đƣợc
xem xét từ quan điểm của mô hình hệ thống vật lý. Các động học không mô hình và
bất định tham số có ảnh hƣởng tiêu cực đến hiệu suất bám và thậm chí có thể dẫn
đến không ổn định.

1.5 Tình hình nghiên cứu trong và ngoài nƣớc

Hiện nay chƣa có thông tin cụ thể nào về việc chế tạo xe hai bánh tự cân bằng ở Việt
Nam. Nhƣng trên thế giới, ở một vài nƣớc, các kỹ thuật viên và một số sinh viên đã
nghiên cứu vàcho ra đời các dạng xe hai bánh nhƣ thế. Đồng thời để giữ ổn định cho xe,
đã có nhiều nghiên cứu với các thuật toán điều khiển khác nhau đƣợc đƣa ra.
 6

1.5.1 Một số dạng xe hai bánh tự cân bằng dùng trên robot

1.5.1.1 nBot [3]

Hình 1.4: nBot [3]

nBot do David P. Anderson sáng chế. nBot đƣợc lấy ý tƣởng để cân bằng nhƣ
sau: các bánh xe sẽ phải chạy xe theo hƣớng mà phần trên robot sắp ngã. Nếu bánh
xe có thể đƣợc lái theo cách đứng vững theo trọng tâm robot, robot sẽ vẫn đƣợc giữ
cân bằng. Trong thực tế, điều này đòi hỏi hai cảm biến thông tin phản hồi: cảm biến
góc nghiêng để đo góc nghiêng của robot với trọng lực, và encoder trên bánh xe để
đo vị trí cơ bản của robot. Bốn thông số ngõ vào để xác định hoạt động và vị trí của
xe con lắc ngƣợc cân bằng là: 1) góc nghiêng; 2) đạo hàm của góc nghiêng, vận tốc
góc; 3) vị trí bánh xe; 4) đạo hàm vị trí bánh, vận tốc bánh xe.

Bốn giá trị đo lƣờng đƣợc cộng lại và phản hồi tới điện áp động cơ, tƣơng
ứng với momen quay, cân bằng, và bộ phận lái robot.
 7

1.5.1.2 Balance bot I [4]

Balance-bot I (do Sanghyuk, Hàn Quốc thực hiện) là một robot hai bánh tự cân
bằng bằng cách kiểm soát thông tin phản hồi. Hệ thống cao 50cm. Khung chính
đƣợc làm bằng nhôm. Nó có hai trục bánh xe nối với hộp giảm tốc và động cơ DC
cho sự phát động. Tổng cộng có ba bộ vi xử lý Atmel đƣợc sử dụng. Vi điều khiển
chính (master) thi hành những nguyên lý kiểm soát và thuật toán ƣớc lƣợng. Một vi
điều khiển khác kiểm soát tất cả cảm biến analog. Vi điều khiển thứ ba điều khiển
động cơ DC.

Linear quadratic regulator (LQR) đƣợc thiết kế và thực thi mạch điều khiển. Nó có
bốn giá trị khác nhau – góc nghiêng, vận tốc góc nghiêng, góc quay bánh xe, và vận
tốc góc quay, sau đó nó tạo lệnh cho động cơ DC để điều chỉnh tốc độ bánh xe.

Hình 1.5: Balance-bot [4]

1.5.1.3 Balancing robot (Bbot [5])

Vào năm 2003, Jack Wu và Jim Bai là những sinh viên trƣờng Đại học Carnegie
Mellondƣới sự trợ giúp của GS. Chris Atkeson đã thực hiện đề tài robot hai bánh tự
cân bằng nhƣ luận văn tốt nghiệp. Robot này có thể xác định vị trí hƣớng của nó đối
với môi trƣờng và lái động cơ theo hƣớng này.
 8

Để đo góc nghiêng của robot, các sinh viên này đã sử dụng hệ thống đo lƣờng
góc 2DOF đƣợc tích hợp sẵn của hãng Rotomotion. Hệ thống này gồm gia tốc kế
ADXL202 và mạch con quay hồi chuyển. Vi mạch điều khiển dùng trên robot
này là BasicX 24, có nhiều tính năng khác nhau. Nó đƣợc dùng nhƣ bộ điều
khiển động cơ, COM1 đƣợc nối với Pocket PC và COM3 thì nối với bộ điều
khiển servo Mini SSC 12. Nó còn đƣợc sử dụng nhƣ CPU chính cho việc điều
khiển thăng bằng cho robot.

Hình 1.6: Balancing robot [5]

1.5.1.4 JOE [6]

Phòng thí nghiệm điện tử công nghiệp của Viện Công nghệ Federal, Lausanne,
Thụy Sĩ, đã tạo ra cuộc cách mạng đầu tiên khi xây dựng mô hình xe hai bánh.
Robot JOE cao 65cm, nặng 12kg, tốc độ tối đa khoảng 1,5m/s, có khả năng leo dốc
nghiêng đến 30o. Nguồn điện cấp là nguồn pin 32V khả năng 1,8Ah.

Hình dạng của nó gồm hai bánh xe trục, mỗi bánh gắn với một động cơ DC,
chiếc xe này có thể chuyển động xoay theo hình U. Hệ thống điều khiển đƣợc lắp từ
hai bộ điều khiển state-space tách rời nhau, kiểm soát động cơ để giữ cân bằng cho
hệ thống. Những thông tin về trạng thái của JOE đƣợc cung cấp bởi hai encoder
quang và vận tốc của con quay hồi chuyển.
 9

JOE đƣợc điều khiển bởi một bộ điều khiển từ xa R/C thƣờng đƣợc sử dụng để
điều khiển các máy bay mô hình. Bộ điều khiển trung tâm và xử lý tín hiệu là một
board xử lý tín hiệu số (DSP) đƣợc phát triển bởi chính nhóm và của viện
Federal, có khả năng xử lý dấu chấm động (SHARC floating point), FPGA
XILINC, 12 bộ biến đổi A/D 12bit và 4 bộ biến đổi D/A 10bit.

Hình 1.7: Hình chụp JOE [6]

1.5.1.5Loại Robot phục vụ con người, kiểu rolling phục vụ con người của hãng
TOYOTA

Đây là một trong những loại robot có công dụng phục vụ cho con ngƣời do
hãng TOYOTA thiết kế. Nó cao 100cm và nặng 35kg. Mẫu robot này có khả
năng di chuyển nhanh mà không chiếm một không gian lớn, đồng thời đôi tay
của nó có thể làm nhiều công việc khác nhau, chủ yếu đƣợc dùng làm trợ lý
trong công nghiệp.
 10

Hình 1.8:Loại robot, kiểu Rolling của TOYOTA

1.5.1.6 Segway [7]

Không giống nhƣ một chiếc xe hơi, Segway chỉ có hai bánh – trông nó nhƣ một
chiếc xe đẩy bằng tay thông thƣờng – nó còn kiểm soát hoạt động ở tƣ thế thẳng đứng.

Để di chuyển đến trƣớc hay lùi ra sau, ngƣời lái đứng trên Segway chỉ việc hơi
nghiêng về phía trƣớc hay phía sau. Để quẹo trái hay phải, ngƣời lái quay tay lái
qua phải hƣớng ra trƣớc hay ra sau.

Hoạt động cân bằng ở Segway là một điều thú vị nhất, đó là chiếc chìa khóa của
quá trình hoạt động. Xem xét về mô hình Karmen về thăng bằng của cơ thể
ngƣời để hiểu hệ thống làm việc nhƣ thế nào. Nếu ta đứng và nghiêng ngƣời về
phía trƣớc, không còn thăng bằng, bạn sẽ ngã về trƣớc. Bộ não biết rằng bạn
không còn thăng bằng nữa, bởi vì chất dịch trong tai trong dao động, nên nó
truyền tín hiệu ra lệnh cho chân bạn đặt lên phía trƣớc và bạn lấy lại thăng
bằng. Nếu bạn giữ mình trong trạng thái nghiêng về trƣớc, bộ não điều khiển
chân bạn đặt lên trƣớc và giữ bạn đứng thẳng.
 11

Thay vì ngã, bạn bƣớc đến trƣớc.

Hình 1.9: Segway [7]

Điều cơ bản nhất, Segway là sự kết hợp của một dãy các cảm biến, một hệ
thống kiểm soát và một hệ thống động cơ.

Hệ thống cảm biến chủ yếu là sự kết hợp các con quay hồi chuyển (gyroscope).

1.5.1.7 Balancing scooter [9]

Trevor Blackwell chế tạo ra xe scooter dựa theo Segway của hãng Mỹ. Xe
scooter tự cân bằng này đƣợc xây dựng từ những bộ phận giống động cơ xe lăn và
từ các cục pin xe RC. Những bộ phận và module để chế tạo có giá thành thấp hơn
phân nửa Segway. Nó không cần phần mềm thực thi cao hay phức tạp. Phiên bản
đầu tiên đƣợc viết trong Python và sử dụng port số để truyền thông tin đến con quay
hồi chuyển và mạch điều khiển động cơ. Xe đƣợc sử dụng vi điều khiển 8-bit từ
Atmel, chạy trên code C với một số điểm trôi. Nó gởi những lệnh kiểm soát tốc độ
ra port serial khoảng 9600 baud trong ASCII đối với bộ phận lái động cơ, có giá
10USD do Digikey tạo. Một con quay hồi chuyển ceramic và gia tốc kế hai trục để
điều chỉnh hƣớng chính xác, cùng hoạt động với vi mạch điều khiển Atmel, với giá
149USD do Rotomotion tạo ra.
 12

Hình 1.10: Xe 2 bánh tự cân bằng của Trevor Blackwell [9]

1.5.2 Mô hình toán [10]

Mô hình toán của hệ thống đƣợc đƣa ra nhằm thiết kế bộ điều khiển. Rất nhiều
nghiên cứu áp dụng hệ phƣơng trình Lagrange để xây dựng mô hình toán. Mặt khác,
mô hình toán nhận đƣợc từ định luật Newton trong một vài nghiên cứu nhƣ [11].
Các trạng thái của hệ thống đƣợc xác định nhƣ độ dịch chuyển tuyến tính và tốc độ
tuyến tính theo hƣớng dọc, góc và tốc độ góc liên quan đến động học nâng (pitch)
[11]. Cũng nhƣ vậy, góc quay và tốc độ góc quay đƣợc xem xét trong nghiên cứu
[12]. Mô hình toán mô tả hệ thống thực. Bởi vậy, các thông số hệ thống nhƣ quán
tính là quan trọng để tạo ra mô hình chính xác hơn. Quán tính của hệ thống đƣợc
xác định bằng tính toán nhƣ trong [13] hoặc kiểm nghiệm nhƣ trong [14].

1.5.3 Chiến lược điều khiển

Thiết kế bộ điều khiển là phần quan trong của hệ thống. Độ ổn định đƣợc
thỏa mãn bởi bộ điều khiển. Mặc dù hệ thống này là phi tuyến cao, các bộ điều
 13

khiển tuyến tính nói chung đƣợc áp dụng cho hệ thống sau khi hệ thống đƣợc tuyến
tính hóa bởi vì đã giảm bớt đƣợc mức độ phức tạp. Tuy nhiên, các bộ điều khiển phi
tuyến cũng đã đƣợc thực hiện trong [15]. Hầu hết các nghiên cứu tập trung vào điều
khiển tự cân bằng. Bên cạnh điều khiển tự cân bằng, các bộ điều khiển đƣợc sử
dụng cho điều khiển bám trong một vài nghiên cứu [16]. Bám theo tín hiệu vào đạt
đƣợc ở đây. Động học quay (yaw) đƣợc xem xét cho điều khiển bám quỹ đạo trong
[17]. Cũng nhƣ vậy, nhiều nghiên cứu về điều khiển cần lái lien quan đến chuyển
động quay (yaw) trong [15]. Nhiều dạng thuật toán điều khiển tuyến tính đƣợc
nghiên cứu cho hệ thống này. Một trong số các bộ điều khiển là thuật toán PID nhƣ
trong [18]. Thuật toán này dễ dàng đƣợc thực hiện. Hơn nữa, bộ điều khiển PD
đƣợc sử dụng [19]. Lý do không sử dụng thông số tích phân “I” đƣợc đƣa ra trong
[19] khi cần lƣợng lớn công suất xử lý. Thuật toán điều khiển chung khác là LQR
mà phụ thuộc vào tiếp cận bộ điều khiển phản hồi trạng thái. Nó đƣợc thiết kế và
thực hiện trong [14]. Bộ điều khiển phản hồi trạng thái tạo ra hệ thống bền vững. Bộ
quan sát đƣợc sử dụng để ƣớc lƣợng các trạng thái trong [16]. Phƣơng pháp đặt cực
đƣợc sử dụng trong [11]. Các phƣơng pháp H2 và H∞ lần lƣợt đƣợc sử dụng trong
[20]. Các phƣơng pháp khác đƣợc thực hiện là điều khiển mờ nhƣ trong [16] và
điều khiển thích nghi trong [12]. Mục đích chính là ổn định góc nâng (pitch angle)
cho hệ thống. Bởi vậy, dữ liệu cần thiết phải đƣợc lấy từ các sensors. Các sensors
chính của hệ thống là gia tốc kế và con quay hồi chuyển lần lƣợt đo góc và tốc độ
góc của khung. Hầu hết các nghiên cứu, [22] sử dụng cả hai sensors này cùng nhau.
Tuy nhiên, gai tốc kế tồn tại nhiễu và con quay hồi chuyển gây ra độ trôi. Bởi vậy,
hai sensors này đƣợc kết hợp với bộ lọc bù nhằm có đƣợc thông tin chính xác hơn
trong [22]. Bộ lọc Kalman đƣợc sử dụng cho việc kết hợp con quay hồi chuyển và
thiết bị đo độ nghiêng [23]. Cũng nhƣ vậy, các bộ cảm biến hiện đại nhƣ các bộ đo
quán tính bao gồm cả con quay hồi chuyển và gia tốc kế đƣợc sử dụng trong [11].
Những bộ này đƣa ra dữ liệu đã đƣợc lọc. Các nghiên cứu mà chỉ sử dụng gia tốc kế
hoặc con quay hồi chuyển cũng tồn tại. Con quay hồi chuyển đƣợc sử dụng riêng lẻ
[24] trong khi gia tốc kế đƣợc sử dụng trong [13]. Cũng có các cảm biến khác nhau
 14

để đo góc ngiêng thay vì sử dụng gia tốc kế. Thiết bị đo độ nghiêng xác định đƣợc
góc nâng (pitch) trong [20]. Cũng vậy, góc nghiêng đạt đƣợc từ các cảm biến dải
hồng ngoại trong [21]. Encoder đo độ dịch chuyển tuyến tính của hệ thống và tốc độ
tuyến tính cũng đạt đƣợc bằng các encoders [14]. Tất cả các xử lý đƣợc thực hiện
bằng bộ điều khiển tích hợp. Các bộ vi điều khiển đƣợc sản xuất bởi Microchip và
Atmel đƣợc sử dụng trong nhiều nghiên cứu [13]. Card DSP đƣợc sử dụng cho các
ứng dụng thời gian thực nhƣ trong [17]. Bên cạnh DSP, FPGA đƣợc sử dụng nhƣ
bộ điều khiển phần cứng của các hệ thống trong [11]. Hơn nữa các máy tính dạng
PC104 đƣợc ứng dụng cho điều khiển thời gian thực với mã Matlab và đƣợc sử
dụng trong [25]. Hầu hết phần mềm yêu thích thực hiện cho hệ thống là Matlab.
Các mô phỏng đƣợc thực hiện trong Matlab/ Simulink [25]. Các hệ số bộ điều khiển
đƣợc xác định trong môi trƣờng Matlab [26]. Bên cạnh Matlab, các chƣơng trình
điều khiển đƣợc viết trên C và ngôn ngữ Assembly lần lƣợt trong [27] và [28].

1.6 Động lực cho việc sử dụng điều khiểnPID thích nghi trực tiếp dựa trên cơ
sở mô hình mẫu (Model Reference Adaptive Systems MRAS):

Các hệ thống điều khiển chuyển động có thể là khá phức tạp vì nhiều yếu tố
khác nhau phải đƣợc xem xét trong thiết kế. Rất khó để tìm ra các phƣơng pháp
thiết kế mà xem xét tất cả những yếu tố nhƣ: Giảm ảnh hƣởng của nhiễu, các biến
đổi thông số đối tƣợng, giữ thằng bằng, hiện tƣợng xen kênh... Không có giải pháp
duy nhất nào cho các bài toán điều khiển khác nhau. Một số phƣơng pháp có thể
hấp dẫn hơn cho các bài toán điều khiển nhất định, trong khi những phƣơng pháp
khác cũng có thể đƣợc chấp nhận. Với xe hai bánh tự cân bằng, là một hệ thống
MIMO không ổn định, phi tuyến và xen kênh rất mạnh, việc điều khiển gặp rất
nhiều khó khăn để có thể giữ đƣợc thăng bằng cho xe, đặc biệt khi trọng tâm của xe
là không xác định. Đã có nhiều bài báo nghiên cứu nhằm điều khiển hệ thống này
tuy nhiên các bộ điều khiển cổ điển đều không đạt kết quả nhƣ mong muốn. Do vậy,
bộ điều khiển tiên tiến đã đƣợc giới thiệu. Tiếp cận điều khiển tiên tiến đƣợc thảo
luận trong luận văn này là PID thích nghi trực tiếp dựa trên cơ sở mô hình mẫu
(MRAS). Bộ điều khiển đƣợc thiết kế để loại bỏ hiện tƣợng xen kênh, nhiễu,giữ
 15

thăng bằng cho hệ thống. Giải pháp cho phép đồng thời đạt đƣợc độ chính xác điều
khiển, độ ổn định cao.

1.7 Thiết kế hệ thống điều khiển? Nhiệm vụ của tác giả?

Hầu hết các hệ thống điều khiển bản chất vốn đã phi tuyến. Ngƣời ta thƣờng
xấp xỉ chúng nhƣ những mô hình toán học tuyến tính với nhiễu và bất định mô hình,
sau đó sử dụng các phƣơng pháp thiết kế phân tích phát triển cho các hệ thống tuyến
tính. Mục đích của thiết kế kỹ thuật điều khiển là để có đƣợc cấu hình, thông số kỹ
thuật, và xác định các thông số quan trọng của một hệ thống đã cho để đáp ứng yêu
cầu thực tế. Các thông số kỹ thuật làm việc là một tập hợp rõ ràng các yêu cầu đƣợc
thỏa mãn bởi thiết bị hoặc sản phẩm. Nói chung, các thông số kỹ thuật cho các hệ
thống cụ thể là cơ sở cho việc sử dụng phƣơng pháp thiết kế điều khiển. Với các
phƣơng pháp điều khiển cổ điển, hệ thống điều khiển đƣợc mô tả bằng mối quan hệ
đầu vào - đầu ra, hoặc hàm truyền. Khi sử dụng các phƣơng pháp đáp ứng tần số,
các nhà thiết kế muốn thay đổi hệ thống sao cho đáp ứng tần số của hệ thống thiết
kế sẽ thỏa mãn các chi tiết kỹ thuật. Khi sử dụng các phƣơng pháp quỹ đạo nghiệm,
các nhà thiết kế muốn thay đổi và định dạng lại các quỹ đạo nghiệm sao cho các
nghiệm của hệ thống thu đƣợc sẽ nằm ở vị trí mong muốn trong mặt phẳng - s.
Thiết kế điều khiển dựa trên phƣơng pháp truyền thống về nguyên tắc bị giới hạn về
các hệ thống bất biến theo thời gian tuyến tính.

Nếu các thông số kỹ thuật làm việc đƣợc cho trƣớc nhƣ các chỉ số hiệu suất
thay vì các biến trạng thái, thì tiếp cận điều khiển hiện đại nên đƣợc sử dụng. Các
thông số kỹ thuật có thể bao gồm các đặc điểm nhƣ năng lƣợng tiêu tán bởi hệ
thống, và các nỗ lực điều khiển yêu cầu. Đối với một hệ thống vật lý các chỉ số này
luôn bị hạn chế. Trong thiết kế điều khiển hiện đại, hệ thống đƣợc điều khiển đƣợc
mô tả trong không gian trạng thái hay mô hình đầu vào-đầu ra và các phƣơng pháp
điều khiển triển chủ yếu trong miền thời gian. Bằng cách sử dụng các phƣơng pháp
điều khiển hiện đại, các nhà thiết kế điều khiển có thể bắt đầu từ chỉ số hiệu suất,
cùng với những hạn chế đối với hệ thống để tạo ra một hệ thống ổn định. Thiết kế
 16

thông qua lý thuyết điều khiển hiện đại sử dụng các công thức toán học của bài toán
và áp dụng lý thuyết toán học vào bài toán thiết kế trong đó hệ thống có thể có
nhiều đầu vào và nhiều đầu ra và có thể biến đổi theo thời gian. Điều này cho phép
các nhà thiết kế tạo ra một hệ thống mà tối ƣu các chỉ số hiệu suất. Một khi các
thông số làm việc và mô hình đối tƣợng thích hợp đƣợc xác định, thiết kế thực tế
cho hệ thống điều khiển có thể đƣợc thành lập. Có rất nhiều phƣơng pháp điều
khiển để thiết kế hệ thống. Tuy nhiên, các phƣơng pháp thích hợp hơn đƣợc lựa
chọn dựa trên các thông số làm việc, mô hình đối tƣợng, kiến thức và kinh nghiệm
của các nhà thiết kế. Và thƣờng đƣợc mong muốn là: (1) hệ thống đƣợc thiết kế sẽ
cho ra sai số nhỏ nhất có thể để đáp ứng đầu vào tham chiếu mong muốn, (2) Động
học hệ thống không quá nhạy cảm với những thay đổi của các thông số hệ thống, và
(3) những ảnh hƣởng của nhiễu quá trình nên đƣợc giảm thiểu.

Với mục tiêu Thiết kế, Điều khiển PID thích nghi cho hệ thống xe hai bánh tự
cân bằng, tác giả cần tiến hành các bƣớc sau: 1- Thiết lập mô hình toán học cho hệ
thống xe hai bánh tự cân bằng; 2 - Dựa trên mô hình toán nhận đƣợc lựa chọn cấu
trúc điều khiển phù hợp đó là PID thích nghi trực tiếp dựa trên cơ sở mô hình
mẫu(MRAS) đồng thời tính toán đƣợc thông số của các bộ điều khiển; 3 - Kết quả
tính toán thiết kế đƣợc kiểm chứng và hiệu chỉnh thông qua mô phỏng; 4 - Triển
khai thực nghiệm, hiệu chỉnh thông số trên hệ thống thực, so sánh đánh giá kết quả
mô phỏng và kết quả thực nghiệm.

Kết luận Chƣơng I

Tác giả đã giới thiệu đƣợc xe hai bánh tự cân bằng, trình bày nguyên lý cân
bằng và di chuyển của xe. Các vấn đề khi thiết kế bộ điều khiển cho xe đƣợc đƣa ra
và động lực cho việc sử dụng điều khiển PID thích nghi trực tiếp dựa trên cơ sở mô
hình mẫu (Model Reference Adaptive Systems MRAS).
 17

Chƣơng II. MÔ HÌNH TOÁN HỌC

Mô hình toán học [23]

Động học của robot đƣợc mô tả bởi mô hình toán học nhằm giúp cho việc
phát triển hệ thống điều khiển dễ dàng hơn cho robot cân bằng. Trong phần này, các
phƣơng trình chuyển động của xe hai đƣợc đƣa ra chi tiết.

Các ký hiệu sẽ đƣợc sử dụng trong việc xây dựng mô hình toán học

Ký hiệu Đại lượng

x Độ dịch chuyển (m)
x Tốc độ dịch chuyển (m/s)
 Góc nghiêng (rad)

 Tốc độ góc (rad/s)

Va Điện áp (V)
km Hằng số momen quay động cơ
ke Hằng số sức phản điện động
R Điện trở danh định
l Khoảng cách giữa trọng tâm bánh xe và trọng tâm
robot
g Gia tốc trọng trƣờng
Mp Khối lƣợng khung
r Bán kính bánh xe
Ip Momen quán tính của khung
Iw Momen quán tính của bánh xe
Mw Khối lƣợng của bánh xe kết nối với hai phía của robot
HL, HR, PL, PR Các lực giữa bánh xe và khung
CL, CR Moomen quay từ động cơ truyền ra bánh xe
HfL, HfR Các lực ma sát giữa các bánh xe và đất
 18

Xe hai bánh tự cân bằng hoạt động tƣơng tự con lắc trên xe kéo. Động học
bánh và con lắc đƣợc phân tích riêng lẻ từ ban đầu, nhƣng điều này sẽ dẫn tới hai
phƣơng trình chuyển động mà mô tả hoàn toàn hoạt động của robot cân bằng

Khi hoạt động của robot có thể bị ảnh hƣởng bởi nhiễu cũng nhƣ momen
quay từ động cơ, mô hình toán sẽ phải bao gồm các lực này. Đầu tiên, các phƣơng
trình chuyển động của các bánh xe bên phải và bên trái đƣợc xây dựng. Bởi vì các
phƣơng trình này hoàn toàn giống nhau, chỉ phƣơng trình cho bánh xe bên phải
đƣợc đƣa ra.

Hình 2.1: Sơ đồ tự do của các bánh

Sử dụng định luật 2 Newton, tổng các lực theo phƣơng ngang x là

F x  Ma
(2.1)
x  H fR  H R
M w 

Tổng các lực quanh trọng tâm của bánh xe

M 0  I
(2.2)
I w  CR  H fR r

Từ động học động cơ một chiều, momen quay của động cơ có thể đƣợc mô tả nhƣ
 19

d
 m  IR  a (2.3)
dt

Thay thế các thông số từ phần vi phân động cơ một chiều. momen quay đầu ra cho
các bánh là

d   k m ke  k m
C  IR   w  Va (2.4)
dt R R

Bởi vậy, phƣơng trình (2.2) trở thành

km ke  km
I ww   w  Va  H fR r (2.5)
R R

Bởi vậy,

 k m ke  k m I
H fR   w  Va  w w (2.6)
Rr Rr r

Phƣơng trình (2.4) đƣợc thay vào (2.1) để có đƣợc phƣơng trình cho các bánh xe
trái và phải

Bánh xe bên trái

 k m ke  k m I
x
M w   w  Va  w w  H L (2.7)
Rr Rr r

Bánh xe bên phải

 k m ke  k m I
x
M w   w  Va  w w  H R (2.8)
Rr Rr r

Bởi vì chuyển động tuyến tính đƣợc xem xét ở trọng tâm của bánh xe, góc quay có
thể đƣợc biến đổi thành chuyển động tuyến tính bằng biến đổi đơn giản


x
w r  
x  w 
r
x
w r  x  w 
r

Bằng biến đổi tuyến tính, phƣơng trình (2.7) và (2.8) trở thành:
 20

Cho bánh xe bên trái

 k m ke k I
x
M w  2
x  m Va  2w 
x  HL (2.9)
Rr Rr r

Chobánh xe bên phải

 k m ke k I
x
M w  2
x  m Va  2w 
x  HR (2.10)
Rr Rr r

Cộng phƣơng trình (2.9) và (2.10) ta có

Iw 2km ke 2k
2( M w  2
x
)  2
x  m Va  ( H L  H R ) (2.11)
r Rr Rr

Cấu hình của robot có thể đƣợc mô hình nhƣ một con lắc ngƣợc, hình 2.2 chỉ ra sơ
đồ của cấu hình

Hình 2.2: Sơ đồ tự do của khung

 21

Lặp lại, bằng việc sử dụng định luật 2 Newton, tổng các lực theo phƣơng ngang

F x  M p 
x
(2.12)
 H L  H R   M plcos  p  M plp2 sin  p  M p x

bởi vậy,

 H L  H R   M p x  M plcos  p  M plp2 sin  p (2.13)

Tổng các lực vuông góc với con lắc

F xp x cos  p
 M p 
(2.14)
 H L  H R  cos p  ( PL  PR ) sin  p  M p g sin  p  M plp  M p x cos  p

Tổng momen quanh trọng tâm của con lắc

M 0  I
(2.15)
  H L  H R  l cos  p  ( PL  PR )l sin  p  (CL  CR )  I pp

Momen quay áp dụng lên con lắc từ động cơ nhƣ đƣợc xác định trong phƣơng trình
(2.4) và sau khi biến đổi tuyến tính là

2km ke x 2km
CL  CR   Va
R r R

Thay thế vào phƣơng trình 2.15 ta có

2km ke x 2km
  H L  H R  l cos  p  ( PL  PR )l sin  p  (  Va )  I pp
R r R

Bởi vậy,

2km ke x 2km
  H L  H R  l cos  p  ( PL  PR )l sin  p  I pp   Va (2.16)
R r R

Nhân phƣơng trình (2.14) với –l

[   H L  H R  l cos  p  ( PL  PR )l sin  p ]+M p gl sin  p  M pl 2p  M plxcos  p

 22

Thay thế phƣơng trình (2.15) vào phƣơng trình (2.16),

2km ke x 2km
I pp   Va  M p gl sin  p  M p l 2p  M plx cos  p (2.17)
R r R

Để loại bỏ  H L  H R  từ động học động cơ, phƣơng trình (2.13) đƣợc thay thế vào

phƣơng trình (2.11),

Iw 2km ke 2k
2( M w  2
x
)  2
x  M plp cos  p  M pl2p sin  (2.18)
x  m Va  M p 
r Rr Rr

Kết hợp phƣơng trình (2.17) và (2.18) đƣa ra hệ phƣơng trình chuyển động phi
tuyến của hệ thống

2k k 2k
( I p  M pl 2 )p  m 2 e x  m Va  M p gl sin  p  M plx cos  p (2.19)
Rr Rr

2km 2I 2k k
x  m 2 e x  M plp cos  p  M pl2p sin 
Va  (2M w  2w  M p )  (2.30)
Rr r Rr

Hai phƣơng trình trên có thể đƣợc tuyến tính hóa bằng giả thiết  p     , với  mô

tả một góc nhỏ từ hƣớng đi lên thẳng đứng. Sự đơn giản này đƣợc sử dụng để tạo ra
một mô hình tuyến tính do đó sử dụng các bộ điều khiển không gian trạng thái
tuyến tính để điều khiển. Bởi vậy

 d p 
2

cos  p  1, sin  p   , và   0

 dt 

Phƣơng trình tuyến tính hóa của chuyển động là,

2k k 2k
( I p  M pl 2 )  m e x  m Va  M p gl sin  p  M plx (2.31)
Rr R

2km 2I 2k k
x  m 2 e x  M pl
Va  (2M w  2w  M p )  (2.32)
Rr r Rr

Để đƣa ra đƣa ra đƣợc hệ phƣơng trình không gian trạng thái, các phƣơng trình
(2.31) và (2.32) đƣợc biến đổi lại
 23

M pl 2k m ke 2k m M p gl
  x
 
x  V   (2.33)
( I p  M pl 2 ) Rr ( I p  M p l 2 ) R( I p  M p l 2 ) ( I p  M pl 2 )
a

2k m 2k m k e M pl
x
 Va  x   (2.34)
2I w 2 I 2 I
Rr (2M w  2  M p ) Rr 2 (2M w  2w  M p ) (2M w  2w  M p )
r r r

Nếu các thành phần xen kênh đƣợc bỏ qua, thì hai công thức trên nhƣ sau

M p gl 2k m
   Va (2.35)
( I p  M pl )2
R( I p  M pl 2 )

2k m ke 2k m
x
 x  Va (2.36)
2I 2I
Rr (2M w  2w )
2
Rr (2M w  2w )
r r

Trong mô hình trên, giả thiết các bánh luôn tiếp xúc với đất và không có độ trƣợt
của các bánh. Các lực quay đƣợc bỏ qua trong trƣờng hợp này.

Do đó không gian trạng thái của hệ thống sẽ là:

 0 1  0 
       V
     M p gl  
0     2k m  a (2.37)
   ( I  M l 2 )   ( I p  M p l ) R 
2
 p p

0 1   0 
 x   2km ke   x   2k m 
    0  
 
 Va (2.38)
 x  2I w
(2M w  2 ) Rr 2  x 2I w
(2M w  2 ) Rr 
 r   r 

Kết luận Chƣơng II

Các kết quả thu đƣợc từ chƣơng này làm cơ sở để tính toán các thông số của các
bộ điều khiển kinh điển, điều khiển PID thích nghi. Sau đó tiến hành thực nghiệm để
kiểm tra các thuật toán điều khiển, các nội dung này sẽ đƣợc trình bày ở Chƣơng III.
 24

Chƣơng III

THIẾT KẾ VÀ MÔ PHỎNG BỘ ĐIỀU KHIỂN PID THÍCH NGHI TRỰC

TIẾP DỰA TRÊN CƠ SỞ MÔ HÌNH MẪU ĐỂ ĐIỀU KHIỂN XE HAI BÁNH
TỰ CÂN BẰNG

- Lý thuyết điều khiển thích nghi theo mô hình mẫu MRAS

- Cấu trúc

- Tính toán thông số

- Mô phỏng

3.1 Lý thuyết điều khiển thích nghi theo mô hình mẫu MRAS

3.1.1 Lịch sử phát triển của hệ điều khiển thích nghi

Điều khiển thích nghi (ĐKTN) ra đời năm 1958 để đáp ứng yêu cầu của thực tế
mà các hệ điều khiển truyền thống không thoả mãn đƣợc. Trong các hệ điều khiển
truyền thống, các xử lý điều khiển thƣờng dùng những mạch phản hồi là chính. Vì
vậy, chất lƣợng ra của hệ bị thay đổi khi có nhiễu tác động hoặc tham số của hệ thay
đổi. Trong hệ ĐKTN cấu trúc và tham số của bộ điều khiển có thể thay đổi đƣợc vì
vậy chất lƣợng ra của hệ đƣợc đảm bảo theo các chỉ tiêu đã định.

Điều khiển thích nghi khởi đầu là do nhu cầu về hoàn thiện các hệ thống điều
khiển máy bay. Do đặc điểm của quá trình điều khiển máy bay có nhiều tham số
thay đổi và có nhiều yếu tố ảnh hƣởng đến quá trình ổn định quỹ đạo bay, tốc độ
bay. Ngay từ năm 1958, trên cơ sở lý thuyết về chuyển động của Boócman, lý
thuyết điều khiển tối ƣu… hệ thống điều khiển hiện đại đã ra đời. Ngay sau khi ra
đời lý thuyết này đã đƣợc hoàn thiện nhƣng chƣa đƣợc thực thi vì số lƣợng phép
tính quá lớn mà chƣa có khả năng giải quyết đƣợc. Ngày nay, nhờ sự phát triển
mạnh mẽ của công nghệ thông tin, điện tử, máy tính… cho phép giải đƣợc những
bài toán đó một cách thuận lợi nên hệ thống ĐKTN đƣợc ứng dụng đáng kể vào
thực tế.
 25

Hệ ĐKTN có mô hình mẫu MRAS (Model Reference Adaptive Systems) đã

đƣợc Whitaker đề xuất khi giải quyết vấn đề điều khiển lái tự động máy bay năm
1958. Phƣơng pháp độ nhậy và luật MIT đã đƣợc dùng để thiết kế luật thích nghi
với mục đích đánh giá các thông số không biết trƣớc trong sơ đồ MRAS

Thời gian đó việc điều khiển các chuyến bay do còn tồn tại nhiều hạn chế nhƣ:
thiếu phƣơng tiện tính toán, xử lý tín hiệu và lý thuyết cũng chƣa thật hoàn thiện.
Đồng thời những chuyến bay thí nghiệm bị tai nạn là cho việc nghiên cứu về lý
thuyết điều khiển thích nghi) bị lắng xuống vào cuối thập kỷ 50 và đầu năm 1960.

Thập kỷ 60 là thời kỳ quan trọng nhất trong việc phát triển các lý thuyết tự động,
đặc biệt là lý thuyết ĐKTN. Kỹ thuật không gian trạng thái và lý thuyết ổn định dựa
theo luật Liapunov đã đƣợc phát triển. Một loạt các thuyết nhƣ: Điều khiển đối
ngẫu, điều khiển ngẫu nhiên, nhận dạng hệ thống, đánh giá thông số … ra đời cho
phép tiếp tục phát triển và hoàn thiện lý thuyết ĐKTN. Vào năm 1966 Park và các
đồng nghiệp đã tìm đƣợc phƣơng pháp mới để tính toán lại luật thích nghi sử dụng
luật MIT ứng dụng vào các sơ đồ MRAS của những năm 50 bằng cách ứng dụng lý
thuyết của Liapunov.

Tiến bộ của các lý thuyết điều khiển những năm 50 cho phép nâng cao hiểu biết
về ĐKTN và đóng góp nhiều vào đổi mới lĩnh vực này. Những năm 70 nhờ sự phát
triển của kỹ thuật điện tử và máy tính đã tạo ra khả năng ứng dụng lý thuyết này vào
điều khiển các hệ thống phức tạp trong thực tế.

Tuy nhiên những thành công của thập kỷ 70 còn gây nhiều tranh luận trong ứng
dụng ĐKTN. Đầu năm 1979 ngƣời ta chỉ ra rằng những sơ đồ MRAS của thập kỷ
70 dễ mất ổn định do nhiễu tác động. Tính bền vững trong ĐKTN trở thành mục
tiêu tập trung nghiên cứu của các nhà khoa học vào năm 1980.

Những năm 80 nhiều thiết kế đã đƣợc cải tiến, dẫn đến ra đời lý thuyết ĐKTN
bền vững. Một hệ ĐKTN đƣợc gọi là bền vững nếu nhƣ nó đảm bảo chất lƣợng ra
cho một lớp đối tƣợng trong đó có đối tƣợng đang xét. Nội dung của bài toán bền
vững trong ĐKTN là điều khiển những đối tƣợng có thông số không biết trƣớc và
 26

biến đổi theo thời gian. Cuối thập kỷ 80 có các công trình nghiên cứu về hệ thống
ĐKTN bền vững, đặc biệt là MRAS cho các đối tƣợng có thông số biến thiên theo
thời gian.

Các nghiên cứu của những năm 90 đến nay tập trung vào đánh giá kết quả của
nghiên cứu những năm 80 và nghiên cứu các lớp đối tƣợng phi tuyến có tham số bất
định. Những cố gắng này đã đƣa ra một lớp sơ đồ MRAS xuất phát từ lý thuyết hệ
thống phi tuyến.

3.1.2 Khái quát về hệ điều khiển thích nghi

Trong luận văn này một vài dạng của hệ thống thích nghi mô hình tham chiếu
đã đƣợc bàn tới. Chúng ta bắt đầu với một phƣơng pháp trực quan, phƣơng pháp
này chỉ ra rằng ý tƣởng phản hồi cơ bản giúp tìm ra các thuật toán cho việc chỉnh
định tham số. Ta thấy phát sinh hai câu hỏi : Đầu tiên là có cách nào để tìm ra
những tín hiệu phù hợp mà chỉnh định đúng tham số tại đúng thời điểm thích hợp ;
Điều thứ hai là làm cách nào đảm bảo ổn định cho hệ thống thích nghi mà bản thân
nó vốn là phi tuyến do sự đa dạng có mặt trong hệ thống. Cái nhìn rõ nét trong câu
hỏi đầu tiên đạt đƣợc bởi việc xem xét phƣơng pháp mô hình độ nhậy. Trạng thái ổn
định có thể đƣợc đảm bảo bằng việc sử dụng lý thuyết ổn định của Liapunov cho
việc thiết kế hệ thống thích nghi.

* Mục đích của việc nghiên cứu

Sau khi hoàn tất những điều vừa lƣu ý trên dự kiến ta sẽ biết đƣợc:

+ Những tín hiệu phù hợp nào đóng vai trò trong hệ thống thích nghi.

+ Bằng cách nào mà hệ thống thích nghi có thể đƣợc thiết kế dựa trên phƣơng
pháp độ nhậy.

+ Bằng cách nào mà hệ thống thích nghi có thể đƣợc thiết kế dựa trên phƣơng
pháp (trạng thái ổn định) Liapunov.
 27

* Giới thiệu:

Có một vài cấu trúc mà có thể đƣa ra một hệ thống điều khiển có khả năng phản
ứng với sự biến đổi những tham số của bản thân nó hoặc phản ứng với những biến
đổi đặc tính của nhiễu (hệ thống). Một hệ thống phản hồi thông thƣờng mặc dù có
mục đích là giảm nhỏ sự nhạy cảm đối với những loại thay đổi này. Tuy nhiên, khi
những biến đổi thậm chí với cả một hệ thống có phản hồi mà hệ số khuếch đại tốt
vẫn không thỏa mãn. Lúc đó một cấu trúc điều khiển phức tạp hơn đƣợc cần đến và
tính chất thích nghi chắc chắn phải đƣợc đƣa vào (giới thiệu). Một hệ thống thích
nghi có thể đƣợc định nghĩa nhƣ sau.

“Một hệ thống thích nghi là một hệ thống mà trong bản thân nó đã bổ sung vào
cấu trúc (phản hồi) cơ bản, kết quả đo chính xác đƣợc đƣa vào để bù lại một cách tự
động đối với những thay đổi trong mọi điều kiện hoạt động, với những thay đổi
trong những quá trình động học, hoặc với những biến đổi do nhiễu hệ thống, nhằm
để duy trì một quá trình thực hiện tối ƣu cho hệ thống”.

Nhiều định nghĩa khác đã đƣợc đƣa ra trong lĩnh vực điều khiển. Hầu hết trong
số đó chỉ miêu tả một vài phân loại tiêu biểu của hệ thống thích nghi.

Định nghĩa đƣa ra ở đây giả sử nhƣ là một chuẩn cấu trúc phản hồi thông thƣờng
cho phản ứng cơ bản đối với những thay đổi của nhiễu (hệ thống) và tham số. Cấp
thứ hai là một cơ cấu thích nghi hiệu chỉnh hệ số khuyếch đại của bộ điều khiển
gốc, thay đổi cấu trúc bản thân cơ cấu thích nghi và tạo ra các tín hiệu bổ sung
v.v....Trong một hệ thống thích nghi, việc thiết lập nhƣ vậy đƣợc chỉnh định bởi
ngƣời sử dụng ở cấp thứ 2.

* Lịch trình hệ số, các dạng chuyển đổi.

Theo định nghĩa quá trình biến đổi tự động từ một chế độ làm việc này tới một
chế độ làm việc khác đƣợc xem xét nhƣ một tính chất (đặc điểm) thích nghi. Dùng
kiến thức về ảnh hƣởng của biến ngoài tác động đến hành vi của hệ thống cũng
đƣợc hiểu là một đặc điểm thích nghi. Loại thích nghi này có thể đƣợc thực hiện
theo hai cách khác nhau: hoặc bằng cách đo từng nhiễu và tạo ra các tín hiệu để bù
 28

lại cho chúng (điều khiển feedforward). Hoặc là hiệu chỉnh hệ số bộ điều khiển
phản hồi theo một lịch trình lập sẵn dựa trên sự hiểu biết về ảnh hƣởng của những
thay đổi tham số của hệ thống (lịch trình hệ số). Khả năng khác là sử dụng một ngân
hàng của bộ điều khiển và chọn bộ điều khiển tốt nhất gần nhƣ tƣơng tự với phƣơng
pháp lịch trình hệ số. Cách làm này đƣợc gọi là mô hình chuyển mạch. Sự thay đổi
có dựa trên ý tƣởng này là phƣơng pháp mô hình đa chiều. Các kết quả đầu ra trong
mô hình mẫu đƣợc so sánh với đầu ra của đối tƣợng để đƣa vào điều khiển. Bộ điều
khiển có thể đƣợc thiết kế và cài đặt dựa trên mô hình mẫu khi đầu ra của mô hình
có sự giống nhất với đầu ra của đối tƣợng.

Trong thực tế không thể áp dụng bộ điều khiển feedforward cho nhiều thay đổi
khác nhau. Một vài loại hệ thống thích nghi, theo một nghĩa hẹp hơn, đã đƣợc phát
triển. Nó cho phép một hệ thống đƣợc tối ƣu hoá mà không cần bất kỳ sự hiểu biết
gì về nguyên nhân sinh ra những biến đổi quá trình động học. Thông thƣờng, khái
niệm điều khiển thích nghi bị hạn chế bởi mỗi loại hệ thống thích nghi. Không có sự
phân biệt rõ giữa điều khiển thích nghi và điều khiển học. Khái niệm điều khiển học
thƣờng đƣợc dùng cho nhiều hệ thống phức tạp hơn, nơi việc nhớ trạng thái trƣớc là
phức tạp và có cả những vấn đề không thể đƣợc giải quyết bằng bộ điều khiển tiêu
chuẩn, dựa trên hàm truyền, bởi vì chúng cần một dạng khác biểu diễn sự hiểu biết.
Ví dụ giống nhƣ cấu trúc hệ thống mạng nơron, những điều ghi chú trong luận văn
này nói về 1 loại điều khiển thích nghi đặc biệt, nó đƣợc biết đến là bộ điều khiển
thích nghi theo mô hình tham chiếu.

Hệ thống điều khiển thích nghi có thể đƣợc phân loại theo một vài cách khác
nhau. Một khả năng tạo ra sự phân biệt giữa chúng là:

Điều khiển thích nghi trực tiếp

+ Hệ thống với sự chỉnh định trực trực tiếp các tham số điều khiển mà không
nhận dạng rõ các tham số của đối tƣợng (điều khiển thích nghi tiếp).
 29

Hệ thống điều khiển thích nghi mô hình tham chiếu, hầu hết đƣợc gọi là MRAS,
chủ yếu áp dụng điều khiển thích nghi trực tiếp. Tuy nhiên, việc áp dụng MRAS để
nhận dạng hệ thống cũng sẽ đƣợc minh hoạ ở nghiên cứu này.

Triết lý cơ bản đằng sau việc áp dụng MRAS đó là đặc trƣng mong muốn của hệ
thống đƣợc đƣa ra bởi một mô hình toán học, hay còn gọi là mô hình mẫu. Khi hành
vi của đối tƣợng khác với hành vi “lý tƣởng” mà hành vi này đƣợc xác định bởi mô
hình mẫu, đối tƣợng sẽ đƣợc sửa đổi theo 2 cách, hoặc bằng cách chỉnh định các
thông số của bộ điều khiển (Hình 3.1a), hoặc bằng cách tạo ra tín hiệu bổ xung đầu
vào cho đối tƣợng này (Hình 3.1b). Điều này có thể đƣợc chuyển thành bài toán tối
ƣu hoá, ví dụ tối thiểu hoá các tiêu chuẩn:
T
C =  e 2 dt (3.1)
0

Tại đó: e = ym - yP (3.2)

Ngoài việc tối thiểu hoá sai lệch giữa những tín hiệu đầu ra của đối tƣợng và mô
hình mẫu, thì tất cả các biến trạng thái của đối tƣợng và mô hình mẫu còn đƣợc đƣa
vào tính toán. Khi các biến trạng thái của đối tƣợng đƣợc ký hiệu là (xP) và các biến
trạng thái của mô hình mẫu ký hiệu là (xm), véc tơ sai lệch e đƣợc định nghĩa là:

e = xm – xP (3.3)

Trong trƣờng hợp này, bài toán tối ƣu hoá có thể đƣợc chuyển thành tối thiểu
hoá tiêu chuẩn:
T
C =  eT Pedt (3.4)
0
 30

Trong đó P là một ma trận xác định dƣơng.

u - Bộ điều khiển y
+ Đối tƣợng

Luật điều khiển -

Thích nghi
+

Mô hình mẫu

Hình 3.1a: Hệ thích nghi tham số

u + - Bộ điều khiển + y
Đối tƣợng
-

Bộ điều khiển -
Thích nghi +

Mô hình mẫu

Hình 3.1b: Hệ thích nghi tín hiệu

Nhƣ chúng ta sẽ thấy sau đây, hàm nhân trong bộ điều khiển thích nghi luôn
luôn dẫn đến một hệ thống phi tuyến. Điều này có thể đƣợc giải thích rằng việc điều
khiển thích nghi là phản hồi phi tuyến nhiều hơn.

Những xem xét sau đây đóng một vai trò nhất định trong việc lựa chọn giữa
thích nghi tham số và thích nghi tín hiệu. Một tính chất quan trọng của hệ thống với
việc thích nghi tham số đó là vì hệ thống có nhớ. Ngay khi các tham số của đối
 31

tƣợng đã đƣợc điều chỉnh đúng với giá trị của chúng và những tham số này không
thay đổi nữa, vòng lặp thích nghi trong thực tế không còn cần thiết: đối tƣợng thực
và mô hình mẫu hiển thị các trạng thái nhƣ nhau. Việc nhớ trạng thái nói chung là
không đƣợc thể hiện trong hệ thống cùng với thích nghi tín hiệu. Do đó, vòng lặp
thích nghi vẫn còn cần thiết trong mọi trƣờng hợp, để nhằm liên tục tạo ra những tín
hiệu phù hợp ở đầu vào. Do vậy, các hệ thống thích nghi tín hiệu cần phải phản ứng
nhanh hơn hẳn đối với những thay đổi động học của đối tƣợng so với các hệ thống
thích nghi tham số vì hệ thích nghi tín hiệu không sử dụng thông tin từ quá khứ.
Trong những hệ thống mà các thông số liên tục thay đổi trong một phạm vi rộng,
việc nhớ trạng thái là rất có lợi. Tuy nhiên, trong một môi trƣờng ngẫu nhiên, ví dụ
nhƣ trong các hệ thống với rất nhiều nhiễu, điều này lại là bất lợi. Hệ số cao trong
vòng thích nghi có thể gây nhiễu đƣa tới đầu vào của đối tƣợng.

Khi các tham số của đối tƣợng thay đổi chậm hoặc chỉ thời gian ngắn ngay sau
đó và ngay lúc đó, những hệ thống với sự thích nghi tham số đƣa ra một cách thực
hiện tốt hơn vì chúng có nhớ. Cũng có một vài thuật toán thích nghi mà kết hợp
những ƣu điểm của cả hai phƣơng pháp trên. Trong những lƣu ý sau chủ yếu sẽ
đƣợc tập trung vào các hệ thống thích nghi tham số, mặc dù vậy việc kết hợp giữa
thích nghi tham số và thích nghi tín hiệu cũng sẽ đƣợc bàn đến.

Một cách khác để xem xét hệ thống nhƣ sau. Các vòng điều khiển phản hồi tiêu
chuẩn đƣợc xem nhƣ là một hệ thống điều khiển sơ cấp phản ứng nhanh, chính xác
mà nó buộc phải loại ra nhiễu “thông thƣờng”. Những biến thiên lớn trong các tham
số hoặc là nhiễu lớn đƣợc xử lý bởi hệ thống điều khiển thích nghi (thứ hai) phụ tác
động chậm hơn (Hình 3.2).
 32

Bộ điều khiển thứ nhất của hệ

u - y
+ Bộ điều khiển Đối tƣợng

Bộ điều khiển thứ hai của hệ

Luật điều khiển -
Thích nghi +

Mô hình mẫu

Hình 3.2: Điều khiển ở cấp 1 và cấp 2

3.1.3 Cơ chế thích nghi – thiết kế bộ điều khiển thích nghi dựa vào luật MIT:

Trong lĩnh vực điều khiển nâng cao này, một vài phƣơng pháp đã đƣợc mô tả để
thiết kế hệ thống thích nghi. Nhƣng chúng ta có thể có đƣợc cái nhìn sâu sắc hơn
với phƣơng pháp này bằng cách tƣ duy làm cách nào tự tìm đựơc các thuật toán cho
mình. Điều này giúp ta thực sự hiểu đƣợc những gì đang diễn ra. Do đó, trong lúc
này chúng ta sẽ hoãn lại việc xem xét những hàm toán học và xem xét các ý tƣởng
cơ bản của MRAS với một ví dụ đơn giản. Khi chúng ta cố gắng thiết kế một bộ
điều khiển thích nghi cho hệ thống đơn giản này, chúng ta sẽ gặp phải những vấn đề
mà cần đến nền lý thuyết cơ bản hơn. Những tính chất nói chung với những phƣơng
pháp thiết kế khác nhau cũng nhƣ là sự khác biệt của các phƣơng pháp này sẽ trở
lên rõ ràng. Tất nhiên việc “điều khiển” với tham số Ka và Kb không phải là một bộ
điều khiển thực tế. Trong thực tế, chúng tôi giả thiết ở phần này là các thông số đối
tƣợng có thể đƣợc chỉnh định trực tiếp.
 33

bp
Trong ví dụ này, đối tƣợng (tuyến tính) đƣợc mô tả bằng hàm truyền:
s 2 + a ps +1

bm Kω2m
và mô hình hoá bởi: 2 hoặc 2
s + a ms +1 s + 2ξωms + ω2m

Sự biến đổi trong tham số ap đƣợc bù lại bằng cách hiệu chỉnh Ka và những
biến đổi trong tham số bp đƣợc chỉnh định bằng cách điều chỉnh Kb. Điều này tuân
theo 1 cách trực tiếp từ hàm truyền của đối tƣợng cộng với bộ điều khiển trong
K b + bp
Hình 3.3: 2
(3.5)
s + (a p + K a )s +1

u + _ + y
bP
_  
+
Đối tƣợng

aP

_
Kb + Ka

_
?
+
Mô hình mẫu
n2
s 2  2n s  n2

Hình 3.3: Mô hình đối tượng và mô hình mẫu

Mô hình tham chiếu (tuyến tính) đã có bậc giống với đối tƣợng. Giá trị tính toán
sau đƣợc lựa chọn:
 34

ωn = 10;  = 0,7; a p = 68; bp = 2500

Trong trƣờng hợp chỉ có (DC – Direct Control) điều khiển thích nghi trực tiếp –
hệ số khuếch đại của đối tƣợng và mô hình mẫu khác nhau bởi hệ số bằng hai. Điều
này có thể đƣợc nhận ra trong các đáp ứng bƣớc nhảy đơn vị của hệ thống này
(Hình 3.4a và 3.4b).

1
Vì e = ym – yp và y p = y m , trong truờng hợp này sai lệch e bằng yp. Để nhận
2
đƣợc 2 đáp ứng giống nhau, các tham số Kb cần đƣợc hiệu chỉnh. Hiển nhiên là
Kbnên đƣợc điều chỉnh tăng lên. Một sự lựa chọn hợp lý cho việc chỉnh định Kb
dƣờng nhƣ là:

K b (t) = K b (0) + β  edt (3.6)

Setpoint

bp  
Square Yp

ap

Sailech_e

bp1  
Yp1

ap

Hình 3.4a: Sự thay đổi tham số bp dẫn tới sự thay đổi đáp ứng đầu ra.
 35

Hình 3.4b: Đáp ứng đầu ra của đối tượng (Yp), đáp ứng mô hình mẫu (Yp1) và sai
lệch hai đáp ứng đầu ra (e) khi thay đổi tham số bp.

Với “hệ số thích nghi” β tốc độ chỉnh định có thể đƣợc đặt lại. Các chức năng
nhớ yêu cầu đƣợc thực hiện bằng cách lấy tích phân mà cũng phải đảm bảo rằng
một hằng số khác nhau giữa (Kb + bp) và bm, sai lệch e hội tụ về 0 (ma trận 0). Luật
“thích nghi” này với β = 0,5 cho các kết quả đƣợc hiển thị trong Hình 3.5.

Setpoint

Bp  
sqrwave Bp Yp

Ap
Ap_process

Sailech_e
Kbp
 
Kb

1
2
s + 1.4 s + 1
Ym
LinearSystem

Hình 3.5a: Bộ điều khiển thích nghi dựa vào luật MIT theo tham số Kb.
 36

Hình 3.5b: Kết quả việc thích nghi dựa vào luật MIT theo tham số Kb.

Mặc dù kết quả là tốt, nhƣng điều này nhanh chóng đƣợc nhận thấy rõ ràng
rằng vẫn còn một vài vấn đề tồn tại. Khi tín hiệu đầu vào u bị đảo dấu việc chỉnh
định của Kb sẽ đi sai hƣớng, vì e mang dấu âm. Kết quả là hệ thống lại không ổn
định trong trƣờng hợp này. Tuy nhiên, giải pháp cho vấn đề này rất đơn giản. Khi
dấu của tín hiệu vào đƣợc đƣa vào tính toán, ví dụ bằng cách nhân e và u, kết quả
 37

của việc chỉnh định thông số lại phù hợp với Hình 3.5. Điều này nhận đƣợc luật
điều chỉnh đƣợc gọi là luật MIT:

K b (t) = K b (0) + β  (eu)dt (3.7)

Một vấn đề thứ hai gặp phải không chỉ các biến đổi tham số bp của đối tƣợng
phải đƣợc bù lại, mà còn cả những thay đổi tham số ap. Một lý do tƣơng tự nhƣ
trƣờng hợp hiệu chỉnh cho tham số Kb có thể dẫn tới luật chỉnh định cho tham số
Ka, dựa vào tín hiệu e và hàm dấu của u. Nhƣng điều này sẽ dẫn đến những luật
chỉnh định giống nhau cho mỗi tham số. Rõ ràng không chỉ là việc chỉnh định trực
tiếp các tham số đóng vai trò quan trọng, mà còn là lƣợng điều chỉnh mỗi tham số,
quan hệ với những tham số khác. Vì “tốc độ động của việc chỉnh định” đƣợc thực
hiện bằng cách hiệu chỉnh từng tham số, và phụ thuộc vào hiệu quả của việc hiệu
chỉnh này có làm giảm sai lệch. Lý do này dẫn đến các luật chỉnh định sau:

K b (t) = K b (0) + β  (eu)dt (3.8)

K a (t) = K a (0) + α  (ex 2 )dt (3.9)

Tham số Kb đƣợc chỉnh định khi u, tín hiệu trực tiếp chịu ảnh hƣởng bởi Kb, là
lớn và tham số Ka đƣợc chỉnh định khi x2, là tín hiệu trực tiếp chịu ảnh hƣởng bởi
Ka, là lớn. Kết quả mô phỏng đƣợc đƣa ra trong Hình 3.6. Điều này xuất hiện rằng
suy luận bằng trực giác của ta mang lại một hệ thống mà sự thích nghi nhanh diễn ra
một cách hợp lý. Trong mô phỏng của Hình 3.6 các giá trị của bp và ap đƣợc đƣa ra
bằng 0, mà nó đƣợc bù bởi các giá trị thích hợp ban đầu của Ka và Kb (tƣơng ứng
với 0.5 và 0.7). Những tham số hội tụ đến một giá trị chính xác 1 và 1.4. Và vì vậy,
kết quả là đáp ứng của đối tƣợng và mô hình mẫu trở nên bằng nhau. Tốc độ thích
nghi đƣợc chọn là   12 và   2 .
 38

Hình 3.6: Kết quả việc thích nghi của Ka vàKb.

Hình 3.6: Kết quả việc thích nghi của Ka và Kb

Trong Hình 3.6 tốc độ thích nghi, xác định bởi hệ số thích nghi  và  , vẫn còn
nhỏ. Để tăng tốc độ hệ thống, hệ số thích nghi đƣợc tăng lên với   60 và   10 .
Điều này mang lại kết quả kém hơn, trong Hình 3.7.
 39

Hình 3.7: Việc chỉnh định của Ka và Kb với tốcđộ cao hơn của bộ thích nghi

Hệ thống thích nghi đã ổn định với những hệ số thích nghi thấp, trở nên không
ổn định với những hệ số thích nghi cao hơn. Khi sơ đồ khối của hệ thống này đƣợc
xác định (Hình 3.8). Điều này trở lên rõ ràng là vấn đề ổn định này không thể dễ
dàng đƣợc giải quyết, do tính phi tuyến đã đƣợc đƣa vào hệ thống.
 40

SignalMonitor

bp  
Yp
Square

ap

Kb Ka


Square1
Alpha 
Beta
Sailech_e

nhieu1

k2
s2 + 2 s +  2
Ym

Hình 3.8: Tính phi tuyến trong hệ thống điều khiển thích nghi.
Cho đến lúc này chúng ta vẫn gặp phải 2 vấn đề sau:

(1) Loại „tốc độ động thích nghi‟ cần thiết để nhận ra là mỗi tham số chỉ đƣợc chỉnh
định khi kết quả sai lệch là nhạy cảm với sự thay đổi của tham số đó.

(2) Vấn đề ổn định còn tồn tại khi hệ số thích nghi đƣợc tăng lên nhƣ là một kết quả
của sự đòi hỏi tăng tốc độ thích nghi. Vấn đề ổn định này không thể dễ dàng đƣợc
giải quyết bằng phƣơng pháp phân tích tuyến tính bởi vì sự thích nghi tạo ra hệ
thống phi tuyến.

Nguồn gốc rõ ràng của 2 vấn đề của một vài phƣơng pháp cho việc thiết kế
MRAS. Ta xét phƣơng pháp ổn định

- Phương pháp ổn định. Phƣơng pháp này nhấn mạnh đến vấn đề ổn định. Bởi
vì đặc tính phi tuyến của một hệ thích nghi. Lý thuyết ổn định của hệ phi tuyến
 41

đƣợc sử dụng là cần thiết. Điều này sẽ đƣợc chỉ ra rằng, cùng với một chứng minh
về tính ổn định, những luật thích nghi hữu ích có thể đƣợc tìm ra.

Phƣơng pháp ổn định của Liapunov.

Dùng lý thuyết ổn định Liapunov để thiết kế hệ thống thích nghi đƣợc đƣa ra
bởiPark năm 1966. Nguồn gốc luật thích nghi đƣợc thực hiện dễ dàng nhất khi đối
tƣợng và mô hình mẫu đƣợc mô tả qua dạng mô hình không gian trang thái. Đối
tƣợng đƣợc viết lại là:

x p  Ap x p  Bpu (3.10)

Ap  Ap'  K a (3.11)

B p  B p'  Kb (3.12)

Ma trân Ap' và B p' là thông số đối tƣợng đang bị thay đổi mà đƣợc bù bằng

cách điều khiển thông số Ka, Kb. Phƣơng trình mô tả mô hình mẫu đƣợc viết lại
dƣới dạng không gian trạng thái là:

xm  Am xm  Bmu (3.13)

Trừ (3.13) cho (3.10) với định nghĩa e:

e  xm  x p (3.14)

e  Ame  Ax p  Bu (3.15)

Với:

A  Am  Ap (3.16)

B  Bm  Bp (3.17)

Điều chỉnh A và B đòi hỏi phải có luật thích nghi phi tuyến nhƣ công thức
(3.8) và (3.9). Vì thế phƣơng trình vi phân (3.15) là phi tuyến. Để đảm bảo rằng
t   thì e = 0, điều kiện cần và đủ chứng minh rằng e = 0 là một giải pháp cân
 42

bằng ổn định. Theo lý thuyết ổn định liapunov điều này có thể thực hiện đƣợc khi
chúng ta tìm một hàm (vô hƣớng) liapunov V(e) với tính chất sau:

V(e) xác định dƣơng (nghĩa là V > 0 với e  0 , thậm chí V= 0 khi e=0.

V*(e) xác định âm (nghĩa là V*<0 với e  0 , thậm chí V* = 0 khi e = 0).

V (e)   khi e  

Khi hàm liapunov V(e) đã đƣợc chọn chính xác, luật thích nghi theo hƣớng từ
điều kiện dƣới mà V ( e ) xác định âm. Vấn đề chủ yếu (lựa chọn hàm toán) đƣợc
chọn phù hợp V(e). Có thể tìm đƣợc nhiều hàm liapunov phù hợp, những hàm
liapunov khác nhau dẫn đến luật thích nghi khác nhau. Việc tìm hàm liapunov phụ
thuộc vào ngƣời thiết kế phải hiểu thuật toán, và là một quá trình khó khăn. Tuy
nhiên trong lĩnh vực điều khiển học có vài “hàm liapunov chuẩn đƣa ra những luật
thích nghi hữu ích”. Luật thích nghi đơn giản và áp dụng phổ biến đƣợc tìm ra khi
sử dụng hàm liapunov sau:

V (e)  eT Pe  a T  a  bT  b (3.18)

Ở đó:

-P là ma trận đối xứng dƣơng tùy ý.

- a, b là những vector gồm những phần tử khác 0 của ma trận A,B.

-  và  là ma trận đƣờng chéo, có những phần tử dƣơng xác định tốc độ

thích nghi.

Việc lựa chọn hàm liapunov đƣa ra trong công thức (3.18) không quá phức
tạp. Hàm liapunov biểu diễn một loại năng lƣợng, năng lƣợng này đƣợc có mặt
trong hệ thống và loại năng lƣợng này khi tiến dần về 0, hệ thống đạt tới điểm cân
bằng ổn định. Trong nhiều hệ thống động năng lƣợng này có mặt trong những khâu
tích phân, năng lƣợng này cũng có thể đƣợc xem xét nhƣ là những biến trạng thái
của hệ thống. Các thành phần e,a,b là những biến trạng thái của hệ thống đƣợc mô
tả trong công thức (3.15). Các thành phần a, b là những tham số sai lệch và có thể
 43

thấy rằng đặt sai điều kiện ban đầu trong tham số điều khiển thích nghi. Vì vậy đòi
hỏi rằng tất cả các biến trạng thái e, a, b đều tiến về 0.

Lựa chọn (P,  và  , V(e)) là những hàm xác định dƣơng.

Kết quả đạo hàm V(e):

V  eT Pe  eT Pe  2a T a  2bT  b (3.19)

Cùng với công thức (3.15) ta có:

V  ( Ame)T Pe  eT P( Ame)
 2eT PAx p  2a T  a (3.20)
 2eT PBu  2bT  b

Đặt: AmT P  PAm  Q (3.21)

Bởi vì ma trận Am chọn hệ thống ổn định (mô hình mẫu). Theo định lý Malkin,
Q là ma trận xác định dƣơng, nó bao hàm phần đầu của công thức (3.20):

eT ( AmT P  PAm )e  eT Qe (3.22)

xác định âm. Sự ổn định của hệ thống có thể đƣợc đảm bảo nếu phần cuối của
công thức (3.20) đƣợc thiết lập bằng 0. Đặt :

eT PAx p  a T  a  0 (3.23)

eT PBu  bT  b  0 (3.24)

Sau một số biến đổi toán học, biểu thức chung của luật điều chỉnh :
n
1
ani   (  Pnk ek ) xi (3.25)
 ni k 1

1 n
bi   (  Pnk ek )ui (3.26)
i k 1

Ở đó n là bậc của hệ thống.

 44

Những thuật toán có cấu trúc cơ bản ở những phần trƣớc là những thuật toán
đƣợc tìm ra dễ ràng bằng cách tự khám phá. Sự khác nhau chủ yếu là các phần tử
của vector sai lệch e (hệ số Pnk) đƣợc sử dụng trong luật thích nghi, đƣợc thay bởi
tín hiệu sai lệch e. Hệ số Pnk là những phần tử hàng thứ n và cột thứ k của ma trận P,
những phần tử này đƣợc tìm ra với sự trợ giúp từ công thức (3.21). Chọn một ma
trận Q tùy ý xác định dƣơng, sau đó ma trận P đƣợc giải từ (3.21).

Trong mô phỏng dễ dàng giải ra P từ công thức (3.21), ta có :

AmT P  PAm  Q  0

Và xem xét biểu thức này nhƣ giải pháp cân bằng của phƣơng trình vi phân:

dP
 AmT P  PAm  Q
dt

Biểu thức này dễ ràng giải đƣợc bằng phần mềm 20-sim. Có thể tăng tốc độ
hội tụ bằng cách đƣa vào hệ số tăng tốc   1 , ví dụ λ=10:

1 dP
 AmT P  PAm  Q
 dt

Từ đó những bƣớc cần thiết, để thiết kế hệ điều khiển thích nghi với phƣơng
pháp liapunov.

1. Xác định phƣơng trình vi phân cho e

2. Chọn một hàm liapunov

3. Xác định điều kiện dƣới để V xác định âm.

4. Giải tìm P từ phƣơng trình AmT P  PAm  Q

Toàn bộ quá trình đƣợc làm sáng tỏ với một ví dụ:

Trong ví dụ này chúng ta dùng lại hệ thống trên Hình 3.3

Bƣớc 1:

Xác định phƣơng trình vi phân cho sai lệch e

 45

Đối tƣợng đƣợc mô tả theo hệ phƣơng trình vi phân:

x1 p  x2 p (3.27)
x2 p  bp K p x1 p -(a p +b p K d )x 2 p +b p K p R (3.28)

Điều này nhận đƣợc:

 0 1  0
Ap    Bp    (3.29)
 bp K p (a p  bp Kd )  0

Mô hình mẫu (với n = 1 và 2zn = 1.4) đƣợc mô tả bởi:

 0 1 0 
Am    Bm   2  (3.30)
 1 1.4   m 

Phƣơng trình vi phân của e là:

e  Ame  Ax p  bu (3.31)

 0 0  0 
Với: A   2 ; B   2  (3.32)
 m  bp K p 2 zm  (a p  bp K d )   m 

Chỉ một phần tử a22 của ma trận A, một phần tử b2 của vector b khác 0.

Bƣớc 2:

Lựa chọn một hàm Liapunov V.

V (e)  eT Pe  aT  a  bT  b

Trong ví dụ này phƣơng trình (3.19) sẽ đƣợc dùng nhƣ một hàm Liapunov.

Bƣớc 3:

Xác định các điều kiện dƣới đây mà dV/dt là xác định âm.

V  eT Pe  eT Pe  2a aT  2b bT

 ( Ame  Ax p  Bu)T Pe  eT P( Ame  Ax p  Bu)  2a aT  ab bT

( Ame)T Pe  eT P( Ame)  2eT P( Ax p )  2a aT  2eT P(Bu)  2b bT

 46

Đây là các luật chỉnh định (3.25) và (3.26) mà trong trƣờng hợp đơn giản này
dẫn tới:

1
a21   ( p21e1  p22e2 ) (3.33)
 21

1
a22   ( p12e1  p22e2 ) x2 p (3.34)
 22

Từ phƣơng trình (3.32) nó theo sau bởi:

a21  m2  bp K p )  a21  bp K p (3.35)

Và:

a22  2 zm  (a p  bp K d )  a22  bp K d (3.36)

Với sự giả định rằng tốc độ thích nghi đƣợc so sánh nhanh hơn tốc độ thay
đổi trong những tham số của đối tƣợng, từ sau biểu thức (3.33) và (3.34) suy ra :

1
 22bp  21 1
K d   ( p e  p22 e2 ) x2 p dt  K d (0) (3.37)

1
K p  ( p e  p e ) dt  K p (0) (2.38)
11bp 21 1 22 2

Bƣớc 4:

Bất kỳ ma trận Q xác định dƣơng nào đều dẫn tới một ma trận P xác định dƣơng.
Điều ngƣợc lại sẽ là không đúng.

Giải P từ :

AmT P  PAm  Q (2.39)

Lấy

q q12 
Q   11
 q21 q22 
 47

Đƣa ra phƣơng trình nhƣ sau

0 m2   P11 P12   P11 P12   0 1  q q12 
      11 (2.40)
 1 2 zm   P21 P22   P21 P22  m2 
2 zm  q21 q22 

Phƣơng trình trên viết lại là

 m2 ( P21  P12 )  P11  m2 P22  2 zm P12   q11 q12 
    (2.41)
  P11  2 zm P21  m P22
2
 P12  P21  4 zm P22   q21 q22 

Do vậy
q11 q11  q22m2
p21  2 ; p22  (2.42)
2m 4 zm3

Hệ thống thích nghi dựa vào Liapunov ta có các giá trị nhƣ sau:
10 15
m  10; z  0.7; a p  68; bp  2500, Q   
15 10
1 1
 100;  250
 21  22

Và
p21  0.05; p22  0.36

SignalMonitor

bp  
Square Bp Yp

ap Sailech_e

Ap_process

Ka

Kb

beta alpha
P21

 

P22

d/dt

k2
s2 + 2 s +  2

model_adaptive Ym

Hình 3.9a: Hệ thống thích nghi được thiết kế theo phương pháp ổn định Liapunov.
 48

Nhận xét:

-Những điều kiện ổn định đƣợc tìm ra với phƣơng pháp Liapunov là điều kiện
đủ, chúng không phải là điều kiện cần. Điều này ngụ ý rằng, là vẫn có một vài thiếu
sót trong sự thay đổi những giá trị tƣơng đối của các phần tử của ma trận P mà
không trực tiếp ảnh hƣởng đến sự ổn định của hệ thống.

-Tốc độ thích nghi, mà có thể đƣợc thay đổi bởi hệ số thích nghi α (=1/α22) có
thể theo nguyên tắc đƣợc lựa chọn tùy ý dƣơng. Trong hệ thống thực tế hệ số thích
nghi bị giới hạn. Sẽ luôn có sự khác biệt về cấu trúc giữa đối tƣợng và mô hình mẫu
mà nó ngụ ý rằng, bằng chứng về sự ổn định không còn giữ đƣợc nữa.

model
1.5
SignalMonitor
1

0.5

1.5
Ym
1

0.5

1.5
Yp
1

0.5

0.8 sailech-e
0.6
0.4
0.2

1.5
Ka

0.5

Kb
5

-5

-10
0 10 20 30 40 50 60 70 80 90 100
time {s}

Hình 3.9.b: Đáp ứng đầu ra của mô hình mẫu (Ym), mô hình đối tượng (Yp),
sai lệch (e), và tham số chỉnh định (Ka, Kb).
 49

-Trong một số trƣờng hợp, sự thích nghi có thể đƣợc tăng tốc bằng cách lựa
chọn những luật thích nghi khác. Thay cho “luật thích nghi tích phân” (3.33) và
(3.34), “luật thích nghi tỷ lệ tích phân” cũng thƣờng đƣợc dùng. Trong trƣờng hợp
sau, phƣơng trình (3.35), đƣợc biến đổi thành:
t n
1 1
ani  ani (0) 
ni ,1  ( pnk ek ) xid 
0 k 1 ni ,P
(  pnk ek ) xi (3.43)

Điều kiện tỷ lệ trong phƣơng trình (3.43) cũng có thể đƣợc xem xét nhƣ là một
loại tín hiệu thích nghi. Nó làm tăng tốc độ thích nghi khi những tham số đối tƣợng
đang thay đổi nhanh và nó có thể cải thiện các hành vi tức thời của các tham số.
Thay cho điều kiện tỷ lệ, một hàm trễ có thể cũng đƣợc dùng. Kết quả này dẫn đến
tiếp “luật thích nghi trễ tích phân”.

SignalMonitor

bp  
Square Bp Yp

ap Sailech_e

Ap_process

Ka

Kb

be ta alpha
P21

 

P22

d/dt

k2
s2 + 2 s +  2

model_adaptive Ym

Hình 3.9.c: Hệ thống thích nghi được thiết kế theo phương pháp ổn định
Liapunov có bổ xung khâu tỷ lệ.
 50

Hình 3.9.c đƣa ra các đáp ứng với luật thích nghi tỷ lệ tích phân. Rõ ràng là
tác dụng của việc thêm các điều kiện tỷ lệ làm giảm hơn sự quá độ của những tham
số chỉnh định, trong khi đó tín hiệu sai lệch cũng hội tụ nhanh hơn khi không có
điều kiện tỷ lệ.

-Theo một hƣớng khác, nên cân nhắc khi áp dụng những luật thích nghi phức
tạp. Để có thể áp dụng luật thích nghi phức tạp hơn, phƣơng pháp chung nhằm tăng
tốc độ thích nghi, một sự giống nhau nhất về cấu trúc của đối tƣợng và mô hình mẫu
của hệ thống là rất cần thiết. Nếu đạt đƣợc điều này, hiệu suất của hệ thống có thể
đƣợc cải thiện. Nếu không đƣợc nhƣ vậy, những thuật toán đơn giản hơn, giống nhƣ
phƣơng trình (3.33) và (3.34), có thể đƣa ra những kết quả tốt. Những luật phức tạp
cũng yêu cầu phải chọn nhiều thông số, trong khi việc điều chỉnh tự động chỉ là một
trong nhiều mục đích của việc dùng bộ điều khiển thích nghi.
model
1.5
SignalMonitor
1

0.5

1 Ym

0.5

-0.5
1.5
Yp
1

0.5

0.5
sailech-e
0

-0.5

-1

3
Ka
2
1
0
-1

2
Kb
1

0
-1

-2
0 100 200 300 400 500 600 700 800 900 1000
time {s}

Hình 3.9.d: Các đáp ứng nhận được khi tham số Ka, Kbbổ xung khâu tỷlệ.
 51

3.2

Công việc cần thiết kế chính là bộ điều khiển PID thích nghi cho hệ thống xe
hai bánh tự cân bằng. Tuy nhiên ở đây, việc thiết kế là phức tạp do cần phải điều
khiển đồng thời hai động cơ cho hai bánh. Yếu tố xen kênh là một yếu tố không thể
bỏ qua, chính vì vậy tác giả tách thành hai hệ thống SISO riêng cho từng động cơ và
coi xen kênh là nhiễu. Tác giả xây dựng hai bộ điều khiển PID thích nghi cho hệ
thống, yếu tố xen kênh đƣợc đƣa vào coi nhƣ là nhiễu của hai hệ thống SISO riêng
biêt. Mô hình mẫu đƣợc sử dụng với hàm truyền có dạng Href với các thông số cho
trƣớc cho từng hệ SISO. Trong công thức (3.13), ký hiệu Am của mô hình mẫu đƣợc
sử dụng. Bộ lọc biến trạng thái SVF đƣợc sử dụng để nhận đƣợc tín hiệu góc và vị
trí. Áp dụng các bƣớc tính toán ở mục 3.1, ta tính đƣợc các hệ số của ma trận P và
các luật chỉnh định thích nghi các hệ số KP, Ki, Kd của bộ điều khiển. Đồng thời tác
giả cũng tiến hành mô phỏng sử dụng hai bộ điều khiển PID thƣờng, xem xét tính
ổn định của hệ thống, và xem việc loại bỏ xen kênh với bộ điều khiển PID nhƣ thế
nào. So sánh với kết quả của bộ điều khiển PID thích nghi. Mô hình mô phỏng hệ
thống xe hai bánh tự cân bằng với bộ điều khiển PID thƣờng và PID thích nghi trực
tiếp đƣợc biểu diễn trong các hình dƣới đây.

Hình 3.10: Cấu trúc xe hai bánh tự cân bằng với PID thường
 52

3.11: Mô 2 kênh

Để tính toán đƣợc thông số các bộ điều khiển, giá trị các thông số của đối
tƣợng nhƣ sau: km = 0.28 [N.m/A); ke = 0.67 [Vs/rad]; R = 5.25 []; l = 0.1 [m]; Mp
= 1.2 [kg]; r = 0.05 [m]; Ip = 0.01 [kg.m2]; Iw = 0.015 [kg.m2]; Mw = 0.1 [kg]; g =
9.81 [m/s2].

3.3.1 Tính toán thông số cho bộ điều khiển PID

Áp dụng phƣơng pháp thực nghiệm Ziegler – Nichols, tác giả chọn đƣợc hai
bộ thông số cho hai bộ PID1 và PID2
 53

Bộ điều khiển PD để điều khiển góc cân bằng:

Kp1 = 2; Ki1 = 0; Kd1 = 1

Bộ điều khiển PID để điều khiển vị trí

Kp2 = 2; Ki2 = 0.5; Kd2 = 5

3.3.2 Tính toán thông số cho bộ điều khiển PID thích nghi

 0 1  0 
       V
     M p gl 
0   
2k m  a
   ( I  M l 2 )   ( I p  M p l ) R 
2
 p p

(3.44)
0 1   0 
 x   2km ke   x   2k m 
    0  
 
 Va
 x  2I w
(2M w  2 ) Rr 2  x 2I w
(2M w  2 ) Rr 
 r   r 

(3.45)

Từ 2 phƣơng trình trên ta nhận đƣợc:

 0 1
 M p gl 
A  
0
(3.46)

 
 I p  Mpl2  


0 1 
 2 km k e 
Ax  0   (3.47)
  2Iw  2
  2 Mw  2  Rr 
  r  

Với mục đích so sánh, quá trình đƣợc lặp lại sử dụng cấu trúc điều khiển

thích nghi, Góc và vị trí của xe hai bánhđƣợc điều khiển bằng hai bộ điều khiển

thích nghi nhờ thay thế hai bộ điều khiển tuyến tính tƣơng ứng nhƣđƣợc chỉ ra trên

hình 3.15
 54

Mô hình mẫu

Các tín hiệu đặt về vị trí, tốc độ và gia tốc đƣợc tạo ra sử dụng mô hình mẫu,

đƣợc mô tả theo hàm truyền sau

m2
H ref 
s 2  2m s  m2

Các thông số của mô hình mẫu đƣợc chọn sao cho động học bậc cao hơn của
hệ thống không bị kích thích. Do vậy ta chọn n  10;   0.7

 0 1   0 1   0 
Am   2   ; Bm   
 m 2m   100 14 100

Bộ lọc SVF

Nhƣ đã đề cập, vi phân sai lệch có thể đƣợc tạo ra sử dụng bộ lọc SVF. Các
thông số của bộ lọc SVF đƣợc chọn sao cho các thông số của mô hình mẫu có thể biến
đổi mà không thay đổi các thông số của bộ lọc SVF. Các thông số đƣợc chọn là:

F2 rad
H SVF  ; F  100( );   0.7
s 2  2F s  F2 s

 0 1   0 1  0  0 
AF   2  ; BF   2    4 
 F 2F   104 1.4*10 
2
F  10 

Các bộ điều khiển thích nghi dựa trên mô hình mẫu MRAS

Theo các công thức (3.38) và (3.39), các luật thích nghi cho bộ điều khiển góc là

K p   p  ( p21 e1  p22 e2 ) dt  K p (0)


K d   d  ( p21 e1  p22 e2 ) p dt  K d (0)

Cho bộ điều khiển vị trí

K px   px  ( p21x e1x  p22 x e2 x ) x dt  K px (0)

 55


K dx   dx  ( p21x e1x  p22 x e2 x ) x p dt  K dx (0)


Kix  ix  ( p21x e1x  p22 x e2 x ) x p dt  Kix (0)

Theo các luật hiệu chỉnh p21 , p22 , p21x , p21x là các thành phần của ma trận
P và Px , nhận đƣợc từ nghiệm của các phƣơng trình Lyapunov đƣợc chỉ ra trong

các phƣơng trình sau:

Am1P  PT Am1  Q

Am 2 Px  PxT Am1  Qx

Với Q và Qx là các ma trận xác định dƣơng tùy ý. Từ đó ta tính đƣợc p

q11 q11  q22 m2

p21  ; p22 
2m2 1 4 zm3 1

q11x q11x  q22 xm2

p21x  ; p 
2m2 2 4 zm3 2
22 x

 0 1   0 1 
Ta chọn Am1  Am 2  Am   2  
 m 2m   100 14

 20 30  10 15
Q    Qx   
30 20 15 10

Do đó p21  0.1 ; p22  0.72

p21x  0.05 ; p22 x  0.36

3.4 Mô phỏng hệ thống

Sau khi thiết kế đƣợc mô hình mô phỏng và tính toán các thông số cho các
bộ điều khiển PID thƣờng và PID thích ngi. Tác giả thực hiện mô phỏng cho 2
trƣờng hợp với bộ PID thƣờng và PID thích nghi.
 56

3.12 xe hai bánh

Kết quả mô phỏng với bộ PID thƣờng cho hệ thống xe hai bánh:

Hình 3.13: Kết quả mô phỏng với PID thường khi không có nhiễu
 57

Hình 3.14: Kết quả mô phỏng với PID thường khi có nhiễu
Qua kết quả mô phỏng góc nghiêng và độ dịch chuyển ta thấy rằng, về cơ
bản thì khi chƣa có nhiễu trong hệ thống thì sau một thồi gian khoảng 1.5s thì xe
segway trở lại vị trí thăng bằng và ổn định, tuy nhiên khi có nhiễu thì gần nhƣ là
không thể trở lại đƣợc vị trí cân bằng, điều này làm cho xe mất ổn định, di chuyển
khó khăn. Để khắc phục điều này, tác giả sử dụng bộ điều khiển PID thích nghi.
Cấu trúc mô phỏng xe hai bánh tự cân bằng với bộ PID thích nghi:

3.15
 58

3.16: khi không có nhiễu

3.17: khi có nhiễu

 59

3.18: PID1 cho góc nghiêng

3.19: 2 cho độ di chuyển

 60

Nhƣ vậy, khi sử dụng bộ điều khiển PID thích nghi cho hệ thống xe hai bánh,
kết quả đầu ra góc nghiêng và độ dịch chuyển ổn định nhanh và thăng bằng tốt hơn,
đồng thời khi có nhiễu trong hệ thống thì thời gian về ổn định nhanh hơn, mức độ
dao động bé hơn nhiều so với sử dụng bộ PID thƣờng.

Kết luận Chƣơng III

sở MRAS để điều khiển hệ thống xe hai bánh tự cân bằng. Kết quả điều khiển đƣợc
kiểm chứng bằng mô phỏng trên phần mềm Matlab simulink.

Qua kết quả mô phỏng có các kết luận:

- Hệ thống hoạt động ổn định;

- Góc nghiêng nhanh chóng về bằng 0, giúp cho việc ổn định tốt cho xe hai bánh.

- Giữ đƣợc độ ổn định

ra tín hiệu bù phù hợp để khử các tín hiệu
nhiễu. Kết quả này so sánh với khi dùng bộ PID thƣờng là tốt hơn, giữ ổn định và
thăng bằng cho xe tốt hơn.

- Từ kết quả mô phỏng nhận thấy ƣu điểm của hệ điều khiển thích nghi trực
tiếp là: khi thông số của đối tƣợng thay đổi, bộ điều khiển tự động hiệu chỉnh các
thông số Kp, Ki, Kd và sau một khoảng thời gian xác định, xe hai bánh nhanh
chóng tiến tới ổn định.
 61

CHƢƠNG IV.

4.1 Giới thiệu hệ thống xe hai bánh tự cân bằng

Hình 4.1. Mô hình thực nghiệm

Trên mô hình thực nghiệm ở trên, hệ thống sử dụng hai động cơ để truyền động
cho hai bánh xe trái và phải, và hai động cơ này đƣợc cung cấp điện áp qua mạch
công suất. Giá trị điện áp đầu ra của mạch công suất này đƣợc điều khiển thông qua
PWM xuất ra từ Arduino Board. Tín hiệu góc phản hồi về từ sensor góc
(accelerometer) và vận tốc góc (gyroscope) giao tiếp I2C (giao tiếp số) gửi về
Arduino (mạch điều khiển). Đồng thời trong mô hình còn có mạch logic để tránh
trùng dẫn cho mạch công suất.

4.2 Cấu trúc phần cứng

 62

4.2:

Microcontroller: Arduino board

 63

Sensor: acclerometor và gyroscope

DC motor: 24V, 500 vòng/ phút, 500W.

Battery: 12V, 12ah

4.3: Một số hình ảnh phần cứng.

 64

4.3 Cấu trúc điều khiển hệ thống

4.4:

4.4 Sơ đồ điều khiển và các kết quả thực nghiệm

 65

Output with kalman

filter
Output without
kalman filter

270 °

Jfdkjffjdkkdjlkajklfj

180 °

90 °

Hình 4.5: Tín hiệu góc nhận về khi sử dụng và không sử dụng bộ lọc Kalman

4.6: Tín hiệu đặt và tín hiệu phản hồi.

Với kết quả hình 4.5 ta thấy rằng, tín hiệu nhận đƣợc khi sử dụng bộ lọc Kalman
là tốt hơn nhiều khi không sử dụng bộ lọc Kalman, điều này đảm bảo hệ thống sẽ
 66

nhận đƣợc tín hiệu phản hồi tốt hơn, do đó các tín hiệu điều khiển đƣa ra sẽ chính
xác hơn, giúp cho xe dễ dàng ổn định và phản ứng chính xác với nhiễu

Với kết quả hình 4.6, đây chính là kết quả đầu ra của hệ thống khi sử dụng bộ
điều khiển PID, tác giả mới chỉ thực nghiệm đƣợc với bộ điều khiển PID mà chƣa
thực hiện đƣợc với bộ điều khiển PID thích nghi do việc mã hóa bộ điều khiển chƣa
thực hiện đƣợc . Khi xe đang ở vị trí cân bằng, ta tác động nhiễu tới hệ thống, lập
tức hệ thống sẽ phản ứngđể sau một thời gian hệ thống trở lại vị trí cân bằng.

Kết luận Chƣơng IV

Trong Chƣơng IV, tác giả đã tiến hành thực nghiệm trên xe hai bánh tự cân bằng
và đạt đƣợc kết quả khá khả quan khi thực hiện nhận tín hiệu phản hồi qua bộ lọc
Kalman và sử dụng bộ điều khiển PID. Khi có nhiễu tác động đến hệ thống, hệ
thống lập tức phản ứng để đƣa nhanh hệ thống về trạng thái ổn định.
 67

KẾT LUẬN – ĐÁNH GIÁ

Luận văn đã thực hiện được những công việc sau:

- Đã tìm hiểu về đối tƣợng là mô hình xe hai bánh tự cân bằng tại phòng thí
nghiệm trƣờng ĐH KTCN.

- Thiết kế bộ điều khiển PID kinh điển.

- Thiết kế bộ điều khiển PID thích nghi.

- Tiến hành mô phỏng sử dụng bộ điều khiển PID kinh điển và bộ điều khiển PID
thích nghi, tiến hành thực nghiệm bộ điều khiển cho điều khiển xe hai bánh tự cân
bằng tại phòng thí nghiệm trƣờng ĐH KTCN. So sánh và rút ra kết luận.

Đánh giá nội dung của đề tài:

Đề tài đã hoàn thành các nội dung yêu cầu. Kết quả của đề tài có thể sử dụng để
thiết kế các bộ điều khiển trên cơ sở mô hình mẫu để điều khiển các hệ thống thực
nhƣ hệ thống rađa, máy bay không ngƣời lái…

Những kiến nghị nghiên cứu tiếp theo

- Xây dựng mô hình và bộ điều khiển hoàn thiện hơn với mục đích nâng cao chất
lƣợng, tăng khả năng điều khiển mô hình xe hai bánh tự cân bằng.
 68

TÀI LIỆU THAM KHẢO

[1] Mai Tuấn Đạt, “Xe hai bánh tự cân bằng di chuyển trên đia hình phẳng”, Luận
văn tốt nghiệp, 2005.

[2] Nguyen Duy Cuong, “Advanced Controllers for Electromechanical Motion

Systems”, Doctorate dissertation, 2008

[3] http://www.geology.smu.edu/~dpa-www/robo/nbot/index.html

[4] http://web.mit.edu/sanghyuk/www/balance_bot.html

[5] http://www.wulabs.org/bbot.html

[6] http://leiwww.epfl.ch/joe

[7] http://www.segway.com

[8] Lammerts, Ivonne M. M., 1993, “Adaptive Computed Reference Computed

Torque Control of Flexible Manipulators”, PhD thesis, Eindhoven University of
Technology, Eindhoven, The Netherlands.

[9] http://www.tbl.org/scooter.html

[10] Ayca Gocmen, “Design of two wheeled electrical Vehicle”, Master thesis, 2011

[11]. S. W. Nawawi, M. N. Ahmad and J. H. S. Osman, “Real-Time Control of a

Two-Wheeled Inverted Pendulum Mobile Robot”, World Academy of Science,
Engineering and Technology, Issue 39, pp. 214-220. 2008

[12] S. C. Lin, C. C. Tsai and W. L. Lou, 2007, “Adaptive Neural Network Control
of a Self-balancing Two-wheeled Scooter”, The 33rd Annual Conference of the
IEEE Industrial Electronics Society (IECON), Nov. 5-8 2007, pp. 868-873,
Taipei, Taiwan.

[13] W. Zhou, “Platform for Ergonomic Steering Methods Ġnvestigation of

"Segway-Style" Balancing Scooters”, M.Sc. Thesis, University of Waikato, New
Zealand, 2008.
 69

[14] G. Chi, J. Hausbach and B Hunter, “Segbot”, Senior Design Project, University
of Illinois at Urbana-Champaign, USA, 2005.

[15] S. C. Lin, C. C. Tsai and H. C. Huang, “Nonlinear Adaptive Sliding-Mode

Control Design for Two-Wheeled Human Transportation Vehicle”,
Proceedings of the 2009 IEEE International Conference on Systems, Man, and
Cybernetics, October 2009, pp.1965-1970, San Antonio, TX, USA, 2009.

[16] H. Tirmant, M. Baloh, L. Vermeiren, T. M. Guerra and M. Parent, “B2, An

Alternative Two Wheeled Vehicle for an Automated Urban Transportation
System”, IEEE Intelligent Vehicle Symposium, June 17-2 2002, pp. 594-603.

[17] C. C. Tsai, C. K. Chan and Y. H. Fan, “Planned Navigation of a Self-balancing

Autonomous Service Robot”, IEEE International Conference on Advanced
Robotics and Its Social Impacts, Aug. 23-25 2008, Taipei, Taiwan.

[18] K. M. Goher and M. O. Tokhi, “Development, Modeling and Control of a

Novel Design of Two-Wheeled Machines”, Cyber Journals Multidisciplinary
Journals in Science and Technology, Journal of Selected Areas in Robotics and
Control (JSRC), December Edition, 2010.

[19] S. Sridharan and B. Zoghi, “Control System Project: Rfid-Based Access

Human Transporter”, American Society for Engineering Education, 2009
Annual Conference & Exposition, 2009.

[20] P. Pannil, A. Klaeoyotha, P. Ukakimaparn, T. Trisuwannawat, K. Tirasesth and

N. Kominet, “Development of Inverted Pendulum System at KMITL”,
International Symposium on Communications and Information Technologies,
pp. 389-393, 2008.

[21] S. Burdette, “A Zilog ZNEO based Self-Balancing Robot with PID Control”,
Project Report, The George Washington University, USA, 2007.
 70

[22] L. J. Butler and G. Bright, “Feedback Control of a Self-balancing Materials

Handling Robot”, 2008 10th Intl. Conf. on Control, Automation, Robotics and
Vision, 17–20 December 2008, pp. 274-278, Hanoi, Vietnam.

[23] R. C. Ooi, “Balancing a Two-Wheeled Autonomous Robot”, Final Year Thesis,

The University of Western Australia School of Mechanical Engineering,
Faculty of Engineering and Mathematical Sciences University of Western
Australia, Australia, 2003.

[24] X. Ruan and J. Zhao, “The PWM Servo and LQR Control of a Dual-wheel
Upright Self-balancing Robot”, 2008 International Symposiums on
Information Processing, pp. 586-590.

[25] P. Oryschuk, A. Salerno, A. M. Al-Husseini and J. Angeles, “Experimental

Validation of an Underactuated Two-Wheeled Mobile Robot”, IEEE/ASME
Transactıons on Mechatronıcs, Vol. 14, No. 2, April 2009, pp. 252-257.

[26] S. Garg, “Development of Self-Balanced Robot and Its Controller”, B.Sc.

Thesis, Mechanical Engineering Department National Institute of Technology,
Rourkela, India, 2010.

[27] S. Jeong and T. Takahashi, “Wheeled Inverted Pendulum Type Assistant Robot:
Inverted Mobile, Standing, and Sitting Motions”, Proceedings of the 2007
IEEE/RSJ International Conference on Intelligent Robots and Systems, Oct 29
- Nov 2 2007, pp. 1932-1937, San Diego, CA, USA.

[28] K. C. R. Ho, “Balancing Wheeled Robot”, Research Project, University of

Southern Queensland, Australia, 2005.

[29] Nguyen Duy Cuong, Gia Thi Dinh, Nguyen Van Lanh, “Direct MRAS based
an Adaptive Control System for a Two – Wheel Mobile Robot”, ICCRC 2014